Работа ML-инженером в Москве — свежие вакансии

- Разработка, обучение, дообучение и применение моделей NLP (Text Classification, NER, Summarization, Question Answering);- Работа с крупными языковыми моделями (LLM): fine-tuning, адаптация и применение в прикладных сценариях;- Построение и оптимизация пайплайнов предобработки текстов и

Разработка и поддерживание приложений на базе больших языковых моделей (LLM) и машинного обучения (ML); Создание ассистентов и агентов для автоматизации коммуникаций и работы с данными; Разработка и внедрение RAG (Retrieval-Augmented Generation) системы для работы с внутренней базой знаний

Проведение научных исследований в области компьютерного зрения Анализ современных методов обнаружения объектов на изображениях Разработка и адаптация программных моделей компьютерного зрения Написание научно-технических отчётов Написание научных статей Имитационное (компьютерное) моделирование.

Оптимизация моделей для повышения их точности и производительности, Анализ производительности моделей и их дообучение на новых данных Проведение исследований с использованием научно-обоснованных методов (НИР) Решение задач с помощью технологий ИИ в различных областях / работа с фреймворками и

Написание LLM агентов для различных задач (коммуникация, внешняя память, персонализация, конструирование агентов и пр.). Воспроизведение результатов научных статей. Написание продуктового кода, содержащего разработанные решения. Подготовка отчётов, подготовка результатов интеллектуальной

- Планирование и распределение задач между членами команды: Data Scientists, ML-инженерами, аналитиками данных; - Контроль сроков выполнения задач, приоритизация и координация рабочих процессов; - Обеспечение прозрачности и эффективности командной работы в рамках ML-проектов; - Технический контроль

Взаимодействовать с командами для описания текущих бизнес-процессов; Анализировать процессы разных бизнес-подразделений, выявлять точки для оптимизации и автоматизации с помощью данных и AI; Быстро собирать MVP, используя готовые сервисы, open-source решения, no/low-code платформы и Python-скрипты;

Разработка и поддерживание приложений на базе больших языковых моделей (LLM) и машинного обучения (ML); Создание ассистентов и агентов для автоматизации коммуникаций и работы с данными; Разработка и внедрение RAG (Retrieval-Augmented Generation) системы для работы с внутренней базой знаний

Применение алгоритмов машинного обучения для решенияпоставленных бизнес-задач. Сбор данных из внутренних базданных и работа с внешними источниками информации. Взаимодействие с заказчиком в процессе реализации задачи. Подготовка аналитических отчетов. Презентация финальногопродукта заказчику.

- сбор и генерация данных для дообучения компонентов RAG (embedder, reranker, LLM). - настройка и fine-tune моделей Llama/ Gemma/DeepSeek/Mistral для конкретных задач. - подбор гиперпараметров, оценка качества и скорости инференса. - быстрое прототипирование и тестирование RAG-систем для разных

Разработка корпоративных систем и продуктов с использованием LLM. Создание AI-агентов и ассистентов под прикладные задачи. Разработка и развитие RAG-систем для работы с корпоративной документацией и базами знаний. Интеграция внешних API языковых моделей и локально развёрнутых LLM. Подбор,

Выполнение сбора, структурирования, очистки и обработки данных из различных источников. Проведение исследовательского анализа данных, выявление закономерностей и аномалий. Подготовка и трансформация данных для задач машинного обучения. Проведение тестов, валидации и экспериментов для оценки

Реализация эвристических и метаэвристических алгоритмов для решения задач оптимизации в производстве и логистике; Разработка высокопроизводительных приложений и скриптов, использующих концепции мультипроцессинга и многопоточности; Обеспечение наличия актуальной и понятной документации на