ML / LLM Engineer (Production Agentic Systems) (удаленная работа)

Вакансия: ML / LLM Engineer (Production Agentic Systems)

Описание вакансии

Команда Production IT растет и развивается.

Нам нужен специалист с практическим, коммерческим опытом внедрения MCP-агентов (Model Context Protocol) в production-среду. Это ваш главный козырь. Вы человек, который понимает, как заставить агентов работать в реальном мире, а не только в демо-режиме.

При этом вы крепко стоите на ногах в фундаментальных вещах: вы знаете базу машинного обучения. У вас есть опыт разработки (Python или JS не принципиально, важна архитектурная мысль), и вы способны синхронизировать между собой разные части проекта и мнения менторов. Вы тот самый человек, который превращает разрозненные задачи в работающую систему.

Обязанности:

Агентные системы и RAG:

• Внедрение и поддержка MCP-агентов для AI-ассистента.
• Реализация и оптимизация RAG-пайплайнов (подготовка .md документации, структурирование данных).
• Работа с LangGraph (проектирование state и nodes для сложных сценариев).
• Логирование и трассировка через LangSmith.

ML и LLM (NLP/CV):

• Подбор и тестирование LLM (Qwen, Llama, Solar, Saiga) под узкие бизнес-кейсы.
• Prompt engineering и работа со structured output.
• Обучение и дообучение моделей: NER, детекция layout документов (целевой mAP 0.85), детекция текста (MMOCR), классификация шрифтов и стилей (ResNet18, YOLOv7).
• Оценка качества изображений (шум, размытие, перспектива).

Продакшн и инфраструктура:

• Разработка ML API на FastAPI, рефакторинг и переработка существующих API (в т.ч. Django-сервисов).
• Оптимизация инференса под капотом: потребление памяти, скорость (vLLM, работа на CPU/GPU).
• Работа с очередями и БД: Redis Streams, InfluxDB.
• Мониторинг и визуализация: построение дашбордов в Grafana, сбор метрик качества и производительности (mAP, F1, precision/recall).
• Контейнеризация сервисов через Docker-compose.

Ожидаем от кандидата:

• Коммерческий опыт внедрения MCP-агентов (обязательно).
• Практический опыт построения RAG-архитектур и работы с LLM в продакшне.
• Уверенное знание Python (FastAPI / Django) и понимание принципов инференса моделей.
• Опыт обучения CV/NLP моделей и понимание метрик качества.
• Опыт контейнеризации (Docker) и построения ML-сервисов с системой логирования/мониторинга.
• Навыки системного мышления и коммуникации: вы умеете синхронизировать задачи между разными участниками процесса (менторами, разработчиками, аналитиками).

Будет плюсом:

• Опыт работы с банковскими или финтех-проектами (понимание специфики безопасности и надежности).
• Опыт оптимизации инференса под ограниченные ресурсы (экономия железа без потери качества).
• Опыт построения пайплайнов автоматического переобучения моделей.

Условия:

• Рост ЗП, в зависимости от результатов.
• Через полгода возможность взять оплачиваемый отпуск.
• Работа как самозанятому или через ИП по договору.
• Стандартный график по будням, не считая праздники.