Стажер Инженер по машинному обучению [ChatBot]

Команда занимается разработкой и поддержкой внутрикорпоративных систем. Разрабатывать новых AI-агентов и развивать существующих на Python: диалоговые сценарии, маршрутизацию запросов, работу с контекстом и состоянием диалога; Интегрировать LLM через API, настраивать промпты, структурированные ответы и вызовы инструментов; Подключать AI-агентов к корпоративным сервисам и инструментам через REST API, MCP и A2A; Разрабатывать и дорабатывать backend-компоненты AI-сервисов с использованием FastAPI или Flask; Реализовывать скиллы агентов, обработку ошибок, логирование и проверку корректности выполнения действий; Тестировать работу агентов, улучшать качество ответов, скорость и устойчивость интеграций; Встраивать агентов в чат-бот. Знакомство с FastAPI или Flask, HTTP/REST API, JSON и асинхронным программированием на Python; Опыт использования SQLAlchemy; Опыт взаимодействия с LLM через API; понимание промптов, контекстного окна, токенов и структурированного вывода; Понимание принципов построения AI-агентов, tool calling и маршрутизации запросов; знакомство с назначением MCP и A2A; Базовые знания ML/NLP: эмбеддинги, семантический поиск, оценка релевантности; опыт работы с одной из векторных БД (Qdrant, Weaviate или аналогичной); Представление о том, как оценивать качество LLM и агентов: корректность и релевантность ответов, качество вызова инструментов, задержки; базовое понимание поисковых метрик; Навыки работы с Git, терминалом Linux и удалёнными серверами по SSH; умение читать логи и искать причины ошибок; Знакомство с Docker, Redis и основами тестирования Python-приложений. Будет преимуществом Знание основных практик безопасности LLM-приложений и AI-агентов: защита от prompt injection, безопасная обработка недоверенных данных, разграничение прав доступа к инструментам и предотвращение утечек конфиденциальной информации; Понимание основ MLOps/LLMOps: логирование и мониторинг, версионирование моделей и промптов, автоматизация тестирования и развёртывания AI-сервисов; Понимание принципов миграций схемы БД и знакомство с Alembic для управления изменениями моделей и структуры таблиц; Понимание архитектурных подходов к построению AI-систем: когда достаточно простого LLM-пайплайна, а когда оправдан агентный подход; применение кэширования, асинхронной обработки и разных стратегий оркестрации с учётом требований к качеству, производительности и надёжности; Понимание особенностей и ограничений LLM, типичных проблем при работе с контекстом, причин возникновения галлюцинаций и основных подходов к повышению качества и стабильности ответов; Знакомство с LangChain и LangGraph. график работы 40 часов в неделю; развитие в командах профессионалов и опытный наставник, готовый делиться опытом; мобильная связь за счет компании; специальные предложения и скидки от продуктов экосистемы МТС; собственный корпоративный университет, онлайн-библиотека, Best Benefits (приложение для сотрудников, где собраны различные скидки); спорт: онлайн зарядки, йога, дыхательные практики.