Центр практического искусственного интеллекта занимается разработкой и внедрением высокотехнологичных AI-инструментов.
Задачи берутся из повседневной практики бизнеса.
---
—Вы будете:
- +разрабатывать, оптимизировать и поддерживать NLP/мультимодальные пайплайны, включая RAG-системы и ассистентов для бизнес-задач
- +создавать и развивать ИИ-агентов и мультиагентные системы (workflow-оркестрация, планирование, инструменты, memory-модули, интеграции с сервисами банка)
- +участвовать в формировании и проверке гипотез для улучшения качества моделей и пайплайнов
- +интегрировать агентские пайплайны в высоконагруженные сервисы банка, обеспечивая стабильность, производительность и мониторинг
- +адаптировать и внедрять результаты исследований в прикладные решения
- +разрабатывать сервисы вокруг моделей: API-слои, микросервисы, inference-скрипты, CI/CD для ML
- +обеспечивать качество кода и следить за инженерными практиками (тестирование, логирование, мониторинг)
- +участвовать в выборе и настройке инфраструктуры для инференса и обучения.
---
—Требования:
- +уверенные технические навыки
- +глубокие знания NLP и уверенная база в классическом ML
- +опыт разработки RAG-систем, ML-ассистентов, работа с векторными хранилищами и retrieval-стеком
- +опыт разработки и продакшен-внедрения ML-сервисов от 5 лет
- +отличное знание Python, опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью
- +опыт работы с мультиагентными фреймворками (LangGraph, LlamaIndex или другие)
- +уверенное владение инструментами разработки и инфраструктуры: bash, Docker/Openshift/Kubernetes, Git
- +опыт упаковки моделей в сервисы и интерфейсы (FastAPI, Flask, Tornado; будет плюсом UI-фреймворки типа StreamLit/ChainLit)
- +понимание технологий инференса и обучения больших моделей (vLLM, DeepSpeed, Accelerate)
- +опыт интеграции генеративных моделей в реальные бизнес-процессы
- +знание CI/CD для ML/infra (GitLab CI/GitHub Actions/ArgoCD)
- +навыки профилирования, оптимизации и мониторинга систем в проде (Prometheus/Grafana/OpenTelemetry)
- +понимание MLOps-паттернов: feature store, model registry, rollout/rollback стратегий.
Будет плюсом:
- +опыт работы с мультимодальными моделями (Vision/Audio LLMs)
- +опыт распределённого обучения и оптимизации больших моделей.