ML/NLP Разработчик (Voice & Dialog Systems) (Python)

Приглашаем в команду ML/NLP разработчика

Чем предстоит заниматься:

• Поэтапный перевод системы с графа сценариев и скиллов на управляемый LLM-based диалог.

• Дебаг голосового пайплайна (поиск причин high latency, галлюцинаций LLM, проблем с передачей аудио, графовых ошибок и т.п.).

• Оперативное принятие архитектурных решений и их самостоятельная реализация в коде.

• Работа с диалоговым стеком и NLP:

• Поддержка и быстрая отладка few-shot классификации сценариев на базе Qwen и классификаторов на BERT.

• Учёт краевых случаев, исправление ошибочных срабатываний интентов.

• При необходимости — finetuning локальных LLM (извлечение сущностей, удерживание инструкций).

• Работа с речевым стеком:

• ​Интеграция и поддержка ASR на базе GigaAMv2 (отладка качества распознавания, работы VAD и передачи текста дальше по пайплайну).

• Дообучение и настройка инфереса собственных и опенсорсных TTS и систем клонирования голоса для достижения нужного качества звучания и скорости работы. 


Что мы ожидаем от вас:

• Экспертиза в NLP и LLM:

• Уверенный опыт работы с LLM/SLM (Few-shot learning, prompt engineering) и BERT (классификация сценариев и интентов).

• Практический опыт finetuning LLM (PEFT, LoRA/QLoRA) под узкие прикладные задачи.

• Уверенный дебаг LLM: умение быстро понять, почему модель ответила не так, и исправить это промптом, гиперпараметром или файнтюном.

• ​Экспертиза в голосовом стеке:

• Опыт дообучения и оптимизации TTS-моделей.

• Опыт работы и интеграции современных ASR-систем (в частности, GigaAMv2).

• Диалоговые системы и дебаг:

• Опыт работы как с графовыми/сценарийными диалоговыми движками, так и с LLM-агентами.

• ​Высокая скорость диагностики проблем в инференсе, локализации багов и принятия инженерных решений.

• Уверенное владение Python (PyTorch, huggingface, фреймворки инференса) и Go.

• ​Опыт работы с оптимизацией инференса под low-latency (vLLM, TensorRT-LLM, Triton Inference Server, ONNX Runtime).

• Практика работы со потоковым аудио в реальном времени (streaming ASR/TTS, gRPC-контракты).

• GoLang: Базовое понимание по дизайну сервисов. Понимание SOLID, DRY и KISS паттерны.

• Типизация в Go, хотя бы базовые типы (строки, числа, слайсы и мапы).

• Примитивы синхронизации и конкуренция (Как синхронизировать горутины, как работать с каналами).

• Указатели и работа с ними.

• Observability.

• Опыт работы с GRPC.

• Умение настроить инфраструктуру, k8s/inventory, знания работы TCP.

Мы предлагаем:

• Оформление в стабильную и динамично развивающуюся ИТ- компанию EGAR;
• Удаленный формат работы;
• График работы с 9:00 до 18:00 (гибкое начало рабочего дня обсуждаем);
• Конкурентный уровень заработной платы, который мы готовы обсудить на собеседовании;
• Полноценную проектную команду с четким разделением ролей;
• Оперативное решение организационных вопросов;
• Возможность профессионального роста (вертикального или горизонтального);
• Возможности обучения (курсы, сертификация);
• Бонусы по реферальной программе, за успешную рекомендацию;
• Сохранение баланса между работой и личной жизнью.

В ПРОЦЕССЕ РАБОТЫ НЕОБХОДИМО

• Развертывание, поддержка и сопровождение проектов, связанных с ИИ
• Настройка процесса CI/CD (gitlab, werf)
• Решение проблем в процессе эксплуатации в технической части
• Управление процессами ci/cd, настройка и поддержка проектов корпорации
• Создание скриптов для развертывания тестовых и продуктивных площадок
• Доставка изменений разрабатываемых сервисов
• Построение конвейеров CI/CD
• Стандартизация подходов к развертыванию
• Разрешение проблем, возникающих в процессе эксплуатации систем (в основном с командами разработки).

ЧТО БУДЕТ ВАШИМ ПРЕИМУЩЕСТВОМ

• Понимание принципов функционирования сетей, знание основных технологий и протоколов (firewall, nat, nat traversal)
• Уверенные знание операционной системы Linux (Debian / Debian-based)
• Опыт работы с Docker (сборка multi-stage образов, оптимизация размера, работа с GPU-контейнерами через NVIDIA Container Toolkit)
• Опыт мониторинга GPU-ресурсов (nvidia-smi, DCGM) и интеграции метрик в Prometheus/Grafana
• Опыт построения CI/CD пайплайнов (gitlab-ci) - деплой через Docker Compose/systemd на bare-metal
• Понимание принципов работы NVIDIA-драйверов и CUDA-стека, опыт диагностики проблем совместимости GPU/драйвер/фреймворк
• Базовый Python для написания сервисных инструментов и автоматизации ML-пайплайнов
• Опыт работы с ML-проектами: понимание жизненного цикла модели (обучение, валидация, деплой, мониторинг)
• Умение писать скрипты на bash/Python
• Опыт работы с:
  o nginx, haproxy, minio, graylog, elk-stack, sentry, openid, lua, prometheus, Grafana, mysql/postgresql, artifactory
  o Опыт с MLflow или аналогами для трекинга экспериментов и model registry.

ДЛЯ ВАС МЫ ПРЕДЛАГАЕМ

• Официальное трудоустройство: оформление с полным пакетом социальных гарантий, включая отпуск и больничные

• Комфортные кафе и столовые: уютные пространства для общения с коллегами за чашкой кофе, обсуждения совместных проектов и последних корпоративных новостей

• Уникальная атмосфера в команде: разнообразие поколений и культур, способствующее созданию вдохновляющей рабочей среды

• Инвестиции в ваше будущее: повышение компетенций и внедрение лучших мировых практик для вашего профессионального роста

• Возможность посещения бизнес-мероприятий: участие в мероприятиях, способствующих расширению профессиональных связей и знаний

• Корпоративные фитнес-услуги: на площадке корпорации доступны фитнес-залы, залы для занятий йогой, SPA-центры и массажные кабинеты с персональной скидкой для сотрудников

• Поддержка на этапе адаптации: вас будет сопровождать наставник и руководитель, которые помогут вам бережно интегрироваться в коллектив.

Вакансия компании: ООО "КОМБЛОК"

Middle AI / LLM Engineer

Ищем прикладного AI-инженера для запуска и адаптации open-source моделей под наши продукты.

Наш фокус - не теоретический R&D, а быстрая доставка готовых ML-решений в продакшен: взять проверенную открытую модель, дообучить под наши сценарии и задеплоить на собственном GPU-сервере.

Продуктовый бэкенд, базы данных и сбор данных закрывает основная команда разработки. Ваша зона ответственности - подбор и тюнинг моделей, инференс, производительность на GPU и качество генерации.

Чем предстоит заниматься:

• Сервинг и инференс: развернуть и сопровождать open-source модели (Qwen, Llama и др.) на выделенном сервере с GPU Nvidia через vLLM.
• Стилизация и адаптация (LoRA): дообучать модели под определенную персону (сленг, подача, характерные мысли) через LoRA / QLoRA с сохранением связности и логики ответов.
• Семантический поиск и классификация (RAG): собирать пайплайны контекстного поиска на базе эмбеддеров для русского языка (ruBERT / BGE / Sentence Transformers).
• AI-агенты: настраивать логику вызова инструментов и промпт-пайплайны под автономные задачи.
• Генерация изображений: поднять и настроить готовый сервис генерации картинок на базе open-source моделей (Flux / SDXL).

Что для этого нужно:

• Коммерческий опыт в прикладном ML / NLP от 2 лет.
• Опыт запуска и инференса LLM на видеокартах Nvidia (понимание vLLM, Docker, работы с CUDA и контролем видеопамяти без падений в OOM).
• Практический опыт файн-тюнинга через LoRA / QLoRA (Hugging Face PEFT, TRL, Unsloth).
• Понимание подготовки данных: фильтрация шума, сбор пар «промпт-ответ», предотвращение выгорания логики модели (catastrophic forgetting).
• Базовый опыт (или четкое понимание), как поднять готовый инференс для генерации картинок (Diffusers, ComfyUI API).

Будет плюсом:

• Уверенный прикладной Python: умение написать чистый скрипт предобработки данных, обернуть инференс в простую ручку на FastAPI или автоматизировать пайплайн без спагетти-кода.
• Опыт работы с легковесными NLP-моделями (ruBERT-tiny2) под задачи классификации текстов.

Условия:

• Формат: первые 1–2 месяца — офис в Москве, далее — удобный гибрид по запросу.
• Инфраструктура: выделенный сервер с мощными GPU Nvidia под задачи без очередей и квот.
• Команда и процессы: быстрый цикл принятия решений, понятные прикладные задачи и готовая бэкенд-команда на поддержке.

• Обучение и тренинги