Python ML/LLM Engineer

Мы разрабатываем первую генеративную платформу Al-powered для автоматизации обработки кредитов, которая уже помогает четырем крупным кредиторам сократить время обработки заявок на 90%.

В связи с ростом числа корпоративных клиентов и необходимостью ускорения вывода на рынок новых функций мы ищем в свою команду инженера уровня middle/senior по Python ML/LLM.

Что предстоит делать:

1. Разработка, оптимизация и внедрение решений LLM на всех этапах рабочего процесса

2. Развитие и поддержка внутренней мультиагентной системы на основе LangChain

3. Интеграция моделей в производственную среду и сопровождение релизов

4. Настройка и мониторинг конвейеров RAG для интеллектуального поиска и обобщения

5. Автоматизация поиска, классификации и обобщения документов

6. Проведение исследований, бенчмаркинг и внедрение лучших практик в области NLP и мультиагентных систем.

Требования:

1. 3+ года опыта работы инженером в области ML/LLM

2. Высшее образование

3. Разработка и оптимизация LLM-решений (тонкая настройка, оперативное проектирование)

4. Владение Python, PyTorch и/или TensorFlow

5. Опыт работы с Hugging Face, LangChain, Llamalndex, LangGraph

6. Навыки построения конвейеров RAG и интеллектуальной обработки документов

7. Знание векторных баз данных: Pinecone, Weaviate, FAISS

8. Разработка, готовая к производству: Проектирование API, тестирование, Git, CI/CD

9. Аналитический склад ума и способность работать в быстро меняющейся среде

10. Английский на уровне B2 и выше. Коммуникация на английском.

Будет преимуществом:

1. Знание облачных платформ (AWS, GCP или Azure)

2. Сертификаты и пройденные курсы повышения квалификации

3. Опыт развертывания локальных систем и предварительного обучения LLM

4. Навыки аннотирования данных и подготовки наборов доменных данных

5. Контейнеризация: Docker, Kubernetes

6. Ориентированный на метрики подход к разработке и мониторингу моделей

Стек проекта:

1. Язык разработки: Python

2. ML-фреймворки: PyTorch, TensorFlow

3. Инструменты LLM: Hugging Face, LangChain, Llamalndex, LangGraph

4. Модели и методы: Модели на основе GPT, BERT, Prompt Engineering, RAG

5. Векторные репозитории: Pinecone, Weaviate, FAISS

6. DevOps: REST API, Git, CI/CD, контейнеризация (Docker, Kubernetes)