AI-инженер

Компания "Урал Логистика" - надежный партнер в области транспортно-экспедиционных услуг перевозки грузов железнодорожным транспортом. Приглашаем в нашу команду AI-инженера, для участия в создании собственной системы обработки документов и данных для грузовых железнодорожных перевозок и связанных услуг.

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.