AI Engineer / AI R&D Developer / ML Engineer / Data Scientist (Python) (удаленная работа)

Вакансия: AI Engineer / AI R&D Developer / ML Engineer / Data Scientist (Python)

Описание вакансии

Полигонатор быстрорастущая компания, специализирующаяся на создании инновационных тренажёров для различных предприятий. Наши решения охватывают широкий спектр: классические обучающие комплексы и интерактивные среды для отработки управления различными средствами/техникой в симуляциях с реалистичной физикой и иммерсивные VR-тренажёры.

Мы создаём полноценное ПО (от проектирования до внедрения ) и строим продукты с внедрением ИИ от аналитики и прогнозных моделей до LLM-приложений и исследовательских прототипов. У нас нет одной роли на всё : мы нанимаем людей с сильным Python и математической базой, а вектор развития (аналитика, инфраструктура ML, LLM-продукты или R&D) выбираем вместе, исходя из ваших сильных сторон и задач бизнеса.

Наша команда увлечена своим делом и стремится сделать передовые технологии доступными для всех.

С 2016 года мы реализовали более 40 проектов, накопили богатый опыт и научились успешно применять современные технологии для решения практических задач. В нашей работе мы используем Unreal Engine 5 мощный инструмент для создания детализированных и реалистичных виртуальных сред.

Мы ищем AI-разработчиков , в смежных направлениях которые понимают принципы работы современных технологий искусственного интеллекта и способны не только использовать готовые решения, но и проектировать, разрабатывать и совершенствовать собственные AI-системы.

Требования:

Общие требования (для всех направлений)

Инженерная база

• Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
• Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне, PyTest, Docker
• SQL (с оговоркой по направлениям).
• Умение читать документацию и научные статьи на английском.

Математическая база

• Линейная алгебра, теория вероятностей, математическая статистика.
• Понимание метрик качества и принципов валидации моделей.
• Понимание, что такое переобучение, утечка данных (data leakage) и как с ними бороться.

Продуктовое мышление

• Умение переводить бизнес-задачу в техническую постановку.
• Способность объяснить результат нетехническим стейкхолдерам.
• Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.

Инструменты

• Python-экосистема для данных: pandas, NumPy.
• GitLab.

Будет плюсом

• С/С++, Rust, Go, Unreal Engine 5

Требования по направлениям

Data Scientist

Специализированные знания

• Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
• Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.
• Классический ML: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
• Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.
• Понимание продуктовых метрик (retention, LTV, конверсия).

Инструменты

• pandas, NumPy, scikit-learn, Matplotlib / Seaborn / Plotly.
• XGBoost / LightGBM.
• SQL, Jupyter, Git.
• Плюсом: Polars, PySpark, MLflow, Airflow, Streamlit / Dash.

ML Engineer

Специализированные знания

• Построение пайплайнов подготовки данных и обучения моделей.
• Деплой моделей: упаковка в сервис, версионирование, канареечные релизы.
• Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
• Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / Ollama / llama-cpp.
• Основы облачной инфраструктуры (AWS / GCP / Azure: вычисления, хранение, IAM).
• RL-инфраструктура : векторизованные среды, параллельный сбор опыта, обучение политик в симуляции, интеграция с Isaac Lab / Gymnasium.

Инструменты

• PyTorch / TensorFlow.
• Docker, Kubernetes, CI/CD (GitHub Actions / GitLab CI).
• MLflow / W&B, FastAPI / Pydantic.
• Prometheus / Grafana, очереди (Celery / RQ), Redis, Postgres.
• Плюсом: Go/Rust (инфраструктура).

AI Engineer

Специализированные знания

• Архитектура RAG: стратегии чанкинга, эмбеддинги, векторный и гибридный поиск, оптимизация retrieval.
• LLM и промпт-инжиниринг: контекстное окно, токен-экономика, стоимость и задержка, структурированный вывод (JSON), few-shot.
• Агенты и tool calling: LangChain / LangGraph, function calling, MCP-архитектура.
• Оценка качества и защита: LLM-as-judge, RAGAS, снижение галлюцинаций, защита от промпт-инъекций.
• Бэкенд-интеграция: FastAPI, работа с внешними API и БД.

Инструменты

• FastAPI (построение API для LLM-сервисов), Docker, Redis, Celery (очереди, кэширование, фоновые задачи).
• Опыт с одним из RAG-фреймворков: LlamaIndex (document-heavy RAG) или LangChain / LangGraph (агентные workflow).
• Понимание выбора векторной БД: pgvector (консолидация с PostgreSQL), Pinecone (managed), Weaviate (open-source, гибридный поиск), FAISS (прототипы), Qdrant

AI R&D Developer

Специализированные знания

• Глубокое обучение: уверенное владение PyTorch, понимание Transformer и смежных архитектур.
• Воспроизведение статей (paper replication) и проведение контролируемых экспериментов: ablation study, контрольные группы, статистическая значимость.
• Доменная специализация в одном из направлений: NLP / CV / графы / временные ряды.
• Оптимизация обучения и инференса: квантизация, Flash Attention, DeepSpeed (знакомство); базовые знания CUDA плюс.
• Умение упаковать результат исследования в прототип или API для передачи в прод.
• RL (плюс для R&D-вектора): понимание постановки MDP, experience replay, policy gradient vs value-based методы, sim-to-real transfer; опыт обучения агентов в симуляции (Isaac Lab, Gymnasium, PettingZoo).

Инструменты

• PyTorch / JAX, Hugging Face, W&B / MLflow.
• CUDA (плюс), DeepSpeed, vLLM.
• Git, Docker.

Наши условия труда:

• ИТ-аккредитация компании;
• Официальное трудоустройство, полностью белая заработная плата;
• Социальный пакет по ТК РФ;
• Заработная плата обсуждается индивидуально по итогам собеседования;
• Адрес: г. Таганрог, ул. Котлостроительная, 2-6;
• График: 5/2, с 10:00 до 18:00, офисная занятость;
• Современный технически оснащённый офис;
• Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения;
• Дружная команда и комфортная рабочая атмосфера.

Нам нужен инженер, который понимает, как устроен искусственный интеллект, умеет исследовать технологии и создавать собственные решения, а не только подключать готовые модели через API.

Если тебе интересно разрабатывать интеллектуальные системы и работать над сложными инженерными задачами присоединяйся к нашей команде!