ML-инженер в Data World удалённо

ML-инженер в Data World для разработки AI-агентов и мультиагентных сценариев автоматизации этапов PDLC, развития LLM-ассистента платформы и RAG-механизмов.

Задачи:

• Разрабатывать AI-агентов и мультиагентные сценарии для автоматизации этапов PDLC
• Развивать Ассистента платформы на базе LLM
• Реализовывать поиск релевантных знаний по запросу пользователя на естественном языке
• Проектировать agentic workflow: планирование, выбор инструментов, выполнение действий, проверка результата и обработка ошибок
• Реализовывать tool calling / function calling через LLM
• Разрабатывать и развивать RAG-механизмы и работу с корпоративными базами знаний
• Создавать LLM-приложения для анализа логов, метрик, БД, документации и других данных платформы
• Разрабатывать агентов для тестирования, сопровождения и диагностики автоматизированных процессов
• Проектировать механизмы памяти и управления контекстом AI-агентов
• Разрабатывать подходы к автоматизированной оценке качества ответов и действий LLM
• Проводить эксперименты с моделями, промптами, контекстом и агентными архитектурами
• Оптимизировать latency, качество и потребление токенов
• Интегрировать AI-функциональность в продукт совместно с backend- и frontend-командами

Требования:

• Уверенное владение Python
• Практический опыт разработки приложений на базе LLM
• Понимание принципов работы современных языковых моделей и ограничений LLM
• Опыт с AI Agents / Agentic AI, tool calling / function calling, RAG, embeddings и vector databases, prompt engineering, structured output, управлением контекстом и памятью агентов
• Опыт разработки production-ready сервисов и интеграции через REST API
• Умение самостоятельно декомпозировать исследовательскую задачу и доводить эксперимент до работающего продукта
• Понимание того, как измерять качество LLM-приложения
• Git, Docker, базовое понимание CI/CD
• Опыт работы: 1–3 года

Условия:

• Зарплата от 150 000 до 160 000 ₽ на руки
• Полная занятость, график 5/2
• Формат работы: удалённо

Навыки:

• Python
• LLM
• AI Agents
• Agentic AI
• tool calling
• function calling
• RAG
• embeddings
• vector databases
• prompt engineering
• structured output
• REST API
• Git
• Docker
• CI/CD
• LangGraph
• LangChain
• LlamaIndex
• GigaChat
• Qwen
• DeepSeek
• Llama
• MCP
• PostgreSQL
• Kubernetes
• OpenShift
• Fine-tuning
• LoRA