Специалист по машинному обучению — Группа компаний АГРОЭКО

АГРОЭКО приглашает на вакансию Специалиста по машинному обучению.

Мы ищем инженера, который доводит ML и LLM-решения до продакшна, а не останавливается на ноутбуке с хорошей метрикой. Вы будете отвечать за задачу целиком: от постановки метрики вместе с продуктом до мониторинга модели после релиза. В работе сочетаются два направления: современные LLM-подходы (дообучение, RAG, агентные сценарии) и классический ML, который по-прежнему решает большую часть прикладных задач.

Условия работы:

• Прозрачная заработная плата 2 раза в месяц, 10-го и 25-го числа каждого месяца;
• Оплата труда достойная (обсуждается на собеседовании);
• Оплата больничных листов и ежегодных отпусков;
• 13-я заработная плата;
• Доплата за стаж: 3-6 лет – 5% от оклада; 6-10 лет – 7,5% от оклада; свыше 10 лет – 10% от оклада;
• Мясо по льготной цене 25% на 15 кг/мес;
• Бесплатное посещение бассейна в районе строительного института;
• Поддержка в трудную минуту жизни, по важным семейным и личным событиям;
• Целевое обучение для детей, родственников, знакомых;
• Выплата по акции "Приведи друга" 7000 рублей;
• Акции и конкурсы для сотрудников и их семей: отличник АГРОЭКО, рюкзак полный канцтоваров для первоклашек, ежегодный конкурс рисунков, кулинарный конкурс, скидки на посещение медицинских учреждений, покупку абонементов в фитнес клубы и др.

Чем предстоит заниматься:

• Проектировать постановку ML-задачи вместе с продуктом и аналитиками: целевая переменная, метрики качества, корректная схема валидации.
• Разрабатывать и поддерживать пайплайны подготовки признаков, обучения, оценки и переобучения моделей.
• Исследовать и внедрять LLM-подходы: fine-tuning, RAG, агентные сценарии, промпт-инжиниринг.
• Подбирать решение под бизнес-ограничения — оценивать качество, стоимость инференса и latency.
• Формулировать требования к данным и инфраструктуре и передавать их инженерам данных и MLOps-инженерам.
• Определять и контролировать метрики качества данных и признаков на обучении и на инференсе.
• Вести документацию по моделям, экспериментам и версиям артефактов, обеспечивать воспроизводимость результатов.
• Участвовать во внедрении MLOps-практик: трекинг экспериментов, версионирование моделей и данных, мониторинг дрейфа, feature store.

• Опыт от 3 лет в Data Science / ML с реальными продакшн-задачами.
• Классический ML: линейные модели, градиентный бустинг, кластеризация, рекомендательные подходы; корректные схемы валидации и подбор метрик под задачу.
• Нейросети: transformers, attention, эмбеддинги; практический опыт обучения и дообучения LLM.
• Python и стек: pandas, numpy, scikit-learn, PyTorch, Hugging Face, LangChain / LlamaIndex.
• SQL: оконные функции, CTE, работа с большими таблицами и историчностью данных.
• RAG: построение поисковых пайплайнов, векторные БД, поисковые индексы.
• Инженерные практики: Git, Docker, командная разработка.
• Аналитическое мышление: умение разложить бизнес-задачу на гипотезы и проверять их данными.
• Коммуникация: способность договариваться с продуктом, аналитикой и инженерией и объяснять сложное простыми словами.
• Самостоятельность в освоении новых инструментов и подходов.
• Будет плюсом: опыт деплоя моделей в продакшн, REST/gRPC API (FastAPI/Flask), сервинг (TorchServe, Triton), CI/CD для ML-пайплайнов. MLOps-инструменты: MLflow, DVC, Airflow / Kubeflow, feature store. Облачные платформы: AWS / GCP / Azure / Yandex Cloud. Big Data: Spark / PySpark, распределённые вычисления. Оценка бизнес-эффекта моделей и участие в A/B-тестах. Специализация в одной из областей: NLP, CV, рекомендательные системы, временные ряды. Английский на уровне чтения технической документации и статей (B1+).

Оставьте свой отклик, звоните, пишите сообщения. До встречи в команде АГРОЭКО.