Senior AI/ML-инженер, full-stack Python

Роль полностью удалённая. Senior-инженер по AI/ML, hands-on full-stack, технический авторитет: ведёт техническую стратегию, проектирование и поставку крупных mission-critical AI-систем для федеральных программ (например, HUD, платформа AIR).

Задачи

• Быть основным техническим авторитетом: определять архитектуру AI и приложений в нескольких программах.
• Формировать дорожные карты модернизации предприятия с привязкой к задачам, комплаенсу и масштабируемости.
• Вести архитектуру распределённых cloud-native и гибридных AI-систем.
• Определять и внедрять референсные архитектуры, стандарты и переиспользуемые фреймворки.
• Обеспечивать межпрограммное техническое принятие решений для интероперабельности, безопасности и долгосрочной устойчивости.
• Консультировать старших федеральных стейкхолдеров (уровня SES и выше) по внедрению AI, модернизации и управлению рисками.
• Вести проектирование, разработку и развёртывание продвинутых AI-решений на Python как основном языке, включая LLM и foundation models, RAG-системы, агентные workflow и оркестрационные фреймворки.
• Проектировать и реализовывать масштабируемые ML-системы и сервисы на Python-фреймворках и API.
• Строить full-stack AI-приложения end-to-end: от пользовательских интерфейсов до бэкенд-сервисов, API и слоёв данных.
• Интегрировать AI и LLM в существующие корпоративные и легаси-платформы (CMS, case management, records) через API, middleware и event-driven паттерны.
• Определять и реализовывать стратегии распределённого обучения (GPU/TPU-кластеры, параллелизация, оптимизация).
• Курировать полный ML-жизненный цикл совместно с Senior Data Scientist: пайплайны данных, feature engineering, обучение, оценка, развёртывание и мониторинг.
• Внедрять оптимизацию моделей (квантизация, дистилляция, кэширование) для повышения производительности и снижения затрат.
• Выстраивать практики MLOps на основе Python-автоматизации, пайплайнов и инструментов.
• Запускать корпоративный пайплайн CI/CD-to-AI/MLOps, начиная с ограниченных по времени proof of concept и MVP, которые затем переходят в продакшн.
• Быть экспертом по федеральной AI-политике (NIST AI RMF, OMB M-25-21 и M-25-22, Executive Order 14179).
• Определять и внедрять Responsible AI-фреймворки: валидация и оценка моделей, снижение предвзятости и fairness, объяснимость, аудируемость и безопасность.
• Обеспечивать соответствие FISMA, FedRAMP, NIST 800-53, требованиям приватности и Section 508.
• Вести крупные инициативы модернизации (legacy-to-cloud, микросервисная трансформация, включая Python-рефакторинг и реплатформинг).
• Определять повторяемые фреймворки и ускорители модернизации.
• Курировать DevSecOps-пайплайны, CI/CD-автоматизацию, zero-trust архитектуры и безопасную цепочку поставок ПО.
• Обеспечивать поставку отказоустойчивых high-availability систем в регулируемых федеральных средах.
• Вести несколько параллельных инженерных инициатив в интегрированных командах.
• Обеспечивать техническое лидерство для архитекторов, инженеров и DevSecOps-специалистов, включая установление Python-стандартов кодирования и инженерных практик.
• Менторить senior-инженеров и технических лидеров, повышать инженерное качество и качество кода.
• Поддерживать техническую стратегию в предложениях, captures и клиентских взаимодействиях.
• Участвовать в thought leadership (whitepapers, архитектурные паттерны, стратегия платформы).

Требования

• Экспертный уровень Python, включая построение крупномасштабных AI/ML-систем, API и пайплайнов данных.
• Full-stack инженерные навыки: фронтенд-фреймворки, бэкенд-сервисы, RESTful API, микросервисы и cloud-native развёртывание (контейнеры, Kubernetes).
• Глубокая экспертиза в машинном и глубоком обучении, особенно в transformer-based моделях и LLM.
• Практический опыт с ML-фреймворками (PyTorch, TensorFlow, JAX) и распределённым обучением (DeepSpeed, FSDP, Horovod).
• Подтверждённая способность интегрировать AI в существующие и легаси корпоративные системы (legacy CMS или COTS-платформы) через API, middleware, коннекторы и event-driven архитектуры.
• Сильное понимание крупномасштабных систем данных и методологий оценки ML.
• Опыт работы с чувствительными данными, включая защиту PII: анонимизация, маскирование и предотвращение утечек данных.
• Опыт с корпоративными интеграционными технологиями: REST/SOAP-сервисы, очереди сообщений, ETL-пайплайны и SQL/NoSQL базы данных.
• Экспертиза в проектировании AI-систем в cloud-native распределённых средах на AWS, Azure и Google Cloud Platform.
• Владение managed generative AI сервисами (AWS Bedrock, Azure OpenAI Service, Google Vertex AI) и интеграция frontier-моделей GPT, Claude и Gemini.
• Практический опыт (текст обрывается).

Условия

• Формат работы: удалённо (100% Remote).
• Зарплата: по договорённости.