ML инженер

Что предстоит делать

<p>🔹 100% удаленная работа | 🌎 Глобальная команда | ⏳ Полная занятость</p><p><strong>NineTwoThree AI Studio</strong> — ведущая компания в области дизайна продуктов, инженерии и маркетинга, специализирующаяся на создании индивидуальных AI, веб- и мобильных приложений для известных брендов и профинансированных стартапов. Мы базируемся в Массачусетсе, но в нашей команде есть сотрудники из Америки и Европы, и мы поддерживаем сильную культуру удаленной коллаборации.</p><p>Мы — команда, которая любит делать хорошую работу с отличными людьми. Наш относительно небольшой размер позволяет нам быть быстрыми и гибкими. Богатство знаний, опыта и таланта в сочетании с проверенными рецептами и лучшими практиками позволяет нам находить возможности для успеха новых продуктов.</p><p>Имея портфолио из более чем 150 запущенных продуктов за 13 лет, NineTwoThree получила признание как ведущее AI-агентство в США, заслужив такие награды, как включение в список Inc. 5000 четыре года подряд и попадание в число 50 лучших AI-фирм наряду с лидерами отрасли, такими как Microsoft, NVIDIA и IBM. Мы создавали AI и ML технологии для крупных брендов, таких как Consumer Reports, FanDuel и Nara, а также для стартапов в сфере legal tech, логистики, образования и других.</p><p><strong>Описание роли</strong></p><p>В качестве <strong>ML Engineer</strong> в NineTwoThree AI Studio вы будете находиться на стыке production-grade разработки ПО, продвинутой обработки естественного языка и работы с клиентами. Мы создаем индивидуальные высокоэффективные AI-системы для брендов и стартапов в различных отраслях (таких как здравоохранение, логистика и fintech).</p><p>В отличие от изолированных академических исследований, эта роль требует мышления product-minded разработчика. Вы будете проектировать, оптимизировать и развертывать надежные LLM-приложения, кастомную предиктивную аналитику и агентные рабочие процессы непосредственно в программные экосистемы наших клиентов, беря на себя полную ответственность за функции от прототипа до продакшена.</p><h3>Технологический стек</h3><ul><li>Основные фреймворки и архитектура: Transformer модели, современные LLM API (Anthropic Claude, OpenAI, AWS Bedrock и т.д.), Open-Source LLM.</li><li>Оркестрация и агентный дизайн: Опыт проектирования LLM-воркфлоу, агентных систем или пайплайнов поиска с использованием таких фреймворков, как Langchain, LangGraph, LlamaIndex или эквивалентных подходов.</li><li>Данные и поиск: Векторные базы данных (Pinecone, pgvector, Milvus, Qdrant и т.д.), SQL и пайплайны инженерии данных.</li><li>Традиционное ML: Обучение с учителем и без учителя (Классификация, Регрессия, Обнаружение аномалий).</li><li>Облако и инфраструктура: AWS (Lambda, SageMaker, Bedrock, EC2) и современные DevOps/пайплайны переобучения.</li><li>Языки: Production-grade Python.</li></ul><h3>Обязанности</h3><ul><li>Проектирование и создание AI-функций: Разработка и внедрение надежных решений в области классического ML и генеративного AI, нахождение правильного баланса между автономными агентными архитектурами и детерминированными пайплайнами.</li><li>Оценка: Разработка и поддержка фреймворков оценки для измерения качества, надежности, безопасности и бизнес-влияния AI до и после развертывания.</li><li>Интеграция и развертывание: Тесное сотрудничество с full-stack разработчиками и DevOps для бесшовной интеграции AI-возможностей в веб- и мобильные приложения клиентов с использованием serverless архитектуры (например, AWS Lambda) или API-эндпоинтов.</li><li>Оптимизация для продакшена: Уточнение промптов, системных инструкций и стратегий чанкинга для балансировки точности, задержки, потребления токенов и конфиденциальности данных.</li><li>Традиционная предиктивная аналитика: Очистка и обработка неструктурированных или исторических данных клиентов для обучения/дообучения кастомных алгоритмов под конкретные бизнес-задачи (такие как прогнозирование, классификация или обнаружение аномалий).</li><li>Сотрудничество и коммуникация: Активное участие в discovery-сессиях с клиентами, перевод неоднозначных бизнес-требований в реализуемые технические рамки и демонстрация прототипов напрямую командам заинтересованных сторон.</li><li>Поддержание инженерного превосходства: Участие в конструктивных code review, внедрение строгих паттернов валидации для тестирования AI-выводов и внесение вклада в нашу внутреннюю AI-базу знаний в виде шаблонов или runbook.</li></ul><h3>Технический опыт</h3><ul><li>Подтвержденный опыт: 3+ года опыта в разработке ПО с сильным фокусом на машинное обучение и обработку естественного языка.</li><li>Владение LLM и генеративным AI: Глубокое понимание современных LLM-архитектур, механик контекстного окна, техник семантического поиска и ограничений генеративных систем. Способность определить, когда детерминированное решение предпочтительнее решения на основе LLM или агента.</li><li>Опыт работы в продакшене: Опыт создания и эксплуатации production AI-систем, включая мониторинг, оценку, отладку и итеративное улучшение.</li><li>Опыт оценки: Понимание методологий оценки для систем на основе LLM, включая качество поиска, обнаружение галлюцинаций и измерение производительности для конкретных задач. Способность рассуждать о компромиссах между качеством, задержкой, стоимостью, надежностью и инженерной сложностью.</li><li>Владение Python и SQL: Исключительные навыки программирования на Python и способность эффективно выполнять запросы, очищать и структурировать данные.</li><li>Облачная инфраструктура: Практический опыт развертывания ML или API-сервисов в облачных экосистемах, желательно AWS.</li><li>Ответственность: Комфортное принятие на себя ответственности за неоднозначные задачи, начиная с первичного discovery и заканчивая production-развертыванием и последующей поддержкой.</li></ul><h3>Продуктовые и командные навыки</h3><ul><li>От неопределенности к реализации: Способность погрузиться в совершенно новую отрасль, понять ее ограничения по данным и за несколько недель создать рабочий proof-of-concept.</li><li>Мышление «Product Engineer»: Страсть к тому, чтобы видеть, как продукты выходят в релиз, и понимание с точки зрения бизнес-ценности, <em>почему</em> что-то создается, а не только <em>что</em> создается.</li><li>Коммуникация: Свободный письменный и устный английский. Комфортное взаимодействие с заинтересованными сторонами клиента и умение разбивать технические рабочие процессы на понятные концепции.</li><li>Адаптивность: Желание экспериментировать с быстро появляющимися AI-инструментами, моделями и фреймворками для разработки и оценивать их.</li><li>Образование: Степень бакалавра или магистра в области компьютерных наук, инженерии, науки о данных или смежной области (или эквивалентный практический опыт).</li></ul><h3><strong>Что мы предлагаем</strong></h3><ul><li>Ежегодный оплачиваемый отпуск: 20 дней в год в течение первых 3 лет, увеличивается до 25 дней в последующие годы</li><li>Оплачиваемый больничный, 10 национальных праздников и 2 корпоративных выходных дня</li><li>Бюджет на благополучие</li><li>Отпуск по беременности и уходу за ребенком</li><li>Возмещение расходов на курсы профессионального развития и сертификацию (до 100% по согласованию с руководителем)</li><li>Оборудование по мере необходимости для бизнеса</li><li>Сильная позитивная инженерная культура, сплоченная команда профессионалов с хорошим чувством юмора</li></ul><h3><strong>Процесс отбора</strong></h3><p>Мы ценим ваше и наше время и делаем процесс быстрым и легким. Наш процесс собеседования состоит из следующих этапов: короткое собеседование с HR, 2-е техническое собеседование с ML Engineer и CTO (опционально), 3-е live-coding собеседование, Offer.</p> <div> <a href="https://jobs.dou.ua/companies/ninetwothree/vacancies/364098/#reply-btn-id">Откликнуться на вакансию</a> </div>