Ведущий системный инженер данных

Внедрение практик разработки и сопровождения с учетом работы ai-агентов. Ускорение T2M системной разработки и инженерных задач на дата-платформе. Постановка требований на команду развития внутренних LLM

Дообучение (Fine-tuning) open-source LLM (Qwen, Gemma, LLama) с использованием PEFT (LoRA, QLoRA) для специфических доменных задач.
Профессиональное владение принципами работы моделей трансформеров и современных LLM-архитектур, умение объяснять и применять механизм Self-Attention
Работа с эмбеддингами и моделями для ранжирования, семантического поиска, классификации текстов (BERT, RoBERTa, Sentence-BERT).
Решение задач NLP: суммаризация, извлечение именованных сущностей (NER), анализ тональности, машинный перевод.
Проектирование пайплайнов Retrieval-Augmented Generation для работы с частными базами знаний компании.
Оптимизация retrieval: эксперименты с чанкингом (разбиением текста), выбором стратегий поиска (гибридный поиск: ключевые слова + векторный).
Работа с векторными базами данных (ChromaDB, Qdrant, Milvus, FAISS) и классическими (PostgreSQL + pgvector, Redis).
Опыт работы с агентскими LLM-системами и понимание принципов их функционирования.
Развертывание моделей в production (MLOps): упаковка в Docker, оркестрация с Kubernetes, работа с фреймворками для serving (vLLM, TGI, Triton Inference Server).
Мониторинг качества работы моделей в продакшене (детекция дрейфа данных, оценка качества генераций).
Знание метрик для оценки качества генеративных моделей
Анализ научных статей и внедрение актуальных методов в продуктовые сценарии.

Языки: Python (продвинутый уровень, asyncio, typing).
Фреймворки: PyTorch, Transformers, PEFT, TRL, vLLM, LangGraph, FastAPI
Опыт работы с API OpenAI, а также локальными open-source моделями.
MLOps: Docker, Git, CI/CD для ML (GitHub Actions / GitLab CI), опыт работы с Kubernetes.

Увлеченность разработкой: Активный интерес к новым технологиям и методам разработки. Хороший кругозор: Знание и понимание различных аспектов разработки, включая агентный. Практический опыт: Доказанный опыт практической реализации проектов, особенно в области баз данных и автоматизации.