Department:** R&D Location: Limassol Employment type: Full-time Experience: Senior

Description

Tango — ведущая на рынке платформа для прямых трансляций с более чем 450 миллионами зарегистрированных пользователей, в отрасли, которая, по прогнозам, достигнет 240 миллиардов долларов в ближайшие пару лет. Основана в 2018 году, насчитывает более 500 сотрудников по всему миру, построена на лучшей в своем классе видеотехнологии, которая позволяет талантливым людям по всему миру создавать живой контент, взаимодействовать со своими поклонниками и монетизировать свой талант. Мы расширяем границы, чтобы вывести приложение из категории «одно из лучших» в категорию «лидер» — и самый большой рычаг, который у нас есть сейчас, — это то, насколько хорошо мы можем внедрить модели в продукт.

AI — это поверхность продукта здесь, а не исследовательская песочница.

Мы формируем новую команду, исходя из одного предположения: один инженер, свободно владеющий LLM и способный самостоятельно обучать специализированную модель, может превратить функцию AI из «это может сработать» в продакшн-трафик — в том масштабе, в котором мы работаем, где части платформы достигают пика в 50 тыс. RPS, а 450+ миллионов зарегистрированных пользователей видят результат.

Мы не ищем специалиста по промптам и не ищем того, кто только обучает модели и передает чекпоинт. Мы хотим инженеров, которые свободно перемещаются между обоими направлениями: обращаются к передовой LLM, когда это правильный ответ, дистиллируют или обучают небольшую специализированную модель, когда этого требуют задержка, стоимость или точность, и в любом случае несут ответственность за нее в продакшене.

Почему эта роль отличается

Обе половины работы — в одном человеке. LLM-системы и ваши собственные обученные модели — это не отдельные команды здесь. Интересные решения находятся именно на стыке между ними, и вам предстоит их принимать.

Реальные проблемы с реальным сигналом. Живое видео и аудио, модерация контента и доверие и безопасность, рекомендации и ранжирование, злоупотребления и мошенничество, монетизация авторов. Большие объемы продакшн-данных и немедленная обратная связь о том, помогла ли ваша модель.

Реальный набор инструментов. API передовых моделей и модели с открытым весом, бюджет GPU для обучения и обслуживания, а также внутренние агенты, MCP-серверы и инструменты оценки, разработанные собственными силами на наших данных. Время для оценки новых инструментов — мы быстро внедряем и быстро отказываемся.

Вы устанавливаете практику. Это новая роль в Tango. То, как мы оцениваем модели, контролируем релизы, версионируем промпты и наборы данных, а также принимаем решение «создавать или покупать», еще не написано. Вы пишете это и делитесь этим с более широкой командой инженеров. Без церемоний. Функция начинается с цели, а не с тикета. Вы решаете с продакт-менеджером, что стоит построить, а затем строите это.

Responsibilities

Отвечайте за проблему, а не только за модель. Вместе с продакт-менеджером превратите цель в решение: задавайте вопросы о предложенном подходе, предлагайте альтернативы и говорите, что следует исключить.

Создавайте с помощью LLM. Инженерия контекста, поиск, использование инструментов и агентские потоки, структурированные выходные данные, ограждения — плюс дообучение и дистилляция, когда общая модель слишком медленная, слишком дорогая или недостаточно хорошая.

Обучайте собственные модели. Когда выигрывает небольшая, узкоспециализированная модель — классификаторы модерации и безопасности, ранжирование и рекомендации, аудио и видео, обнаружение злоупотреблений и аномалий — вы несете ответственность за нее от сбора данных и стратегии маркировки до обучения и оценки.

Решайте «создавать или покупать» на основе цифр. API передовых моделей, модели с открытым весом или обученные собственными силами: обоснование качества, задержки, стоимости единицы и ограничений конфиденциальности данных, а не предпочтений.

Внедряйте в продакшн. Обслуживание при реальной нагрузке, с учетом бюджетов на задержку и стоимость, пакетирование и квантование, безопасное развертывание и интеграция с серверными службами и клиентами, которых затрагивает функция.

Докажите, что это работает. Офлайн-оценка, которую вы строите и защищаете, а затем онлайн A/B-тестирование. Мониторинг дрейфа, регрессий и обратной связи после запуска, и честность, чтобы что-то откатить.

Вы не будете делать это в одиночку, и от вас не ожидается, что вы будете экспертом во всем. Эксперты в области бэкенда, платформы, инфраструктуры, данных, веб, Android и iOS готовы помочь, и эти команды поддерживают инструменты, соглашения и платформу тестирования для каждой поверхности.

Requirements

Что мы ищем

LLM ENGINEERING

• Практический опыт продакшн-использования LLM — не демо: поиск, использование инструментов и агенты, структурированный вывод, инженерия промптов и контекста с учетом ограничений по задержке и стоимости
• Практическая адаптация моделей: SFT / LoRA / тюнинг предпочтений и дистилляция большой модели в маленькую, которую вы можете себе позволить обслуживать
• Вы создаете оценки, прежде чем обрести уверенность: наборы данных для конкретных задач, разумное использование LLM-как-судьи и осознание его ограничений, корреляция офлайн-с-онлайн
• Четкое понимание сценариев отказа — галлюцинации, инъекции промптов, незаметное ухудшение качества, переобучение на бенчмарках — и вы проверяете, а не полагаетесь на доверие

ОБУЧЕНИЕ СОБСТВЕННЫХ МОДЕЛЕЙ

• Вы обучали и внедряли модели на реальных, «грязных» продакшн-данных — классификация, ранжирование или рекомендации, CV, речь/аудио, или обнаружение злоупотреблений и аномалий
• Полная ответственность за путь данных: сбор, стратегия маркировки и качество меток, разделение, утечка, дисбаланс классов и стоимость ошибок в этих областях
• Прочные основы ML и способность отлаживать модель, а не просто переобучать ее в надежде на лучшее
• Свободное владение Python и PyTorch, и эффективное использование GPU — вы знаете, сколько стоит ваш тренировочный запуск и почему

PRODUCTION ENGINEERING

• 5+ лет профессионального опыта инженера в целом, с реальными навыками разработки программного обеспечения — эта роль не заканчивается в ноутбуке
• Обслуживание моделей под реальной нагрузкой: пропускная способность, задержка в хвосте, пакетирование, кэширование, квантование и компромиссы между ними
• Воспроизводимые конвейеры и оркестрация; версионирование данных, моделей и промптов; способность объяснить, что именно было развернуто во вторник на прошлой неделе
• Мониторинг продакшена для ML: дрейф, обнаружение регрессий, обратная связь и безопасный откат
• Уверенность в работе со службами и клиентами, окружающими вашу модель — бэкенд, веб, Android и iOS — при поддержке инструментов AI и экспертов

Владение английским на уровне Intermediate или выше

КАК ВЫ РАБОТАЕТЕ

• Ежедневное практическое использование AI-кодирующих агентов в реальной продакшн-работе и способность хорошо определять задачи для них. Комфортное владение всей функцией от начала до конца: проектирование, реализация, оценка, развертывание и результат. Вы жили с тем, что отгрузили, а не передавали это в конце.
• Прямое, легкое сотрудничество с продакт-менеджерами, дизайнерами и аналитиками данных

Будет плюсом

• Инференс в реальном времени или потоковая передача живого видео и аудио; модели на устройстве или на периферии
• Модерация контента, доверие и безопасность, или борьба с мошенничеством в потребительском масштабе
• Системы рекомендаций и ранжирования для потребительских лент, с онлайн-экспериментированием
• Мультимодальная работа: видео, аудио, речь или текст и изображения вместе
• Инфраструктура обслуживания и обучения: vLLM, Triton, TensorRT, Ray, Kubeflow или аналогичные
• Создание или улучшение агентских рабочих процессов разработки — пользовательские агенты, MCP-серверы, evals — и обмен успешными практиками с другими инженерами
• Достаточное знание Java 17+ / Spring Boot для чистой интеграции с нашим бэкендом, или готовность быстро освоить его. Live-streaming, видео, высокомасштабируемые потребительские продукты, финтех или коммуникационные платформы
• Docker и Kubernetes, GCP и BigQuery, Aerospike

Technical stack

ML: Python, PyTorch, Hugging Face, GPU training and inference on GCP, experiment tracking and model registry, BigQuery for data.

Platform: Java 17–21 and Spring Boot, GCP, Apache Kafka, MySQL, Redis, Aerospike, Docker, Kubernetes, GitLab. Clients: React and TypeScript on web, Kotlin and Jetpack Compose on Android, Swift on iOS.

How we hire

• An intro call.

• A 90-minute working session on a small, real problem over live-streaming data, which we hand you at the start. You work on your own machine, with your own AI tooling, sharing your screen. We are interested in how you frame the problem, what baseline you choose, what you ask us, and how you satisfy yourself that what you built actually works. Fluency with our particular stack is not scored, and there is nothing to prepare.

• A final conversation with the team, including a deep dive into a model or AI feature you took to production.

What we offer

• Stock options — every employee is a partner in the company
• Competitive salary and performance review bonus
• Hybrid working model: one day per week remotely
• Official employment in Cyprus: work permit visa for employees and residence permit for spouses Medical insurance (100% for employees, 75% for family members)
• Comfortable office in Limassol centre with lunch, dinner and snacks
• Opportunities for professional growth, Greek lessons, sport compensation
• Family corporate events — we believe our spouses are part of our professional success
• Tango is Title Sponsor of Aris Limassol F.C.: free attendance at matches, VIP and Sky Box access, events and merchandise
• Gifts for employees