Senior ML-инженер, NLP и RAG

Senior Machine Learning Engineer в компании Unifonic, занимающейся SaaS-решениями для бизнес-коммуникаций. Команда из 500 сотрудников обслуживает более 5000 компаний.

Задачи:

• Проектирование, разработка и внедрение масштабируемых ML-решений с акцентом на NLP и RAG-архитектуры.
• Построение RAG-систем, сочетающих большие языковые модели с механизмами поиска для повышения точности и интерпретируемости контента.
• Применение NLP-техник: классификация текста, распознавание сущностей, анализ тональности, суммаризация, ответы на вопросы, извлечение информации.
• Исследование и интеграция современных NLP-моделей и RAG-фреймворков (Transformers, BERT, GPT, векторные базы данных, семантический поиск).
• Наставничество младших коллег, обмен знаниями и лучшими практиками ML и разработки ПО.
• Взаимодействие с кросс-функциональными командами для интеграции ML-решений в продукты компании.
• Разработка и оптимизация ML-алгоритмов, создание сервисных API с использованием Flask, FastAPI или аналогичных фреймворков.
• Отслеживание актуальных исследований и трендов в области ИИ, включая генеративный ИИ.
• Сбор и анализ больших наборов данных совместно с командой data engineering в реальном времени, около-реальном времени или пакетном режиме.
• Реализация прототипов и proof-of-concept для новых AI-кейсов.
• Построение масштабируемых ML-сервисов, выдерживающих тысячи запросов в секунду, и проведение нагрузочных тестов для соблюдения SLA.
• Ревью кода коллег, улучшение архитектуры в соответствии с принципами SOLID.
• Участие в документации проектов и демонстрациях.

Требования:

• Опыт проектирования и внедрения RAG-систем, знание стратегий поиска (BM25, плотный поиск, гибридные подходы) и интеграции графов знаний.
• Практический опыт с фреймворками оркестрации LLM: LangChain, LangGraph, CrewAI или аналогичными для создания автономных агентов.
• Глубокие знания NLP-техник и моделей: Transformer-архитектуры (BERT, GPT, T5, LLama, Mistral), большие языковые модели и их тонкая настройка, векторные эмбеддинги и поиск по сходству, классификация текста, NER, анализ тональности, суммаризация, ответы на вопросы.
• Опыт работы ML-инженером от 3 до 5 лет.
• Опыт работы с Python от 3 лет.
• Аналитические способности для сбора, организации и анализа больших наборов данных.
• Полный цикл обучения, оценки, тестирования и развертывания ML-продуктов в продакшене.
• Написание качественного кода на Python (SOLID), знание структур данных, алгоритмов и моделирования данных.
• Опыт работы с ML-фреймворками: NumPy, Pandas, Scikit-Learn, PyTorch, Keras, BERT, TensorFlow и аналогичными.
• Знакомство с практиками MLOps.