AI Engineer (Junior/Middle)

Присоединяйтесь к команде профессионалов, работающих над уникальными проектами в сфере Data Science и Generative AI. Мы создаём передовые решения, автоматизирующие бизнес-процессы, и внедряем современные ML-модели. Мы ищем как талантливых начинающих специалистов (Junior), готовых быстро расти, так и опытных инженеров (Middle/Middle+). Если вы хотите работать с актуальным LLM-стеком (PyTorch, LangChain, векторные БД) и решать реальные задачи бок о бок с сильными специалистами, ждём вас в нашей команде!

• участие в проектировании и разработке систем на базе больших языковых моделей (LLM);
• построение, тестирование и оптимизация пайплайнов RAG (Retrieval-Augmented Generation);
• организация процессов сбора и подготовки данных, автоматизация обработки данных и контроль качества для повышения точности RAG-систем;
• разработка и поддержка API для интеграции ML-моделей (FastAPI);
• контейнеризация сервисов (Docker) и участие в деплое моделей на внутренних (on-premise) серверах компании;
• написание чистого, документированного кода по методологиям Agile/Scrum.

• высшее образование в STEM (законченное или на старших курсах);
• уверенное знание Python (FastAPI, pandas, NumPy, scikit-learn, PyTorch);
• понимание архитектуры трансформеров, принципов работы LLM и RAG;
• знакомство с векторными базами данных (Qdrant, ChromaDB или pgvector) и фреймворками LangChain/LangGraph;
• базовые навыки работы с Linux, Git и Docker;
• уровень английского языка B2+ (свободное чтение технической документации и научных статей).

• Для уровня Junior: сильная теоретическая база, наличие профильных пет-проектов (GitHub), участие в Kaggle, хакатонах или исследовательских проектах.
• Для уровня Middle и выше: опыт коммерческой разработки от 12 до 18 месяцев (в роли ML Engineer, Data Scientist или Python Backend), практический опыт вывода ML/LLM моделей в продакшен.

• опыт работы с vLLM, понимание методов квантования (AWQ, GPTQ, GGUF) и оптимизации потребления видеопамяти (VRAM);
• знакомство с фреймворками для оценки качества GenAI (Ragas, TruLens, LLM-as-a-judge);
• понимание базовых принципов CI/CD, MLOps (например, MLflow) и знание Kubernetes (K8S);
• наличие IT-сертификатов, профильных публикаций или опыта обучения за рубежом;
• навыки презентации данных и сторителлинга.