AI—Engineer

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.