ML Developer / ML Engineer (ОАЭ) в Соловей и Партнеры Оаэ

Мы в поисках ML-разработчика в технологическую IT-Компанию в Дубае!

Компания развивает интеллектуальную платформу для управления сложными инфраструктурными системами: зданиями, городскими сервисами, оборудованием и подключёнными внешними контурами. Команда создаёт когнитивный runtime, который объединяет данные, модели, reasoning, прогнозирование, симуляцию и безопасное исполнение решений.

В этой роли Вы будете работать в команде над отдельными субмодулями большой AI-системы: от retrieval и embedding-пайплайнов до моделей наблюдений, прогнозирования, World Model и механизмов outcome learning.

Задачи:

• Разрабатывать и развивать ML-компоненты когнитивного runtime.
• Работать над одним или несколькими направлениями: embeddings и retrieval, нейронные модели наблюдений, временные ряды, anomaly detection, predictive/world-model слои, causal observations и outcome learning.
• Создавать и поддерживать пайплайны подготовки, валидации и хранения датасетов.
• Разрабатывать embedding/retrieval-пайплайны для памяти системы, знаний, похожих событий и tenant-specific context.
• Интегрировать ML-компоненты с backend-сервисами через FastAPI и API-контракты.
• Оптимизировать инференс и runtime-поведение моделей: GPU/CPU execution, ONNX Runtime, fallback-стратегии при недоступности CUDA или локальной модели.
• Работать с внешними LLM API и внутренней модельной инфраструктурой, включая MoE-архитектуры и будущие LoRA-адаптеры.
• Участвовать в разработке нейросимвольных модулей reasoning-слоя совместно с backend- и research-командами.
• Формировать воспроизводимые ML-эксперименты, метрики качества, KPI evidence и обучающие traces.
• Участвовать в проектировании safe fallback-паттернов, tenant-safe personalization и privacy-aware работы с данными.

Основной стек:

• Python 3.11/3.12;
• PyTorch, NumPy;
• Hugging Face Transformers;
• Sentence Transformers;
• ONNX Runtime;
• Qdrant;
• PostgreSQL;
• Redis;
• FastAPI для интеграции ML-компонентов с backend;
• Docker, Docker Compose;
• Git.

Модельная инфраструктура:

• Внешние LLM API как текущий inference/provider layer;
• MoE-компоненты и маршрутизация экспертов;
• CUDA-aware execution, GPU-проверки и fallback на API или CPU-режим;
• LoRA-адаптеры для будущей специализации и персонализации;
• Torch-based runtime для небольших внутренних моделей;
• Embeddings, vector search, retrieval и memory pipelines.

Данные и обучение:

• Временные ряды телеметрии;
• Event ledger и causal observations;
• Synthetic data generation;
• Базовые модели по часам, дням и типам событий;
• Outcome learning и pending learning tasks;
• KPI evidence и оценка результатов решений;
• Контекстная и tenant-safe персонализация.

• Уверенное владение Python и PyTorch.
• Практический опыт разработки, обучения или интеграции ML-моделей в production-окружение.
• Опыт работы с embeddings, semantic search, vector databases или RAG/retrieval-пайплайнами.
• Понимание жизненного цикла ML-компонента: данные, подготовка, inference, метрики, мониторинг, деградация модели.
• Опыт работы с Docker и Git.
• Понимание REST API и принципов интеграции ML-сервисов с backend.
• Умение писать поддерживаемый, тестируемый и воспроизводимый код.
• Английский, достаточный для чтения технической документации и работы с ML-инструментами.

Будет преимуществом:

• Практическое понимание model-based learning и world models.
• Опыт с временными рядами, прогнозированием или детекцией аномалий.
• Знание causal inference на прикладном уровне.
• Опыт оптимизации inference через ONNX Runtime, CUDA, batching, quantization или GPU-aware deployment.
• Опыт с LoRA, fine-tuning, MoE или LLM routing.
• Понимание нейросимвольных систем, rule engines либо связки ML и формального reasoning.
• Опыт работы с приватными, чувствительными или мультиарендными данными.
• Понимание подходов safe ML: confidence thresholds, human/system fallback, fail-safe execution.

• Работа в комфортном офисе в Дубае.
• Широкие возможности для профессионального развития, творческая и поддерживающая корпоративная среда.
• Уровень дохода обсуждается и зависит от квалификации.