Старший инженер по машинному обучению

Чем предстоит заниматься:

Обеспечение разработки, внедрения и развития корпоративных решений на базе больших языковых моделей для автоматизации бизнес-процессов, повышения производительности сотрудников, улучшения качества принятия решений и создания измеримого бизнес-эффекта для компаний Холдинга;

• Участвовать в полном цикле разработки AI/ML-решений: от исследования и прототипирования до продакшн-развертывания и мониторинга;

• Создавать и тестировать решения на базе LLM, включая диалоговых агентов и системы RAG;

• Применять методы оптимизации производительности и качества работы LLM в продуктовых задачах.

Мы предлагаем:​​​​

• Возможность присоединиться к профессиональной, высоко мотивированной и результативной команде из 200+ сотрудников R1, перспективы карьерного роста;
• Официальное трудоустройство в аккредитованный IT-актив компании ООО "Эр-1", оплачиваемые отпуск, командировки, больничные;
• Работу в офисе в одном из городов присутствия R1 на ваш выбор - Москва, Санкт-Петербург, Пермь;
• Рыночную заработную плату по результатам собеседования;
• ДМС со стоматологией после испытательного срока, 100% компенсацию больничного;
• Комфортные офисные условия;
• Корпоративные программы от наших партнеров;
• Бонусное подключение к телеком-услугам Дом.ru по тарифу «Сотрудник»;
• Яркую корпоративная жизнь и дружелюбную атмосферу в коллективе профессионалов!

Мы ждём от кандидатов:

• Опыт работы на позиции Data Scientist, ML инженер, LLM инженер. Опыт работы с машинным обучением, фреймворками и инструментами, связанными с LLM;
• Знание популярных библиотек и фреймворков для машинного обучения (например, TensorFlow, PyTorch, Scikit-learn, PEFT, vLLM);
• Понимание архитектур LLM и опыт файнтюнинга под продуктовые задачи (SFT, PEFT, RLHF, LoRA, PPO, DPO, GRPO);
• Знание LLM-фреймворков (langchain, langgraph или аналоги) и подходов к разработке AI-агентов (function calling, structured output, context engineering);
• Знание методов оценки качества LLM-решений;
• Глубокое понимание математических основ, включая статистику и линейную алгебру;
• Навыки Python, SQL, PySpark;
• Знание инструментов для LLM-разработки: LangChain, LlamaIndex, vLLM, Text Generation Inference или их аналогов, OpenAI API, локальных inference-серверы или их аналогов;
• Знание инструментов MLOps/LLMOps: MLflow, KuberFlow, Airflow.