ML-инженер, LLM и RAG

Работа в организации Machine Learning/AI подразделения Global Technology компании Nike. Команда поддерживает цифровые каналы Nike, реализуя инновационные решения для пользователей. Взаимодействие с техническими и нетехническими стейкхолдерами, спортсменами и другими командами внутри Global Technology.

Требования:

• Сильные навыки технической и нетехнической коммуникации, включая перевод бизнес- и исследовательских целей в технические требования.
• Степень бакалавра в области информационных технологий, компьютерных наук или смежной области. Принимается любая подходящая комбинация образования, опыта или подготовки.
• Опыт от 1 года создания и развёртывания моделей машинного обучения в production-среде.
• Владение Python и опыт работы как минимум с одним крупным ML-фреймворком (например, PyTorch, TensorFlow).
• Опыт работы с пайплайнами данных и распределёнными системами (например, Spark, Airflow) для поддержки ML-процессов.
• Опыт проектирования и поставки production-grade LLM/agent-воркфлоу, включая вызов инструментов/функций, паттерны оркестрации и retrieval-augmented generation (RAG).
• Опыт интеграции возможностей LLM в существующие сервисы и SDLC, включая CI/CD, стратегии тестирования (unit/integration + LLM evals) и безопасные паттерны выката (feature flags, canaries, A/B-тесты).
• Способность эффективно сотрудничать между подразделениями, демонстрируя ответственность и коллаборативный настрой.
• Agile-мышление, адаптация подходов на основе данных и меняющихся приоритетов с фокусом на результат.
• Растущая AI-грамотность, способность самостоятельно применять ML-методы и новые инструменты (включая LLM) для ответственного решения задач.
• Опыт с AWS SageMaker, Docker/контейнеризацией, FastAPI.
• Опыт оптимизации инференса (настройка задержки, кэширование, обслуживание эмбеддингов, ранжирование/поиск информации).

Задачи:

• Создавать и развёртывать модели машинного обучения, улучшающие рекомендации, ранжирование и персонализацию, с измеримым влиянием на пользовательский опыт и вовлечённость.
• Вести задачи от начала до конца: от исследования данных и инженерии признаков до обучения, оценки и развёртывания моделей в production.
• Разрабатывать и поддерживать масштабируемые ML-пайплайны с использованием таких инструментов, как Spark и Airflow, для надёжной и качественной поставки моделей.
• Применять современные ML-фреймворки (например, PyTorch или TensorFlow) для проектирования, обучения и оптимизации моделей в production-среде.
• Участвовать в экспериментальных фреймворках, включая A/B-тестирование и офлайн-оценку, для итеративного улучшения производительности моделей в agile-режиме.
• Сотрудничать кросс-функционально с Product и Engineering, переводя продуктовые вопросы в ML-решения.
• Нести ответственность за поставку качественных решений и доводить работу от идеи до результата, балансируя скорость и строгость.
• Применять ответственные практики AI, обеспечивая учёт справедливости, прозрачности и безопасности при разработке и развёртывании моделей.

Предлагаются accommodations для прохождения интервью, включая скринридеры, сурдопереводчиков, доступное и единое место для очных интервью, скрытые субтитры и другие разумные модификации по необходимости.