# ML/NLP Разработчик (Voice & Dialog Systems) Python
Мы ищем опытного ML/NLP разработчика для работы над сложной диалоговой системой и голосовым пайплайном. Вашей главной задачей станет эволюция нашего продукта: поэтапный переход от классических графовых сценариев к современному LLM-based диалогу, а также глубокая оптимизация речевого стека (ASR/TTS) под low-latency.
Чем предстоит заниматься
•Развитие диалогового движка: поэтапный перевод системы с графа сценариев и скиллов на управляемый LLM-based диалог.
•Траблшутинг и дебаг: работа с голосовым пайплайном — поиск и устранение причин high latency, галлюцинаций LLM, проблем с передачей аудио и графовых ошибок.
•Архитектура: оперативное принятие архитектурных решений и их самостоятельная реализация в коде.
•Работа с NLP-стеком:
•Поддержка и быстрая отладка few-shot классификации сценариев (на базе Qwen) и классификаторов на BERT.
•Учёт краевых случаев, исправление ошибочных срабатываний интентов.
•Finetuning локальных LLM для специфических задач (извлечение сущностей, строгое следование инструкциям).
•Работа с речевым стеком:
•Интеграция и поддержка ASR (на базе GigaAMv2), отладка качества распознавания, работы VAD и стриминга текста.
•Дообучение и настройка инференса собственных и open-source TTS, а также систем клонирования голоса для достижения идеального звучания и высокой скорости работы.
Наши ожидания (Hard Skills)
NLP и LLM:
•Уверенный опыт работы с LLM/SLM (Few-shot learning, Prompt engineering) и BERT.
•Практический опыт finetuning LLM (PEFT, LoRA/QLoRA) под узкие прикладные задачи.
•Уверенный дебаг LLM: умение быстро понять причину некорректного ответа и исправить её промптом, гиперпараметрами или дообучением.
Голосовой стек:
•Опыт дообучения и оптимизации TTS-моделей.
•Опыт работы и интеграции современных ASR-систем.
Диалоговые системы:
•Опыт работы как с графовыми/сценарийными движками, так и с LLM-агентами.
•Высокая скорость диагностики проблем в инференсе.
Backend и Оптимизация (Python + Go):
•Уверенное владение Python (PyTorch, HuggingFace, фреймворки инференса).
•Опыт оптимизации инференса под low-latency (vLLM, TensorRT-LLM, Triton Inference Server, ONNX Runtime).
•Практика работы с потоковым аудио в реальном времени (streaming ASR/TTS, gRPC-контракты).
GoLang:
•Понимание дизайна сервисов и принципов SOLID, DRY, KISS.
•Знание базовых типов (строки, числа, слайсы, мапы) и работы с указателями.
•Уверенная работа с примитивами синхронизации и конкурентностью (горутины, каналы).
•Понимание принципов Observability.
Будет плюсом
•Опыт работы с gRPC.
•Умение настраивать инфраструктуру, опыт работы с k8s/inventory.
•Глубокое понимание принципов работы TCP.
