Applied AI / ML Engineer

Конкурентоспособная заработная плата и структура вознаграждения Щедрая политика оплачиваемых отпусков и праздничных дней Частые общефирменные социальные мероприятия и активности Отличная среда для обучения и роста Дополнительные льготы в зависимости от местоположения Мы ищем инженеров по прикладным ИИ/МО, начинающих свою карьеру, которые вдохновлены текущим поколением разработки программного обеспечения, основанного на ИИ. Это практическая роль разработчика: вы будете помогать проектировать, создавать, тестировать и развертывать практические рабочие процессы ИИ и возможности науки о данных, используя Python, LLM, AWS и Claude Code. Наиболее важный атрибут — это то, что вы уже используете современные инструменты ИИ для более быстрой и качественной разработки. Claude Code — наш основной инструмент для разработки, поэтому мы ищем людей, которые свободно и быстро им владеют, с умением определять, когда проверять и использовать его результаты, а когда изменять их. Вы должны быть одинаково заинтересованы в создании и эксплуатации реальных систем в AWS, управляя этой инфраструктурой с помощью самого Claude Code. Вы можете иметь опыт работы в области науки о данных, машинного обучения, разработки программного обеспечения или в технической STEM-области. Традиционные навыки в области науки о данных, такие как экспериментирование, оценка моделей, анализ данных и разработка конвейеров, полезны и приветствуются, но в настоящее время они не являются центром притяжения этой роли. Суть работы — это создание: инструментов на основе ИИ, автоматизированных рабочих процессов и инфраструктуры, которая превращает идеи в развернутые возможности.

Что вы будете делать: Создавать инструменты и рабочие процессы на основе ИИ. Использовать Claude Code и другие передовые инструменты ИИ для ускорения разработки, прототипирования, отладки и документирования. Создавать практические рабочие процессы LLM, агентов, навыков и инструментов, которые поддерживают консультационные команды, выполнение проектов для клиентов и внутренние операции. Реализовывать повторно используемые возможности ИИ с помощью инструментов OpenWebUI, LiteLLM и MCP. Работать над промптингом, инженерией контекста, структурированными выходными данными, оценкой, маршрутизацией провайдеров и рабочими процессами с участием человека. Быстро переводить полезные приложения и автоматизацию из прототипа в производственную среду. Проверять и улучшать код, сгенерированный ИИ, а не только генерировать его: читать его, тестировать и делать его поддерживаемым и безопасным для выпуска. Создавать и управлять AWS. Настраивать, развертывать и эксплуатировать службы AWS, на которых работают ваши инструменты, работая с EC2, ECS, S3, Lambda, IAM и CloudWatch. Все чаще управлять и эксплуатировать AWS напрямую через Claude Code, инфраструктуру как код и агентные инструменты. Поддерживать автоматизированное развертывание, мониторинг, логирование, контроль затрат и наблюдаемость. Прагматично применять практики DevOps и MLOps, работая с коллегами из DevOps и инженерами для обеспечения надежности, поддерживаемости и простоты эксплуатации систем. Поддерживать прикладное ИИ и доставку данных Использовать Python, SQL и API для создания прикладных возможностей ИИ и аналитики. Помогать обрабатывать и обогащать большие объемы текстового и неструктурированного контента. Вносить вклад в рабочие процессы, связанные с суммированием, классификацией, идентификацией тем, анализом настроений, контекстуализацией, эмбеддингами, векторным поиском и RAG. Помогать оценивать результаты работы ИИ по качеству, надежности, стоимости и удобству использования, а также четко документировать подходы, чтобы другие могли их понять, доверить и повторно использовать. Учиться, совершенствоваться и вносить вклад Брать на себя ответственность за определенные задачи, прототипы и улучшения в производстве. Хорошо воспринимать указания и быстро осваиваться; вас будут активно обучать, и ожидается, что со временем вы станете быстрее и самостоятельнее. Участвовать в хакатонах, экспериментах и циклах быстрой доставки, оставаться любознательным в отношении новых инструментов ИИ, моделей и агентных паттернов. Делиться своими знаниями и помогать повышать практические возможности Penta в области ИИ.

Команда Команда Data Science входит в состав технологического отдела Penta, наряду с разработкой, инжинирингом / DevOps и безопасностью платформ, IT и PMO, и работает в тесном сотрудничестве с отделом продукта и консультационными командами. Мы перестраиваем и расширяем команду, ориентируясь на практическую дорожную карту, основанную на ИИ. Акцент делается не на академических исследованиях или традиционной науке о данных в изоляции; а на создании полезных, надежных инструментов и рабочих процессов на базе ИИ, которые улучшают то, как Penta обслуживает клиентов и как работают наши внутренние команды. Вы будете работать под руководством вице-президента / главы отдела Data Science, внося практический вклад в создание прикладных систем ИИ, рабочих процессов LLM, агентных инструментов, повторно используемых навыков, внутренней автоматизации и возможностей, готовых к производству. Среда является совместной, прагматичной и ориентированной на результат. Мы движемся быстро, открыто делимся идеями и ценим людей, которые могут превратить неопределенность в работающее программное обеспечение. Вы будете много создавать, часто выпускать обновления и получать тесное наставничество по мере роста.

Наш подход к ИИ — практический Мы дальновидны и амбициозны в практическом применении ИИ в работе с клиентами, корпоративных командах, технологиях и науке о данных. Мы не обучаем собственные базовые модели; мы применяем, оркестрируем и оцениваем лучшие доступные модели от крупных провайдеров, инжинирингуя их в надежные рабочие процессы, которые решают реальные бизнес-задачи. Мы проверяем и документируем наши методологии с помощью технических обзоров и технических разъяснений, излагая академические и аналитические основы наших продуктов и доказательства, подтверждающие их использование. Это помогает укрепить доверие к нашим инструментам, объяснить, почему они работают, и показать, как их можно применять. Мы строим на основе программного обеспечения с открытым исходным кодом в области ИИ, включая LiteLLM и OpenWebUI, чтобы максимизировать внутреннюю ценность ИИ и создать устойчивую институциональную способность. Надежность, контроль затрат, наблюдаемость, следование инструкциям, удобство использования и внедрение имеют наибольшее значение. Команда разрабатывает повторно используемые рабочие процессы, навыки, модели и инструменты MCP, которые поддерживают переход Penta к операционной системе консультирования на основе ИИ. Поддержание Penta на переднем крае практического применения ИИ в области PR, коммуникаций и стратегического консалтинга является частью этой роли.

Признаки успеха Успех означает, что вы помогаете Penta внедрять полезные возможности ИИ и науки о данных в реальные рабочие процессы. В течение первых нескольких месяцев вы должны внести свой вклад в рабочие прототипы, внутренние инструменты, рабочие процессы ИИ, развертывания AWS и улучшения в производстве. Со временем вы должны стать все более самостоятельными в создании надежных, поддерживаемых систем на основе ИИ, которые улучшают предоставление услуг клиентам и внутреннюю продуктивность.

Наши ценности Эмпатия и сотрудничество Продвижение наших идей Противостояние трудностям Ответственность и лидерство

Технические навыки Мы не ожидаем, что кандидаты этого уровня будут иметь глубокий опыт во всех областях. Мы ищем сильный потенциал, практические способности и явные свидетельства того, что вы уже создаете с помощью современных инструментов ИИ. Опыт работы с как минимум одним инструментом или платформой для создания на основе ИИ является обязательным, и мы захотим увидеть примеры того, что вы с ним создали.

Обязательные требования Практический опыт создания с помощью как минимум одного современного инструмента или платформы для создания на основе ИИ, например Claude Code, Codex, OpenWebUI, LiteLLM или Cowork / OpenCowork (или аналогичного), с конкретными примерами того, что вы с ним создали. Сильные навыки программирования на Python: достаточно для создания, чтения, тестирования и отладки реального программного обеспечения. Сильные навыки промптинга и инженерии контекста, а также знакомство с использованием LLM в реальных рабочих процессах. Уверенность в работе с API, JSON, структурированными выходными данными и повседневными инструментами разработчика. Базовый или средний уровень SQL. Системы контроля версий Git. Сильные навыки отладки, решения проблем и самостоятельного обучения. Склонность к выпуску работающего программного обеспечения, а не только к анализу или ноутбукам.

Высоко желательные навыки Широкий охват инструментов на основе ИИ, инструментов MCP и агентных фреймворков. Опыт создания небольших приложений, внутренних инструментов, автоматизации или бэкэнд-сервисов, а также опыт работы с Docker или контейнеризированной разработкой. Опыт работы с эмбеддингами, векторными базами данных, RAG или семантическим поиском, а также опыт оценки результатов LLM по качеству, точности, стоимости и надежности. Опыт обработки больших объемов текста или неструктурированного контента.

Желательно Любой практический опыт работы с AWS (EC2, ECS, S3, Lambda, CloudWatch, IAM, инфраструктура как код или CI/CD) будет плюсом. Вы также будете развивать его в процессе работы, все чаще управляя AWS через Claude Code. Фундаментальные знания в области машинного обучения и классической обработки естественного языка, такой как классификация, кластеризация или выбор моделей. Опыт проведения научных исследований на основе гипотез. Техническое образование в области компьютерных наук, разработки программного обеспечения, науки о данных, машинного обучения, математики, физики или смежной области. Приветствуется, но не требуется, если есть опыт создания.

Ключевые компетенции Успешный кандидат будет: Практическим разработчиком, который любит превращать идеи в работающие инструменты. Работать на основе ИИ, используя инструменты ИИ как обычную часть разработки. Любознательным, быстро обучающимся и уверенно себя чувствующим в условиях неопределенности. Технически строгим, но не академичным ради самого себя. Иметь здравый смысл в отношении выходных данных ИИ: быть здраво скептичным и привыкшим тестировать и проверять, а не слепо доверять. Уверенно задавать вопросы и учиться у старших коллег. Уметь четко излагать технические идеи как техническим, так и нетехническим специалистам. Ориентироваться на полезность, надежность, стоимость и поддерживаемость. Быть увлеченным помощью в создании операционной системы консультирования на основе ИИ.