Мы ищем ведущего специалиста по прикладному ИИ, который будет создавать промышленные AI‑системы для обработки документов в масштабе. Вы будете проектировать и внедрять продуктовые функции, основанные на агентных подходах, мультимодальности и автоматизированной оценке качества: извлечение данных, рассуждение, генерация, оркестрация. Вы будете отвечать за всё — от архитектуры и экспериментов до латентности, стоимости, надёжности и влияния на пользовательский опыт.
Роль сочетает разработку собственных моделей с интеграцией LLM‑API, чтобы создавать интеллектуальные, готовые к эксплуатации функции. Вы будете работать на всём жизненном цикле: от подготовки обучающих данных и тонкой настройки моделей до проектирования retrieval‑пайплайнов и развёртывания производительных систем инференса в облаке.
Обязанности
-
Решать задачи в области интеллектуальной обработки документов: OCR, структурированное извлечение данных, разбивка на чанки, layout‑aware парсинг, преобразование PDF в заданную схему данных.
-
Проектировать и внедрять RAG‑пайплайны с использованием векторных баз данных, гибридного поиска, реранжирования и структурированной сборки контекста.
-
Интегрировать облачные LLM‑API (OpenAI, Anthropic) в продуктовые функции, а там, где это необходимо, использовать собственные небольшие модели.
-
Строить и дообучать трансформерные модели для задач классификации, извлечения данных, ранжирования и генерации.
-
Разрабатывать масштабируемые сервисы инференса с использованием vLLM, батчирования, стриминга, кэширования и других оптимизаций задержек и стоимости.
-
Проектировать и поддерживать Python‑микросервисы и REST API (FastAPI) для внутренних AI‑ и NLP‑пайплайнов.
-
Создавать MCP‑сервисы (Model Control & Processing) для взаимодействия с LLM, векторными хранилищами и пайплайнами обработки.
-
Разрабатывать CI/CD и пайплайны развёртывания для AI‑продуктов (GitHub + Docker + Cloud Run + Terraform).
-
Обеспечивать бесшовное взаимодействие между инфраструктурной командой и командами NLP/ML, помогая внедрять фичи и оптимизировать сервинг моделей.
-
Развивать и поддерживать мониторинг, наблюдаемость и логирование (Prometheus, Grafana, OpenTelemetry).
-
Создавать внутренние инструменты разработки и SDK для ускорения экспериментов и вывода в продакшен AI‑команды.
-
Участвовать в реагировании на инциденты и оптимизировать производительность систем в различных окружениях.
-
Создавать промышленные пайплайны для обучения, оценки, управления промптами/версиями моделей и развёртывания.
-
Определять и повышать качество AI‑решений с помощью офлайн‑эвалюаций, регрессионных наборов данных и метрик на уровне конкретных задач (точность, латентность, надёжность).
Требования
-
Сильный Python‑бэкграунд: написание промышленного кода, тесты, поддержка архитектуры сервисов. Опыт разработки микросервисов и REST API (FastAPI).
-
Практический опыт работы с PyTorch и HuggingFace: обучение, тонкая настройка, инференс, отладка моделей.
-
Глубокое понимание внутреннего устройства трансформеров: токенизация, эмбеддинги, стратегии декодирования, оценка качества.
-
Опыт интеграции OpenAI / Anthropic в реальные пользовательские продукты (не только прототипы).
-
Реальный опыт создания RAG‑систем: чанкинг, эмбеддинг‑пайплайны, векторный поиск, реранжирование, сборка контекста, снижение галлюцинаций.
-
Опыт работы с OCR, парсингом PDF, извлечением таблиц и форм, нормализацией «грязных» реальных данных.
-
Опыт построения масштабируемых систем инференса/модельного сервинга; знакомство с vLLM или аналогичными стеками будет плюсом.
-
Умение отлаживать проблемы качества моделей на уровне промптов, retrieval, данных, эвалюационных наборов и поведения инференса.
-
Готовность поддерживать системы в эксплуатации: развёртывание, мониторинг, отладка инцидентов, итеративное улучшение.
-
Опыт работы с CI/CD (GitHub Actions или аналоги), Docker, Cloud Run (или GKE), Terraform.
-
Свободный английский (команда международная)
Будет плюсом
-
Опыт развёртывания ML/AI‑сервисов с Docker на GCP (Cloud Run, GKE).
-
Опыт работы с OpenTelemetry, Prometheus, Grafana или аналогичными инструментами наблюдаемости.
-
Сильный бэкграунд в области распознавания документов, OCR, структурированного парсинга PDF.
-
Опыт оптимизации инференса по латентности и стоимости (батчирование, кэширование, маршрутизация, спекулятивное декодирование).
Условия работы
-
Удалённый формат (обсуждаемо).
-
Работа в команде профессионалов над продуктом с высокой нагрузкой и миллионной аудиторией.
-
Возможность влиять на архитектуру и технологический стек.
-
Конкурентная заработная плата.
