Стажёр по моделированию и симуляции тепловых материалов

Федеральное государственное бюджетное учреждение запускает стратегический проект по созданию собственной языковой модели (LLM) для внутреннего использования. Модель будет разрабатываться с нуля под закрытым контуром организации – от выбора архитектуры и платформы до программирования, обучения и внедрения в рабочие процессы. Мы ищем ключевого специалиста, который возьмёт на себя полный технический цикл и сформирует ИИ-направление внутри учреждения.

Обязанности:

• провести анализ потребностей и определить оптимальную стратегию: обучение модели с нуля или глубокая адаптация открытых решений под закрытый контур;
• сформировать с нуля и возглавить команду, распределить зоны ответственности между ML-инженерами, дата-инженерами и DevOps;
• спроектировать архитектуру LLM, выбрать стек технологий, фреймворки и вычислительную платформу (on-premise или доверенная облачная среда) с учётом ограничений бюджетной организации и требований информационной безопасности;
• организовать полный цикл работы с данными: сбор, очистка, фильтрация, токенизация и разметка корпуса внутренних текстов с соблюдением законодательства о персональных данных и государственной тайны;
• обучить, валидировать и оптимизировать модель под ключевые бизнес-задачи (генерация документов, смысловой поиск, вопросно-ответные системы, классификация, суммаризация);
• развернуть LLM в продуктивном закрытом контуре, обеспечить стабильность и безопасность инференса, реализовать API для интеграции с внутренними информационными системами.

Требования:

• подтверждённый успешный опыт создания языковой модели с нуля (предобучение или глубокая адаптация под закрытый контур) с измеримым результатом: в резюме или портфолио должна быть раскрыта ваша роль и достигнутые показатели;
• глубокое знание архитектур трансформеров (GPT, BERT, LLaMA и т.п.), опыт работы с PyTorch/TensorFlow, Hugging Face Transformers, библиотеками распределённого обучения (DeepSpeed, Megatron-LM и аналогами);
• практический опыт подготовки и препроцессинга крупных текстовых массивов для обучения LLM;
• уверенное программирование на Python; знание C++ будет весомым плюсом;
• понимание методов оптимизации инференса (квантование, ONNX, TensorRT, vLLM и др.) и требований промышленной эксплуатации, включая мониторинг и отказоустойчивость;
• высшее техническое или математическое образование;
• готовность к работе с данными ограниченного доступа, понимание требований 152-ФЗ и нормативов ФСТЭК России (или готовность их оперативно изучить).

Будет плюсом:

• наличие собственной готовой команды (ML-инженеры, дата-инженеры, DevOps), способной включиться в проект в ближайшее время;
• опыт построения ИИ-систем в государственных структурах, научных институтах или режимных организациях;
• знание специфики российских вычислительных платформ и облачных провайдеров (Yandex Cloud, VK Cloud, on-premise GPU-фермы);
• опыт внедрения LLM в контуре, изолированном от сети Интернет, и опыт прохождения аттестации информационных систем.

Условия работы:

• работа в комфортном офисе в центре Москвы (2 минуты пешком от м. Семеновская), возможен гибридный формат работы;
• оформление согласно ТК РФ;
• уровень заработной платы зависит от уровня должности, квалификации кандидата и обсуждается на финальном собеседовании с успешным кандидатом;
• полная занятость, рабочий день с 9.00. до 18.00., в пятницу до 16.45.
• отпуск 28 календарных дней+4 дня дополнительно;
• масштабная и интеллектуально амбициозная задача: создание языковой модели с нуля, которой будут пользоваться реальные подразделения учреждения;
• высокая степень самостоятельности в выборе архитектуры, платформы и инструментов;
• возможность собрать под себя команду и выстроить долгосрочное ИИ-направление.

О компании

Biometric.Vision — международная AI-компания, разрабатывающая решения в области Face Biometrics, Digital Identity, KYC, AML, Fraud Prevention и Identity Verification.

Нашими технологиями пользуются банки, финтех-компании, криптоплатформы, телеком-операторы и государственные организации. Мы создаём production-grade AI-продукты для международных рынков и решаем сложные задачи на стыке Computer Vision, Machine Learning и информационной безопасности.

Мы ищем инженеров, которые хотят не просто обучать модели, а создавать реальные AI-продукты, способные работать в production, выдерживать высокие требования к точности и производительности и решать задачи клиентов по всему миру.

Кого мы ищем

Мы ищем Middle ML Engineer с практическим опытом в Machine Learning и Computer Vision, который умеет работать с данными, обучать и улучшать модели, внедрять современные research-подходы и доводить ML-решения до production.

Нам нужен специалист, который способен самостоятельно разбираться в новых технологиях, читать технические исследования, оценивать применимость современных моделей и превращать их в эффективные инженерные решения.

Особый интерес представляют инженеры с опытом работы в Face Recognition, Liveness Detection, Anti-Spoofing, Deepfake Detection и других задачах биометрии и компьютерного зрения.

Обязанности:

• Разрабатывать, обучать и улучшать ML/CV-модели для продуктов в области Face Biometrics и Identity Verification.
• Решать задачи Face Verification, Liveness Detection, Anti-Spoofing и Deepfake Detection.
• Подготавливать, очищать, анализировать и оптимизировать большие датасеты.
• Проводить эксперименты, тестировать гипотезы и оценивать качество моделей.
• Исследовать современные ML-подходы и внедрять SOTA-модели в production.
• Оптимизировать inference, производительность и эффективность моделей.
• Работать с ML/CV pipeline — от подготовки данных и обучения до интеграции и внедрения модели.
• Взаимодействовать с Backend-разработчиками и другими командами для интеграции ML-решений в продуктовую инфраструктуру.
• Участвовать в создании production-grade AI-систем для международных клиентов.
• Следить за развитием Computer Vision и Deep Learning, оценивать новые исследования и применять перспективные решения на практике.

• От 2 лет коммерческого опыта в Machine Learning и/или Computer Vision.
• Уверенное владение Python.
• Практический опыт работы с PyTorch и/или TensorFlow.
• Хорошее понимание Computer Vision, Machine Learning и Deep Learning.
• Опыт работы с изображениями и большими датасетами.
• Понимание процессов подготовки данных, обучения, валидации и оценки ML-моделей.
• Понимание того, как перевести ML-модель из research в production.
• Умение самостоятельно изучать новые технологии, читать research papers и применять полученные знания в разработке.
• Английский язык на уровне B2 или выше для работы с технической документацией, научными публикациями и современными ML-исследованиями.
• Аналитическое мышление, инженерный подход к решению задач и ориентация на качество результата.

• Работу в международной AI / Biometric компании.
• Реальные production-задачи в области Computer Vision, Face Biometrics и AI Security.
• Работу с современным ML/CV-стеком и актуальными AI-технологиями.
• Возможность участвовать в разработке продуктов для международных клиентов.
• Возможность влиять на технические решения и архитектуру ML-систем.
• Профессиональный и карьерный рост внутри компании.
• Обучение и развитие инженерных компетенций.
• Минимум бюрократии и фокус на техническом результате.
• Работу в офисе в Алматы, график 5/2.
• Испытательный срок — 3 месяца.
• Возможность перехода на гибридный формат после года работы.

Ищем ML-инженера, который умеет не просто обучать модели, а доводить их до production: от данных и feature engineering до деплоя, мониторинга и улучшения качества в реальных системах.

Что будет в работе

• Разработка и развитие ML-моделей: классические ML (классификация, регрессия, ранжирование), deep learning, NLP.

• Проектирование и реализация end-to-end ML-пайплайнов: от данных и feature engineering до обучения, валидации и деплоя.

• Работа с данными: ETL/ELT, подготовка датасетов, feature store, работа с большими объёмами данных.

• Деплой моделей в production: Docker, Kubernetes, REST/gRPC API, batch/online inference.

• Настройка MLOps: MLflow/W&B, версионирование моделей и данных, CI/CD/CT, автоматизация переобучения.

• Мониторинг моделей в production: метрики качества, latency, throughput, data/model drift, алертинг.

• Участие в архитектурных решениях: выбор подходов, оценка trade-off’ов, влияние на стабильность и масштабируемость системы.

• Взаимодействие с data scientists, инженерами, аналитиками и бизнес-стейкхолдерами.

Что важно

• Коммерческий опыт в ML/ML Engineering от 3 лет, уровень Middle+ / Senior.

• Уверенное владение Python:pandas, NumPy, scikit-learn, PyTorch или TensorFlow.

• Опыт построения и деплоя ML-моделей в production (не только Jupyter/прототипы).

• Понимание классического ML: supervised learning, feature engineering, валидация, метрики качества.

• Опыт работы с данными: SQL, ETL/ELT, Spark/Databricks (желательно), работа с большими датасетами.

• Опыт работы с Docker, базовое понимание Kubernetes, CI/CD (GitLab CI, GitHub Actions).

• Опыт настройки MLOps: MLflow/W&B, версионирование моделей/данных, автоматизация пайплайнов (Airflow, Kubeflow, Databricks Workflows).

• Понимание мониторинга моделей в production: метрики, drift detection, алертинг, retraining.

• Умение работать автономно, брать задачу целиком и доводить до результата.

• Умение переводить бизнес-требования в технические решения и аргументировать свой выбор.

Будет плюсом

• Опыт работы с LLM/GenAI: RAG, embeddings, vector databases (FAISS, Milvus, pgvector), prompt engineering, fine-tuning (LoRA)

• Практика LLMOps: MLflow, Langfuse, LangSmith, Weights & Biases, evaluation harnesses (Ragas, DeepEval)

• Опыт работы с agentic systems: LangGraph, CrewAI, multi-agent workflows

• Опыт работы с облачными ML-платформами: AWS SageMaker, Azure ML, Vertex AI

• Опыт работы с feature stores (Feast, Tecton), model registries, A/B testing, canary deployments

• Знание паттернов MLOps: CI/CD/CT, drift detection, rollback, monitoring (Prometheus, Grafana, Evidently, Arize)

• Английский язык для работы с зарубежной документацией, командами и стейкхолдерами.

Английский

• Для проектов без английского язык не требуется.

• Для европейских и американских проектов нужен английский от B2+.

Процесс

• Короткое общение с рекрутером.

• Техническое интервью / TechCertify-скрининг.

• Передача на подходящие проекты клиентам.

Если вам близок инженерный подход к ML, нравится не просто «обучать модели», а доводить их до production и влиять на реальные продукты - будем рады пообщаться.