Разработка архитектуры AI-агентов и внедрение LLM в бизнес-процессы ритейлера: от PoC до продакшена.
Описание вакансии
Обязанности
Разработка архитектуры агентов: управление состоянием диалога и контекстом, динамический выбор инструментов (tool calling), настройка уровней автономности и сценариев human-in-the-loop;
Построение системы метрик: разработка офлайн- и онлайн-показателей, кросс-валидация, прямая оценка бизнес-эффекта;
Непрерывный мониторинг дрейфа моделей и качества данных в продакшене;
Построение пайплайнов оценки (LLM Evals): контроль галлюцинаций, релевантности ответов и мониторинг поведения системы;
Разработка генеративных ИИ-моделей для синтеза визуального и проектного контента на основе структурированных данных товарного каталога в рамках проверки гипотез (PoC) внутри корпоративной платформы по оценке ИИ-инициатив.
Требования
Глубокое понимание жизненного цикла ML-модели: от подготовки признаков до интерпретации результатов;
Знание методов борьбы с переобучением, data leakage, регуляризации; уверенный выбор алгоритмов под задачу;
Владение матстатистикой для проверки гипотез, расчета доверительных интервалов и самостоятельного дизайна A/B-тестов;
Опыт работы хотя бы в одном из направлений: классическое машинное обучение; временные ряды и прогнозирование; рекомендательные системы, поиск и ранжирование; NLP, LLM и генеративный AI;
Языки и библиотеки: Python (pandas/polars, NumPy, scikit-learn, CatBoost/XGBoost/LightGBM, PyTorch), продвинутый SQL;
Написание поддерживаемого production-кода: модульная архитектура, юнит-тесты, логирование, документация, работа с GitFlow и код-ревью;
Обеспечение безопасности: защита от prompt injection, предотвращение утечек персональных данных (PII/privacy) и аудит прав доступа агента;
Практический опыт работы с API языковых моделей, платформой Hugging Face и orchestration-фреймворками;
Умение оценивать стоимость, latency и масштабируемость LLM-решений;
Опыт работы в e-commerce, retail или других продуктовых highload-системах;
Инфраструктура и оркестрация: Airflow, MLflow, Kafka, Redis, Kubernetes;
Мониторинг и наблюдаемость: Prometheus, Grafana, OpenTelemetry;
Опыт эксплуатации GPU-инфраструктуры и оптимизации inference;
Адаптация моделей через fine-tuning (LoRA/PEFT);
Опыт проектирования agentic workflows или multi-agent-систем;
Понимание принципов информационной безопасности, privacy и работы с персональными данными.