Что предстоит делать

• Создавать системы для извлечения структурированных данных из электронной почты, документов и других неструктурированных источников.
• Обогащать мигрированные записи клиентов, арендодателей, арендаторов и объектов недвижимости полезной информацией из истории коммуникаций.
• Разрабатывать решения для суммирования полной истории электронной почты клиента и отображения наиболее релевантного контекста внутри Dwelly.
• Создавать продакшн-сервисы на бэкенде с использованием NLP/ML, которые надежно работают с «грязными» реальными данными.
• Улучшать системы поиска и ранжирования, используя такие подходы, как RAG, BM25, эмбеддинги, гибридный поиск и реранжирование.
• Определять метрики качества, наборы данных для оценки и циклы обратной связи для систем извлечения, суммирования и поиска.
• Создавать Python-сервисы и API на бэкенде с использованием таких фреймворков, как FastAPI, Django, Flask или аналогичных.
• Интегрировать рабочие процессы ML и LLM в продакшн-системы с четкой обработкой ошибок, наблюдаемостью и удобством сопровождения.
• Тесно сотрудничать с командами инженеров, продакт-менеджеров и операционных специалистов для преобразования реальных бизнес-задач в масштабируемые системы автоматизации.

Что мы ищем

• Значительный опыт разработки бэкенда на Python.
• Опыт работы с API-фреймворками, такими как FastAPI, Django, Flask или аналогичными.
• Опыт работы в продакшне с системами NLP, ML, извлечения информации, поиска, ранжирования или суммирования.
• Способность внедрять исследовательские идеи или прототипы в продакшн.
• Глубокое понимание оценки, метрик и измерения качества для систем ML / LLM.
• Практический опыт работы с системами поиска, такими как RAG, BM25, эмбеддинги, гибридный поиск или реранжирование.
• Уверенность в работе с «грязными», неоднозначными или неполными реальными данными.
• Способность создавать надежные сервисы вокруг ML-рабочих процессов, включая мониторинг, тестирование и обработку сбоев.
• Хорошее понимание ограничений LLM, рисков галлюцинаций и безопасного пользовательского ИИ.
• Сильное чувство ответственности и способность работать самостоятельно в неопределенных продуктовых областях.

Приветствуется

• Опыт создания AI или LLM-агентов.
• Опыт работы с пониманием документов, парсингом электронной почты, извлечением сущностей или обогащением CRM.
• Опыт работы с оценкой LLM, управлением промптами/версиями или рабочими процессами проверки человеком (human-in-the-loop).
• Опыт работы с векторными базами данных или инфраструктурой поиска.
• Опыт DevOps или CI/CD для развертывания сервисов на основе ML.
• Опыт тестирования ML-систем на сложных продакшн-данных.
• Опыт работы с типизированными языками программирования, такими как TypeScript, Java, C#, C++, Kotlin, Scala или аналогичными.

Как выглядит успех

• Полезная информация может быть извлечена из электронной почты и документов с измеримым качеством.
• Истории коммуникаций с клиентами могут быть обобщены безопасно, четко и с релевантным контекстом.
• Системы поиска и ранжирования улучшаются со временем благодаря оценке и обратной связи.
• Рабочие процессы ML и LLM надежны, наблюдаемы и готовы к продакшну.
• Операционные и продуктовые команды могут доверять результатам и понимать, когда требуется проверка человеком.
• Неструктурированные данные от приобретенных агентств становятся пригодными для использования в Dwelly быстрее и с меньшим объемом ручной работы.

Компенсация и льготы

• Полностью удаленная работа.
• Конкурентоспособная компенсация, основанная на опыте и вкладе.
• Возможность работать над высокоэффективными системами автоматизации на стыке бэкенд-разработки, прикладного ML, данных и реальных операционных процессов.
• Конкурентная заработная плата с возможностью получения опционов на акции в зависимости от результатов работы, признавая исключительный вклад в успех нашей интеграции.