Senior ML-инженер / Data Scientist, LLM и RAG

Компания FlexBoard помогает медицинским организациям создавать успешные команды клиницистов с помощью инновационных технологических продуктов. Вакансия предполагает удалённую работу для кандидатов из США.

Обязанности

• Проектировать, разрабатывать и внедрять ML-решения: от классических ML-приложений (классификация, кластеризация, рекомендации) до систем на основе LLM, включая парсинг документов, извлечение данных, RAG-пайплайны и LLM-агентов.
• Писать чистый, поддерживаемый, production-код на Python, который интегрируется с существующей инженерной и деплой-инфраструктурой.
• Работать с большими наборами данных: очистка, предобработка и анализ данных.
• Реализовывать и оптимизировать алгоритмы, используя лучшие практики машинного обучения, глубокого обучения и статистического анализа.
• Взаимодействовать с бизнес-заинтересованными сторонами для понимания требований и разработки решений на основе данных, которые дают практические инсайты.
• Разрабатывать и поддерживать пайплайны и инфраструктуру для обработки данных и обучения моделей, версионирования, развертывания и мониторинга.
• Оценивать производительность ML-моделей, включая специфические для LLM подходы к оценке, и настраивать модели для улучшения производительности.
• Коммуницировать результаты, инсайты и производительность моделей как технической, так и нетехнической аудитории.
• Постоянно следить за последними трендами, технологиями и лучшими практиками.

Требования

• Степень бакалавра или магистра в области компьютерных наук, науки о данных, статистики, математики или смежной области.
• Бакалавр с 5+ годами релевантного опыта; магистр или выше с 3+ годами релевантного опыта.
• Свободное владение Python (3+ года опыта программирования).
• Сильные практики разработки ПО на Python, включая написание поддерживаемого, тестируемого, production-кода.
• Глубокое понимание LLM-архитектур.
• Практический опыт создания и оценки RAG-пайплайнов.
• Опыт работы с фреймворками оркестрации LLM.
• Владение библиотеками машинного обучения, такими как Scikit-learn и PyTorch; библиотеками для работы с данными, такими как NumPy и аналогичными.
• Знакомство с облачными платформами (например, AWS, GCP, Azure) и инструментами контейнеризации.
• Глубокое понимание метрик оценки моделей для традиционного ML (accuracy, precision, recall, F1) и LLM-систем (faithfulness, answer relevancy, hallucination detection), включая подходы к оценке недетерминированных выходов.
• Опыт работы с инструментами управления моделями, такими как MLFlow, и жизненным циклом разработки моделей.
• Опыт работы с системами контроля версий, такими как Git.
• Владение практиками SDLC для разработки и тестирования.
• Отличные навыки решения проблем, аналитическое мышление и способность работать в быстро меняющейся среде.
• Сильные коммуникационные навыки и способность объяснять технические концепции нетехническим заинтересованным сторонам.
• Умение эффективно работать в команде, включая экспертов в предметной области, инженеров и бизнес-заинтересованных лиц.
• Пытливость: желание задавать вопросы и глубже понимать проблемы.
• Инновационность: способность находить новые аналитические решения для любых проблем.
• Уверенность: способность оспаривать предположения и предубеждения сотрудников на любом уровне организации.
• Любознательность: быть в курсе новых и будущих технологий и инструментов.
• Бизнес-ориентированность: понимание бизнес-требований и терминологии.
• Знакомство с оптимизацией, развертыванием и масштабированием автоматизированных пайплайнов обучения трансформерных моделей.
• Знакомство с техниками обучения и GPU-вычислениями.
• Знакомство с классическими подходами NLP.
• Опыт внедрения CI/CD пайплайнов для ML-моделей для автоматизации обучения, валидации, мониторинга и развертывания.
• Опыт интеграции и развертывания AWS AI/ML сервисов.
• Опыт работы с данными в сфере здравоохранения.

Условия

• Медицинская и стоматологическая страховка без дополнительной оплаты для сотрудников.
• Пенсионный план 401(k) и планы с распределением прибыли.
• Гибкие расходные счета.
• Оплачиваемый отпуск.
• Корпоративные праздники.
• Гендерно-нейтральный отпуск по уходу за ребенком.
• Отпуск по утрате близкого человека и отпуск для ухода за питомцем.
• Спонсирование непрерывного образования и аккредитации.
• Страхование жизни и от несчастных случаев (AD&D).
• Краткосрочная и долгосрочная нетрудоспособность.