Data Scientist / ML Engineer (широкий профиль)

18 Февраля

до 300 000 руб.

Партнерские Вакансии

Компания "Тануки, японский ресторан"

Мы ищем увлеченного данными инженера широкого профиля, интересы которого распространяются от источников данных, их статистической обработки и построения AI/ML-инфраструктуры до участия в проектах класса GenAI.

Мы начинаем развивать проекты ИИ, у нас разнообразные задачи – от классического ML до LLM, RAG и MLOps.

На данной позиции хотим видеть человека способного быстро разбираться в задачах, создавать MVP, экспериментировать и доводить решения до продакшена.

Что предстоит делать:

• Развивать проекты компьютерного зрения (CV – Computer Vision) в частности FVC – Food Visual Computing
• Разрабатывать и внедрять ML – модели
• Строить и оптимизировать RAG-архитектуру: чанкеры, векторизация, retrieval, маршрутизация запросов.
• Проведение исследований данных: feature engineering, эксперименты
• Подготовка данных и участие в построении ETL/ELT-пайплайнов совместно с Data Engineering-командой
• MLOps цикл: контейнеризация, мониторинг, управление экспериментами, вывод моделей в продакшн

• Развивать AI-инфраструктуры: автоматизация экспериментов, воспроизводимость окружений, MLflow, DVC.
• Построение ASR-пайплайнов (Whisper, диаризация, адаптация под доменную лексику).

Мы ожидаем кандидатов:

Технический бэкграунд

• Понимание архитектуры аналитических платформ
• Уверенный Python и DS-стек: Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow
• Опыт решения задач ML: классификация, регрессия, NLP или CV
• Понимание полного жизненного цикла ML-проекта: от данных до продакшена
• Хорошие знания SQL, работа с реляционными и NoSQL хранилищами.
• Базовые навыки MLOps: Docker, MLflow/Weights&Biases, Airflow (или аналоги)

Опыт GenAI / LLM

• Настройка LLM (OpenAI API, HF-сервера, локальные модели)
• Создание промптов, chains, системной логики
• RAG-концепции: embedding, векторные БД, retrieval стратегии
• Опыт в CV: классификация, детекция, сегментация

MLOps & Infrastructure:

• Kubernetes, KServe, BentoML.
• CI/CD: GitLab CI, GitHub Actions.
• Monitoring: Prometheus, Grafana.
• DVC или аналоги для управления экспериментами.

Cloud:

• Yandex Cloud, SberCloud, VK Cloud, AWS, GCP или Azure.

Что мы ценим:

• Умение работать как исследователь и как инженер.
• Способность переводить бизнес-задачу в архитектуру решения.
• Проактивность и аккуратность в работе с данными и продакшн-моделями.
• Желание развиваться в GenAI и широком ML-стеке.

Условия -

• Работа в офисе или по гибридному графику (по договоренности) после испытательного срока
• Бесплатное питание
• Дружная команда ИТ-специалистов