Полигонатор — быстрорастущая компания, специализирующаяся на создании инновационных тренажёров для различных предприятий. Наши решения охватывают широкий спектр: классические обучающие комплексы и интерактивные среды для отработки управления различными средствами/техникой в симуляциях с реалистичной физикой и иммерсивные VR-тренажёры.
Мы создаём полноценное ПО (от проектирования до внедрения ) и строим продукты с внедрением ИИ – от аналитики и прогнозных моделей до LLM-приложений и исследовательских прототипов. У нас нет «одной роли на всё»: мы нанимаем людей с сильным Python и математической базой, а вектор развития (аналитика, инфраструктура ML, LLM-продукты или R&D) выбираем вместе, исходя из ваших сильных сторон и задач бизнеса.
Наша команда увлечена своим делом и стремится сделать передовые технологии доступными для всех.
С 2016 года мы реализовали более 40 проектов, накопили богатый опыт и научились успешно применять современные технологии для решения практических задач. В нашей работе мы используем Unreal Engine 5 — мощный инструмент для создания детализированных и реалистичных виртуальных сред.
Мы ищем AI-разработчиков, в смежных направлениях которые понимают принципы работы современных технологий искусственного интеллекта и способны не только использовать готовые решения, но и проектировать, разрабатывать и совершенствовать собственные AI-системы.
Требования:
Общие требования (для всех направлений)
Инженерная база
- Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
- Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне, PyTest, Docker
- SQL (с оговоркой по направлениям).
- Умение читать документацию и научные статьи на английском.
Математическая база
- Линейная алгебра, теория вероятностей, математическая статистика.
- Понимание метрик качества и принципов валидации моделей.
- Понимание, что такое переобучение, утечка данных (data leakage) и как с ними бороться.
Продуктовое мышление
- Умение переводить бизнес-задачу в техническую постановку.
- Способность объяснить результат нетехническим стейкхолдерам.
- Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Инструменты
- Python-экосистема для данных: pandas, NumPy.
- GitLab.
Будет плюсом
- С/С++, Rust, Go, Unreal Engine 5
Требования по направлениям
Data Scientist
Специализированные знания
- Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
- Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.
- Классический ML: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
- Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.
- Понимание продуктовых метрик (retention, LTV, конверсия).
Инструменты
- pandas, NumPy, scikit-learn, Matplotlib / Seaborn / Plotly.
- XGBoost / LightGBM.
- SQL, Jupyter, Git.
- Плюсом: Polars, PySpark, MLflow, Airflow, Streamlit / Dash.
ML Engineer
Специализированные знания
- Построение пайплайнов подготовки данных и обучения моделей.
- Деплой моделей: упаковка в сервис, версионирование, канареечные релизы.
- Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
- Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / Ollama / llama-cpp.
- Основы облачной инфраструктуры (AWS / GCP / Azure: вычисления, хранение, IAM).
- RL-инфраструктура: векторизованные среды, параллельный сбор опыта, обучение политик в симуляции, интеграция с Isaac Lab / Gymnasium.
Инструменты
- PyTorch / TensorFlow.
- Docker, Kubernetes, CI/CD (GitHub Actions / GitLab CI).
- MLflow / W&B, FastAPI / Pydantic.
- Prometheus / Grafana, очереди (Celery / RQ), Redis, Postgres.
- Плюсом: Go/Rust (инфраструктура).
AI Engineer
Специализированные знания
- Архитектура RAG: стратегии чанкинга, эмбеддинги, векторный и гибридный поиск, оптимизация retrieval.
- LLM и промпт-инжиниринг: контекстное окно, токен-экономика, стоимость и задержка, структурированный вывод (JSON), few-shot.
- Агенты и tool calling: LangChain / LangGraph, function calling, MCP-архитектура.
- Оценка качества и защита: LLM-as-judge, RAGAS, снижение галлюцинаций, защита от промпт-инъекций.
- Бэкенд-интеграция: FastAPI, работа с внешними API и БД.
Инструменты
- FastAPI (построение API для LLM-сервисов), Docker, Redis, Celery (очереди, кэширование, фоновые задачи).
- Опыт с одним из RAG-фреймворков: LlamaIndex (document-heavy RAG) или LangChain / LangGraph (агентные workflow).
- Понимание выбора векторной БД: pgvector (консолидация с PostgreSQL), Pinecone (managed), Weaviate (open-source, гибридный поиск), FAISS (прототипы), Qdrant
AI R&D Developer
Специализированные знания
- Глубокое обучение: уверенное владение PyTorch, понимание Transformer и смежных архитектур.
- Воспроизведение статей (paper replication) и проведение контролируемых экспериментов: ablation study, контрольные группы, статистическая значимость.
- Доменная специализация в одном из направлений: NLP / CV / графы / временные ряды.
- Оптимизация обучения и инференса: квантизация, Flash Attention, DeepSpeed (знакомство); базовые знания CUDA — плюс.
- Умение упаковать результат исследования в прототип или API для передачи в прод.
- RL (плюс для R&D-вектора): понимание постановки MDP, experience replay, policy gradient vs value-based методы, sim-to-real transfer; опыт обучения агентов в симуляции (Isaac Lab, Gymnasium, PettingZoo).
Инструменты
- PyTorch / JAX, Hugging Face, W&B / MLflow.
- CUDA (плюс), DeepSpeed, vLLM.
- Git, Docker.
Наши условия труда:
- ИТ-аккредитация компании;
- Официальное трудоустройство, полностью «белая» заработная плата;
- Социальный пакет по ТК РФ;
- Заработная плата обсуждается индивидуально по итогам собеседования;
- Адрес: г. Таганрог, ул. Котлостроительная, 2-6;
- График: 5/2, с 10:00 до 18:00, офисная занятость;
- Современный технически оснащённый офис;
- Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения;
- Дружная команда и комфортная рабочая атмосфера.
Нам нужен инженер, который понимает, как устроен искусственный интеллект, умеет исследовать технологии и создавать собственные решения, а не только подключать готовые модели через API.
Если тебе интересно разрабатывать интеллектуальные системы и работать над сложными инженерными задачами — присоединяйся к нашей команде!
