ИИ аналитик

Наша команда поиска — это те, кто делает поиск по-настоящему умным и удобным! Мы работаем над тем, чтобы пользователи Одноклассников, ВКонтакте и Дзена легко находили сообщества, авторов и каналы. Ты сможешь заглянуть вглубь современных поисковых систем, узнать, как они устроены изнутри, и внести свой вклад в их развитие. Тебя ждут уникальный опыт, интересные задачи и возможность влиять на то, как миллионы людей находят нужную информацию каждый день! 

Задачи

• Разрабатывать и улучшать классификаторы поисковых запросов
• Дообучать модели мультимодальных эмбеддингов для поисковых вертикалей
• Разрабатывать нейросетевые признаки для ранжирования
• Повышать качество разметки релевантности с помощью LLM
• Внедрять модели и оценивать их влияние на качество поиска

Требования

• От трёх лет в ML, опыт применения NLP и LLM в продакшене
• Знание Python
• Опыт дообучения и оценки языковых моделей
• Опыт обработки больших данных: Hadoop, Spark
• Опыт полного цикла ML: от подготовки данных до внедрения и A/B-тестов
• Понимание требований к задержкам и нагрузке онлайн-сервисов
• Самостоятельность и ответственность за результат

Будет плюсом

• Опыт использования ИИ в разработке
• Знание базового С++

ML Engineer (Face Biometrics / Computer Vision / AI Security)

📍 Алматы | Full-time | Office
💰 От 1 000 000 KZT (финальный оффер зависит от уровня экспертизы)

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 создаем production-grade AI-продукты для международных рынков.

Чем предстоит заниматься

• Разработка и улучшение biometric и identity verification решений
• Создание production-level Computer Vision и ML-систем
• Разработка алгоритмов Face Verification, Liveness Detection, Anti-Spoofing и Deepfake Detection
• Оптимизация моделей для высоконагруженных систем
• Работа с большими датасетами и подготовка данных
• Внедрение современных исследований (SOTA) в production
• Разработка и поддержка ML/CV pipeline полного цикла
• Участие в подготовке решений к международным сертификациям и тестированиям

Обязательные требования

• Опыт работы с Face Biometrics, KYC, Identity Verification или Anti-Fraud решениями
• Глубокие знания Computer Vision и Deep Learning
• Уверенное владение Python
• Опыт работы с PyTorch и/или TensorFlow
• Опыт построения production-grade ML/CV систем
• Опыт работы с large-scale datasets
• Опыт оптимизации inference, latency и производительности моделей
• Понимание архитектуры enterprise biometric systems

Обязательное преимущество

Кандидат должен иметь как минимум один из следующих опытов:

• Опыт работы с Face Biometrics, KYC, Identity Verification или Anti-Fraud решениями
• Глубокие знания Computer Vision и Deep Learning
• Уверенное владение Python
• Опыт работы с PyTorch и/или TensorFlow
• Опыт построения production-grade ML/CV систем
• Опыт работы с large-scale datasets
• Опыт оптимизации inference, latency и производительности моделей
• Понимание архитектуры enterprise biometric systems

Будет большим плюсом

• Опыт работы в biometric, KYC или identity verification компаниях
• Участие в сертификации iBeta Level 2
• Участие в NIST FRVT Evaluations
• Опыт разработки Anti-Spoofing и Liveness Detection систем
• Опыт работы с Deepfake Detection
• Понимание международных biometric compliance и certification standards
• Опыт внедрения SOTA research papers в production

Технический стек

• Python
• PyTorch / TensorFlow
• OpenCV
• InsightFace
• DeepFace
• ONNX Runtime
• TensorRT
• CUDA
• Docker
• Kubernetes
• AWS / GCP
• MLOps / CI/CD
• AI-First Engineering (обязательное требование)

Мы ожидаем активное использование AI-инструментов в ежедневной работе:

• ChatGPT
• Claude
• Gemini
• GitHub Copilot
• Cursor
• Windsurf
• AI-assisted coding и debugging
• Prompt Engineering
• AI-driven Research Workflows
• Synthetic Data Generation
• LLM API Integrations

Мы ценим

• Умение отличать demo от production AI
• Самостоятельность в принятии технических решений
• Высокую скорость обучения и адаптации
• Инженерный подход к решению сложных задач
• Ориентацию на качество и масштабируемость решений

Чем предстоит заниматься:

• Разработкой и поддержкой backend-сервисов на Python для интеграции AI-агентов и RAG-систем.
• Реализацией агентных пайплайнов на базе LangChain / LangGraph: проектирование многошаговых сценариев, управление состоянием, вызов инструментов.
• Интеграцией LLM в бизнес-процессы: prompt engineering, structured output, function calling, обработка ошибок.
• Работа с корпоративными данными:
• - построение RAG-систем (документы, метрики, BI-контекст);
• - генерация и валидация SQL-запросов на основе метаданных;
• - взаимодействие с аналитическими СУБД (ClickHouse, PostgreSQL).
• Подготовкой решений к внедрению: участие в адаптации архитектуры под клиентскую инфраструктуру, настройка CI/CD, документирование контрактов и требований к окружению.
• Участие в создании технических демо: подготовка рабочих примеров, запись кратких видеопрезентаций, визуализация логики работы системы.

Здорово, если у тебя есть:

• Опыт коммерческой разработки на Python от 3 лет, уверенные навыки работы с FastAPI или аналогами.
• Практический опыт с LangChain / LangGraph / LlamaIndex и LLM API (prompt engineering, function calling, structured output).
• Уверенное знание SQL: написание сложных запросов, понимание планов выполнения, работа с аналитическими БД (ClickHouse, PostgreSQL и пр.).
• Базовое понимание принципов проектирования микросервисов, опыт работы с Docker, участие в настройке CI/CD.
• Аналитическое мышление: умение переводить бизнес-требования в технические решения, понимание логики BI-систем.

Будет плюсом:

• Опыт быстрого прототипирования UI для демо (Streamlit, Gradio, простой React/Next.js)
• Навыки визуализации данных и процессов (например, отображение chain-of-thought, SQL-логики, графиков).
• Знание Airflow, Spark или других инструментов data engineering.
• Опыт в предметных областях: retail, CIB, risk, compliance.
• Понимание XAI, feature importance, интерпретируемости моделей.