Инженер прикладных AI решений (Python, Django)

Ищем AI/ML-инженера, который создаст AI SilkNet ассистента и модели для анализа научных статей, отчётов по проектам и патентов: семантический поиск, RAG, классификация и кластеризация текстов, выявление трендов и слабых сигналов. Модели встраиваются в платформу через API и работают только внутри защищённого контура , внешние API (OpenAI, Anthropic и др.) не используются.

Обязанности

• Разрабатывать AI-ассистента на основе RAG с проверяемыми ответами по первичным источникам.

• Разворачивать открытые LLM и модели эмбеддингов на серверах внутри контура.

• Строить семантический поиск, классификацию и кластеризацию больших текстовых массивов (статьи, отчёты, патенты), в т.ч. по кластерам KISTI.

• Извлекать из текстов сущности и связи; выявлять тематические кластеры, тренды, аномалии и слабые сигналы.

• Тестировать и валидировать модели: тестовые выборки, метрики качества, проверка на «галлюцинации».

• Интегрировать модели с backend через API (Python, FastAPI, Docker) совместно с backend-командой на Go.

• Документировать модели, методы, показатели качества и ограничения.

Ключевые требования

• Уверенное владение Python.

• Практический опыт разработки и применения моделей Machine Learning / NLP.

• Опыт работы с PyTorch, Hugging Face или сопоставимыми ML-инструментами.

• Практический опыт применения LLM и интеграции языковых моделей в информационные системы.

• Опыт запуска открытых LLM на собственных серверах (vLLM, Ollama, llama.cpp или аналоги) без использования внешних API.

• Опыт работы с embeddings, vector search и RAG.

• Знание методов тематической классификации и кластеризации больших текстовых массивов; понимание topic modelling.

• Опыт семантического анализа текстов, similarity search, извлечения сущностей и связей.

• Опыт обработки текстов на русском языке; извлечение текста и таблиц из PDF и DOCX.

• Навыки анализа динамики данных, выявления трендов, аномалий и слабых сигналов.

• Опыт разработки и оценки AI/ML-моделей: тестовые выборки, метрики качества, валидация результатов.

• Понимание проблемы hallucinations LLM и методов обеспечения проверяемости AI-выводов по первичным источникам.

• Опыт интеграции ML/AI-моделей с backend/API; Git, Docker.

• Способность документировать модели, методы, показатели качества и ограничения.

• Официальное оформление по ТК РК, стабильная заработная плата, выплата пособия на оздоровление к ежегодному трудовому отпуску (1 раз в год)

Департамент информационных технологий Москвы создает и развивает цифровые проекты, которые делают столицу комфортнее, а жизнь горожан — удобнее и мобильнее. Для системы управления столицей технологии — это незаменимый инструмент, который применяется во всех отраслях экономики, городского хозяйства и социальной сферы. А для миллионов горожан — повседневный помощник, который позволяет получать сотни услуг и сервисов в удобном цифровом формате в режиме 24/7.

Продукт "Градостроительство" - совокупность проектов, направленных на внедрение инновационных алгоритмов, бизнес-процессов и общей ИТ- стратегии Департамента информационных технологий города Москвы в градостроительную деятельность. Коллеги сокращают число задействованных информационных систем, переводят услуги в цифровой вид, разрабатывают цифрового двойника города и реализуют множество других проектов, помогающих отрасли работать качественнее и быстрее.

Что нужно делать:

• проектировать и разрабатывать LLM-агентов: planning, tool use, memory, мультишаговые сценарии (ReAct, Plan-and-Execute)
• интегрировать агентов с внешними API и источниками данных (function calling)
• дообучать модели (SFT, LoRA/QLoRA) под конкретные задачи
• заниматься построением RAG-пайплайнов (эмбеддинги, retrieval, векторные БД)
• оценивать качества моделей и агентов (eval-пайплайны, golden datasets, LLM-as-a-judge)

Какие знания и навыки важны:

• продакшн-Python, SQL
• опыт работы с LLM API (OpenAI/Anthropic и др.), prompt engineering
• практический опыт fine-tuning моделей (LoRA/PEFT)
• опыт с фреймворками для агентов (LangGraph/CrewAI/Claude Agent SDK) или аналогичный самописный опыт
• понимание, когда задачу лучше решать RAG/промптом, а когда — дообучением

Будет плюсом:

• знание архитектуры трансформеров
• опыт деплоя и мониторинга ML-моделей (Docker, MLOps)
• опыт self-hosted инференса LLM (vLLM/TGI/Ollama) и квантования моделей (GGUF/AWQ/GPTQ)
• участие в open-source LLM/agent-проектах
• знание стека greenplun, clickhouse, postrgesql, airflow, ETL/ELT процессов

Что предлагаем:

• официальное трудоустройство в аккредитованную ИТ-компанию
• офисный график работы, БЦ АРМА (м.Курская)
• ежегодное премирование по результатам работы
• материальную помощь в случае важных событий в жизни
• корпоративное обучение и доступ к онлайн-библиотеке
• скидки от партнеров на ДМС, связь, развлечения, подарки, спорт и т.д.

• корпоративные тренировки и спортивные активности - бег, футбол, волейбол, баскетбол, теннис и другие

Стань частью команды ДИТ Москвы и воплощай в жизнь цифровые проекты столицы!

Обязанности

• Участвовать в полном цикле создания AI-продукта: от генерации гипотез и создания прототипов до внедрения в production и последующего мониторинга;

• Разрабатывать, тестировать, оценивать качество и внедрять решения на основе LLM (диалоговые агенты, RAG, LLM workflows, prompt engineering) для миллионов пользователей;

• Проектировать, реализовывать архитектуру высоконагруженных AI-решений и интегрировать их в production-сервисы;

• Анализировать логи, трейсы и фидбек по реальной работе ассистентов в продакшене и улучшать их качество на основе найденных инсайтов;

• Оптимизировать производительность и стоимость использования LLM в продуктовых сценариях.

• Следить за лучшими практиками и open-source решениями, экспериментировать и внедрять их в продукт.

Требования:

• Уверенное владение Python, опыт создания высоконагруженных сервисов и внедрения LLM-решений в продакшн;

• Опыт работы с LLM API и реализации LLM-based сервисов, понимание нюансов и трейдофов;

• Знание LLM фреймворков (langchain, langgraph или аналоги) и подходов к разработке AI-агентов (function calling, structured output, prompt/context engineering);

• Хорошие навыки prompt/context engineering, опыт тестирования и регресс‑проверок промптов, понимание подходов к оценке llm-систем (offline-метрики, human evaluation, llm-as-a-judge, A/B тестирование);

• Опыт создания web-сервисов (FastAPI, asyncio), дизайна чистых и функциональных API и интеграции с бэкенд-сервисами;

• Опыт работы с векторными базами данных (Milvus/Qdrant/FAISS/pgvector) для RAG‑решений и не только.

Будет плюсом:

• Знание Java;
• Понимание современных архитектур и методов обучения языковых моделей;
• Опыт обучения и инференса open-source LLM-моделей.

Условия:

• Возможность выбора место работы: удаленно или из офиса;

• Гибкий график рабочего дня;

• Оформление в соответствии с ТК РФ, «Белая» заработная плата, выплачиваемая точно в срок;

• Корпоративное ДМС с первого месяца работы (решаем вопросы со здоровьем быстро и удобно);

• Возможность профессионального развития, обучение за счет компании, участие в специализированных конференциях.