Stealth-стартап нанимает фандинг-ML-инженера с экспертизой в разработке агентов и моделировании временных рядов. Роль — создание production-grade систем, объединяющих LLM-агентов и фундаментальные модели временных рядов.
Роль: Это не узкая исследовательская позиция: проектирование, обучение, развертывание и мониторинг ML-систем от прототипа до продакшена с высокой скоростью и автономией. Также участие в определении того, как агенты взаимодействуют с мультимодальными числовыми данными, — область, где готовых решений пока нет.
Задачи:
- Проектировать, обучать и развертывать production ML-системы (LLM-агенты + модели временных рядов).
- Создавать и масштабировать LLM-агентов с продвинутыми возможностями: многошаговые рассуждения, интеграция инструментов, автономные рабочие процессы, управление памятью и контекстом, адаптивные стратегии.
- Разрабатывать и улучшать фреймворки оценки агентов, обеспечивая надежность, безопасность и измеримую производительность.
- Применять и расширять методы моделирования временных рядов (прогнозирование, обнаружение аномалий, мультимодальная интеграция) в реальных сценариях заказчиков.
- Работать на всех этапах: от приема и предобработки данных до развертывания, мониторинга и непрерывного улучшения.
- Отслеживать новейшие разработки в области AI-агентов, оркестрации и инфраструктуры (MCP, A2A и др.).
- Взаимодействовать с исследователями, инженерами и ключевыми заказчиками для валидации решений и быстрой итерации.
Требования:
- Опыт работы в индустрии 4–10 лет в роли ML-инженера, исследователя или прикладного специалиста с подтвержденными проектами production ML-систем.
- Практическая экспертиза в LLM-агентах: многошаговые рассуждения, использование инструментов, контекстные окна, автономные рабочие процессы, память агентов.
- Глубокое понимание методов оценки агентов (надежность, безопасность, метрики успеха).
- Актуальные знания современной инфраструктуры и фреймворков для агентов (MCP, A2A и др.).
- Владение лучшими практиками ML-инженерии: воспроизводимость, мониторинг, масштабирование, CI/CD, наблюдаемость.
- Комфорт в быстрорастущем стартапе: быстрая поставка, умение идти на компромиссы и работать в условиях неопределенности.
Желательно:
- Опыт обучения собственных нейронных сетей помимо предобученных LLM (например, трансформеры для временных рядов или мультимодальных данных).
- Опыт в моделировании временных рядов (прогнозирование, обнаружение аномалий, классические и глубокие подходы).
- Публикации или open-source вклад в области ML/AI.
Локация и спонсорство:
- Локация: Сан-Франциско Бэй-Эриа, Калифорния (офис).
- Спонсорство визы: H1-B, O1.