Чернышов Григорий Васильевич

Обязанности: разработка production-сервисов, бизнес-логики и мультимодальных ETL/ELT-пайплайнов продуктовая разработка DS-решений: перевод прототипов в сервисы с многопоточностью, batching и кэшированием интеграция CV/NLP/ML-моделей (каскады) через vLLM, SGLang, PyTorch, ONNX; оптимизация инференса на GPU построение RAG-систем (включая мультимодальные): chunking, эмбеддинги, индексация, retrieval написание промптов для агентов, настройка Guardrails, проведение бенчмарков и нагрузочных тестов технический ресерч ML/AI-инструментов, внедрение CI/CD, мониторинга и безопасности. Требования: Опыт в DA и ML от 3-х лет; Хорошее владение мат. статистикой; Понимание принципа работы основных алгоритмов классического ML; Опыт работы с табличными данными, временными рядами; Опыт решения задач кластеризации, регрессии, классификации; Опыт работы с xgboost/catboost/lightgbm; Умение писать промышленный код; Умение самостоятельно строить план работы и оценивать свои силы; необходим практический опыт разработки асинхронных и многопоточных приложений (asyncio); умение строить отказоустойчивые системы с применением rate limiting, circuit breaker и обеспечением идемпотентности; обязателен опыт тестирования ML-систем и оценки качества LLM/RAG на основе golden datasets; Будет плюсом: опыт работы в промышленности. Условия: Удалённый или гибридный формат работы; ежегодный пересмотр зарплаты, годовая премия; корпоративный спортзал и зоны отдыха; Возможность обучения за счет работодателя; Поддержка от компании в жизненно важных событиях; Бесплатный доступ к электронной библиотеке.

Обязанности: разработка production-сервисов, бизнес-логики и мультимодальных ETL/ELT-пайплайнов продуктовая разработка DS-решений: перевод прототипов в сервисы с многопоточностью, batching и кэшированием интеграция CV/NLP/ML-моделей (каскады) через vLLM, SGLang, PyTorch, ONNX; оптимизация инференса на GPU построение RAG-систем (включая мультимодальные): chunking, эмбеддинги, индексация, retrieval написание промптов для агентов, настройка Guardrails, проведение бенчмарков и нагрузочных тестов технический ресерч ML/AI-инструментов, внедрение CI/CD, мониторинга и безопасности. Требования: Опыт в DA и ML от 3-х лет; Хорошее владение мат. статистикой; Понимание принципа работы основных алгоритмов классического ML; Опыт работы с табличными данными, временными рядами; Опыт решения задач кластеризации, регрессии, классификации; Опыт работы с xgboost/catboost/lightgbm; Умение писать промышленный код; Умение самостоятельно строить план работы и оценивать свои силы; необходим практический опыт разработки асинхронных и многопоточных приложений (asyncio); умение строить отказоустойчивые системы с применением rate limiting, circuit breaker и обеспечением идемпотентности; обязателен опыт тестирования ML-систем и оценки качества LLM/RAG на основе golden datasets; Будет плюсом: опыт работы в промышленности. Условия: Удалённый или гибридный формат работы; ежегодный пересмотр зарплаты, годовая премия; корпоративный спортзал и зоны отдыха; Возможность обучения за счет работодателя; Поддержка от компании в жизненно важных событиях; Бесплатный доступ к электронной библиотеке.

Обязанности: Проектировать и разрабатывать RAG-пайплайны (Retrieval-Augmented Generation) для задач question-answering, поиска и суммаризации документов Интегрировать LLM (локальные модели) с использованием фреймворков (LangChain) Работать с векторными базами данных для эффективного хранения и поиска эмбеддингов Проводить оценку качества RAG-систем: применять метрики, разрабатывать собственные тестовые сценарии Внедрять мониторинг и observability для LLM-приложений с помощью LangFuse (отслеживание промптов, трассировка, анализ стоимости и задержек) Обеспечивать безопасность LLM-систем: внедрять практики LLMSecOps (защита от prompt injection, санитизация входных данных, контроль доступа к моделям, аудит логов) Разрабатывать и поддерживать классические ML-модели для задач классификации, регрессии, кластеризации — встраивать их в продуктовую архитектуру Оптимизировать производительность инференса моделей Требования: Опыт разработки на Python от 3 лет Знание асинхронного программирования (asyncio/aiohttp) будет плюсом Глубокое понимание принципов работы LLM, трансформеров, эмбеддингов, методов промпт-инжиниринга LLM в проде: понимание токенизации/контекста и ограничений, типовых failure-modes; понимание, когда уместна адаптация модели (PEFT/LoRA/QLoRA) и как оценивать влияние на качество/производительность. RAG / knowledge QA: практический опыт построения решений на базе корпоративных данных: эмбеддинги, retrieval (векторный/гибридный), reranking, grounding/цитирование, контроль качества. Инструменты LLM: HuggingFace + LangChain/LlamaIndex (или аналоги); опыт построения agentic/non-agentic пайплайнов с tool/function calling (контракты инструментов, устойчивость вызовов). Backend и интеграции: сильный Python; сервисы и API (FastAPI или аналоги), очереди/воркеры/фоновые задачи, интеграции с внутренними системами; тесты и сопровождение. Production/observability: логи/метрики/трейсы (Grafana/Prometheus или аналоги), диагностика инцидентов и деградаций качества/производительности. Инфраструктура: Linux/CLI; Kubernetes на уровне чтения манифестов/логов и участия в диагностике. Условия: Оформление по ТК, белая заработная плата Оплачиваем питание в офисе ДМС, страховка жизни и несчастных случаев, страховка от онкозаболеваний Ежегодная индексация оклада Годовая премия 10% от годового оклада Софинансирование фитнеса Корпоративные курсы английского языка Оплата обучения до 100 000 р в год