AI-инженер

Навыки: Docker, LangChain, vLLM, Qdrant, Kubernetes, SQL, FastAPI, Python. Специализации: ML разработчик.

Чем предстоит заниматься:

• Проектировать и разрабатывать конвейер обработки документов: загрузку, нормализацию, сегментацию, определение структуры и подготовку контекста
• Извлекать структурированные данные из договоров, приложений, дополнительных соглашений, актов и других связанных документов
• Работать с длинным контекстом, таблицами, пересекающимися формулировками и изменениями условий во времени
• Обеспечивать атрибуцию результата к документу, странице и исходному фрагменту
• Строить гибридный поиск: полнотекстовый и векторный retrieval, фильтрацию, реранкинг и сбор контекста
• Развивать графовое представление документов, сущностей и связей для поисковых и аналитических сценариев
• Проектировать агентные и workflow-сценарии: управление состоянием, инструментальные вызовы, повторы, fallback-механизмы и обработку отказов
• Создавать эталонные наборы, метрики по полям и регрессионные тесты для оценки извлечения, поиска и генерации - чтобы при смене модели, промпта или retrieval- стратегии было видно, что улучшилось, а что деградировало
• Разрабатывать Python-сервисы, API, фоновые задачи и интеграции с внутренними источниками
• Участвовать в выборе моделей, постановке экспериментов, fine-tuning и оптимизации локального inference

Что для нас важно:

• Рассматриваем кандидатов с уверенной промышленной разработкой на Python уровня middle+ и выше
• Опыт с FastAPI или аналогичным фреймворком, асинхронным исполнением, очередями и фоновой обработкой
• PostgreSQL и SQL на рабочем уровне
• Практический опыт вывода LLM-решений в production
• Понимание RAG, structured output, tool calling и многошаговых модельных сценариев
• AI-система для железнодорожной логистики AI · ML · Full-stack
• Умение измерять качество: строить эталонные наборы, выбирать метрики, классифицировать ошибки и проводить регрессионное тестирование
• Опыт с Docker, Kubernetes и CI/CD
• Готовность доводить вертикальную задачу от спецификации и эксперимента до эксплуатации

Стек:

• Python, FastAPI, Pydantic, PostgreSQL, Redis, Celery или аналог, LangChain, LangGraph, MCP, RAG, GraphRAG, Qdrant, pgvector, OpenAI-совместимый API, vLLM, Docker, Kubernetes

Формат сотрудничества:

• Полная занятость и возможность трудоустройства через российское юридическое лицо в штат или через согласованную аутстафф-модель

• Основной формат - офис или гибрид. Для самостоятельных специалистов возможна распределённая работа из России

• Итоговый грейд и масштаб ответственности определяются по результатам собеседования.