О РОЛИ
Мы команда, которая делает промышленный AI: разрабатываем и внедряем решения для производств. В команде — сильные инженеры из Сбера и других крупных технологических компаний. Первый проект, над которым предстоит работать, — автосборочный завод: LLM/VLM-пайплайны для технологической документации предприятия, от подготовки до сопровождения изменений. Дальше — другие производства и другие задачи, в том числе дообучение моделей под конкретные домены. Значительная часть работы — исследовательская: подобрать подход, проверить на данных, померить результат. Данные разнородные — документы, изображения, аудио и видео с производства. Всё разворачивается во внутреннем контуре предприятия: только open-source модели на своём железе, без внешних API. Позиция подойдёт тем, кто хочет строить production-ready LLM-системы, а не прототипы.
КЛЮЧЕВЫЕ ОБЯЗАННОСТИ
- Разработка LLM/VLM-пайплайнов: от подбора модели и подготовки данных до сборки результата в заданном формате
- Извлечение данных из разнородных и слабоструктурированных источников, приведение их к заданной схеме
- Валидация и постобработка результата
- Оценка качества пайплайнов: эталонные наборы, метрики, подходы типа LLM-as-a-judge
- Развёртывание LLM через vLLM или Ollama
- Упаковка пайплайнов в сервисы и доработка решений по обратной связи от экспертов заказчика
БУДЕТ ПЛЮСОМ
- Опыт работы с речевыми моделями (Whisper, GigaAM и аналоги) и обработкой видео
- Опыт работы с backend-инструментами: FastAPI, PostgreSQL, Docker, очереди задач
- Опыт запуска моделей в условиях ограниченных ресурсов
- Промышленные проекты или понимание производственной специфики
ВЫ ОТЛИЧНО ПОДОЙДЁТЕ, ЕСЛИ ВЫ
- Имеете практический опыт работы с LLM: промптинг, подготовка контекста, structured output, дообучение
- Имеете опыт работы с мультимодальными моделями (VLM): разбор изображений, чтение текста на изображении
- Легко переключаетесь между R&D и production delivery
- Имеете опыт построения бенчмарков: собрать эталонный набор, выбрать метрики, проверить решение — а не полагаться на впечатление от нескольких примеров
- Самостоятельно разбираетесь в незнакомом: находите материалы, пробуете, проверяете на практике
- Проактивны: разбиваете задачу на шаги, уточняете непонятное, не ждёте детальной постановки
- Вникаете в предметную область, а не только в стек
Локация: гибридный формат (Москва)
Уровень: Middle + / Senior
Формат: полная занятость
Компенсация: по рынку, договорная
