ML-разработчик (Python)

Группа компаний Кронштадт АО «К-Технологии» в поиске CV/ML Data Scientist.

Обязанности:

• Решение задач компьютерного зрения;
• Разработка и обучение нейросетевых моделей, а также поддержка и улучшение существующих решений.

Требования:

• Опыт разработки от 3-х лет;
• Уверенное знание Python, PyTorch, OpenCV;
• Практический опыт в задачах машинного обучения и компьютерного зрения;
• Опыт работы с инструментами MLOps;
• Понимание принципов работы нейронных сетей, знание SOTA архитектур;
• Знания теории вероятностей, статистики, линейной алгебры и методов оптимизации;
• Умение работать с Linux, Bash, Git, Docker;
• Достаточный уровень владения английским языком для чтения;
• Навыки использования больших языковых моделей в работе.

Будет плюсом:

• Опыт работы с аэрофотоснимками и библиотекой GDAL;
• Опыт работы с видеоданными.

Условия:

• Вакансия в компании АО "К-технологии" (IT-аккредитация);
• Постоянная штатная позиция в структуре компании;
• Обсуждаемый формат работы - гибрид/ офис;
• ДМС.

АО «ВИМ Инвестиции» — признанный лидер на российском рынке управления инвестиционными фондами. Мы создаем передовые финансовые продукты, помогая крупным частным клиентам и корпорациям эффективно управлять капиталом и уверенно смотреть в будущее. Управляем крупнейшим биржевым фондом в России — БПИФ «ВИМ - Ликвидность» (LQDT).

Мы активно развиваем Invest Tech в организации и находимся в поиске инженера в направление разработки AI/ML-моделей и агентских систем, направленных на поддержку инвестиционных решений и повышение доходности продуктов (биржевые фонды и стратегии доверительного управления) – ML Engineering.

• Green field (0→1): предстоит разработать и внедрить AI/ML-модели и агентские системы для прогнозирования финансовых показателей, анализа временных рядов, оценки стоимости / доходности финансовых инструментов, динамики процентных ставок, для портфельной оптимизации для аллокации активов, управления рисками, сценарного анализа и транзакционных издержек.
• Видеть результат: прямое влияние на доходность продуктов и эффективность бизнес-процессов в организации, а не только на низкоуровневые метрики.
• Kaggle-like: уникальный проект на рынке, интересные прикладные задачи, внедряем cutting-edge технологии, вовлекаем соревновательный элемент.

Обязанности:

• Разработка AI/ML-моделей и агентских систем LLM / RL-based.
• Проектирование и техническая реализация AI/ML-сервисов на локальной (кластер GPU NVidia H200) и облачной (Yandex Cloud) инфраструктуре для асинхронных и real-time задач c учетом различных профилей нагрузки.
• Проектирование и реализация пайплайнов сбора, парсинга, агрегации и предобработки фундаментальных, рыночных и альтернативных данных (Crawl4AI, Playwright, Kafka, Airflow, Qdrant, ClickHouse, PostgreSQL).
• Разработка специализированных модулей для агентских систем – управление краткосрочной и долгосрочной памятью агента (Memory manager), фильтрация запросов и ответов агента (Guardrails), мультимодальность входных данных, предоставление агенту инструментов для решения задач (Tools) и пр.
• Отладка и мониторинг агентских систем, трейсинг цепочек решений.
• Поддержка Dev / MLOps-инженеров при развертывании AI/ML-сервисов.
• Повышение производительности сервисов end-to-end: профилирование узких мест по данным, интеграциям, инференсу и приложениям.

Требования:

• Не менее 5-и лет опыта в роли MLE / DS.
• Не менее 3-х лет опыта работы с LLM / ML в prod-среде (обязательно).
• Продвинутый уровень владения Python и SQL, знание C++.
• Продвинутый уровень по ML/DL, теории вероятности и статистике.
• Опыт построения агентских систем, экспертное владение LangGraph.
• Знание и практика применения паттернов микро-сервисной архитектуры.
• Знание Git, Scikit-learn, CatBoost, PyTorch, Crawl4AI, Kafka, RabbitMQ, ClickHouse, PostgreSQL, Qdrant / Milvus, Airflow, MLflow.

Условия:

• Комфортный офис в Москва Сити (гибридный формат работы);

• ДМС с первого дня работы, включающая стоматологию, страхование жизни и возможность подключения родственников;

• Сервис корпоративных скидок Best Benefit;

• Конкурентный уровень заработной платы.

Deep Digital — команда разработки цифровых продуктов для бизнеса. Мы работаем на рынке 13 лет: с 2013 года создаём сайты, веб-сервисы и digital-решения, которые помогают компаниям запускать новые продукты, улучшать пользовательский опыт и развивать бизнес через технологии.

Мы ищем AI Engineer (Python) в команду развития и поддержки AI-агентов и мультиагентных систем для крупного заказчика.

Требования:

• опыт промышленной разработки на Python 3.11+: ООП, SOLID, async, типизация, Pydantic v2, проектирование структуры сервиса, умение читать, писать и менять чужой код;
• опыт работы с FastAPI и интеграциями по HTTP: контракты, таймауты, ретраи, обработка ошибок внешних сервисов;
• опыт прикладной работы с LLM: промпт-инжиниринг, работа с контекстом, tool calling, structured output. Желательно опыт работы с GigaChat;
• опыт работы с агентными сценариями: ReAct, LangChain, LangGraph, управление состоянием диалога, чекпоинты, ветвление, вызов инструментов, HITL, память сессии;
• опыт разработки AI-агентов, мультиагентных систем и RAG-систем, знание протокола A2A или межагентского взаимодействия по контракту;
• опыт работы с Jenkins, OpenShift/DropApp, OpenSearch/Elasticsearch, S3;
• опыт вывода проекта в промышленную эксплуатацию и ведения релизного цикла от прототипирования до продакшна;
• опыт организации наблюдаемости: Langfuse, Phoenix, отладка по логам и трейсам, сбор метрик;
• опыт тестирования агентов: детерминированные проверки логики (мокирование LLM и внешних сервисов, снапшоты промптов, контракты схем) и оценка качества ответов агента (эталонные кейсы, LLM as Judge).

Личные качества:

• умение переводить постановку аналитика в поведение агента и самостоятельно закрывать пробелы в сценарии, не возвращая задачу с формулировкой «мало деталей»;
• умение на встрече с заказчиком объяснить, что сделает система, где модель ненадёжна и какой объём работ реалистичен, без обещаний точности LLM на уровне обычного API;
• умение договариваться с тестировщиком о приёмке сценариев с нестабильной моделью: эталонные кейсы, допустимые расхождения, критерии дефекта;
• умение выстраивать границу сервисов с Java-разработчиками: контракты, ошибки, таймауты, при этом самостоятельно вести свою часть;
• ответственность за доведение багов и фич до выкладки, информирование о статусе в релизе, сохранение договорённостей со стенда;
• умение писать коротко и по делу: комментарии к задачам, шаги воспроизведения, описание изменений в промптах и логике;
• интерес к LLM и агентам, слежение за трендами в AI, понимание принципов работы нейронных сетей и умение их объяснить.