Что за роль
iFORA - интеллектуальная система анализа больших данных (собственная разработка ИСИЭЗ НИУ ВШЭ). Система позволяет анализировать более 850 млн документов из уникальной коллекции (научные статьи, патенты, медиа) для поддержки принятия стратегических решений.
Чем вы будете заниматься
- разработка multi-agent систем (MAS) для Deep Research задач
- создание LLM-агентов с использованием tool calling, planning и reasoning
- проектирование и развитие RAG-архитектуры включая поверх коллекции из 850+ млн документов
- разработка и поддержка knowledge graph для аналитических и исследовательских сценариев
- оптимизация LLM inference (latency, throughput, batching, KV cache)
- подготовка и оптимизация моделей для production
- разработка воспроизводимых ML pipelines и инфраструктуры экспериментов
- внедрение и эксплуатация AI / ML сервисов в production
Требования
- 3+ лет опыта реализации проектов в Machine Learning / AI
- знание паттерной архитектуры и системного дизайна
- уверенное владение Python
- опыт разработки систем на базе LLM
- опыт построения RAG систем или AI-агентов
- опыт вывода ML/AI сервисов в production
- понимание архитектуры ML pipelines и инженерного подхода
Что мы предлагаем
- участие в развитии одной из крупнейших аналитических платформ научных данных
- работа с современными LLM и AI-архитектурами
- сильная исследовательская и инженерная команда
- гибкий график (начало рабочего дня с 8:00 до 11:00)
- гибридный формат работы (возможна удалёнка)
- обучение и курсы НИУ ВШЭ, английский язык
- доступ к библиотеке НИУ ВШЭ и образовательным ресурсам
- софинансирование ДМС
- программы лояльности фитнес-клубов и театров
- офис на Мясницкой (м. Лубянка / м. Тургеневская)
Вакансия предлагает интересные задачи в области машинного обучения и анализа данных. Условия работы гибкие, а команда сильная.
Кто здесь добьётся успеха
Глубокие знания в Python и опыте работы с библиотеками PyTorch и Transformers для создания и оптимизации LLM-агентов.
Способность эффективно работать в гибридной среде, демонстрируя высокую степень самодисциплины и инициативности при удаленной работе.
Опыт проектирования и разработки multi-agent систем (MAS) для сложных задач анализа больших данных, с акцентом на применение MLFlow и Docker для управления проектами.
Готовность к постоянному обучению и адаптации к новым технологиям и методам в области AI/ML, включая использование LangChain для разработки инструментов.
Ресурсы для обучения
Карьерный путь
Обзор рынка
Навыки и требования
Тренды отрасли
Новости Big Data
Загружаем новости отрасли...
Ищем релевантные статьи за последние 6 месяцев