AI Engineer (Python)

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

AI-инженер в команду Data Science & Engineering бизнес-юнита недвижимости SMG. Проектирование и вывод в продакшен LLM-решений: чат-боты, RAG, генеративные приложения и пайплайны оценки.

Задачи

• Проектировать, разрабатывать и выводить в продакшен масштабируемые решения на базе LLM: чат-боты, RAG, суммаризация, классификация, пайплайны оценки
• Вести GenAI-решения end-to-end: от прототипа и архитектуры до деплоя, мониторинга, масштабирования и улучшения
• Интегрировать LLM с внутренними источниками данных через retrieval, эмбеддинги, векторный поиск и поисковую инфраструктуру
• Строить надёжные ML/GenAI-пайплайны: ингестия данных, оркестрация моделей, оценка, деплой, наблюдаемость и алертинг
• Применять практики LLMOps и MLOps для масштабируемости, надёжности, экономичности, объяснимости и governance
• Деплоить и эксплуатировать AI/ML-системы в облаках AWS и GCP
• Разрабатывать production-grade API, сервисы и интеграции, открывающие ML/LLM-возможности внутренним и клиентским продуктам
• Писать, ревьюить, тестировать и отлаживать качественный код на Python
• Развивать существующие ML/AI-системы: рекомендации, предсказания, фрод, классификация
• Сотрудничать с product, engineering и бизнес-стейкхолдерами для определения целей, метрик успеха и требований к продакшену

Требования

• 5+ лет опыта в software engineering с бэкграундом в ML/AI
• Сильные навыки Python и опыт написания чистого, производительного, тестируемого и поддерживаемого кода
• Подтверждённый опыт деплоя и эксплуатации ML, AI или LLM-систем в продакшене
• Практический опыт с LLM, GenAI API и фреймворками: OpenAI APIs, LangChain, LlamaIndex, Hugging Face или аналоги
• Опыт построения RAG, чат-ботов, information retrieval или AI-ассистентов с полной технической ответственностью
• Понимание практик MLOps и/или LLMOps: деплой, оценка, мониторинг, переобучение, версионирование, трекинг экспериментов
• Опыт с облачной инфраструктурой, особенно AWS и/или GCP
• Опыт создания API, сервисов, пайплайнов и продакшен-интеграций вокруг ML/AI-систем
• Уверенная работа с CI/CD, контейнеризацией, infrastructure-as-code, наблюдаемостью и разбором продакшен-инцидентов
• Знакомство с векторными БД, эмбеддингами и поисковыми системами — сильный плюс
• Опыт работы с большими разнородными датасетами
• Умение быстро разбираться в новых данных и бизнес-задачах
• Командность, проактивность, комфорт в условиях неопределённости
• Внимание к деталям и навыки решения проблем
• Свободный английский (письменный и устный)

Условия

• Гибридный формат работы и 25 дней отпуска в год
• Приватное медицинское страхование
• Командные активности и перки
• Бесплатный LinkedIn Learning и годовой бюджет на личное развитие
• Profit Growth Scheme
• Компанейский телефон (iPhone или Android)
• Уютный офис с 80 парковочными местами
• Хорошее оборудование, конкурентная зарплата и бенефиты: членство в спортзале, скидки в местных магазинах
• Международная команда и среда талантливых людей
• Развивающий опыт, позволяющий расти профессионально и личностно

Навыки

• Python
• LLM
• GenAI
• OpenAI API
• LangChain
• LlamaIndex
• Hugging Face
• RAG
• embeddings
• vector search
• vector databases
• MLOps
• LLMOps
• AWS
• GCP
• CI/CD
• Docker
• Kubernetes
• infrastructure-as-code
• observability
• API