ML Инженер

С 2006 года производим оборудование и разрабатываем программное обеспечение для спутникового мониторинга транспорта и контроля движимых объектов. У компании есть собственная исследовательская лаборатория, облачная платформа X-Keeper Panel для мониторинга и аналитики, API для интеграций, а также серверное ПО X-Keeper Server BIGDATA для приема, обработки и хранения телематических данных

• Исследовать и проверять гипотезы в области ML/AI под реальные бизнес-задачи компании;.
• Разрабатывать первые прикладные решения, в том числе:
  OCR и извлечение данных из документов и заявок;
  Системы скоринга;
  Аналитические и рекомендательные модели;
  Решения для работы с телематическими, событийными и операционными данными;
• Разбираться, какие AI/ML-сценарии действительно имеют бизнес-смысл, а какие нет;
• Помогать компании выстроить практику работы с ИИ внутри: выбрать базовый стек, определить архитектурный подход, подобрать модели и инструменты;
• Участвовать в выборе и настройке инфраструктуры для ML/AI: сервер, окружение, пайплайны, хранение артефактов, инференс;
• Проектировать и запускать пайплайны обработки данных, обучения, дообучения и применения моделей;
• Работать с неидеальными, неразмеченными и разнородными данными;
• Проводить EDA, очистку данных, подготовку признаков, эксперименты и оценку качества решений;
• Взаимодействовать с разработкой, аналитикой и бизнесом, чтобы переводить бизнес-задачи в технические решения;
• Помогать формировать внутренние стандарты и подходы к использованию AI/ML в компании.

• Уверенное владение Python;
• Практический опыт в Machine Learning / Applied AI / Data Science;
• Опыт работы с NLP, LLM, document AI, OCR или смежными прикладными задачами;
• Понимание полного цикла ML: данные → эксперимент → обучение → внедрение → мониторинг;
• Опыт построения пайплайнов для обучения и инференса;
• Умение работать в условиях, когда задача еще не до конца сформулирована, а решение нужно собирать вместе с бизнесом и командой;
• Самостоятельность и готовность вести задачи end-to-end;
• Умение объяснять технические решения понятным языком.

Будет плюсом

• Опыт с OCR, multimodal-моделями, document understanding.
• Опыт построения скоринговых моделей и decision logic.
• Опыт работы с телематическими, геоданными, событийными или time-series данными.
• Опыт с embeddings, semantic search, RAG.
• Практика работы с self-hosted LLM или локальным inference-контуром.
• Опыт с MLOps, orchestration, production pipelines.
• Опыт выбора и настройки инфраструктуры под ML-задачи.
• Опыт с PyTorch или TensorFlow.
• Базовое понимание backend- и data-инфраструктуры.
  

• Сильную прикладную роль с влиянием на формирование AI/ML-направления в компании;
• Возможность запускать решения от гипотезы до рабочего контура;
• Команду разработки и инженерную среду, с которой можно строить production-решения;
• Адекватный уровень свободы в выборе подходов и инструментов;
• Режим работы: 5/2 рабочая неделя;
• Гибкое начало рабочего дня;
• Заботу о вашем здоровье в рамках программы ДМС;
• Официальное трудоустройство согласно ТК РФ.