AI исследователь

#senior #300k #удаленка ☑️ Чем предстоит заниматься -Разработка генеративных ИИ-моделей для синтеза визуального и проектного контента на основе структурированных данных товарного каталога в рамках проверки гипотез (PoC) внутри корпоративной платформы по оценке ИИ-инициатив ☑️ Наши пожелания к кандидатам -Разработка архитектуры агентов: управление состоянием диалога и контекстом, динамический выбор инструментов (tool calling), настройка уровней автономности и сценариев human-in-the-loop -Глубокое понимание жизненного цикла ML-модели: от подготовки признаков до интерпретации результатов -Знание методов борьбы с переобучением, data leakage, регуляризации; уверенный выбор алгоритмов под задачу -Владение матстатистикой для проверки гипотез, расчета доверительных интервалов и самостоятельного дизайна A/B-тестов -Построение системы метрик: разработка офлайн- и онлайн-показателей, кросс-валидация, прямая оценка бизнес-эффекта -Непрерывный мониторинг дрейфа моделей и качества данных в продакшене -Опыт работы хотя бы в одном из направлений: классическое машинное обучение; временные ряды и прогнозирование -Языки и библиотеки: Python (pandas/polars, NumPy, scikit-learn, CatBoost/XGBoost/LightGBM, PyTorch), продвинутый SQL -Написание поддерживаемого production-кода: модульная архитектура, юнит-тесты, логирование, документация, работа с GitFlow и код-ревью -Построение пайплайнов оценки (LLM Evals): контроль галлюцинаций, релевантности ответов и мониторинг поведения системы -Обеспечение безопасности: защита от prompt injection, предотвращение утечек персональных данных (PII/privacy) и аудит прав доступа агента -Практический опыт работы с API языковых моделей, платформой Hugging Face и orchestration-фреймворками -Умение оценивать стоимость, latency и масштабируемость LLM-решений -Опыт работы в e-commerce, retail или других продуктовых highload-системах -Инфраструктура и оркестрация: Airflow, MLflow, Kafka, Redis, Kubernetes -Мониторинг и наблюдаемость: Prometheus, Grafana, OpenTelemetry -Опыт эксплуатации GPU-инфраструктуры и оптимизации inference -Адаптация моделей через fine-tuning (LoRA/PEFT) -Опыт проектирования agentic workflows или multi-agent-систем -Понимание принципов информационной безопасности, privacy и работы с персональными данными