Summary
Machine Learning Engineer at Rostelecom who plans LLM-based application architectures, builds ML backends and microservices, and optimizes inference performance. Core stack: Python, FastAPI, Docker, CI/CD, SQL, plus NLP/LLM/RAG tooling and inference optimizers like ONNX, OpenVINO, TensorRT, and vLLM.
Чем предстоит заниматься
Планирование архитектуры приложений с использованием LLM (Large Language Model) в качестве основной технологии;
Разработка ML-бэкендов и микросервисов для обеспечения функциональности и интеграции различных сервисов;
Выстраивание интеграционных взаимодействий со смежными командами: активное участие в встречах и согласование решений;
Оптимизация текущих решений с акцентом на производительность и управление нагрузкой (onnx, openvino, tensorrt).
Что мы ожидаем
Опыт работы в роли MLE от 2-х лет;
Опыт разработки классических моделей машинного обучения в областях NLP (Natural Language Processing);
Уверенное знание Python и опыт разработки сетевых/асинхронных приложений;
Опыт разработки, внедрения и оценки эффективности решений на основе современных NLP моделей в роли ведущего или лида проекта;
Широкая насмотренность в области LLM, RAG (Retrieval-Augmented Generation), а также опыт применения современных подходов к разработке решений;
Опыт выстраивания процессов и внедрения лучших практик в разработке и анализе данных;
Знание Docker, CI/CD, FastAPI и SQL, с готовностью разрабатывать решения с нуля;
Опыт с topic modeling, NER, кластеризацией, SSL, few shot / unsupervised learning;
Опыт участия в проектах по внедрению Gen AI-решений;
Опыт в оптимизации инференса (vllm, Triton Inference Server, аналоги).
Что мы предлагаем
Работа в крупнейшем в России интегрированном провайдере цифровых решений;
Возможна полная или частичная удаленная работа из России;
В Москве - БЦ Академик, победивший в номинации лучший проект «Бизнес-центр класса А. Москва» Возможность работать из офисов в городе Краснодар и Новосибирск.
Официальное оформление — согласно ТК РФ (полный соц. пакет: ежегодный оплачиваемый отпуск 28 календарных дней, оплата больничных);
Официальная заработная плата (оклад и годовая премия);
Кафетерий льгот с 1 рабочего дня: ДМС, компенсация транспорта, интернета, спорта, обучения и др.;
Корпоративное обучение: внутренние митапы, участие в конференциях, доступ к корпоративным библиотекам технической и бизнес литературы.