ML-инженер

Навыки

• AI-агенты
• AI-инструменты в работе
• API (интеграции)
• CI/CD
• Дашборды и витрины
• Docker
• ER-диаграммы

Задачи

• Сформировать дорожную карту ML‑инициатив для трейдинга и смежных функций (ценообразование, прогнозы спроса/предложения, оптимизация логистики, риск‑метрики)
• Разрабатывать end-to-end LLM-приложения : от подготовки данных и прототипирования до production-деплоя, мониторинга, оценки качества и построения eval-пайплайнов
• Проектировать и внедрять LLM/NLP-решения и AI-агентов для автоматизации трейдинговых и смежных бизнес-процессов, включая RAG, tool/function calling и интеграции с внутренними системами и API
• Обеспечивать эффективность и надежность LLM-систем : оптимизировать latency, throughput и стоимость inference, применять caching, model routing и выбирать оптимальные модели под конкретные сценарии
• Интегрировать модели и GenAI‑инструменты в существующие трейдинговые системы, дашборды и рабочие процессы
• Обеспечивать качество кода, архитектуру сервисов и масштабируемость решений (контейнеризация, оркестрация, CI/CD)
• Вести технические ревью, задавать стандарты разработки и развивать команду ML‑инженеров/дата‑сайентистов
• Коммуницировать результаты и ограничения моделей нетехническим стейкхолдерам, поддерживая принятие коммерческих решений

Требования

• Высшее образование в Computer Science, прикладной математике, статистике или смежных технических областях
• 3+ лет опыта в ML/DS, включая успешный вывод промышленных ML‑систем в продакшн
• Продвинутый Python и опыт работы с ML‑фреймворками (transformers, scikit‑learn, TensorFlow/PyTorch)
• Хорошее понимание современных подходов в NLP и LLM: transformers, embeddings, attention, tokenization, prompting, fine-tuning, RAG, agentic workflows, tool/function calling, structured outputs, reasoning, retrieval & reranking, vector search, knowledge graphs / WikiLLM, LLM evaluation
• Опыт работы хотя бы с одним из современных фреймворков или SDK для LLM-приложений: LangGraph, LangChain, LlamaIndex, OpenAI Agents SDK или аналогами
• Практический опыт MLOps и production-инфраструктуры: тестирование, логирование, мониторинг и версионирование моделей/данных, а также Docker, Kubernetes, CI/CD, Git и построение надежных ML/LLM-пайплайнов
• Работа с SQL и BigData (Hadoop/Hive/Spark или облачные аналоги), построение feature stores и «золотых» датасетов
• Опыт руководства проектами/командой, наставничества и взаимодействия с кросс‑функциональными командами
• Английский не ниже B2 для работы с международной документацией и стейкхолдерами

Будет плюсом

• Опыт fine-tuning / LoRA / PEFT и работы с open-source LLM
• Опыт inference и serving моделей через vLLM, Hugging Face, Triton или аналогичные инструменты
• Опыт работы с multimodal-моделями

Условия

• График 5/2, комфортный офис (Москва-Сити, работа только в офисе, нет гибридного формата )
• Корпоративная программа ДМС после испытательного срока
• Рабочие инструменты: ноутбук/ПК, мобильный телефон, корпоративная сим-карта
• Высокий уровень дохода (обсуждается на собеседовании)
• Возможности развития, интересные задачи, отсутствие бюрократии
• Почему стоит присоединиться к нам: Работа над передовыми ИИ-технологиями и созданием инновационных решений
• Возможность влиять на архитектуру и логику будущих продуктов
• Динамичная среда, где каждый твой анализ — шаг к реальному продукту
• Если вы увлекаетесь технологиями, умеете «читать» бизнес и видеть в нём возможности для автоматизации — мы будем рады пообщаться подробнее!

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.