Специалист по машинному обучению

Что предстоит делать

• Реализовывать под руководством архитектора и ведущего разрабочтика harness-архитектуру в контуре компании.
• Поддерживать модели компьютерного зрения (YOLO).
• Реализовывать интеграцию AI-агентов с GitLab/GitHub, CI/CD, файловыми системами, базами данных, корпоративными ИС (ERP, MES, системами документооборота и т.д.).
• Проектировать MCP-серверы, tools/function calling и reusable-интерфейсы для корпоративных систем.
• Разрабатывать механизмы context engineering: поиск, ранжирование, сжатие, версионирование и динамическую подачу контекста.
• Создавать sandbox-среды и политики безопасного выполнения сгенерированного кода.
• Проектировать permissions, RBAC, approval gates, secrets management, аудит и ограничения действий агента.
• Развивать observability: tracing, логи, метрики, latency, token/cost accounting, success rate и причины неуспешных запусков.
• Проводить анализ отказов и улучшать архитектуру, prompts, tools, retrieval и стратегии выполнения.
• Участвовать в выборе моделей и model routing в зависимости от типа, стоимости и критичности задачи.

Что ждём от вас

• Опыт разработки ПО от 1 года, преимущественно Python/backend/platform engineering.
• Опыт агентской разработки.
• Желательно опыт создания цикла агентной разработки в 1С:Предприятие, SAP ERP.
• Желательно опыт работы с корпоративными базами знаний, документацией и поисковыми системами.
• Уверенный Python, понимание ООП, типизации, тестирования и структуры production-кода. Знание SQL.
• ML‑алгоритмы и подходы: классические методы (регрессии, деревья, ансамбли) и глубокое обучение; понимание, когда что применять.
• Опыт обучения и инференса Yolo.
• Опыт REST API/JSON, Git, Linux/CLI, Docker и базовых CI/CD-пайплайнов.
• Практический опыт использования LLM API и понимание tool/function calling, structured output, RAG и embeddings.
• Оценка качества: метрики под разные задачи (accuracy, F1, ROC‑AUC, MAE, RMSE и др.), кросс‑валидация, проверка устойчивости.
• Инфраструктура и деплой: Docker, базовые знания Kubernetes, CI/CD, MLOps‑инструменты (MLflow, DVC), создание API (FastAPI/Flask).
• Понимание принципов agent loop, управления состоянием, retries, timeouts и обработки ошибок.
• Опыт написания unit-тестов.
• Базовое понимание безопасности.
• Способность разбираться в чужом коде, диагностировать проблемы и доводить задачи до продуктивного результата.

Что предлагаем