Вакансия ML разработчик

54495 Подбор
Актуально на 18.10.2025
Телеком

ML разработчик

Middle+
Кол-во специалистов
2
Срок привлечения
до 31.12.2025 (возможна пролонгация при наличии потребности)
Тип занятости
Фулл-тайм
Формат работы
Удаленный
Требуемая локация специалиста
Россия
Требуемое время работы специалиста
по МСК
Требуемое гражданство специалиста
РФ
О клиенте
Отрасль
Телеком
Тендерная вакансия. Подача резюме до 20.10.2025, 08:00 (UTC 0)

Обязательные требования

- Опыт работы в прикладном ML/NLP 2+ года, 1+ год с LLM-решениями (чат/ассистенты, RAG), опыт продакшн-эксплуатации; - Высокий уровень владения языком программирования Python, опыт продакшен-кода (unit-тесты, логирование, оптимизация); - Практическое освоение подходов agentic: orchestration, tool use/function calling, управление контекстом/памятью; - Глубокое понимание RAG-паттернов, опыт гибридного поиска и переранжирования; - Наблюдаемость LLM-систем: трейсинг, метрики, алерты, контроль токенов/стоимости.

Задачи на проекте

- Совместно с командой разрабатывать архитектуру решений на основе больших языковых моделей (LLM); - Создавать прототипы и демонстрировать работоспособность концептуальных решений (proof of concept); - Проектировать и внедрять цепочки действий интеллектуального агента, обеспечивать поддержку вызова инструментов и функций; - Настраивать grounded RAG: индексация, чанкинг, метаданные, гибридный поиск (BM25+вектора) с переранжированием; - Разрабатывать промпты и few-shot примеры, поддерживать историю версий (prompts/эмбеддинги/датасеты), готовить безопасные изменения и rollback; - Настраивать CI/CD пайплайны для ML-систем.

Описание проекта и команды

Проект крупной телекоммуникационной компании.

Обязательные требования

- Опыт работы в прикладном ML/NLP 2+ года, 1+ год с LLM-решениями (чат/ассистенты, RAG), опыт продакшн-эксплуатации; - Высокий уровень владения языком программирования Python, опыт продакшен-кода (unit-тесты, логирование, оптимизация); - Практическое освоение подходов agentic: orchestration, tool use/function calling, управление контекстом/памятью; - Глубокое понимание RAG-паттернов, опыт гибридного поиска и переранжирования; - Наблюдаемость LLM-систем: трейсинг, метрики, алерты, контроль токенов/стоимости.

Задачи на проекте

Описание проекта и команды

Откликнитесь через форму или профиль:

Электронная почта
Номер телефона
Мессенджеры
0/5000
Резюме

Формат .doc, .docx, .pdf.
Макс. размер файла: 30Mb