Senior ML-инженер (Python, RAG)

Технократия цифровизирует бизнес: от небольших компаний до крупных корпораций. СИБУР Диджитал, Камаз Digital, Татнефть, Университет Иннополис — наши клиенты. А ещё внутренние проекты, R&D и hardware-разработка.

С нами приятно работать: прозрачные процессы, понятная система грейдов и прогнозируемый рост, культура наставничества, возможность влиять на проекты и быть услышанным.

=Мы ищем именно ML-инженера с сильной MLOps-экспертизой, который также обладает глубокими знаниями в области RAG-моделей. Опыт работы с LLM — желателен, но не является строго обязательным=

Ключевые задачи:

• Полный цикл ML-разработки: От исследования и прототипирования до промышленного внедрения, мониторинга и поддержки ML-моделей;

• Развитие RAG-системы (Retrieval-Augmented Generation): Архитектура, реализация и оптимизация пайплайна "поиск-генерация" для AI-помощника в колл-центре. Работа с векторными базами данных, эмбеддинг-моделями, чанкингом и ранжированием;

• Промышленный MLOps: Организация надежного, масштабируемого и наблюдаемого пайплайна деплоя моделей (Docker, Kubernetes). Настройка CI/CD, мониторинга данных и моделей, автоматизация процессов переобучения;

• Data Science & Аналитика: Глубокий анализ событийных и текстовых данных. Поиск инсайтов, feature engineering и построение моделей классификации для задач прогнозирования поведения пользователей и определения интентов;

• Измерение и визуализация: Построение дашбордов (Grafana, Superset) для отслеживания бизнес-метрик (конверсия) и технических метрик качества моделей (Accuracy, AUC-ROC, R2, hit rate для RAG).

Необходимые навыки:

• 3+ лет коммерческого опыта в роли ML-инженера или в смежной роли (MLOps, Data Scientist с инженерным бэкграундом);

• Промышленный опыт (MLOps): реальный опыт вывода ML-моделей в production (Docker, оркестраторы, создание API). Понимание жизненного цикла модели;

• Опыт с RAG-архитектурами: практические навыки работы с векторными БД (Qdrant, Milvus, Weaviate, PGVector) и фреймворками (LangChain, LlamaIndex или кастомные решения);

• Глубокое знание Python и основных ML-библиотек (scikit-learn, pandas, numpy, CatBoost/LightGBM/XGBoost);

• Опыт работы с данными: SQL, понимание ETL/ELT-процессов;

• Умение проектировать и оценивать эксперименты, работать с метриками.​​​​​​​​​​​​​

Будет сильным преимуществом:

• Опыт работы с LLM (fine-tuning, prompt engineering, оценка качества);

• Опыт в финтехе или с банковскими данными;

• Знание облачных платформ (Yandex Cloud, AWS, GCP) и их ML-сервисов;

• Опыт настройки мониторинга дрифта данных (Evidently AI, Arize);

• Знание инструментов версионирования ML-артефактов (MLflow, DVC);

• Понимание принципов causal inference.

У нас всё прозрачно:

• Работа на стыке технологий: Реальные задачи из мира LLM, RAG и MLOps, а не только "обучить и забыть".

• Влияние: Ваша работа напрямую повлияет на ключевые бизнес-показатели (NPS, конверсия, операционная эффективность).

• Работа над продуктом в классной команде, всё официально;

• Топовая техника при трудоустройстве;

• Аккредитованная ИТ-компания, наши сотрудники могут пользоваться всеми преимуществами этого статуса;

• ДМС после испытательного срока;

• Нетоксичная и амбициозная атмосфера;

• Культура наставничества. Продвигайся вверх бок о бок с лучшими — наши руководители направлений признанные эксперты в профессиональном сообществе, ты тоже можешь быть одним из них;

• Индивидуальные планы развития и карты знаний для прогнозируемого карьерного роста;

• Участие в известных конференциях за счёт компании;

• Современный стек;

• Поддержка ваших технических инициатив;

• Возможность работать удаленно или гибридно.