ML Engineer (Multi-modal)

О проекте

Мы разрабатываем конфиденциальную AI-платформу, работающую с разнородными данными и моделями

Система включает:

• backend + frontend
• пайплайны обработки данных
• self-hosted AI-модели
• файловое хранилище
• SQL / NoSQL / time-series БД
• K8s инфраструктуру

В настоящий момент мы меняем архитектурный подход:

• уходим от классического RAG
• переходим к алгоритмическому поиску и гибридным подходам
• активно экспериментируем с новыми типами БД:

• NoSQL
• time-series (InfluxDB и аналоги)
• графовые базы данных

Нам важно не «прикрутить LLM», а выстроить управляемые, предсказуемые и масштабируемые системы поиска и обработки данных, где AI модель — лишь часть пайплайна.

Мы ищем middle+/senior ML инженера (multi-modal), который:

• умеет самостоятельно проектировать ML-решения
• способен предлагать архитектуру и альтернативы, искать решения
• Обладает энтузиазмом к делу, которым занимается

• Python
• Ollama (self-hosted модели)
• OpenRouter
• K8s
• SQL / NoSQL
• FFmpeg
• Модели: Qwen, Whisper, WhisperX. Мы активно ищем более эффективные альтернативы
• Проектирование сложных data / ML pipelines

Задачи

• Проектирование альтернатив RAG-подходам
• Работа с алгоритмами поиска и retrieval без жёсткой привязки к LLM
• Интеграция ML-пайплайнов с NoSQL / time-series / graph DB
• Проектирование и оптимизация сложных data-потоков

• Проектирование и развитие multi-modal ML-пайплайнов
• Интеграция и оптимизация моделей для обработки видео / аудио / изображений / текста
• Поиск, сравнение и внедрение более эффективных моделей
• Работа с self-hosted моделями (Ollama)
• Интеграция ML-части с backend-сервисами

Требования

• Опыт работы ML инженером от 3–5 лет
• Отличное знание Python
• Опыт работы с multi-modal моделями (text / audio / video / image)
• Понимание ML-пайплайнов end-to-end
• Базовое понимание k8s
• Опыт работы с SQL и NoSQL БД
• Способность самостоятельно принимать технические решения

• Понимание ограничений и проблем RAG-подходов
• Опыт проектирования search / retrieval систем
• Работа с time-series или графовыми БД
• Умение мыслить вне «LLM-first» парадигмы