ML Tech Lead (Applied AI & Research)
анализ бизнес-задач, формулирование гипотез;
алабуга. корпоративная безопасность · На сервисе с: 09.09.26 13:30
Вакансия предполагает работу в офисе, для каждой локации — своя карточка вакансии. Щёлкни по локации, чтобы перейти на её карточку.
- анализ бизнес-задач, формулирование гипотез;
- выбор метрик и подходов: от классического ML до сложных LLM-агентов;
- проектирование архитектур моделей и нейросетей;
- написание, обучение и отладка моделей;
- проведение экспериментов, сравнение подходов, фиксация результатов;
- менторство дата-сайентистов, проведение код-ревью;
- выстраивание культуры воспроизводимых экспериментов;
- перевод кода из прототипов в Jupyter-ноутбуках в поддерживаемые production-решения;
- управление ожиданиями, приоритизация задач;
- оценка ROI от внедрения ML-функций и инициатив;
- тесная работа с MLOps/DE-лидером для передачи моделей в продакшн;
- написание спецификаций и требований к обслуживанию моделей, данным и мониторингу;
- участие в проектировании пайплайнов и интеграций.
-
уверенное знание линейной алгебры, теории вероятностей, статистики и основ математической оптимизации;
-
понимание unit-экономики ML;
-
умение быстро читать и имплементировать статьи с arXiv, оценивать state-of-the-art подходы;
-
умение объяснять сложные математические и ML-концепции;
-
продвинутый Python: ООП, асинхронность, написание чистого и поддерживаемого кода;
-
продвинутый SQL: оконные функции, оптимизация запросов, работа с большими объёмами данных;
-
опыт работы с библиотеками для анализа данных;
-
опыт применения градиентного бустинга;
-
глубокое понимание метрик, работы с дисбалансом классов и временными рядами;
-
глубокое знание PyTorch, Transformers и экосистемы HuggingFace;
-
опыт построения RAG-пайплайнов и создания AI-агентов;
-
опыт fine-tuning LLM;
-
опыт работы с векторными базами данных;
-
опыт работы с реляционными и аналитическими СУБД;
-
опыт визуализации данных.
- конкурентный уровень з/п (обсуждается индивидуально);
- работа в крупной и стабильной компании – в структуре самой большой ОЭЗ в Европе;
- транспорт до работы из г. Елабуга, г. Набережные Челны, г. Нижнекамск;
- полис добровольного медицинского страхования;
- предоставление платного жилья для иногородних;
- гарантия профессионального роста;
- амбициозная, проектно-ориентированная команда;
- командные и спортивные игры, реализация нестандартных задач;
- карьерный рост при наличии и обретении в процессе работы необходимых компетенций.
Похожие вакансии Data Science & ML
Привет! Это команда Внутренних сервисов.
Мы развиваем систему интеллектуального распознавания документов, которой пользуются внутренние сервисы компании. Система уже работает в проде и распознаёт 30+ видов документов.
Сейчас мы ищем Senior ML-инженера, который будет развивать существующий ML-продукт: улучшать качество распознавания и извлечения информации из документов, дообучать LLM под конкретные задачи и запускать новые сценарии в production.
Мы активно используем LLM — с их помощью решаем задачи, для которых раньше требовались сложные CV-пайплайны.
Наш стек
Python, PyTorch, Transformers, LLM, PostgreSQL, Redis, Kubernetes, Docker.
Вы будете
Развивать существующую систему распознавания документов и улучшать качество её работы.
Обучать и дообучать LLM под задачи распознавания, классификации, извлечения и структурирования информации из документов.
Исследовать новые подходы к применению LLM и выбирать модели и методы обучения под конкретные задачи.
Запускать ML-решения в production, анализировать их качество и улучшать существующие пайплайны.
Работать на стыке ML, NLP и Computer Vision: решать задачи обработки документов, где LLM дополняют или заменяют классические CV-подходы.
Примеры задач
Распознавание и парсинг сканов ЭТК — от паспортов до заграничных документов.
Классификация резюме и других документов.
Саммаризация документов.
Извлечение структурированной информации из неструктурированных документов с помощью LLM.
Дообучение LLM под конкретные задачи распознавания документов.
Исследование новых моделей и подходов, которые могут улучшить качество или упростить существующие решения.
Нам важно
Сильная база в Machine Learning и Deep Learning.
Практический опыт обучения и дообучения LLM.
Опыт работы с Python и современным ML-стеком.
Понимание подходов к оценке качества ML-моделей и умение анализировать результаты экспериментов.
Опыт внедрения ML-моделей в production.
Способность самостоятельно разбираться в новой задаче, выбирать подход к её решению и доводить результат до production.
Будет плюсом
Опыт работы с OCR и задачами распознавания документов.
Опыт в NLP и работе с LLM для извлечения и структурирования информации.
Опыт работы с Computer Vision.
Опыт использования LoRA, PEFT и других подходов к эффективному дообучению LLM.
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.