Senior ML-инженер, LLM и агентные системы

О компании

SWORD Health — клинически ориентированная AI-лаборатория и прикладная AI-платформа в здравоохранении. С 2020 года работает в направлениях: скелетно-мышечное здоровье, женское здоровье, кардиометаболика и ментальное здоровье. Развивает AI-нативную программу ухода 24/7, объединяющую физическую активность, терапевтические упражнения, психотерапию, питание и изменение поведения.

Более 1 млн участников на трёх континентах, более 15 млн AI-сессий, 2000+ корпоративных клиентов, 59 клинических исследований, 43 патента. Привлечено более $500 млн от инвесторов, включая Khosla Ventures, General Catalyst и Founders Fund.

AI-грамотность

AI-грамотность — обязательное ожидание. Кандидатов оценивают по трёхуровневой системе:

• Explorer (уровень 1) — ежедневное использование AI для личной продуктивности.
• Builder (уровень 2) — создание рабочих процессов и инструментов, повышающих эффективность команды.
• Integrator (уровень 3) — встраивание AI в продукты и процессы в масштабе.

Каждый нанятый должен демонстрировать минимум уровень 1. Ожидаемый уровень зависит от грейда должности. Кандидаты должны быть готовы привести реальные примеры использования AI в работе.

Задачи

• Вести ML-проекты от исследования до продакшн-деплоя и продолжать итерации после появления реальных пользователей.
• Создавать агентные LLM-системы: многошаговые сценарии с использованием инструментов, retrieval и оркестрацией, достаточно надёжные для клинического применения.
• Относиться к оценке как к основной инженерной работе: eval-наборы, офлайн- и онлайн-харнессы, пайплайны LLM-as-judge с проверкой человеком, регрессионные тесты для выявления падений качества до пользователей.
• Улучшать качество моделей подходящими методами: промптинг, retrieval, дистилляция или fine-tuning — на основе данных, а не привычки.
• Работать со всем AI-стеком: подготовка данных, адаптация моделей, serving, мониторинг и обратные связи для постоянного улучшения систем в продакшене.
• Работать с продуктом, клинической и инженерной командами: переводить клинические требования в технические решения и заранее выявлять компромиссы.
• Помогать команде расти: ревью кода, обмен знаниями, менторинг менее опытных инженеров.

Требования

• Опыт вывода ML-систем в продакшн, на которые реально полагаются пользователи.
• Практический опыт работы с LLM в продакшене: промптинг, retrieval, вызов инструментов, агентные сценарии.
• Строгий подход к оценке: создание eval-датасетов и фреймворков, умение отличать реальное улучшение от шума.
• Сильные базовые знания ML: понимание, какой подход подходит для какой задачи, и умение рассуждать о компромиссах.
• Уверенность в условиях неопределённости: превращение слабо формализованных задач в работающие продакшн-решения.
• Надёжные инженерные навыки: продакшн-код, знакомство с распределёнными системами, терпение при отладке сложных ML-пайплайнов.
• Понятная коммуникация с техническими и клиническими стейкхолдерами.

Будет плюсом

• Опыт fine-tuning или оптимизации предпочтений (RLHF, DPO и аналоги).
• AI в здравоохранении или других областях с высокой ценой ошибки.
• Создание агентных фреймворков или eval-инструментов с нуля.
• Open source-вклад, технические статьи или другие формы обмена знаниями.

Условия

Должность открыта для кандидатов из любой точки Европы. Локация — Европа, удалённо.

Диапазон компенсации включает базовую часть, переменную часть и опционы. Поскольку должность может быть занята в разных европейских странах, диапазон корректируется с учётом локальных рыночных условий и стоимости жизни в стране найма. Указанные диапазоны — отправная точка; после найма при подтверждении выдающихся результатов компенсация быстро пересматривается в соответствии с влиянием.

Должности могут охватывать более одного карьерного уровня. Фактическая оплата определяется навыками, квалификацией, опытом, локацией, рыночным спросом и другими факторами. Указанные детали компенсации отражают базовую зарплату, возможные переменные, бонусы или продажные стимулы и оценку стоимости опционов компании, если применимо. Диапазон оплаты может меняться; будущая стоимость опционов не гарантирована; компенсация может быть изменена в будущем.