Анализировать данные, выбирать подходящие архитектуры (от классического ML до нейросетей) и обучать модели
- Искать и тестировать новые подходы и решения, адаптируя их под наши нужды
- Самостоятельно разворачивать модели в продакшн-среде
- Настраивать рабочее окружение и библиотеки в условиях отсутствия прямого доступа к интернету
- Уверенное владение Python и ML-стеком (Pandas, Scikit-learn, PyTorch/TensorFlow)
- Понимание математики и статистики, стоящую за алгоритмами
- Имеете опыт работы с современными архитектурами (NLP, CV или LLM)
- Умение упаковывать свои решения в Docker (критично для нашего контура)
- Готовность работать полностью оффлайн в защищенной среде
Будет плюсом:
- Опыт развертывания локальных языковых моделей (LLM)
- Навыки оптимизации кода под конкретное железо (GPU)
- Умение работать с SQL-базами данных
Ответственность, инициативность и исполнительность.
- Развертывание собственного AI-сервиса (инференс) и интеграция в qMedAI через API;
- Разработка и улучшение AI-рекомендаций для пациентов/медперсонала (персонализация, правила+ML);
- Построение AI-ассистента: контекст, память, инструменты (tools), RAG при необходимости;
- Внедрение голосового помощника: ASR (speech-to-text) + TTS (text-to-speech), потоковые ответы;
- Совместная работа с backend/frontend и оформление технической документации.
Python, PyTorch/Transformers, FastAPI (или аналог), Docker, Linux, GPU/Cloud, Vector DB (Qdrant/FAISS — опционально), ASR/TTS (Whisper/Coqui или аналоги).