Machine Learning Engineer / ML Engineer (Геологические данные и ИИ-разведка)

О компании Мы — молодая технологическая компания, которая строит ИИ-систему для поиска месторождений меди по принципу KoBold Metals. Используем искусственный интеллект, чтобы кардинально повысить эффективность геологоразведки. Находимся на ранней стадии и ищем ключевого специалиста в core-team. Обязанности: Разработка и обучение моделей машинного обучения (включая LLM и multimodal-модели) на геологических данных Создание пайплайнов обработки данных (от сырых данных геолога до готовых датасетов для обучения) Feature engineering для геопространственных данных (спутниковые снимки, геофизика, геохимия, карты) Построение и поддержка MLOps-процессов (эксперименты, версионирование моделей, обучение, валидация) Работа в тесной связке с ведущим геологом: преобразование собранных им данных в обучающие датасеты Оценка качества моделей и их улучшение на основе полевых проверок Разработка инструментов для предсказания перспективных площадей Требования: Опыт работы ML Engineer от 2–3 лет (Senior приветствуется) Глубокие знания Python (Pandas, NumPy, Scikit-learn, PyTorch / TensorFlow) Опыт работы с LLM (fine-tuning, RAG, multimodal-модели) — будет большим плюсом Опыт работы с геопространственными данными (Rasterio, GDAL, GeoPandas, Sentinel/Hugging Face datasets и т.д.) — очень желательно Понимание MLOps (Docker, Git, MLflow / Weights Biases, CI/CD) Опыт работы с большими объёмами данных и многомерными датасетами Английский язык на уровне чтения технической документации Будет большим преимуществом: Опыт в компьютерном зрении (работа со спутниковыми снимками) Знакомство с геологией / геофизикой / дистанционным зондированием Опыт fine-tuning LLM на доменных данных Условия: Заработная плата по договоренности Опцион в компании (значительная доля для ключевого сотрудника) Возможность работать над действительно прорывным проектом на стыке ИИ и геологии Гибкий график и фокус на результате О проекте Мы создаём ИИ, который будет находить медные месторождения эффективнее традиционных методов. Если вы хотите применять современный ML/LLM в реальной высокодоходной отрасли — это ваш шанс стать одним из первых членов технической команды. Готовы рассматривать сильных кандидатов даже без прямого опыта в геологии. Главное — сильный ML-бэкграунд и желание работать с нестандартными пространственными данными.