Специалист по машинному обучению

Компания «Биорг» — российский разработчик интеллектуальных систем на базе нейронных сетей и машинного обучения, которые позволяют распознавать сложные объекты и данные, в том числе рукописный текст на различных языках, чертежи, и формировать датасеты. Фундаментальная разработка компании для цифровой трансформации государства и бизнеса SaaS-платформа Beorg Smart Vision сочетает преимущества искусственного интеллекта и масштабной сети из 50 тыс. операторов верификации данных.

Наши заказчики: крупнейшие российские и международные компании, представляющие банковский сектор, топливно-энергетический, телекоммуникационный, ритейл и другие: Спортмастер, Х5 Retail Group, ЛЕНТА, ТЕLЕ2, БКС, РБК, Северсталь, ЦБ РФ, Росатом, Газпром-нефть, Роснефть и т.д.

Наша миссия: оцифровываем документы, распознаем изображения, формируем дата-сеты для цифровой трансформации государства и бизнеса.

Получили награду как лучший социальный проект России в разделе «Социальные сервисы».

Являемся резидентами фонда «Сколково».

Мы ищем AI Engineer, который находится на стыке классического бэкенда и современных AI-технологий.

Наш проект посвящен разработке и масштабированию асинхронных интеллектуальных сервисов: от интеграции LLM и работы с векторными базами данных до встраивания нейросетей в ядро существующего бэкенда и автоматизации бизнес-процессов.

Чем предстоит заниматься:

• Проектировать асинхронную архитектуру приложения: выносить тяжелые и долгие задачи по генерации/инференсу нейросетей в фоновые воркеры через брокеры сообщений.
• Разрабатывать и поддерживать бэкенд для интеграции ML/AI решений (написание чистого, документированного и легко масштабируемого кода).
• Интегрировать и настраивать LLM (как через коммерческие API вроде OpenAI/Anthropic, так и локальные open-source модели: Llama, Mistral и др.).
• Внедрять техники RAG (Retrieval-Augmented Generation) и работать с векторными базами данных для контекстного обучения моделей.
• Проектировать и разрабатывать API (REST, WebSocket) для стабильного взаимодействия фронтенда с нейросетевыми воркерами.
• Оптимизировать работу моделей (квантование, инференс, кеширование запросов) для снижения стоимости инфраструктуры и времени отклика.
• Участвовать в MLOps-процессах: контейнеризация приложений, деплой моделей в продакшен (включая GPU-хостинги) и мониторинг их работы.

Технический стек и требования:

Core & Backend:

• Язык: Уверенное владение Python (ООП, асинхронность, паттерны проектирования, типизация).
• Фреймворки: Опыт работы с FastAPI (предпочтительно), Flask или Django.
• Очереди сообщений: Отличные знания RabbitMQ (понимание принципов AMQP, обменников/Exchanges, очередей и паттернов Pub/Sub). Опыт работы со связкой RabbitMQ + Celery будет большим плюсом.
• Базы данных: Опыт работы с реляционными БД (PostgreSQL) + понимание концепции векторных БД (ChromaDB, PGVector, Qdrant, Milvus — хотя бы одной из них).

AI / ML / LLM:

• Библиотеки: Опыт работы с LangChain или LlamaIndex для построения цепочек, агентов и RAG-систем.
• Нейросети: Понимание архитектуры трансформеров, опыт работы с экосистемой Hugging Face (Transformers, Diffusers).
• Промт-инжиниринг: Умение правильно составлять промты, настраивать системные инструкции, управлять контекстом и логикой ответов моделей.

DevOps & Infrastructure:

• Docker: Умение упаковать бэкенд, воркеры и модель в контейнеры, навыки написания docker-compose.
• Git: Уверенное владение (стандарты ветвления, Pull Requests, разрешение конфликтов).

Мы предлагаем:

• Заработная плата: окладная часть + квартальный бонус.
• Официальное трудоустройство, белая ЗП, больничный, отпуск, выплаты без задержек.
• Гибридный формат работы.
• Вы будете влиять на свой уровень дохода, предусмотрены премии и KPI сверх оклада.
• Мы стремимся развивать сотрудников, оплатим обучение.
• Agile, спринты, метрики, командная работа.
• Вы сможете принимать участие в лучших акселераторах России.
• Мы удобно расположены - ст. м. Технопарк.
• IT - аккредитованная компания.

Мы развиваем AI-лабораторию и ищем Senior ML Engineer, который будет заниматься созданием и развитием прикладных AI- и ML-решений для реальных бизнес-задач.

В команде можно работать с разными направлениями: классическим ML, NLP и LLM, агентными системами, Computer Vision, речевыми и мультимодальными технологиями.

Нам нужен сильный ML-инженер, который умеет самостоятельно погружаться в задачу, выбирать оптимальный технический подход, проводить эксперименты и доводить решения до production. Важна не только экспертиза в конкретной области, но и широкий инженерный кругозор, интерес к новым технологиям и готовность работать с разными типами ML-задач.

Чем тебе придется заниматься:

• Проектировать и разрабатывать ML-решения для прикладных бизнес-задач в различных направлениях: классический ML, NLP/LLM и агентные сценарии, Computer Vision, речевые и мультимодальные технологии
• Определять технический подход к задаче: выбирать модели и архитектуру решения, проводить эксперименты, сравнивать альтернативы и принимать решения с учетом качества, производительности, стоимости и ограничений эксплуатации
• Вести ML-часть решения end-to-end: от анализа задачи и разработки прототипа до подготовки модели к inference, интеграции и промышленного запуска совместно с Backend- и MLOps-разработчиками
• Разрабатывать подходы к оценке качества ML-систем: формировать метрики, evaluation-наборы и тестовые сценарии, проводить анализ ошибок и контролировать качество решений после запуска
• Оптимизировать модели и ML-пайплайны по качеству, latency, throughput и потреблению вычислительных ресурсов
• Участвовать в проектировании общей архитектуры решений и технической декомпозиции ML-задач
• Проводить code review и помогать в развитии менее опытных разработчиков команды

• От 4 лет коммерческого опыта разработки ML-решений на Python
• Глубокое понимание методов машинного обучения и нейронных сетей, принципов обучения и валидации моделей, выбора метрик и анализа ошибок
• Сильный практический опыт хотя бы в одном из направлений: NLP/LLM, Computer Vision, речевые технологии, классический ML или мультимодальные модели
• Опыт самостоятельного проектирования ML-решения: от постановки задачи и выбора подхода до оценки результатов и подготовки решения к production
• Практический опыт работы с PyTorch и современными ML-библиотеками
• Понимание полного жизненного цикла ML-систем: подготовка данных, эксперименты, обучение, evaluation, inference, deployment и мониторинг
• Опыт вывода ML-моделей или ML-сервисов в production и понимание требований к производительности, надежности и воспроизводимости решений
• Умение быстро разбираться в новых моделях, подходах и предметных областях и выбирать технологию исходя из задачи, а не из заранее заданного стека
• Опыт взаимодействия с Backend-, Data- и MLOps-разработчиками
• Опыт принятия технических решений, проведения code review и декомпозиции сложных ML-задач

Контур — экосистема для бизнеса. Наши сервисы помогают каждой третьей компании России делать рабочие процессы проще и эффективнее: вести бухгалтерию, сдавать отчетность в госорганы, обмениваться документами без бумаги, общаться друг с другом на удаленке и многое другое. С нами жизнь 3,1 миллионов предпринимателей и их сотрудников становится легче.

О направлении

В команде центра ИИ работает более 100 человек: ML-разработчики, разработчики и аналитики данных, DevOps-инженеры, QA, системные аналитики, product- и project-менеджеры. Свое железо (A100/H100/B300) и асессорская служба позволяют нам не ограничивать себя при работе с чувствительными данными. А крутая инфраструктурная команда создает, улучшает и развивает инструменты MLOps на любой вкус от ресерча до прода.

О команде

Мы развиваем Контур.LLM — собственную платформу, которая предоставляет доступ к большим языковым моделям через API.

Наша цель — развивать ИИ-инфраструктуру на собственных серверах, чтобы продукты Контура могли использовать современные модели без зависимости от внешних провайдеров. Для этого мы работаем над производительностью моделей, увеличиваем пропускную способность и оптимизируем затраты на вычисления.

Технологии

• Языки программирования и ML: Python, PyTorch.
• LLM-инференс: vLLM, LMCache.
• Контейнеризация и оркестрация: Docker, Kubernetes, Helm.
• Инфраструктура: Linux, NVIDIA GPU.
• Мониторинг: Prometheus, Grafana, Kibana.

Задачи

• Развивать инфраструктуру LLM-инференса, обеспечивать стабильную и быструю работу моделей в production.
• Оптимизировать производительность вывода, работать с пакетной обработкой запросов, KV-cache, prefill и decode, а также с механизмами ускорения генерации.
• Исследовать и внедрять способы эффективного использования GPU, снижения задержек и увеличения пропускной способности сервисов.
• Профилировать и тестировать производительность моделей, находить узкие места и оценивать эффективность технических решений.
• Развивать мониторинг и инструменты наблюдаемости, обеспечивать надежную работу LLM-сервисов под нагрузкой.
• Взаимодействовать с продуктовыми и инфраструктурными командами, помогать находить решения для производительности и стабильности LLM API.

Мы ожидаем

• Практический опыт развертывания и эксплуатации LLM-сервисов в production.
• Глубокое понимание архитектуры LLM-инференса и принципов работы современных систем вывода.
• Опыт работы с vLLM и понимание механизмов PagedAttention, continuous batching, prefix caching и KV-cache.
• Знание подходов к оптимизации инференса, включая квантизацию, speculative decoding, управление prefill и decode, а также вычислительными ресурсами.
• Понимание особенностей работы LLM на GPU, умение анализировать производительность, задержки и использование памяти.
• Уверенные навыки работы с Python, PyTorch, Linux, Docker и Kubernetes.
• Опыт профилирования и бенчмаркинга LLM-инференса, понимание метрик TTFT, TPOT и пропускной способности.
• Умение самостоятельно разбираться в сложных технических проблемах, находить причины снижения производительности и предлагать решения.
• Готовность участвовать в поддержке production-сервисов и работать с требованиями к их надежности.

Будут плюсами

• Опыт работы с SGLang, TensorRT-LLM или Triton Inference Server.
• Опыт разработки CUDA- и Triton-ядер, а также использования NVIDIA Nsight.
• Опыт распределенного инференса, включая tensor, pipeline и expert parallelism.
• Опыт работы с Mixture of Experts и MoE, а также с моделями с длинным контекстом.
• Участие в open source проектах vLLM, LMCache, SGLang или аналогичных.

Мы предлагаем

• Уровень дохода, который зависит от ваших технических знаний и навыков. Регулярно пересматриваем зарплаты с учетом профессионального роста. Финансовые бонусы тоже есть.
• Заботу о вашем комфорте. Можете работать удаленно, гибридно или в офисе, в любом случае предоставим технику и все необходимое. Если вам по душе работать из офиса — обеспечим удобным местом, зонами отдыха, кухней с полезными перекусами.
• Сильное инженерное комьюнити. Регулярно проводим внутренние технические конференции, обмениваемся опытом между командами. Вы всегда найдете, с кем посоветоваться.
• Возможность сменить продукт, команду или предметную область внутри компании. Поддерживаем развитие в любом направлении.
• Общение на «ты» и максимум горизонтальных связей в коллективе, чтобы быстрее договариваться и решать рабочие задачи.
• Возможность делиться экспертизой. Помогаем выступать на конференциях, участвовать в подкастах или видео, писать статьи.
• Поддержку профессионального развития. Организуем внутреннее и внешнее обучение.