Junior Data Scientist/ML инженер (Python)

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

Мы ожидаем:

• 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.

Обязанности:

• осуществление полного цикла по внедрению моделей рисков (постановка задачи, поиск данных, построение модели, подготовка документации, внедрение в промышленное использование);
• взаимодействие с внешними разработчиками моделей (согласование требований, подготовка данных, приемка и тестирование);
• осуществление верификации моделей, доработка моделей (в т.ч. по отдельным запросам бизнес-подразделений банка).

Требования:

• высшее физико-математическое, экономико-математическое образование;
• хорошие знания математической статистики, методов машинного обучения;
• умение и опыт работы с данными (анализ, очистка, подготовка, отбор и создание признаков);
• знание языков программирования (Python, SQL);
• опыт работы в Jira/Confluence;
• опыт работы с ИИ – желательно;
• понимание банковских процессов – желательно.

Вакансия перспективная, планируемая к созданию.