Чем предстоит заниматься:
- Обеспечивать разработку, внедрение и развитие корпоративных решений на базе больших языковых моделей для автоматизации бизнес-процессов, повышения производительности сотрудников, улучшения качества принятия решений и создания измеримого бизнес-эффекта для компаний Холдинга.
- Участвовать в полном цикле разработки AI/ML-решения: от гипотез и прототипов до запуска в production и последующего мониторинга;
- Разрабатывать, тестировать и внедрять end-to-end решения на базе LLM: диалоговых агентов, RAG и LLM workflows;
- Оптимизировать производительность, качество и стоимость использования LLM в продуктовых сценариях;
- Вести техническую документацию, участвовать в оценке инициатив и консультировать бизнес юниты по вопросам применения LLM.
Мы предлагаем:
- Возможность присоединиться к профессиональной, высоко мотивированной и результативной команде из 200+ сотрудников R1, перспективы карьерного роста;
- Официальное трудоустройство в аккредитованный IT-актив компании ООО "Эр-1", оплачиваемые отпуск, командировки, больничные;
- Работу в офисе в одном из городов присутствия R1 на ваш выбор - Москва, Санкт-Петербург, Пермь;
- Рыночную заработную плату по результатам собеседования;
- ДМС со стоматологией после испытательного срока, 100% компенсацию больничного;
- Комфортные офисные условия;
- Корпоративные программы от наших партнеров;
- Бонусное подключение к телеком-услугам Дом.ru по тарифу «Сотрудник»;
- Яркую корпоративная жизнь и дружелюбную атмосферу в коллективе профессионалов!
Мы ждём от кандидатов:
- Опыт работы на позиции Data Scientist, ML инженер, LLM инженер (уровень Senior);
- Опыт работы с машинным обучением, фреймворками и инструментами, связанными с LLM;
- Опыт разработки высоконагруженных AI/ML сервисов (с фокусом на LLM);
- Знание популярных библиотек и фреймворков для машинного обучения (например, TensorFlow, PyTorch, Scikit-learn, PEFT, vLLM);
- Понимание архитектур LLM и опыт файнтюнинга под продуктовые задачи (SFT, PEFT, RLHF, LoRA, PPO, DPO, GRPO);
- Знание LLM-фреймворков (langchain, langgraph или аналоги) и подходов к разработке AI-агентов (function calling, structured output, context engineering);
- Знание методов оценки качества LLM-решений;
- Знание языков программирования: Python, SQL, PySpark;
- Глубокое понимание математических основ, включая статистику и линейную алгебру.
