ML-инженер

Привет! Я Никита Назаров, технический директор в HFLabs. Ищу ML-специалиста, который полностью займется исследованиями и разработкой решений на основе моделей для наших продуктов.

Нам важно, чтобы у тебя был опыт разработки и внедрения моделей и чтобы ты разбирался в современных трендах.

Примеры задач

• Распознавание персональных данных в тексте для их последующего маскирования (ФИО, контакты, документы и т. п. в договорах, согласиях и т. д.);
• система рекомендации параметров для отбора оптимальных групп людей по различным характеристикам (пол, возраст, доход и т. п.) с целью проведения маркетинговых кампаний;
• "переводчик" запроса с человеческого языка в набор параметров/фильтров, либо готовый SQL-запрос;
• чат по структурированным и неструктурированным данным для ответа на пользовательские вопросы.

Технический стек

Python, PyTorch, DSPy/OpenAI, Hugging Face Transformers, vLLM/llama.cpp, MLflow, PostgreSQL.

Приложения, с которыми надо интегрироваться, написаны на Java/Go/Postgres, используют REST-интеграции.

Чем предстоит заниматься

• Выстраивание процесса и понятного потока работы с задачами и экспериментами, связанными с моделями;
• прототипирование и доведение своих решений до продакшна на Python;
• участие в обсуждении и выборе решения задач заказчика;
• подготовка и анализ имеющихся данных, описание требований по сбору новых;
• тюнинг существующих моделей, feature engineering, а также построение новых решений с нуля;
• деплой LLM on-prem и оптимизация инференса под задачи и железо;
• поддержка своих моделей: от написания запроса для выгрузки обучающей выборки из хранилищ данных до анализа результатов A/B-экспериментов и помощи с выводом в продакшн.

Кто наш кандидат

• Умеешь формулировать и проверять гипотезы;
• строил eval-пайплайны и бенчмарки;
• оптимизировал промпты и понимаешь, когда нужно переходить к тюнингу модели;
• дообучал языковые модели под конкретные задачи;
• работал с NLP: NER, классификация, разметка;
• выводил модели в продакшн, включая инференс LLM (vLLM, llama.cpp или аналоги), знаешь про латентность, батчинг, квантизацию и можешь рассказать про выбор оптимальных параметров инференса;
• работал с данными в SQL и Kafka и можешь сам написать выгрузку данных;
• понимаешь, как устроены трансформеры, и можешь выбрать подходящую модель под задачу;
• строил агентов, знаешь, когда нужен tools, а когда — skills, и знаешь, как справляться с растущим контекстом;
• знаешь, когда нужен RAG вместо агента, как искать документы и оценивать качество поиска.

Дополнительным плюсом будет:

• Опыт работы с векторными базами данных;
• опыт работы с A/B-экспериментами;
• опыт self-supervised обучения;
• умеешь объяснить сложные концепты и трейд-оффы не ML-инженерам и не техническим стейкхолдерам;
• опыт с OCR.

Что мы предлагаем

• Конкурентную заработную плату;
• гибкое начало и окончание рабочего дня, удаленный или гибридный формат работы;
• тихий и просторный офис в центре Москвы в двух минутах пешком от м. Парк культуры;
• мощную технику для работы в офисе и дома;
• доступ к AI-инструментам для работы;
• ДМС с первого дня от Альфа Страхования;
• отсутствие бюрократии и горизонтальную структуру без десятка начальников;
• внутреннее обучение, курсы и конференции по специальности;
• команду единомышленников, с которой интересно не только работать, но и дружить, общаться, заниматься спортом и путешествовать.