ML/NLP Developer

ML/NLP Developer (Python + Go / Voice AI / LLM-диалоги) 🎙🧠

ID вакансии: MLn_Fod Ставка: обсуждается. Грейд: Middle+ / Senior. Загрузка: Full-time (полная занятость). Формат: Удалённо. Локация/Гражданство: РФ.

❗️ КРИТИЧЕСКИ ВАЖНОЕ УСЛОВИЕ: Наличие оформленного военного билета или приписного свидетельства обязательно!

🏢 О проекте: МТС. Разработка и эволюция голосового диалогового ассистента. Ключевая задача — поэтапный перевод системы с жестких графов сценариев на гибкий, управляемый LLM-based диалог с минимальной задержкой (low-latency).

🚀 Ключевые задачи: — Поэтапный перевод системы с графа сценариев на управляемый LLM-based диалог. — Дебаг голосового пайплайна: поиск причин high latency, галлюцинаций LLM, проблем с передачей аудио и графовых ошибок. — Оперативное принятие архитектурных решений и их самостоятельная реализация в коде. — Поддержка и отладка few-shot классификации сценариев (Qwen, BERT), исправление ошибочных срабатываний интентов. — Finetuning локальных LLM при необходимости (извлечение сущностей, удерживание инструкций). — Интеграция и поддержка ASR (GigaAMv2), дообучение и настройка инференса TTS и систем клонирования голоса.

🎯 Обязательные требования (Hard Skills):

NLP и LLM (КРИТИЧНО!): — Уверенный опыт работы с LLM/SLM (Few-shot learning, prompt engineering) и BERT (классификация сценариев и интентов). — Практический опыт finetuning LLM (PEFT, LoRA/QLoRA) под узкие прикладные задачи. — Уверенный дебаг LLM: умение быстро понять причину некорректного ответа и исправить это промптом, гиперпараметром или файнтюном.

Голосовой стек (КРИТИЧНО!): — Опыт дообучения и оптимизации TTS-моделей. — Опыт работы и интеграции современных ASR-систем (в частности, GigaAMv2), понимание работы VAD. — Практика работы с потоковым аудио в реальном времени (streaming ASR/TTS).

Python и оптимизация инференса: — Уверенное владение Python (PyTorch, HuggingFace, фреймворки инференса). — Опыт оптимизации инференса под low-latency (vLLM, TensorRT-LLM, Triton Inference Server, ONNX Runtime).

Go (КРИТИЧНО!): — Понимание дизайна сервисов, паттернов SOLID, DRY и KISS. — Типизация в Go (строки, числа, слайсы, мапы). — Примитивы синхронизации и конкуренция (синхронизация горутин, работа с каналами). — Указатели и работа с ними. — Понимание принципов Observability.

💡 Будет весомым плюсом: — Опыт работы с gRPC-контрактами. — Умение настроить инфраструктуру, знания k8s / inventory. — Глубокое понимание работы сетевого стека (TCP).