Требования

Опыт: от 4-х лет в коммерческой разработке на позиции DS/ML Engineer (из них минимум 1 год плотной работы с NLP/LLM).
LLM & NLP: Глубокое понимание архитектуры трансформеров, опыт работы с RAG, контекстным окном, методами оптимизации инференса.
Разработка: Уверенное знание Python (asyncio, aiohttp/FastAPI), опыт написания чистого, поддерживаемого кода.
Big Data: Опыт работы с распределенными вычислениями (Spark/PySpark, Hive) и оркестрацией (Airflow).
Инфраструктура: Понимание процессов MLOps, опыт deployment сервисов на GPU (on-premise или Cloud).
Безопасность: Понимание принципов работы с персональными данными и безопасности при использовании LLM в энтерпрайзе.

Будет преимуществом

Опыт разработки собственных MCP (Model Context Protocol) сервисов для расширения функционала агентов.
Участие в Kaggle, хакатонах или наличие pet-проектов в области Generative AI (ссылка на GitHub).
Опыт работы с отечественными LLM-платформами (например, GigaChat API) или локальными моделями (Llama, Qwen, Mistral).
Опыт построения сложных графов агентов (LangGraph, AutoGen).

Разработка AI-агентов: Проектирование и внедрение мультиагентных систем (Prompt Engineering, RAG, Tools, Function Calling) в реальные банковские процессы.
Работа с LLM: Оптимизация и Fine-tuning моделей под домен бизнеса (SFT, RLHF), работа с открытыми и проприетарными моделями.
MLOps & Production: Вывод моделей в пром, построение пайплайнов обработки данных на GPU-кластере, организация мониторинга качества и дрейфа моделей.
Оценка качества: Разработка метрик качества генерации (LLM Eval), проведение A/B тестов.
Интеграция: Разработка сервисов на Python (API), взаимодействие с командой разработки и продуктовыми аналитиками для контроля и экспертизы требований к данным и функционалу.