ML Engineer — NLP/LLM (Команда Uplift-lab) (Python)
Мы — ML-команда коммерческого и операционного департамента. Наша цель — напрямую влиять на ключевые бизнес-метрики с помощью моделей машинного обучения и разрабатывать LLM-продукты, которые сокращают ручную работу и встраиваются в процессы…
headhunter::департамент персонала · На сервисе с: 23.09.26 11:05
Зарплата не указанаРоссияМоскваУдалёнка
Мы — ML-команда коммерческого и операционного департамента. Наша цель — напрямую влиять на ключевые бизнес-метрики с помощью моделей машинного обучения и разрабатывать LLM-продукты, которые сокращают ручную работу и встраиваются в процессы продаж, поддержки и маркетинга.
Основные направления работы:
- категоризация обратной связи пользователей,
- uplift-моделирование для оптимизации работы отдела продаж,
- модели матчинга клиентов для задач конкурентного анализа.
Каждый инженер в команде работает автономно со своим продуктом и своими заказчиками — от постановки задачи до внедрения в прод и оценки эффекта.
Мы ищем ML-инженера под новое направление — внедрение LLM-решений в продукты для техподдержки, продаж и маркетинга.
Чем предстоит заниматься
- Работать с текстовыми представлениями: BERT-like модели для классификации/representation learning, эксперименты с архитектурами и лоссами.
- Строить решения на основе LLM, RAG, агентных систем: саммаризация и классификация обратной связи пользователей, ИИ-ассистенты, чатботы для техподдержки и продаж.
- Вести полный цикл разработки ML-решений: постановка задачи с заказчиком, сбор и подготовка данных, обучение моделей, деплой в production, оценка решения, A/B-тесты и анализ результатов.
- Улучшать ML-инфраструктуру и пайплайны.
- Выступать техническим лидом в рамках своих задач: предлагать архитектурные решения, декомпозировать сложные задачи, задавать план экспериментов.
Требования:
- Уверенное владение Python с классическим ML-стеком.
- Пишешь качественный и поддерживаемый код.
- Уверенное знание мат. статистики. Умеешь работать с метриками и A/B-тестами.
- Глубокое понимание трансформеров и прикладной опыт: знание BERT-like архитектуры, опыт обучения/дообучения небольших трансформерных моделей, representation learning.
- Практический опыт работы с LLM: проектирование промптов и цепочек, structured output, надёжность и обработка ошибок, умение выстраивать процесс оценки качества LLM-решений (метрики, human eval, LLM-as-judge).
- Практический опыт построения RAG-систем, агентных систем.
- Опыт интеграции LLM-решений в production.
Будет плюсом:
- Опыт fine-tuning моделей (LoRA / PEFT).
- Опыт построения датасетов и разметочных пайплайнов для LLM-задач.
- Опыт оптимизации инференса (quantization, distillation).
- Опыт uplift-моделирования.
Условия:
- Возможность выбора места работы: удаленно или из офиса.
- Гибкий график рабочего дня.
- Оформление в соответствии с ТК РФ, «белая» заработная плата, выплачиваемая точно в срок.
- Корпоративное ДМС с первого месяца работы (решаем вопросы со здоровьем быстро и удобно).
- Возможность профессионального развития, обучение за счет компании, участие в специализированных конференциях.
Похожие вакансии Data Science & ML
hh.ru
Зарплата не указанаРоссияМоскваГибрид
Твои задачи:
- Разрабатывать, тестировать и внедрять ML-модели для прикладных бизнес-задач на всех этапах: от подготовки данных и формирования гипотезы до внедрения модели.
- Исследовать данные, находить закономерности и формировать признаки для моделей.
- Подготавливать и обрабатывать датасеты
- Разделять данные на train, validation и test.
- Проводить ML-эксперименты, сравнивать подходы и выбирать наиболее эффективные решения.
- Разрабатывать решения на базе больших языковых моделей (LLM) (RAG-системы и др. прикладные инструменты).
- Настраивать полный retrieval-контур: подготовку и разбиение документов, embeddings, векторный поиск, Hybrid Search, стратегии retrieval и маршрутизацию запросов.
- Выводить модели и AI-решения в production и сопровождать их дальнейшую работу.
- Хорошее понимание процесса обучения моделей машинного обучения и базовых принципов работы нейронных сетей;
- Опыт самостоятельной разработки и обучения ML-моделей;
- Уверенное владение Python и умение писать поддерживаемый код, опыт работы с PyTorch/TensorFlow, SQL, Docker, Git, CI/CD;
- Знание классических алгоритмов и структур данных;
- Умение проектировать AI-системы;
- Опыт работы с Opensearch, pgvector;
- Возможность работы в дружной молодой команде профессионалов.
- Сессия профессионального развития, по итогу которой составляется план индивидуального развития для каждого сотрудника
- Тренинги за счет компании, внутренние семинары, внутренние митапы, мы очень любим учиться новому
- Корпоративная культура со своими ценностями и традициями, в которой каждый чувствует себя частью команды
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.