Software Engineer, AI/ML

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

AI/ML Software Engineer в R&D-команду T2S Solutions. Работа над исследовательскими проектами с применением AI/ML-моделей, независимая верификация и валидация решений, оценка эффективности моделей и техник.

Задачи

• Участвовать в R&D-проектах на всём жизненном цикле — от первичного предложения до завершения, с фокусом на применении AI/ML-моделей и продуктов
• Взаимодействовать с вендорами через CRADA и давать конструктивную обратную связь по их продуктам для повышения точности и безопасности
• Работать с внешними исследовательскими партнёрами из академии и индустрии, направляя их проекты к целям программы
• Проводить независимую верификацию и валидацию (IV&V) и готовить отчёты об эффективности моделей и техник
• Чётко коммуницировать с внутренними и внешними командами разработки, используя системы тикетов, контроля версий и код-ревью

Требования

• Гражданство США и активный допуск Secret (обязательно)
• Степень бакалавра в области AI/ML (Computer Science, Artificial Intelligence, Mathematics, Statistics, Data Science и т.п.) и 3–5+ лет профильного опыта
• Владение хотя бы одним языком и библиотеками из стека: Python (PyTorch, TensorFlow или Scikit-learn), Rust или Go
• Опыт работы с Git
• Опыт разработки или применения моделей: классический ML (computer vision, классификация объектов), LLM (понимание внутреннего устройства, prompt engineering, отладка и валидация), reinforcement learning, агентные системы, diffusion-модели, нейро-символьные решения, adversarial AI/AI Security, Explainable AI (XAI)
• Опыт деплоя моделей и приложений в контейнеризованной среде (Kubernetes/Docker)

Условия

• Зарплата 130–160k в год (DOE)
• Работа в R&D-команде над проектами для DoD, Mission Partners и Intelligence Community
• Компания инвестирует в развитие сотрудников и поддерживает баланс работы и личной жизни

Навыки

• Python
• PyTorch
• TensorFlow
• Scikit-learn
• Rust
• Go
• Git
• LLM
• Reinforcement Learning
• Diffusion Models
• Computer Vision
• Adversarial AI
• Explainable AI
• Kubernetes
• Docker