Мы ищем сильного ML-инженера для развития и ревью архитектуры внутренней RAG-системы. Наш проект связан с построением интеллектуального поиска по нормативно-справочной информации (НСИ) для крупных предприятий с закрытым ИТ-контуром.
У нас уже есть прототип, и теперь перед нами стоят задачи инженерного уровня: нам нужно не просто «дообучить модель», а выстроить отказоустойчивый пайплайн, обеспечить релевантность поиска и корректную интеграцию в существующую инфраструктуру заказчика. Нам нужен специалист, который соединит математику с инженерией.
Что предстоит делать.
Аудит и ревью: Провести анализ текущего прототипа RAG-системы, оценить архитектуру, узкие места и потенциал масштабирования.
Проектирование архитектуры: При необходимости — предложить и реализовать изменения в архитектуре для повышения отказоустойчивости, скорости индексации и качества.
Разработка пайплайнов.
Оптимизация релевантности.
MLOps (базовый): Обеспечить надежность работы модели в продуктивной среде закрытого контура.
Наши ожидания от кандидата.
Коммерческий опыт разработки на Python (от 3 лет) и уверенное владение стеком DS/ML.
Опыт разработки и внедрения RAG-систем или сложных продуктов в области NLP (классификация, NER, суммаризация).
Понимание архитектур поисковых систем и методов повышения релевантности.
Навыки написания чистого, поддерживаемого кода и работы с системами контроля версий.
Опыт интеграции ML-решений через API в корпоративные ИТ-ландшафты.
Приветствуется опыт работы в высоконагруженных системах и понимание принципов отказоустойчивости.
Условия:
