Senior Data Science Engineer (ML) в нейролабораторию (Python)

Middle+/Senior Data Scientist (3D Geometry / Hybrid Search / LLM / Python / Team Lead)

Ставка: до 220 000 руб. (Middle+) / до 270 000 руб. (Senior) на руки в месяц.

Грейд: Middle+ / Senior.

Загрузка: Full-time.

Срок привлечения: 3 месяца с возможностью пролонгации.

Формат: Удалённо.

Часовой пояс: UTC+3 (МСК).

Локация/Гражданство: РФ, РБ / РФ, РБ.

О проекте: ИТ-компания, решающая сложные R&D-задачи на стыке обработки 3D-данных, поисковых систем и ML-сервисов.

Ищем Middle+/Senior Data Scientist с сильным инженерным бэкграундом для работы над нетривиальными задачами. Это роль для специалиста, который не ограничивается Jupyter-блокнотами, а умеет внедрять ML-решения в продакшн, глубоко понимает 3D-геометрию, строит сложные пайплайны гибридного поиска (IR + LLM) и способен координировать небольшую команду разработки.

Ключевые задачи:

• Решение алгоритмических задач: обработка 3D-данных (полигональные сетки, воксели), разработка пайплайнов поиска.
• Проектирование архитектуры ML/DS-сервисов и внедрение готовых решений в инфраструктуру проекта.
• Профилирование производительности и снижение вычислительной сложности (в т.ч. при работе с 3D-структурами и векторными индексами).
• Координация подгруппы разработки: декомпозиция задач, оценка трудозатрат, планирование спринтов, исполнение функций тимлида в периоды его отсутствия.
• Проведение Code Review, контроль качества кода, менторинг Junior/Middle специалистов.
• Подготовка технической документации, фиксация архитектурных решений (ADR).

Обязательные требования (Hard Skills):

3D и пространственные данные (КРИТИЧНО!):

• Уверенное владение 3D-геометрией: работа с полигональными сетками, вокселями, триангуляцией, 2D/3D-объектами и понимание лежащей в основе математики.

Information Retrieval и LLM (КРИТИЧНО!):

• Построение пайплайнов гибридного поиска (сочетание dense- и sparse-подходов, включая BM25), работа с эмбеддингами, reranking (Reciprocal Rank Fusion).
• Опыт применения векторных баз данных: Qdrant, Milvus, pgvector, Weaviate и др.
• Навыки оценки качества генерации и поиска: LLM-evals (Ragas, TruLens, DeepEval) или умение разрабатывать собственные метрики.

Инженерная культура и Python (КРИТИЧНО!):

• Python 3.10+ (в т.ч. asyncio и typing), NumPy, SciPy, Pandas.
• Backend-разработка: FastAPI (микросервисная архитектура, REST, асинхронная обработка).
• Инфраструктура: контейнеризация (Docker), эксплуатация в среде Linux (Ubuntu).
• Профилирование: умение применять cProfile, Scalene, memory_profiler и аналоги для оптимизации кода под продакшн.

Лидерство и процессы:

• Подтверждённый опыт внедрения ML/DS-решений в промышленную эксплуатацию (за пределами прототипов).
• Опыт координации небольшой команды или технического руководства разработчиками.
• Способность переводить абстрактные бизнес-задачи в чёткие технические требования и разбивать их на реализуемые подзадачи.

Будет плюсом:

• Опыт публикации статей или выступлений на профильных конференциях по темам 3D ML или Advanced RAG.
• Знание C++ для оптимизации критичных по производительности участков кода.

Мы в Kandinsky строим платформу для генерации изображений и видео. Команда Harness отвечает за слой инструментов и пайплайнов вокруг моделей: он превращает исследовательские чекпоинты в решения, которыми пользуются миллионы пользователей. Мы ищем ML-инженера, который будет развивать этот слой, автоматизировать сценарии работы с визуальным контентом, влиять на выбор моделей и подходов и помогать командам доводить модели до продукта.

• разрабатывать агентные системы: сценарии, инструменты, оркестрация вызовов

• решать прикладные задачи с помощью CV- и генеративных моделей: от постановки до работающего в проде решения

• собирать пайплайны обработки и генерации изображений и видео, автоматизировать сценарии работы с визуальным контентом

• адаптировать модели под конкретные домены и продуктовые кейсы

• искать причины деградаций качества и предлагать способы их устранения

• работать в связке с исследователями, продуктом и бэкендом, переводя продуктовые требования в технические решения.

• уверенное владение Python и фреймворками глубокого обучения (PyTorch)

• понимание разницы между agentless- и agentic-решениями, опыт написания обоих и умение понимать, когда что уместно

• понимание устройства актуальных CV- и GenCV-моделей

• умение работать с контейнеризацией (Docker, Kubernetes)

• опыт интеграции генеративных моделей

• понимание бизнес-метрик и их переноса на модельные метрики

• опыт работы с opensource-моделями: выбор под кейс, настройка гиперпараметров, дообучение

• комфортный современный офис рядом с м. Кутузовская

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

• расширенный полис ДМС с первого дня работы и страхование для семьи

• льготная программа ипотеки для сотрудников

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.