ML-инженер в команду данных синтеза речи (Python)

«Лучи» — это новая онлайн-страховая: простая, быстрая и честная.

Мы объединили страхование, медицину и IT, чтобы создать экосистему полезных сервисов. Так мы упрощаем жизни более миллиона людей по всей стране.

В основе нашей компании — собственная технологическая платформа. Единый ID пользователя связывает все продукты, делая клиентский путь удобным и понятным.

Мы задаём ритм, действуем решительно и работаем на другой скорости, чтобы быть лидерами на страховом рынке России.

Цифры говорят за нас:
>1 000 000 застрахованных клиентов
>400 компаний доверяют нам здоровье своих сотрудников
4,85 из 5 — оценка мобильного приложения
100% наших сотрудников влияют на результат
0 минут тратится на формальные встречи
75% клиентов готовы рекомендовать нас

Кого мы ищем:
Мы ищем сильного ML-техлида, который возглавит техническое развитие AI-решений для нашего медицинского направления. Это роль для эксперта, который не хочет уходить в чистое управление, а стремится решать инженерные задачи руками (80% времени — разработка). Вместе с командой предстоит доводить AI-решения до продакшена — от разработки архитектуры до мониторинга модели в проде. Для нас важен опыт вывода агентных систем под реальную нагрузку, умение строить надежные eval-пайплайны и понимание экономики инференса.

Про проект:
Основной фокус сейчас — создание «ИИ-врача», интеллектуального ассистента для нашей телемедицинской клиники. Предстоит с нуля построить агентную экосистему, которая автоматизирует сбор анамнеза, саммаризацию медкарт, драфтинг заключений и согласование назначений по ДМС. Это решение позволит врачу делегировать рутину и сосредоточиться на лечении, а не на бюрократии. Принцип «ИИ драфтит — врач правит и подписывает» превращает каждое исправление эксперта в готовый сигнал для дообучения модели, создавая уникальную для медицинской сферы петлю улучшения качества.

⚙️Стек технологий: Python 3.13+, FastAPI, PostgreSQL, MLflow, LangGraph, OpenAI, Celery, RabbitMQ, Kafka, Docker, k8s, flake8, mypy, pytest.

Чем предстоит заниматься:

• Определять и развивать архитектуру ML/LLM-агентных систем продукта, принимать и документировать ключевые технические решения
• Проектировать инфраструктуру вокруг агентов (harness): оркестрация, маршрутизация, управление контекстом и памятью, вызов инструментов, отказоустойчивость, трейсинг
• Проектировать и развивать самообучающийся контур: сбор ошибок из продакшена, пополнение датасетов оценки, регрессионное тестирование, контролируемая выкатка улучшений
• Отвечать за качество моделей: эталонные наборы, метрики точности, автоматические гейты качества в CI, мониторинг деградации в проде.
• Отвечать за производительность и экономику решения: нагрузка, latency, стоимость обработки обращения
• Обеспечивать соответствие требованиям по работе с персональными и медицинскими данными на уровне архитектуры (обезличивание, аудит решений, хранение)
• Проводить код-ревью и дизайн-ревью, развивать middle ML-инженеров через наставничество и парное проектирование
• Представлять и защищать архитектурные решения перед CTO и продуктовой командой

Что для нас важно:

• Опыт в роли ML-инженера от 4 лет
• Опыт запуска в production масштабных и сложных ML / LLM-решений
• Опыт реализации моделей классического ML (Scikit-learn, CatBoost)
• Глубокое понимание архитектуры современных LLM и мультимодальных моделей
• Опыт промышленного использования inference-фреймворков: vLLM, SGLang, TensorRT-LLM, llama.cpp
• LLMOps Воспроизводимость системы, бенчмарки и регрессионное тестирование
• Опыт дообучения трансформеров (LoRA, QLoRA, SFT) — DPO / RLHF будет плюсом
• Современный LLM-стек: уверенное понимание RAG, agentic-loop, agent harness, multi-agent систем, MCP
• Знание теории вероятностей, опыт проведения и оценки A/B тестов
• Опыт разработки и настройки guardrails для LLM-систем
• Уверенное владение Python и асинхронными фреймворками, такими как FastAPI
• Умение писать тесты (pytest)
• Опыт работы с асинхронными задачами (RabbitMQ, Celery, Kafka)
• Контейнеризация Владение инструментами контейнеризации (Docker)
• Знание стандартов качества кода (Flake8, mypy)
• Навыки настройки CI/CD-процессов и базовая работа с k8s

Будет плюсом:

• Будет плюсом опыт в MedTech / Healthcare, NLP на медицинских текстах и работе с чувствительными данными

• Опыт разработки самообучающихся агентов (self-harness)

У нас в команде:

• Ежегодный отпуск продолжительностью 28 календарных дней
• Формат работы на выбор: удаленный, гибрид или офис
• ДМС «Лучи» для тебя и твоих несовершеннолетних детей через 3 месяца после начала работы + доступ к виртуальной клинике с первого дня работы
• Скидка на подключение к ДМС «Лучи» для родственников
• Страхование от несчастных случаев после трех месяцев работы
• Страховой полис выезжающего за рубеж (ВЗР) для тебя и двух твоих родственников после трех месяцев работы
• Помощь в значимых для тебя событиях
• Корпоративная программа лояльности BestBenefits

❤️ Ты будешь частью большого социально значимого дела. Мы реализуем амбициозную задачу — меняем рынок страхования и здравоохранения, действительно помогаем людям, и у нас это отлично получается.

И у тебя получится!

Вы будете

• Участвовать в составлении роадмапа разработки, проводить ресерч и формулировать гипотезы для решения задач.
• Заниматься полным циклом разработки моделей автомодерации контента.
• Работать с multi-modal данными: изображениями, текстами и таблицами.
• Разрабатывать эффективный и воспроизводимый код для обучения моделей.
• Оптимизировать модели, ускорять inference и улучшать бизнес-метрики.
• Делиться опытом с другими участниками команды, участвовать в код-ревью.
• Взаимодействовать с аналитиками, продактами и разработчиками сервисов.

Нам важно

• Уверенное знание Python и опыт разработки на нём.
• Понимание алгоритмов и структур данных.
• Практический опыт работы с PyTorch.
• Знание математической статистики, линейной алгебры и теории вероятностей.
• Отличные знания в области машинного обучения: классический ML и DL, способность объяснить принципы работы алгоритмов и выбрать подходящий для задачи.
• Практический опыт работы в задачах NLP и/или CV, знание современных архитектур (Transformers, CLIP и др.).
• Понимание принципов работы с большими данными, знакомство с такими инструментами как Hadoop, Spark, Airflow, SQL.
• Опыт ведения проектов: принятие технических решений, декомпозиция и распределение задач, координации разработки.