Детали вакансии

IMS ищет специалиста на позицию Data Science / ML Engineer для удаленной работы. Роль включает разработку AI-компонента продукта, работу с LLM, векторным поиском и пайплайнами данных. Зарплата обсуждается (1500-2000/час).

• Разработка AI-компонента продукта: от обработки запросов пользователя до финального ответа и визуализации результата. • Проектирование и улучшение логики поиска/пайплайнов для мультиисточников (Qdrant, MemGraph, PostgreSQL, нереляционные источники). • Разработка LLM-агентского компонента (Query Planner loop): классификация запросов, декомпозиция подзадач, вызовы инструментов, оценка достаточности данных. • Работа с эмбеддингами, семантическим поиском и качеством вывода (релевантность, дедупликация, фильтрация, ранжирование). • Участие в оптимизации LLM-инференса (семейство Qwen, прокси LiteLLM), стоимости запросов и задержки. • Конфигурация и улучшение пайплайнов данных/ML для обработки документов, мультимодального контента и подготовки данных для поиска/графа. • Взаимодействие с бэкенд-командой (FastAPI/WebSocket), участие в проектировании контрактов и интеграций сервисов. • Участие в формировании технических решений для масштабирования и производительности (кэширование Redis, нагрузка, стабильность).

• 2-5 лет опыта в Data Science / ML Engineering (Middle / Middle+ / Senior). • Уверенное владение Python и опыт продакшн-разработки ML/DS сервисов. • Практический опыт работы с LLM/NLP: промптинг, оркестрация вызовов, оценка качества ответов, оптимизация пайплайнов. • Опыт работы с векторным поиском и эмбеддингами (предпочтительно Qdrant или аналогичная Vector DB). • Понимание работы с графовыми и реляционными БД (MemGraph/Neo4j, PostgreSQL) в контексте AI-поиска и аналитики. • Опыт проектирования API/интеграций (REST; понимание WebSocket и взаимодействия сервисов). • Способность формулировать гипотезы, проводить эксперименты и принимать обоснованные технические решения. Будет большим плюсом: • Опыт построения RAG/агентских систем в продакшене. • Опыт оптимизации LLM-моделей и инфраструктуры инференса (trade-off задержка/стоимость/качество). • Знание Redis кэширования и подходов к сессионно-зависимому кэшированию. • Опыт работы с мультимодальными сценариями (текст + документы/медиа). • Опыт формализации контрактов между сервисами (включая gRPC/YAML/OpenAPI). • Опыт построения пайплайнов обработки и классификации данных.

• Работа над технологически сложным продуктом на стыке LLM, поиска и графовых данных. • Возможность влиять на архитектуру AI-части и ключевые технические решения. • Гибкий удаленный формат работы. • Конкурентная заработная плата, соответствующая опыту. • Сильная команда, минимальная бюрократия и живое общение.