ML-инженер

Продуктовая ИТ компания ищет инженера, который будет разрабатывать и проверять прикладные AI-решения внутри продуктов Юниверс Дата.

Задача — исследовать возможности современных LLM, собирать прототипы, тестировать гипотезы и доводить рабочие идеи до интеграции в продукт.

Работа включает эксперименты с фреймворками вроде LangChain, LangGraph, CrewAI, настройку моделей под конкретные сценарии и разработку инструментов, которые делают работу с данными умнее и быстрее.

Это позиция для тех, кто хочет создавать практические AI-решения, влияющие на архитектуру и возможности корпоративных систем управления данными.

Основные обязанности

Исследование и эксперименты

• Самостоятельный выбор технологического стека для AI-решений (LangChain, LangGraph, CrewAI и новые фреймворки)

• Разработка proof-of-concept AI-подходов для решения бизнес-задач

• Постоянный мониторинг новых инструментов, фреймворков и моделей в сфере AI

Оценка и оптимизация моделей

• Оценка качества работы LLM

• Сравнительный анализ моделей и выбор оптимальных решений под задачу

• Адаптация существующих моделей под цели бизнеса: prompt-engineering, fine-tuning

Разработка прикладных решений

• Создание AI-систем с использованием orchestration-фреймворков (LangGraph, CrewAI)

• Интеграция LLM в продуктовые решения с фокусом на практическое применение

• Работа в команде из 3 человек без управленческих функций

Технические требования

Обязательные навыки

• Уверенное владение Python

• Понимание архитектуры и принципов работы современных LLM

• Практический опыт с фреймворками: LangChain, LangGraph, CrewAI, LlamaIndex

• Навыки оценки качества моделей без глубокой математической подготовки

Исследовательские компетенции

• Способность быстро осваивать новые AI-инструменты и фреймворки

• Опыт разработки PoC и валидации гипотез

• Самостоятельность в принятии технических решений

• Понимание ограничений и возможностей LLM в прикладных задачах

Дополнительные плюсы

• Знание ML/DL библиотек (PyTorch/TensorFlow/Scikit-Learn)

• Понимание RAG-архитектур и retrieval-систем

• Понимание принципов prompt-engineering и orchestration паттернов

• Опыт работы с MCP

• Опыт развертывания локальных LLM и работы с ними

Образование

Бакалавр/магистр в Computer Science, Data Science или смежных областях. Важнее практический опыт работы с LLM, чем академическая степень.

Что НЕ требуется

• Глубокие знания математики и статистики

• Опыт обучения моделей с нуля

• Управленческие навыки

• Продуктовый менеджмент или построение roadmap