Senior AI/ML-инженер по LLM и RAG
ЗарплатаПо договорённости
ФорматГибрид
ЛокацияМосква, Россия
ГрейдSenior
ЗанятостьПолная занятость
Мы ищем опытного AI-инженера, который сможет превратить сложные бизнес-задачи в работающие, масштабируемые AI-решения. Фокус на решении реальных бизнес-проблем, а не на исследованиях. Важно стратегическое мышление: умение быстро собирать PoC, валидировать их на метриках и итеративно доводить MVP до продакшена.
Задачи
- Анализ и декомпозиция бизнес-задач.
- Проектирование архитектуры AI-решений совместно с командой: выбор подходящих паттернов.
- Внедрение метрик качества (точность, релевантность, время ответа), регулярный анализ результатов, формулирование гипотез, итеративное улучшение решения.
- Разработка AI-агентов и copilot-систем (оркестрация агентов, управление памятью, планирование и декомпозиция задач, умная маршрутизация).
- Построение RAG-систем: выбор стратегий индексации, определение оптимального чанкинга, обогащение метаданными, реализация гибридного поиска и переранжирования.
- Версионирование промтов, моделей, датасетов.
- Внедрение наблюдаемости (observability) решений: трейсинг цепочек вызовов, мониторинг качества ответов, контроль затрат токенов и времени ответа.
- Взаимодействие с командой разнонаправленных специалистов (backend/devops/ml/promt-engineer).
Требования
- 3+ лет прикладной AI/ML-разработки с фокусом на NLP и LLM-системы.
- Опыт с LLM API: промпт-инжиниринг, управление контекстом, streaming.
- Практический опыт с LLM-агентами: ReAct-паттерн, function calling, chain-of-thought рассуждения, multi-agent системы.
- Обязательное знание LangFlow, n8n или аналоги.
- Глубокое понимание RAG: векторный и гибридный поиск, стратегии чанкинга, переранжирование.
- Сильный Python: чистый, типизированный код, unit-тесты, асинхронное программирование, ооп, docker.
- Знание фреймворков: LangChain, LangGraph, CrewAI или аналоги.
- Векторные базы данных: Milvus, Chroma или аналоги.
- LLM observability tools: LangFuse или подобные платформы.
- Понимание микросервисной архитектуры.
- Опыт с FastAPI или аналогами.
- Способность объяснить сложные AI-концепции нетехническим стейкхолдерам.
- Будет преимуществом опыт fine-tuning и дистилляции моделей, а также понимание современных архитектур сетей.
- Практический опыт с семействами Qwen, GLM, DeepSeek и аналогами.
- Понимание принципов развёртывания LLM: инференс-серверы (vLLM, sglang), масштабирование, квантизация, GPU trade-offs.
Условия
- Гибридный формат работы.
- Оклад + квартальные и годовые бонусы.
- Комфортный офис в 10 минутах пешком от метро Таганская.
- ДМС со стоматологией, страхование при поездках за рубеж, страхование жизни.
- Участие в конференциях и митапах, обучение за счет компании.
- Бесплатная мобильная связь.
- Специальные предложения от партнеров и друзей МТС.
Инструменты в вакансии
Навыки и технологии
Направления