ML-инженер

Мы планируем построить и внедрить локальные LLM-решения для автоматизации внутренних бизнес-процессов. Наша цель — обеспечить высокий уровень безопасности данных, контролируемость инфраструктуры и независимость от внешних облачных провайдеров, где это критично. Мы ищем инженера, который сможет спроектировать архитектуру, настроить пайплайны и вывести модели в промышленную эксплуатацию в корпоративном контуре.

Обязанности:

• Архитектура и разработка: Проектирование и разработка корпоративной LLM-платформы с фокусом на локальное развертывание (on-premise) и использование open-source моделей;

• Интеграция фреймворков: Построение пайплайнов обработки данных и оркестрации запросов с использованием Open WebUI, LiteLLM, Langflow и RAGFlow для создания RAG-приложений и агентных рабочих процессов;

• Инфраструктура и инференс: Настройка высокопроизводительного инференса моделей с использованием vLLM для обеспечения низкой задержки и эффективного использования GPU-ресурсов;

• Унификация доступа: Настройка единого шлюза для управления подключениями к различным LLM (как локальным, так и внешним через OpenRouter) для гибкости и резервирования;

• Интеграция и автоматизация: Встраивание ML-решений во внутренние системы компании (CRM, HRM, документооборот) и автоматизация рутинных задач сотрудников;

• MLOps/LLMOps: Внедрение практик мониторинга, версионирования промптов и моделей, а также CI/CD для ML-компонентов.

• От 2-х лет коммерческого опыта в разработке и внедрении ML/AI решений;

• Стек технологий (Core):

1. Глубокое знание и опыт работы с указанным стеком: Open WebUI (как интерфейс для взаимодействия с моделями);

2. LiteLLM (прокси-сервер для унификации API), Langflow или LangChain (оркестрация цепочек), RAGFlow (реализация RAG-пайплайнов);

3. Опыт оптимизации инференса моделей с использованием vLLM или аналогичных библиотек (TensorRT, ONNX);

4. Знание OpenRouter как агрегатора API-провайдеров.

• Разработка: Продвинутый уровень Python (асинхронное программирование, FastAPI);

• Базы данных: Опыт работы с векторными базами данных (Pinecone, Milvus, Qdrant, FAISS);

• Инфраструктура: Опыт контейнеризации и оркестрации (Docker и тп), понимание принципов работы GPU в кластере.

Будет плюсом:

• Опыт работы с локальными open-source моделями (Llama, Qwen, Deepseek);
• Опыт интеграции AI в корпоративные системы (1С, SAP, Jira, Confluence, Битрикс24 и тп);
• Знание MLOps практик (MLflow, Weights & Biases);
• Опыт построения систем с учетом требований информационной безопасности и соблюдения локального законодательства (152-ФЗ) — использование локальной инфраструктуры для обработки персональных данных.

Личные качества (Soft Skills):

• Системное мышление и способность видеть продукт целиком, а не только ML-модель;
• Коммуникабельность: умение объяснять технические решения бизнес-заказчикам и стейкхолдерам;
• Проактивность: готовность предлагать архитектурные решения и брать ответственность за их реализацию;
• Стремление к изучению нового: быстро меняющийся стек LLM требует постоянного самообучения.

• Интересные задачи и проекты;
• Оформление по ТК РФ;
• Официальная заработная плата (уровень оплаты труда, обсуждается с успешным кандидатом на собеседовании);
• График работы 5/2 пн-чт с 09.30 до 18.15, пятница с 09.30 до 17.00;
• Возможность гибридного или удаленного формата работы.