Machine Learning Engineer (Generative AI / Computer Vision)

Задачи: — Разрабатывать и исследовать ML-модели для генерации изображений и визуализации интерьерных/строительных решений на основе товаров Лемана ПРО. — Проектировать и реализовывать end-to-end пайплайны для PoC: от сбора и подготовки данных до обучения, оценки и демонстрации результатов. — Создавать и поддерживать фреймворки для оценки качества (evals) генеративных моделей и LLM-систем (контроль галлюцинаций, метрики качества генерации). — Писать чистый, поддерживаемый production-ready код: модульная архитектура, unit-тесты, логирование, документация, code review. — Оптимизировать инференс моделей (стоимость, latency, масштабируемость), работать с GPU-инфраструктурой. — Обеспечивать информационную безопасность: контроль рисков prompt injection, защита персональных данных (PII) и корректное управление правами доступа в агентных системах. — Тесно взаимодействовать с командой продукта и другими ML-специалистами для валидации бизнес-гипотез и дизайна A/B-тестов. Требования: Фундаментальная база: — Глубокое понимание принципов машинного обучения: подготовка данных и feature engineering, выбор архитектур, регуляризация, борьба с переобучением и data leakage, интерпретация результатов. — Уверенные знания математической статистики: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов. — Понимание принципов оценки качества ML-систем: offline/online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных (data drift). Технический стек и разработка: — Уверенное владение Python и экосистемой: pandas / polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch (или аналоги). — Уверенное владение SQL для работы с большими объемами данных. — Навык написания production-кода: модульность, тестирование, логирование, Git, опыт участия в code review. Специализация (опыт работы хотя бы в одном из направлений, приоритетно CV/GenAI): — Computer Vision и генеративный AI (генерация изображений, NeRF, 3D-реконструкция или аналогичные задачи). — NLP, LLM и построение RAG-систем. — Рекомендательные системы, поиск и ранжирование. — Классическое машинное обучение или прогнозирование временных рядов. Генеративный AI и LLM (важно для текущего PoC): — Опыт построения evals для LLM-систем, оценки качества ответов и мониторинга поведения системы. — Понимание рисков безопасности: prompt injection, некорректный tool calling, утечки данных. — Опыт работы с API языковых моделей, Hugging Face и orchestration-фреймворками (LangChain, LlamaIndex или аналоги). — Опыт fine-tuning или адаптации LLM (LoRA / PEFT). — Понимание принципов проектирования AI-агентов: управление состоянием (state management), выбор инструментов, контроль автономности и human-in-the-loop. Инфраструктура и MLOps: — Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. — Опыт эксплуатации GPU-инфраструктуры и оптимизации инференса (квантование, ONNX, TensorRT и т.д.). — Понимание принципов информационной безопасности, privacy и работы с персональными данными. Преимущества: — Опыт работы в e-commerce, retail или других продуктовых highload-системах будет значительным преимуществом. Условия: — Полный рабочий день. — Можно удалённо.