ИИ инкубатор - единая платформа для оценки и проведения пилотов (PoC) для ИИ идей с промежуточной защитой и защитой PoC на ИИ Комитете.
Обязанности
Разработка ИИ ассистентов, функциональных агентов в рамках проверки PoC для ИИ идей. входящих в ИИ инкубатор:
- практические познания в NLP,
- запуск на гпу\цпу
- контенейризация
- jenkins
- векторные базы и эмбедеры для RAG
- function calling
- kserve
- bert образные модели
- работа с эвристиками
- опыт в квантинизации ллм
Обязательные требования
• Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop.
• Глубокое понимание основных принципов машинного обучения: подготовка данных и признаков, выбор моделей, регуляризация, переобучение, data leakage, интерпретация результатов.
• Знание математической статистики: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов.
• Понимание принципов оценки качества ML-систем: offline
- и online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных.
• Опыт работы хотя бы в одном из направлений:
o классическое машинное обучение;
o временные ряды и прогнозирование;
o рекомендательные системы, поиск и ранжирование;
o NLP, LLM и генеративный AI.
• Уверенное владение Python и основными библиотеками для анализа данных и машинного обучения: pandas или polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch или аналогичные инструменты.
• Умение писать поддерживаемый production-код: модульная архитектура, тестирование, логирование, документация, работа с Git и участие в code review.
• Уверенное владение SQL
Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы.
• Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента.
• Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков.
• Умение оценивать стоимость, latency и масштабируемость LLM-решений.
• Опыт работы в e-commerce, retail или других продуктовых highload-системах.
• Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.
• Опыт эксплуатации GPU-инфраструктуры и оптимизации inference.
• Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT.
• Опыт проектирования agentic workflows или multi-agent-систем.
• Понимание принципов информационной безопасности, privacy и работы с персональными данными.
Будет плюсом
*
