GenAI Engineer – LLM, RAG, Agentic AI & MLOps

Название: Инженер GenAI – LLM, RAG, Agentic AI & MLOps Местоположение: 2 локации

Местоположение: Бангалор - Белландер (GTP) Местоположение: Пуна - Локация клиента Трудоустройство: Полный рабочий день

Краткое описание вакансии Synechron ищет опытного инженера Gen AI для руководства разработкой и внедрением агентных AI-решений, поддерживающих корпоративные бизнес-процессы. Эта роль включает проектирование, доработку и внедрение больших языковых моделей (LLM), систем RAG (Retrieval-Augmented Generation) и мультимодальных агентов, с акцентом на поставку, производительность и операционную безопасность. Идеальный кандидат будет использовать обширный опыт работы с Python, облачными платформами и AI-фреймворками, сотрудничая с различными командами для внедрения инноваций и предоставления масштабируемых, безопасных AI-решений, поддерживающих рост бизнеса.

Требования к программному обеспечению Требуемый опыт работы с ПО: Python (последняя стабильная версия, например, Python 3.8+) — обширный практический опыт поддержки обучения, доработки и инференса больших AI-моделей (более 5 лет) AI-фреймворки: PyTorch, TensorFlow — подтвержденный опыт обучения, внедрения и оптимизации моделей глубокого обучения, поддерживающих генеративные и мультимодальные возможности Большие языковые модели: GPT, Claude, Llama, Gemini или аналогичные — опыт в области инженерии промптов, доработки и поддержки внедрения (более 3 лет) Облачные платформы: AWS, Azure или GCP — опыт внедрения и управления масштабируемыми AI-моделями, поддерживающими корпоративные решения (предпочтительно, более 3 лет) Оркестрация и управление моделями: MLflow, Kubeflow для поддержки жизненного цикла моделей, версионирования и мониторинга (предпочтительно) Обработка данных: Pandas, NumPy для поддержки подготовки данных и инжиниринга признаков

Предпочтительные навыки работы с ПО: Инструменты оценки AI-моделей и снижения предвзятости для оценки справедливости и производительности моделей MLOps-конвейеры для поддержки непрерывного развертывания, переобучения и автоматизации (Kubeflow, TFX или аналогичные) Фреймворки мультимодальной обработки, поддерживающие текстовые, графические и аудиовходы (предпочтительно)

Общие обязанности Руководить проектированием, обучением и внедрением больших языковых моделей и мультимодальных агентов, поддерживающих корпоративную автоматизацию и аналитику. Разрабатывать масштабируемые AI-конвейеры, поддерживающие инференс в реальном времени, переобучение и мониторинг моделей в облачных средах. Сотрудничать с специалистами по данным, инженерами платформ и заинтересованными сторонами для преобразования сценариев использования в операционные AI-системы, поддерживающие автоматизацию и поддержку принятия решений. Поддерживать инженерию промптов, оценку моделей, обнаружение предвзятости и настройку производительности для обеспечения операционной надежности и справедливости. Автоматизировать рабочие процессы развертывания, версионирования и мониторинга, поддерживая стандарты MLOps и ответственного AI. Проводить валидацию моделей, проверки интерпретируемости и оценки безопасности для обеспечения соответствия нормативным требованиям в регулируемых средах. Поддерживать корпоративные конвейеры данных, поддерживающие мультимодальные, RAG-системы и системы на основе знаний, обеспечивая операционную прозрачность. Документировать архитектуру моделей, процессы обучения, доработки, развертывания и операционные метрики для поддержки аудита и соответствия нормативным требованиям.

Технические навыки (по категориям) Языки и фреймворки (Важно): Python для поддержки обучения масштабных моделей, доработки и написания скриптов для автоматизации. PyTorch и TensorFlow для поддержки разработки и внедрения моделей глубокого обучения. Поддерживающие библиотеки: Hugging Face Transformers, LangChain, поддержка архитектуры RAG и интеграции плагинов. Управление данными и моделями: Pandas, NumPy для подготовки данных, инжиниринга признаков и валидации. Инструменты версионирования моделей: MLflow, Kubeflow для поддержки управления жизненным циклом и внедрения. Облачные технологии и инфраструктура: AWS, Azure или GCP для поддержки масштабируемого внедрения и инференса в корпоративных средах (предпочтительно). Поддержка оркестрации контейнеров: Docker, Kubernetes для поддержки масштабируемых, облачных AI-систем. Оценка и мониторинг моделей: Инструменты для обнаружения предвзятости, оценки справедливости и мониторинга инференса (например, TensorBoard, пользовательские дашборды).

Требования к опыту Более 5 лет работы над корпоративными AI/ML проектами, включая большие языковые модели, Retrieval-Augmented Generation и мультимодальные системы. Подтвержденный опыт внедрения AI-моделей, поддерживающих автоматизацию, управление знаниями и операционные рабочие процессы. Обширный практический опыт развертывания AI в облаке, оркестрации жизненного цикла моделей и поддержки масштабируемого инференса (предпочтительно в регулируемых средах). Опыт поддержки практик ответственного AI, справедливости моделей и безопасности в корпоративных средах.

Ежедневные задачи Разрабатывать, дорабатывать и внедрять большие языковые модели и мультимодальных агентов, поддерживающих корпоративные рабочие процессы автоматизации. Создавать и автоматизировать AI-конвейеры, поддерживающие рабочие процессы обучения, инференса, переобучения и мониторинга моделей в облачной среде. Тесно сотрудничать с специалистами по данным, командами платформ и бизнес-подразделениями для предоставления масштабируемых AI-решений, поддерживающих операционную эффективность. Проводить оценки предвзятости, справедливости и безопасности для поддержки соответствия нормам и практик доверенного AI. Устранять неполадки и оптимизировать задержку инференса моделей, рабочие процессы переобучения и среды развертывания, поддерживая корпоративный масштаб. Автоматизировать конвейеры развертывания, мониторинга и переобучения моделей, поддерживая непрерывную доставку и настройку производительности. Документировать AI-архитектуру, модели, процессы обучения и операционные процедуры для поддержки готовности к аудиту и управления.

Квалификация Степень бакалавра или магистра в области Data Science, Computer Science, AI или смежных технических областях. Более 5 лет опыта поддержки корпоративных AI/ML решений, включая большие языковые модели, Retrieval-Augmented системы и мультимодальных агентов. Сертификаты, подтверждающие знание облачных платформ (AWS, GCP, Azure) или практик ответственного AI, приветствуются (предпочтительно). Подтвержденный опыт поддержки или руководства соответствующими нормам, масштабируемыми AI-системами, поддерживающими стандарты конфиденциальности данных и справедливости.

Профессиональные компетенции Сильные аналитические навыки и навыки устранения неполадок, поддерживающие сложную валидацию моделей, обнаружение предвзятости и проблемы с производительностью моделей. Готовность работать в гибридном режиме, 3 дня в неделю в офисе клиента. Лидерские качества для руководства и наставничества младших AI-инженеров и продвижения лучших практик в области развертывания ответственного AI. Навыки коммуникации с заинтересованными сторонами, поддерживающие перевод требований, отчетность и документацию по соответствию. Адаптивность, поддерживающая развивающиеся исследования в области AI, облачные сервисы, стандарты безопасности и нормативные требования. Стратегическое мышление, поддерживающее масштабируемые, безопасные и этичные AI-системы, отвечающие целям предприятия. Организационные навыки для эффективного управления несколькими моделями, циклами переобучения и мероприятиями по развертыванию в сложных средах.