Middle · Удалённо из России · Чита, Россия · Английский не нужен
Навыки
Самостоятельность
CUDA / ONNX / TensorRT
Анализ данных
Docker
FastAPI
Дообучение моделей
Документация по ГОСТ
Ещё 15
LLM
Инференс LLM
Machine Learning
NLP
OCR
PostgreSQL
Prompt engineering
Python
PyTorch
RAG
Redis
Системное администрирование
Техническая документация
Transformers / HuggingFace
Yandex Cloud
О компании и продукте
«Нейроинженер» — платформа для инженеров: чат с анализом технической документации (ГОСТ, ISO, ПНАЭ и др.) на базе RAG и LLM. Система индексирует документы, читает чертежи и сканы визуальной моделью (VLM), отвечает на инженерные вопросы со ссылками на источники, выполняет расчёты. Сейчас в приоритете — уход от «коробочного» RAG к собственному пайплайну, развитие VLM и подготовка к on-prem-развертыванию у корпоративных заказчиков. Стек: Python 3.12, FastAPI; Yandex Cloud (LLM/Embeddings/Vector Stores), OpenAI SDK; ChromaDB (локально); PostgreSQL, Redis, Docker. Модели: YandexGPT, OS, Qwen-VL (VLM), эмбеддинги, OCR.
ML-инженер — RAG, VLM и on-prem инференс для «Нейроинженер» Ищем самостоятельного ML-инженера с реальным опытом в RAG, LLM/VLM и разворачивании моделей, который будет строить собственный retrieval-пайплайн, развивать визуальную модель под инженерную документацию и готовить систему к работе on-prem.
Будет плюсом
Дообучение моделей: LoRA/QLoRA, PEFT, подготовка датасетов, оценка после файнтюна
Опыт с серверами инференса (vLLM/TGI/ Ollama), оптимизацией под GPU, квантизацией (GPTQ/AWQ/GGUF), работой с ограниченными ресурсами
Опыт с векторными БД (ChromaDB, pgvector, Yandex Vector Stores) и реранкерами (cross-encoder)
Работа с VL-моделями (Qwen-VL, LLaVA и аналоги), OCR, обработкой PDF/сканов/чертежей
Знание экосистемы: PyTorch, Hugging Face (transformers, sentence-transformers), CUDA
Технический бэкграунд или интерес к инженерной документации (ГОСТ, ЕСКД)
Условия
Работу в высококомпетентной компании в команде профессионалов
Интересные масштабные проекты в промышленности
Трудоустройство в строгом соответствии с ТК РФ
Стабильную достойную официальную заработную плату + систему мотивации
Обучение и сертификацию сотрудников
Перспективы профессионального и карьерного роста
Современный комфортный офис класса А
Паспорт вакансии
История публикации
Появилась в Вакандии28 дней
Перепубликациинетпубликовалась один раз
Проверяли на источникеВидели 28 дней назад
Среди похожихНет данных59 из 30 · у похожих вакансий почти одинаковый возраст — сравнивать нечего
Откуда что взялось
Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.
ГрейдMiddleвыведено из другого признака
Формат работыУдалённо из России
ГеографияЧита, Россиявычитано из текста вакансии
Зарплатане указана
Почему на этом месте в выдаче
Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.
Полнота карточки753 из 4 полей: грейд, формат, география, зарплата
Зарплата названа0вилки нет вовсе
Проверка Вакандии
Источники и свежесть
Тип источника
Агрегатор вакансий
Найдено публикаций
1
Посмотреть публикации и даты
hcareersОсновная публикация · 2026-08-05
МИ
Работодатель
Моделирование и цифровые двойники
1 активная вакансия · вилка работодателя указана в 0%