Вакансия ML разработчик
54495 Подбор
Актуально на 18.10.2025
Телеком
ML разработчик
Middle+
Ставка в час
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:
0/5000
Резюме
Формат .doc, .docx, .pdf.
Макс. размер файла: 30Mb