Локация и формат работы
Локация: Москва, метро Савёловская. Формат работы: удалённо или гибридно.
Компания
Магнит — розничная сеть, развивающая направление ускоренного прототипирования и внедрения AI/ML-решений для команды стратегии и аналитики.
Что делать
•Развивать ML/AI-компоненты для задач классического ML, NLP/LLM, RAG, агентных сценариев, компьютерного зрения, речевых и мультимодальных технологий.
•Проводить эксперименты с подготовкой данных, архитектурами и параметрами моделей, retrieval, reranking, промптами и логикой оркестрации.
•Подготавливать, очищать, размечать и анализировать текстовые, табличные, визуальные и аудиоданные.
•Разрабатывать пайплайны подготовки данных, обучения, inference и evaluation с версионированием, логированием и воспроизводимостью экспериментов.
•Оценивать качество решений, формировать evaluation-наборы, рассчитывать метрики и проводить анализ ошибок.
•Оптимизировать production-решения по качеству, latency, throughput, использованию GPU/CPU и стоимости, участвовать в интеграции, релизах и мониторинге.
Требования
•Высшее техническое образование или подтверждённый практический опыт разработки и внедрения ML/AI-решений.
•От 3 до 6 лет опыта, включая коммерческую разработку на Python от 2 лет или практический ML/AI-опыт от 1–2 лет при общем опыте разработки от 3 лет.
•Уверенное знание Python, NumPy, pandas, scikit-learn и практический опыт с PyTorch или аналогичным DL-фреймворком.
•Опыт хотя бы в одном направлении: классический ML, NLP, LLM/RAG, компьютерное зрение, речевые, рекомендательные или мультимодальные системы.
•Навыки SQL, реляционных баз данных, REST API, JSON, FastAPI, Docker, Linux, Git и CI/CD.
•Понимание полного жизненного цикла ML/AI-решений, GPU-инференса, метрик качества, воспроизводимых экспериментов и взаимодействия с Product-, Backend-, Data- и MLOps-разработчиками.
Хорошо, если есть
•Знание MLflow, ClearML, DVC или аналогичных инструментов управления экспериментами.
Культура и преимущества
•Работа над переводом бизнес-идей и POC в продуктовые решения, запускаемые в production.
•Удалённый или гибридный формат работы.
•Взаимодействие с командами стратегии, аналитики, разработки данных и MLOps.
