ML-инженер, LLM-пайплайны и агентные системы

О команде и контексте

Отдел разработки продуктов строит data-driven-решения для товаров повседневного спроса, рынка потребительской техники и опросов потребителей на едином платформенном решении. Специалист станет связующим звеном между прототипированием и внедрением промышленного решения для клиентов. В 2027 году компания существенно расширяет применение ИИ: развивает внутренние агентные системы и MCP-инфраструктуру, внедряет сервисы безопасности LLM (маскирование данных), автоматизирует работу с документами и договорами. Значительную часть задач реализуют интеграторы и на готовых платформах — нужен технический эксперт, участвующий во всех инициативах: от архитектуры и пилотов до приёмки решений и перевода их на внутреннее обслуживание.

Миссия

• Обеспечение полного цикла разработки продуктовых аналитических решений.
• Доработка экспериментальных прототипов исследователей до масштабируемого, производительного, отказоустойчивого решения.
• Интеграция финальных решений на аналитическую платформу и в существующие API-сервисы.
• Развитие AI-инициатив компании как технический эксперт: LLM-пайплайны, агентные системы, внутренняя MCP-инфраструктура.
• Техническое курирование решений, реализуемых подрядчиками и на готовых платформах: от пилота до приёмки и внутреннего обслуживания.

Обязанности

• Разработка, стандартизация, внедрение и сопровождение аналитических решений (от PoC до Prod).
• Адаптация сложных статистических и эконометрических моделей для интеграции с колоночными хранилищами данных (ClickHouse), встраивание решений в конвейер данных платформы.
• Повышение эффективности существующих аналитических продуктов: оптимизация и масштабирование кода, высокопроизводительные вычисления и методы обработки данных, обеспечение отказоустойчивости.
• Проектирование и построение масштабируемых аналитических конвейеров с использованием контейнеризации и распределённых систем.
• Настройка CI/CD-процессов для ML-компонентов.
• Участие в разработке и сопровождении LLM-пайплайнов и агентных систем (RAG, MCP-интеграции, скиллы) для автоматизации обработки запросов, подготовки данных и документов.
• Техническое сопровождение решений подрядчиков и на готовых платформах: технические требования, предоставление и запрос данных и API для пилотов, приёмка результатов, подготовка к внутреннему обслуживанию.
• Участие во внедрении сервисов безопасности LLM-инфраструктуры (маскирование данных, контроль запросов) и подключение к ним внутренних систем.
• Обеспечение встроенного качества кода: юнит-тесты, шаблоны проектирования, документирование архитектурных изменений.
• Взаимодействие с владельцами данных, специалистами и представителями бизнеса.

Квалификационные требования

• Образование: высшее в области статистики, математики, экономики, точных наук.
• Опыт: не менее 3 лет коммерческого опыта на позиции инженера по машинному обучению или разработчика аналитических решений; текущая или последняя позиция связана с машинным обучением или анализом данных.
• ML: уверенное знание алгоритмов оптимизации, методов классического машинного обучения и статистики; понимание утечек данных, схем валидации и выбора метрик; MLOps: CI/CD для ML-компонентов, версионирование моделей и данных, мониторинг качества моделей в проде.
• Языки программирования: уверенное владение Python для ML и статистического моделирования (pandas, scikit-learn, statsmodels, fastapi, pydantic, pytest, sqlalchemy и др.), опыт написания робастного масштабируемого кода, работы с библиотеками валидации данных и запросов, знание шаблонов проектирования. Базовое знание R (tidyverse) — преимущество.
• SQL: опыт работы с ClickHouse, базовое знание PostgreSQL, работа через ORM. Greenplum — преимущество.
• Контейнеризация: Docker/podman, docker-compose. Docker Swarm / Kubernetes — преимущество.
• API: уверенные навыки работы и написания интерфейсов к REST-сервисам (опыт с gRPC или GraphQL приветствуется).
• Производительность: опыт оптимизации производительности и масштабируемости кода (распараллеливание, оптимизация вычислений, профилирование).
• LLM и агентные системы: базовое понимание LLM-приложений (RAG, агентные системы, интеграция LLM с корпоративными данными и API) и вопросов их безопасности (маскирование данных, prompt-инъекции); глубокий опыт работы с LLM — значимое преимущество.
• Статистика (преимущество): навыки работы с хотя бы одной из областей — опросные данные (взвешивание, коррекция смещений, байесовская статистика), эконометрическое моделирование (оценка воздействия программ, прогнозирование, панельные данные), планирование эксперимента (A/B-тестирование, дизайн экспериментов).

Будет преимуществом

• Опыт работы с MCP (Model Context Protocol) и агентными фреймворками/средами.
• Опыт построения LLM-приложений в проде: RAG, агентные системы, интеграция LLM с корпоративными данными и API; знакомство с принципами GuardRails.
• Векторные БД: Qdrant, ChromaDB.
• Опыт технического взаимодействия с подрядчиками и вендорами: постановка требований, приёмка, сопровождение внешних решений.
• Опыт внедрения сервисов маскирования и безопасности LLM.
• Опыт автоматизации документных процессов (OCR, извлечение данных, генерация документов по шаблонам).

Личные и гибкие навыки

• Развитое математическое мышление, сильные аналитические способности и навыки решения нестандартных задач.
• Высокое внимание к деталям, ориентация на профессиональное и безупречное выполнение задач.
• Отличные коммуникативные навыки: уважение к коллегам, готовность к сотрудничеству, дружелюбие и эмпатия. Способность служить примером в формировании командного духа и развитии коллаборации.
• Спокойное, уважительное отношение к чужому коду: ревью и доработка прототипов исследователей с минимальным диффом, вопросы автору вместо молчаливой переделки.
• Ясная письменная и устная коммуникация: умение формулировать вопросы, документировать решения, переводить статистику на язык бизнеса.
• Самостоятельность в роли внутреннего эксперта: готовность брать техническую ответственность за решения, реализуемые внешними командами.
• Организованность и гибкость, уверенность в себе, решительность и нацеленность на результат.
• Опыт работы в гибких методологиях разработки (Agile, Scrum).
• Интерес к LLM- и агентной экосистеме: желание расти вместе с AI-инициативами компании 2027 года.
• Английский язык на уровне, достаточном для чтения профессиональной литературы, технической документации и работы с внешними запросами.

Условия

• Гибридный режим работы (3 дня в офисе, 2 дня удалённо).
• Современный офис рядом с м. Белорусская / м. Менделеевская.
• Карьерный рост: возможность развиваться в рамках компании, участвовать в стратегических проектах и влиять на решения бизнеса.
• Социальные бонусы: медицинская страховка (включая стоматологию), страхование при поездках за рубеж, страхование жизни, социальные проекты.
• Корпоративная культура: дружный коллектив, поддержка наставников, корпоративные мероприятия.