Data Scientist / ML Engineer (широкий профиль)

Мы ищем сильного инженера широкого профиля, который умеет работать с данными, строить модели, развивать GenAI-решения и участвовать в создании AI-инфраструктуры. У нас разнообразные задачи — от классического ML до LLM, RAG, ASR и MLOps — но мы не ожидаем глубокой экспертизы во всех направлениях одновременно.
Нужен человек, который умеет быстро разбираться, экспериментировать и доводить решения до продакшена.

• Разработка и внедрение ML/GenAI-моделей (LLM, NLP, CV, табличные модели).
• Построение и оптимизация RAG-архитектур: чанкеры, векторизация, retrieval, маршрутизация запросов.
• Проведение исследований данных: feature engineering, эксперименты, аналитические отчёты.
• Подготовка данных и участие в построении ETL/ELT-пайплайнов совместно с Data Engineering-командой.
• MLOps цикл: контейнеризация, мониторинг, управление экспериментами, вывод моделей в продакшн.

• Направления, которые включаются по мере проектов (не must-have для старта):

• Развитие AI-инфраструктуры: автоматизация экспериментов, воспроизводимость окружений, MLflow, DVC.
• Построение ASR-пайплайнов (Whisper, диаризация, адаптация под доменную лексику).
• Участие в проектах компьютерного зрения.
• Оптимизация больших моделей: quantization, distillation, fine-tuning (LoRA/QLoRA).

• 🧩 Идеальный кандидат — это вы, если у вас есть

  Технический бэкграунд

• Уверенный Python и DS-стек: Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow.
• Опыт решения задач ML: классификация, регрессия, NLP или CV.
• Понимание полного жизненного цикла ML-проекта: от данных до продакшена.
• Хорошие знания SQL, работа с реляционными и NoSQL хранилищами.
• Базовые навыки MLOps: Docker, MLflow/Weights&Biases, Airflow (или аналоги).

• GenAI / LLM

  Опыт в одном или нескольких направлениях:

• вызов и настройка LLM (OpenAI API, HF-сервера, локальные модели);
• создание промптов, chains, системной логики;
• RAG-концепции: embedding, векторные БД, retrieval стратегии.
• ⭐ Серьёзным плюсом будет

  ML / GenAI / ASR / CV

• Опыт fine-tuning LLM (LoRA / QLoRA).
• Знание FAISS, Chroma, pgvector.
• Практика построения ASR-систем: Whisper, диаризация.
• Опыт в CV: классификация, детекция, сегментация.

• MLOps & Infrastructure

• Kubernetes, KServe, BentoML.
• CI/CD: GitLab CI, GitHub Actions.
• Monitoring: Prometheus, Grafana.
• DVC или аналоги для управления экспериментами.

• Cloud

• Yandex Cloud, SberCloud, VK Cloud, AWS, GCP или Azure.

• 💬 Что мы ценим

• Умение работать как исследователь и как инженер.
• Способность переводить бизнес-задачу в архитектуру решения.
• Проактивность и аккуратность в работе с данными и продакшн-моделями.
• Желание развиваться в GenAI и широком ML-стеке.

• аккредитованная ИТ компания в составе Компании
• бесплатное питание в офисе
• компенсация дмс
• высокая зп