Senior ML Engineer (в Бильбао, Испания)

Локация: Бильбао, Испания

Формат: Офисный

Домены: AI, Computer Vision, NLP, Fintech

Команда: PhD, университетские преподаватели, победители олимпиад

Artificial Seed разрабатывает передовые решения на стыке искусственного интеллекта и прикладных технологий, делая фокус на практических задачах, а не только на теоретических исследованиях. Мы работаем в направлениях AI, компьютерного зрения, NLP и финтеха, создавая и внедряя системы, которые решают сложные реальные бизнес-задачи.

Наша международная команда насчитывает более 100 специалистов и работает в среде, где ценятся глубокая экспертиза, инновации и постоянное развитие. Участники команды получают возможность решать нетривиальные задачи, сотрудничать с сильными экспертами и расти в быстро развивающейся технологической индустрии.

Мы ищем:

Senior ML Engineer, который уже строил LLM-агентов и RAG-системы в проде и умеет не только “собрать пайплайн”, но и двигать качество через гипотезы и эксперименты.

Нам нужен человек с мышлением research-minded инженера: быстро проверять идеи, превращать их в работающий прототип, измерять результат, а затем доводить до стабильного production-решения. Важна самостоятельность и ответственность за итог: “нашли рычаг → доказали метриками → внедрили → мониторим”. На практике это значит, что тебе нужно будет делать вещи типа:

• Как построить оценку качества работы агента: какие метрики нужны (task success, tool success, latency/cost, hallucination rate), как собрать датасет, как делать offline/online eval, как организовать регрессии и алерты.

• Будет ли кодовый агент работать лучше, чем текущий агент на наборе тулов: сравнить подходы (tool-based vs code-execution / codegen), определить критерии “лучше”, сделать A/B или controlled rollout, посчитать качество/стоимость/риски.

• Как повысить качество RAG на 30%: улучшить retrieval (чанкинг, query rewriting, hybrid search), reranking, контекст-композицию, dedup/anti-leak, grounding, а затем подтвердить прирост на бенчмарке и в прод-метриках.

  
  Нам важно, что:

• Ты не боишься “непонятных задач”, где нет готового решения и нужно самому сформулировать: что измеряем, как проверяем, что считаем успехом.

• Ты умеешь балансировать скорость и качество: быстро экспериментировать, но при этом держать в голове надёжность, наблюдаемость и воспроизводимость.

• Ты умеешь писать (и вайбкодить) код, от которого продуктовые разработчики не хватаются за наган.

  
  Требования:

• Общий опыт разработки: от 5 лет;

• Опыт в продуктах вокруг LLM / агентов: от 2 лет;

• Построил(а) хотя бы:

  • Одну RAG/поисковую систему с пайплайнами retrieval → rerank → generation;

  • Одного агента (tool-use / multi-step / workflows);

  • У этих систем есть реальные пользователи;

• Асинхронный Python: asyncio, threads;

• Промптинг для LLM: system prompt / user prompt / few-shot, шаблоны, контекст, инструкции;

• Как устроены современные LLM: трансформеры, обучение, инференс, сервинг;

• Свежие модели и их отличия (качество / скорость / контекст / стоимость / мультимодальность и т.д.);

• MCP (Model Context Protocol);

• Методология ML: train/val/test, метрики, базовые принципы оценки;

• Контроль качества ответов агентов:

  • Мониторинг, метрики, guardrails, регрессии, алерты, человеческая разметка/feedback loops;

  • Фреймворки/подходы для агентов: fastmcp, mcp-use, OpenAI Agents SDK и аналоги;

• Токенизация:

  • Как работает токенизация;

  • Какие токенайзеры актуальны, влияние на контекст / стоимость/ лимиты;

• RAG-пайплайны:

  • Компоненты (ингест / чанкинг / эмбеддинги/ векторное хранилище / retrieval / rerank /композиция контекста / генерация);

  • Типовые проблемы и решения (галлюцинации, бедный ретривал, деградации, cold start, дрейф данных, дубликаты, latency);

• Cursor и аналоги (Claude Code, Codex, Aider и т.п.): как пользоваться кодовыми агентами в разработке.

  
  Будет плюсом:

• Опыт организации API: REST / gRPC / GraphQL;

• Понимание протокола HTTP;

• Работа с реляционными СУБД: PostgreSQL и аналогами;

• Знание распределённых и векторных хранилищ: Weaviate, Cassandra и др;

• Опыт с Python API-фреймворками: FastAPI, Flask и аналогами;

• Работа с системами фоновых задач: Celery, Taskiq, Airflow и др;

• Навыки контейнеризации: Docker, Kubernetes или Nomad;

• Опыт работы с очередями и брокерами: Kafka, RabbitMQ, Redis и др.

  
  Что предлагаем:

• Гибкий график работы - вы самостоятельно определяете комфортное время начала дня;

• Полную поддержку при релокации в Бильбао, для вас и вашей семьи - помощь с оформлением документов, адаптацией и переездом, включая питомцев;

• Неограниченный отпуск - возможность брать отдых тогда, когда это действительно нужно;

• Атмосферу доверия и уважения к экспертности без излишнего контроля;

• Современный офис в комфортной локации, командные мероприятия и регулярные оффсайты;

• Профессиональный рост, участие в архитектурных решениях, амбициозные задачи и работу в сильной команде, у которой можно перенимать опыт.