Ml инженер для GenAI

Компания развивает масштабные продукты и проекты в направлениях умного магазина, роботизации, беспилотности и GenAI.

• Развивать ML/AI-компоненты для прикладных бизнес-задач в направлениях классического ML, NLP/LLM, RAG и агентных сценариев, компьютерного зрения, речевых и мультимодальных технологий;
• Проводить эксперименты по улучшению существующих моделей и сценариев;
• Подготавливать, очищать, размечать и анализировать данные для обучения, дообучения и оценки моделей;
• Разрабатывать и поддерживать пайплайны подготовки данных, обучения, inference и evaluation;
• Обеспечивать воспроизводимость экспериментов, версионирование данных и моделей, логирование результатов;
• Оценивать качество ML/AI-решений;
• Формировать тестовые и evaluation-наборы, выбирать и рассчитывать профильные метрики;
• Проводить анализ ошибок, выявлять причины деградации качества и предлагать улучшения;
• Оптимизировать производственные решения по качеству, latency, throughput, потреблению GPU/CPU-ресурсов и стоимости эксплуатации;
• Участвовать в интеграции моделей в прикладные сервисы, релизах и мониторинге после запуска.

• Высшее техническое образование либо подтверждённый практический опыт разработки и внедрения ML/AI-решений;
• Коммерческий опыт разработки на Python от 2 лет;
• При общем опыте разработки от 3 лет допустим опыт в ML/AI от 1–2 лет при наличии практических проектов;
• Уверенное знание Python, Num Py, pandas и scikit-learn;
• Практический опыт работы с PyTorch или аналогичным DL-фреймворком;
• Знание методов машинного обучения и глубокого обучения;
• Опыт подготовки и анализа данных, обучения и валидации моделей, выбора метрик, борьбы с переобучением, анализа ошибок и интерпретации результатов экспериментов;
• Практический опыт хотя бы в одном направлении: классический ML, NLP, LLM/RAG-системы, компьютерное зрение, речевые технологии, рекомендательные системы или мультимодальные модели;
• Понимание полного жизненного цикла ML/AI-решения;
• Навыки проведения воспроизводимых экспериментов;
• Навыки работы с SQL и реляционными базами данных;
• Понимание принципов разработки и интеграции сервисов: REST API, JSON, FastAPI или аналогичные фреймворки;
• Базовые практические знания Docker,…