ML-инженер в IT-инфраструктуру офисов

Мы ищем опытного и увлечённого ML-инженера, который станет драйвером внедрения искусственного интеллекта в наши внутренние сервисы. В нашей команде каждый участник активно вовлечён в проекты: от обсуждения с продуктовыми командами и предложения технических решений до обеспечения успешной реализации.

Почему вам у нас понравится? Вы сможете оказывать влияние на процессы — ваши решения оценят тысячи коллег внутри Яндекса. Вам предстоит работать с последними технологиями AI/ML, создавать новые сервисы с нуля и автоматизировать сложные процессы. У вас будет свобода внедрять актуальные LLM-решения без legacy-ограничений, доступ к крупнейшим LLM на суперкластерах Яндекса и внутренним непубличным моделям.

Мы используем профессиональные инструменты для экспериментов, MapReduce для распределённой обработки данных и оркестратор рабочих процессов. У вас будет возможность влиять на архитектуру, выбор технологий и конечный результат, а также развивать инструменты, от которых зависит эффективность работы огромного числа сотрудников.

Какие задачи вас ждут

Оптимизация и эксперименты с LLM
Вы будете проводить исследования для оптимизации LLM в производственной среде, а также эксперименты по улучшению качества моделей. Кроме того, вам предстоит проверять гипотезы с помощью A/B-тестирования и анализировать результаты.

Разработка и внедрение AI/ML-решений
Вы будете создавать, дообучать и адаптировать ML-модели, включая большие LLM, для внедрения в продакшн-сервисы. Это поможет автоматизировать работу Helpdesk и внутренние процессы. Также нужно будет работать с данными: строить и оптимизировать ETL/ELT-процессы для их подготовки. В ваши задачи войдёт разработка RAG-систем и интеллектуальных агентов для точных ответов на внутренние запросы.

Бэкенд-разработка
Вам предстоит заниматься построением архитектуры и разработкой микросервисов на FastAPI, писать качественный код на Python — эффективный, хорошо документированный и покрытый тестами.

Настройка инфраструктуры и релизных процессов
Вы будете настраивать и поддерживать мониторинг (метрики, логи, алерты), обеспечивать стабильную круглосуточную работу сервисов. Также предстоит автоматизировать процессы: настраивать и оптимизировать CI/CD-пайплайны (сборка, тестирование, деплой). Кроме того, потребуется разработать MLOps/DevOps-инфраструктуру для LLM.

Мы ждем, что вы

• Работали ML-инженером (или на схожей позиции) и выводили ML-модели (включая LLM) в промышленную эксплуатацию
• Разрабатывали API и бэкенд-сервисы, предпочтительно с использованием FastAPI
• Уверенно владеете Python и его экосистемой для ML и бэкенд-разработки
• Работаете с SQL (имеете опыт работы с PostgreSQL или аналогичными реляционными базами данных)
• Пишете чистый, эффективный и тестируемый код, знаете принципы SOLID, DRY, KISS
• Понимаете принципы построения микросервисной архитектуры
• Настраивали мониторинг и понимаете важность надёжности сервисов
• Знакомы с практиками CI/CD
• Обладаете высокой степенью самостоятельности, ответственности и проактивностью
• Умеете работать в команде и эффективно взаимодействовать с коллегами (разработчиками, продуктологами)

Будет плюсом, если вы

• Работали с классическими ML-моделями и фреймворками (CatBoost, XGBoost, LightGBM, scikit-learn) или трансформерами (BERT, RoBERTa и т. п.)
• Разрабатывали RAG-системы и интеллектуальных агентов
• Работали с векторными базами данных (Chroma, pgvector и т. д.)
• Работали с асинхронным программированием на Python
• Работали с Redis (как кеш, брокер или база) или брокерами сообщений (RabbitMQ, Kafka)
• Активно используете в работе PyTorch и Jupyter Notebook/Lab для исследований и экспериментов
• Знакомы с Airflow или любым другим инструментом для оркестрации задач
• Понимаете принципы MLOps (версионирование данных и моделей, экспериментов — MLflow, DVC и т. д.)
• Знакомы с Linux/Unix-системами, базовым администрированием и shell-скриптами

О команде

• У нас опытные разработчики, и любой проект проходит архитектурное ревью, в котором участвует вся команда
• У нас нет выделенной роли архитектора, так что архитектуру проектов разработчики придумывают самостоятельно
• Применяем продуктовый подход к разработке: разработчики плотно общаются с командой продукта, предлагают технические решения, отвечают за сходимость проектов
• Это очень интересно, так как есть реальная возможность влиять на то, что в итоге увидят пользователи, но требует большой самостоятельности и ответственности