Ведущий разработчик AI

Ориентир по рынку≈ 150 000 – 335 000 ₽наша приблизительная оценка по 87 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисMiddleПолная занятость

≈ 150 000 – 335 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Наша компания

Новое направление для ускоренного прототипирования и внедрения AI/ML-решений внутри Магнита. Заказчики — команда стратегии и аналитики. Модель работы: бизнес приносит POC и решения, а мы дорабатываем их до продуктового состояния и запускаем в production.

Чем предстоит заниматься

Развивать ML/AI-компоненты для прикладных бизнес-задач в направлениях классического ML, NLP/LLM, RAG и агентных сценариев, компьютерного зрения, речевых и мультимодальных технологий

Проводить эксперименты по улучшению существующих моделей и сценариев: изменять подготовку данных, архитектуру или параметры моделей, подходы к retrieval и reranking, промпты, логику оркестрации, алгоритмы постобработки результатов

Подготавливать, очищать, размечать и анализировать данные для обучения, дообучения и оценки моделей: текстовые, табличные, изображения, видео, аудио, транскрипты и иные данные в зависимости от решаемой задачи

Разрабатывать и поддерживать пайплайны подготовки данных, обучения, inference и evaluation; обеспечивать воспроизводимость экспериментов, версионирование данных и моделей, логирование результатов

Оценивать качество ML/AI-решений: формировать тестовые и evaluation-наборы, выбирать и рассчитывать профильные метрики, проводить анализ ошибок, выявлять причины деградации качества и предлагать улучшения

Оптимизировать производственные решения по качеству, latency, throughput, потреблению GPU/CPU-ресурсов и стоимости эксплуатации; участвовать в интеграции моделей в прикладные сервисы, релизах и мониторинге после запуска

Наши требования

Высшее техническое образование либо подтверждённый практический опыт разработки и внедрения ML/AI-решений

Опыт коммерческой разработки на Python от 2 лет; для кандидатов с общим опытом разработки от 3 лет допустим опыт в ML/AI от 1–2 лет при наличии практических проектов

Уверенное знание Python и основных библиотек для анализа данных и машинного обучения: NumPy, pandas, scikit-learn; практический опыт работы с PyTorch или аналогичным DL-фреймворком

Знание базовых методов машинного обучения и глубокого обучения: подготовка и анализ данных, обучение и валидация моделей, выбор метрик, борьба с переобучением, анализ ошибок и интерпретация результатов экспериментов

Практический опыт работы как минимум с одним из направлений: классический ML, NLP, LLM/RAG-системы, компьютерное зрение, речевые технологии, рекомендательные системы или мультимодальные модели

Понимание полного жизненного цикла ML/AI-решения: сбор и подготовка данных, разработка и проверка гипотез, обучение или адаптация модели, оценка качества, inference, интеграция в сервис, мониторинг и последующее улучшение

Опыт проведения воспроизводимых экспериментов: фиксация конфигураций, версий данных и моделей, метрик и результатов; знание MLflow, ClearML, DVC или аналогичных инструментов будет преимуществом

Навыки работы с SQL и реляционными базами данных; понимание принципов хранения, выборки и проверки качества данных

Понимание принципов разработки и интеграции сервисов: REST API, JSON, FastAPI или аналогичные фреймворки, обработка ошибок, логирование, тестирование

Базовые практические знания Docker, Linux, Git и CI/CD; понимание особенностей запуска и отладки ML-нагрузок в контейнерах

Понимание принципов работы с GPU и ограничений inference-нагрузок: latency, throughput, потребление памяти, стоимость вычислений

Умение формализовать бизнес-задачу в виде ML/AI-сценария: определить входные и выходные данные, целевую метрику, ограничения, риски, критерии приемки и способ оценки результата

Навыки взаимодействия с Product-, Backend-, Data- и MLOps-разработчиками; умение понятно документировать результаты экспериментов, технические ограничения и ожидаемый эффект от изменений