Полигонатор · Санкт-Петербург

AI R&D Engineer / ML Engineer (Python) — Полигонатор

Проектировать и реализовывать ML-пайплайны: от подготовки данных до обучения, валидации и деплоя моделей. Проводить контролируемые эксперименты: ablation study, контрольные...

Работодатель открыл эту же позицию ещё в нескольких городах: Волгоград, Воронеж, Краснодар, Ростов-на-Дону.

Коротко о вакансии

Зарплату работодатель не назвал — вилку обсуждают на собеседовании. В требованиях: python, sql, git.

Описание вакансии

О компании

Полигонатор — быстрорастущая компания, специализирующаяся на создании инновационных тренажёров для различных предприятий. Наши решения охватывают широкий спектр: классические обучающие комплексы, интерактивные среды для отработки управления 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. С 2016 года реализовали более 40 проектов. В работе используем Unreal Engine 5 для создания детализированных и реалистичных виртуальных сред.

О роли

Мы ищем AI R&D / ML Engineer, который понимает принципы работы современных технологий ИИ и способен не только использовать готовые решения, но и проектировать, разрабатывать и совершенствовать собственные AI-системы. Вы будете работать на стыке исследований и продакшена: воспроизводить статьи, ставить контролируемые эксперименты, строить пайплайны обучения и деплоить модели в реальные продукты (включая RL-сценарии в симуляциях).

Уровень: Middle / Middle+

Опыт: 1–3 года коммерческой разработки в ML/AI

Что вы будете делать

  • Проектировать и реализовывать ML-пайплайны: от подготовки данных до обучения, валидации и деплоя моделей.
  • Проводить контролируемые эксперименты: ablation study, контрольные группы, оценка статистической значимости результатов.
  • Воспроизводить научные статьи и адаптировать методы под задачи бизнеса (симуляции, тренажёры, физика).
  • Разрабатывать и обучать RL-агентов в симуляциях, настраивать векторизованные среды и параллельный сбор опыта.
  • Оптимизировать инференс: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
  • Строить мониторинг моделей: дрейф данных, деградация качества, алертинг.
  • Упаковывать результаты исследований в прототипы и API для передачи в прод.
  • Участвовать в планировании задач и архитектуры проектов, предлагать технические решения.
  • Работать в команде: ветки, код-ревью, CI/CD.

Требования

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 — написание юнит-тестов для моделей и пайплайнов.
  • SQL — уверенные запросы, JOIN, агрегации, оконные функции (базово).
  • Английский — чтение документации и научных статей.

Математическая база

  • Линейная алгебра, теория вероятностей, математическая статистика.
  • Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
  • Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
  • Статистический вывод: проверка гипотез, p-value, доверительные интервалы — применительно к оценке экспериментов.

ML-инженерия

  • PyTorch (основной) — уверенное владение: кастомные Dataset/DataLoader, обучение, валидация, сохранение/загрузка чекпоинтов.
  • Построение пайплайнов подготовки данных и обучения: воспроизводимость (seed, версионирование данных), конфигурирование экспериментов.
  • Деплой моделей: упаковка в сервис (FastAPI), версионирование, канареечные релизы (базово).
  • Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
  • Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
  • Основы облачной инфраструктуры.

RL-инфраструктура

  • Понимание постановки MDP (состояния, действия, награды, политика, ценность).
  • Experience replay, policy gradient vs value-based методы (базовое понимание).
  • Опыт обучения агентов в симуляции: Isaac Lab / Gymnasium / PettingZoo / другие.
  • Векторизованные среды, параллельный сбор опыта.
  • Понимание sim-to-real transfer.

Продуктовое мышление

  • Умение переводить бизнес-задачу в техническую постановку.
  • Способность объяснить результат нетехническим стейкхолдерам.
  • Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
  • Участие в планировании задач и архитектуры проектов: умение предложить структуру пайплайна, выбрать инструменты и обосновать выбор.

Инструменты

  • Python-экосистема для данных: pandas, NumPy.
  • PyTorch — основной фреймворк; TensorFlow — как альтернатива (плюс).
  • Hugging Face — работа с предобученными моделями и токенизаторами.
  • W&B / MLflow — трекинг экспериментов.
  • Docker (базово), CI/CD (GitHub Actions / GitLab CI).
  • FastAPI / Pydantic — обёртка модели в API.
  • Prometheus / Grafana — мониторинг; очереди (Celery / RQ), Redis, Postgres — базовая работа.
  • GitLab — основная платформа.

Будет плюсом

  • C/C++, Rust, Go — для инфраструктурных задач и оптимизации.
  • CUDA — написание кастомных ядер, профилирование.
  • DeepSpeed, Flash Attention — оптимизация обучения больших моделей.
  • vLLM — продакшен-инференс LLM.
  • Unreal Engine 5 — понимание среды, в которой работают наши симуляции.
  • JAX — альтернативный фреймворк.
  • Доменная специализация: NLP / CV / графы / временные ряды.

Условия

  • 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.

Вакансия опубликована 6 ноября, проверена 18.11.2026. Открыть оригинал.

Ключевые навыки

PythonSQLGit

Как откликнуться

Отклик оформляется на странице работодателя — кнопка выше ведёт туда напрямую. Перед отправкой стоит подогнать резюме под текст вакансии: работодатели читают первые строки и ищут в них свои слова. Если рассылаете отклики десятками, посмотрите сервис автооткликов — он отправляет их за вас по заданным настройкам, до 50 в сутки. Про сам поиск работы есть разбор в статье как быстро найти работу.

Спросите нейросети о вакансии

Отвечает DeepSeek по данным этой страницы: зарплата против рынка, условия, работодатель

Вопросы по этой вакансии

Сколько платят на позиции «AI R&D Engineer / ML Engineer (Python)»?

Вилку работодатель не назвал — обсуждать деньги придётся на собеседовании. Для ориентира: в среднем по направлению «Дата-сайентист» платят 174 000 ₽.

Какой опыт нужен?

В требованиях указано: от 1 года до 3 лет. Формат работы удалённый, переезд не потребуется.

Вакансия ещё открыта?

Да, на 18.11.2026 она активна: каждую ночь каталог сверяется с источником, закрытые предложения помечаются и уходят из списков.

О компании

Полигонатор

ООО Полигонатор Полигонатор  — быстрорастущая компания-разработчик программного обеспечения для VR-тренажёров и иммерсивных решений. Мы специализируемся на создании инновационных тренажёров, которые применяются в виртуальной реальности в различных направлениях проектов. Наша команда увлечена своим делом и стремится сделать виртуальную реальность доступной для всех. С 2016 года мы реализовали …

Похожие вакансии

Соседи по направлению с близкими требованиями.

Data Scientist (офис)

Зарплата не указана

Совкомбанк Технологии · Санкт-Петербург

Разработка, обучение и внедрение моделей классического машинного обучения для банковских задач (скоринг, предсказание оттока, сегментация клиентов, борьба с мошенничеством и...

От 3 до 6 летДата-сайентистОпубликована 20 октября

ML - инженер (Creator)

Зарплата не указана

СБЕР · Санкт-Петербург

Проектировать и разрабатывать LLM-workflow, AI-агентов и мультиагентные системы: настраивать взаимодействие моделей, работу с контекстом и вызов внешних инструментов.

От 3 до 6 летДата-сайентистОпубликована 29 октября

ML-инженер / Data Scientist (сбор данных и обучение моделей)

Зарплата не указана

Артамонов Леонид Вячеславович · Анапа

Разрабатываем умный корсет с датчиками движения. Он должен изучать привычки человека, замечать длительные и повторяющиеся положения тела и давать персональные...

Нет опытаПроектДата-сайентистОпубликована 27 октября

Инженер данных

Зарплата не указана

SOLOPHARM · Санкт-Петербург

Развивать внутренний ETL runtime, API и сервисы вокруг данных, а не только собирать разовые скрипты. Делать новые шаги пайплайнов и...

От 1 года до 3 летДата-сайентистОпубликована 2 ноября

AI-инженер

Зарплата не указана

РН- Геология Исследования Разработка · Красноярск

Разработка AI-автоматизаций: Создание MVP, прототипов и полноценных решений для автоматизации рутинных задач (документооборот, внутренние запросы, аналитика). Работа с RAG...

От 1 года до 3 летДата-сайентистОпубликована 16 ноября

Senior ML engineer

Зарплата не указана

СБЕР · Санкт-Петербург

Погрузиться в процессы и продукты компании, с целью улучшения процессов с помощью ML. Разрабатывать и тестировать новые гипотезы связанные с...

От 3 до 6 летДата-сайентистОпубликована 26 октября

Другие вакансии компании

C# / .NET разработчик

Зарплата не указана

Полигонатор · Ростов-на-Дону

Разработка и доработка лаунчера на .NET, WPF и Avalonia. - Запуск игры, установка и обновление сборок, работа с файлами и процессами. -

От 1 года до 3 летПрограммистОпубликована 17 ноября

Data Scientist (Middle / Middle+, Python) — Computer Vision

Зарплата не указана

Полигонатор · Краснодар

Переводить бизнес-задачи в техническую постановку: определять целевую метрику, данные, критерии успеха. Строить прогнозные модели: регрессия, классификация, ансамбли (XGBoost / LightGBM...

Можно удалённоОт 1 года до 3 летПрограммистОпубликована 6 ноября

Houdini Engineer / Специалист по процедурной генерации карт

Зарплата не указана

Полигонатор · Таганрог

Создание виртуальной местности и окружения в Unreal Engine по исходным данным и техническому заданию. Работа с рельефом, высотами, масками, дорожной...

Можно удалённоОт 1 года до 3 летГейм-дизайнерОпубликована 24 октября

Расчёты по этой вакансии

Пригодится до собеседования: сколько останется на руки от названной суммы, как считаются отпускные и переработки.

Ещё по направлению

Модели машинного обучения, прогнозы и рекомендации: Python, статистика, продакшен.