AI—Engineer
AI—Engineer
Москва, Раменский бульвар, 1
Описание вакансии
Приветствую)
Мы—CYBREX
Молодая, но амбициозная компания по разработке и внедрению искусственного интеллекта в бизнес-процессы. Хотя наша компания и отличается молодостью, это вовсе не означает, что она неопытна или на нее нельзя положиться, наоборот, в ее команде в находятся специалисты с самыми широкими IT компетенциями с многолетним опытом разработки, в особенности — в сфере искусственного интеллекта, которые помогают компаниям выйти на новый уровень развития!
Что мы делаем?
Основой нашей деятельностью является разработка и внедрение ИИ-агентов для автоматизации бизнес-процессов компаний, в их число обычно входят предприятия как малого и среднего, так и крупного бизнеса.
Зачем мы это делаем?
Мы делаем это в первую очередь, потому, что нам нравится это делать. Мы обожаем все, что связано с искусственным интеллектом и высокими технологиями и стремимся с помощью них изменить мир к лучшему, а также помочь компаниям обуздать волну всеобщей автоматизации.
Как мы это делаем?
Возьмем к примеру самую распространенную ситуацию: у заказчика имеется набор рутинных задач, которые ему необходимо автоматизировать. Для этого производится анализ его бизнес-процессов, после чего происходит разработка индивидуального решения с его последующим внедрением, необходимой поддержкой и консультированием.
Почему мы ищем?
Т.к наша компания активно развивается, появилась потребность в расширении штата сотрудников для более масштабной и глубокой разработки наших основных ИИ-продуктов.
Кого мы ищем?
В связи с этим, мы ищем такого же энергичного и амбициозного, как и наша компания специалиста, который так же, как и мы, увлекается искусственным интеллектом и имеет все необходимые компетенции для успешной его разработки.
Что он будет делать?
Данный специалист будет участвовать в разработке и внедрении искусственного интеллекта в бизнес процессы, а именно:
- разрабатывать модели ИИ;
- обучать модели ИИ;
- интегрировать ИИ в бизнес-процессы;
- обрабатывать и анализировать данные;
- разрабатывать чат-боты и GenAI;
- участвовать в последующей оптимизации и поддержке.
Что он должен знать и уметь?
Для успешной работы в этой непростой, но быстро меняющейся сфере он должен обладать всеми необходимыми компетенциями для успешной разработки и внедрения ИИ-решений.
Технические навыки (могут быть заменены на аналогичные):
Языки программирования:
- Python - основной язык для ML/AI разработки;
- SQL - работа с базами данных;
- JavaScript/TypeScript - для веб-интеграций;
- C++/Rust (желательно) - для высокопроизводительных решений.
Фреймворки и библиотеки машинного обучения:
- PyTorch и/или TensorFlow 2.x - глубокое обучение;
- Transformers (Hugging Face) - работа с современными языковыми моделями;
- LangChain, LlamaIndex - оркестрация LLM-приложений;
- scikit-learn, XGBoost, LightGBM - классическое ML;
- JAX, Flax (преимущество) - для высокопроизводительных вычислений.
Работа с большими языковыми моделями:
- Опыт работы с GPT-4, Claude, Gemini, LLaMA 2/3;
- Fine-tuning моделей: LoRA, QLoRA, PEFT;
- Prompt engineering и chain-of-thought reasoning;
- RAG (Retrieval-Augmented Generation) системы;
- Векторные базы данных: Pinecone, Weaviate, Qdrant, ChromaDB.
MLOps и инфраструктура:
- Docker, Kubernetes - контейнеризация и оркестрация;
- MLflow, Weights & Biases, Neptune.ai - tracking экспериментов;
- Apache Airflow, Kubeflow - ML pipelines;
- DVC - версионирование данных;
- CI/CD для ML: GitHub Actions, GitLab CI, Jenkins.
Облачные платформы и сервисы:
- AWS: SageMaker, Bedrock, Lambda, EC2, S3;
- Google Cloud: Vertex AI, Cloud Run, BigQuery;
- Azure: Azure ML, Cognitive Services, OpenAI Service;
- API-первые сервисы: OpenAI API, Anthropic API, Cohere.
Обработка и хранение данных:
- Apache Spark, Databricks - big data processing;
- PostgreSQL, MongoDB, Redis - базы данных;
- Apache Kafka, RabbitMQ - потоковая обработка;
- Elasticsearch - полнотекстовый поиск.
Специализированные инструменты:
- ONNX, TensorRT - оптимизация моделей для production;
- Gradio, Streamlit - быстрое прототипирование;
- FastAPI, Flask - создание API;
- Ray, Dask - распределенные вычисления.
Профессиональные компетенции:
Обязательные:
- Опыт разработки и внедрения AI-решений в production (от 1-3 лет);
- Практический опыт оптимизации inference моделей для высоких нагрузок (1000+ RPS);
- Опыт проектирования масштабируемых архитектур AI-систем;
- Понимание принципов Responsible AI и AI Safety;
- Опыт работы с мультимодальными моделями (текст, изображения, аудио).
Желательные:
- Участие в open-source проектах в области AI/ML;
- Публикации или выступления на конференциях;
- Опыт работы с Edge AI и мобильными ML-решениями;
- Знание современных подходов: Constitutional AI, RLHF, DPO.
С кем он будет это делать?
На начальном этапе предполагается работа в команде из 2-5 человек под руководством тимлида. В дальнейшем, при расширении штата, большего охвата рынка и углублении разработки количество команды может быть увеличено до 10-15 человек и более.
Как он будет это делать?
Для эффективной разработки продукта предполагается равномерное распределение обязанностей между всеми участниками в зависимости от их умений и компетенций. Это распределение будет обсуждаться на рабочих собраниях между всеми участниками группы.
Где он будет это делать?
У сотрудника имеются несколько вариантов местонахождения для выполнения работы:
- В офисе;
- Удаленно;
- Гибридный график.
Однако прежде чем выбирать тот или иной вариант, необходимо согласовать его с остальными членами группы для удобства разработки.
Когда он будет это делать?
График работы свободный, однако для начала необходимо согласовать его с остальными членами группы для удобства коммуникации.
За сколько он будет это делать?
Оплата труда за выполнение работы предполагается сдельная на основе проектной работы и будет рассчитываться в зависимости от вклада каждого из ее членов.
Она будет разделена на 2 этапа:
- Авансовый платеж в размере 50% во время начала нового проекта;
- Остальная часть в виде 50% после его успешной сдачи.
Что он получит еще от сотрудничества с компанией?
- Красивый, удобный и высокотехнологичный офис в Московской "Кремниевой долине" ИНТЦ "Воробьевы Горы".
- свобода в выборе места работы;
- свобода в выборе времени работы;
- возможность вырасти до Технического директора (CTO) при последующем расширении компании.
Каким образом будет происходить проверка его компетенций?
- предварительное общение в мессенджерах, либо по телефону;
- онлайн-интервьюирование
- интервьюирование в офисе
- прохождение тестового задания
- общение по результатам всех пройденных этапов.
Что дальше после успешной проверки?
После успешного прохождения всех испытаний будущий коллега приглашается в офис для заключения договора и знакомства с командой.
Навыки
- Python
- SQL
- JavaScript
- PyTorch
- TensorFlow
- Scikit-learn
- XGBoost
- LightGBM
- Docker
- Kubernetes
- MLflow
- Apache Airflow
- CI/CD
- GitLab CI
- Jenkins
- GitHub
- BigQuery
- Azure
- Apache Spark
- PostgreSQL
- MongoDB
- Redis
- RabbitMQ
- Elasticsearch
- FastAPI
- Flask