Data Science / ML Engineer (универсальная роль)

Навыки

• API (интеграции)
• Работа с бэклогом
• FastAPI
• gRPC
• LLM
• Machine Learning
• Neo4j

О компании и продукте

• Вакансия: Data Science / ML Engineer (универсальная роль)
• Зарплатная вилка: обсуждабельна (1500-2000/час, зависит от уровня кандидата, возможно обсуждение фиксированной оплаты)
• Трудоустройство: ГПХ, ИП, самозанятость, также обязательно подписание NDA и у нас высокие требования к конфиденциальности

Задачи

• Развивать AI-контур продукта: от обработки пользовательского запроса до финального ответа и визуализации результата
• Проектировать и улучшать retrieval/pipeline-логику для мульти-источников (Qdrant, MemGraph, PostgreSQL, нереляционные источники)
• Развивать LLM-агентный контур (Query Planner loop): классификация запросов, декомпозиция подзадач, tool-calls, оценка достаточности данных
• Работать с эмбеддингами, семантическим поиском и качеством выдачи (релевантность, дедупликация, фильтрация, ранжирование)
• Участвовать в оптимизации LLM-инференса (Qwen-семейство, LiteLLM-прокси), стоимости запросов и latency
• Настраивать и улучшать data/ML pipeline для обработки документов, мультимодального контента и подготовки данных для поиска/графа
• Взаимодействовать с backend-командой (FastAPI/WebSocket), участвовать в проектировании контрактов и интеграций сервисов
• Участвовать в формировании технических решений по масштабированию и производительности (кэширование в Redis, нагрузка, стабильность)

Требования

• Опыт работы в Data Science / ML Engineering от 2–5 лет (Middle / Middle+/Senior)
• Уверенный Python и опыт production-разработки ML/DS-сервисов
• Практический опыт с LLM/NLP: промптинг, оркестрация вызовов, оценка качества ответов, оптимизация пайплайнов
• Опыт с векторным поиском и эмбеддингами (желательно Qdrant или аналогичные Vector DB)
• Понимание работы с графовыми и реляционными БД (MemGraph/Neo4j, PostgreSQL) в контексте AI-поиска и аналитики
• Опыт проектирования API/интеграций (REST
• понимание WebSocket и сервисного взаимодействия)
• Умение формулировать гипотезы, проводить эксперименты и аргументированно выбирать технические решения

Будет плюсом

• Опыт построения RAG/agentic систем в production
• Опыт оптимизации LLM-моделей и инфраструктуры инференса (latency/cost/quality trade-off)
• Знание Redis-кэширования и подходов к session-aware caching
• Опыт с мультимодальными сценариями (текст + документы/медиа)
• Опыт формализации контрактов между сервисами (в т.ч. gRPC/YAML/OpenAPI)
• Опыт построения pipeline’ов обработки и классификации данных

Условия

• Работу над технологически сложным продуктом на стыке LLM, поиска и графовых данных
• Возможность влиять на архитектуру AI-части и ключевые технические решения
• Гибкий удалённый формат работы
• Конкурентную оплату по уровню
• Сильную команду, минимум бюрократии и живое общение
• Контакт: @Viki50562
• Город: Санкт-Петербург
• Формат: удалёнка
• Занятость: full-time / part-time

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.