ml инженер для AI-ассистентов

Джетлин занимается заказной и продуктовой разработкой, созданием ML/AI-решений под ключ, внедрением и поддержкой программного обеспечения.

• Разрабатывать ИИ-ассистентов и функциональных агентов в рамках проверки PoC для ИИ-идей, входящих в ИИ-инкубатор;
• Запускать решения на GPU и CPU;
• Выполнять контейнеризацию;
• Работать с Jenkins;
• Использовать векторные базы и эмбеддинги для RAG;
• Реализовывать function calling;
• Работать с KServe;
• Работать с моделями семейства BERT;
• Применять эвристики;
• Выполнять квантизацию LLM.

• Понимать принципы проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop;
• Глубоко понимать основные принципы машинного обучения: подготовка данных и признаков, выбор моделей, регуляризация, переобучение, data leakage, интерпретация результатов;
• Знать математическую статистику: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов;
• Понимать принципы оценки качества ML-систем: offline- и online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных;
• Иметь опыт хотя бы в одном направлении: классическое машинное обучение, временные ряды и прогнозирование, рекомендательные системы, поиск и ранжирование, NLP, LLM и генеративный AI;
• Уверенно владеть Python и основными библиотеками для анализа данных и машинного обучения: pandas или polars, NumPy, scikit-learn, CatBoost, LightGBM, XGBoost, PyTorch или аналогичными инструментами;
• Уметь писать поддерживаемый production-код: модульная архитектура, тестирование, логирование, документация, работа с Git и участие в code review;
• Уверенно владеть SQL;
• Иметь опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы;
• Понимать риски prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента;
• Иметь опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков;
• Уметь оценивать стоимость, latency и масштабируемость LLM-решений;
• Иметь опыт работы в e-commerce, retail или других продуктовых highload-системах;
• Иметь опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana;
• Иметь опыт эксплуатации GPU-инфраструктуры и оптимизации inference;
• Иметь опыт fine-tuning или адаптации LLM, включая LoRA и PEFT;
• Иметь опыт проектирования agentic workflows или multi-agent-систем;
• Понимать принципы информационной безопасности, privacy и работы с персональными данными;
• Обязательное требование: владение Python и основными библиотеками для анализа данных и машинного обучения: pandas или polars, NumPy, scikit-learn, CatBoost, LightGBM, XGBoost, PyTorch или аналогичные инструменты; владение SQL; опыт работы в e-commerce, retail или других продуктовых highload-системах; опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.

• Можно работать удалённо.