Позиция: Senior ML/AI Engineer
Куда? Fileforce — B2B SaaS облачное хранилище, более 25 000 японских компаний-клиентов
Формат работы: Офис: г. Токио (Япония)
Вилка гросс: 8-14 млн иен в год (бюджет будет утверждаться опираясь на ожидания кандидата, прошедшего собеседования, поэтому приведена общая вилка, включающая медианную зп в Японии)
Про нас
В нашей ML-команде сейчас 5 человек. Мы работаем над:
•AI-агентом для работы с облачным хранилищем и документами;
•сервисом извлечения данных из контрактов и счетов;
•RAG-базой знаний по Fileforce для клиентов;
•системой поиска аномалий в пользовательских логах.
В разработке активно используем современные AI-инструменты и кодинговые агенты (Claude Code, Codex).
Что нужно делать?
•Разрабатывать новые и поддерживать/улучшать существующие проекты (backend+ML+участие в деплое), а также улучшать мониторинг и аналитику запущенных проектов.
Требования
•высшее техническое образование (диплом потребуется для оформления японской рабочей визы);
•3+ года опыта в Machine Learning;
•опыт самостоятельного ведения проектов;
•опыт с agentic/RAG-системами будет большим плюсом;
•опыт разработки с помощью кодинговых агентов;
•интерес к новым AI-технологиям и готовность постоянно разбираться в новых подходах;
•английский на уровне свободного чтения технической документации;
•релевантный опыт с частью стека и способность быстро осваивать новое: LangGraph, DeepAgents, FastAPI, PostgreSQL, ClickHouse, Docker, vLLM, OpenAI API, AWS S3, Langfuse, OpenTelemetry, MCP, Redis, AWS SQS.
Ответы на 10 важных вопросов
1.Данные: работа преимущественно с данными (файлами различных форматов) компаний из хранилища через внутреннее API, AWS S3, Elasticsearch.
2.Железо: на текущий момент преимущественно AWS инфраструктура, аренда VM под проекты и доступ к моделям по API. При экономической эффективности — собственное развертывание. Для работы: ПК в офисе, подключение к AWS VM по ssh, простой ноутбук для удаленной работы.
3.Масштаб влияния на core-бизнес? Сейчас в компании упор на ML проекты, поскольку наша команда отвечает за все ML проекты, то влияние и высокие ожидания от проектов у руководства.
4.Уровень развития Data Science в компании? Запущено несколько крупных проектов, настроена основная инфраструктура/пайплайны (разработка, интеграция с внутренними сервисами, мониторинг, базовая аналитика, практика работы с кодинговыми агентами и тд), при этом улучшение процессов и вовлечения ML проектов в процессы компании продолжается.
5.Роль дата сайентиста: ДС-ы участвуют в проработке и реализации полного цикла проектов/фичей совместно с бэкенд и фронтенд командами.
6.Бэкграунд у вашего руководителя?
7.Как часто вам будут мешать работать? Daily meetings 15-20 мин + обсуждения прогресса/фичей внутри команды по мере необходимости.
8.Карьерный рост: рост по зп возможен в рамках ежегодного планирования бюджета.
9.Prod/Research: Prod 90%.
10.Функция сервиса или лидера? На данном этапе сервисных функций больше.
