Machine Learning Engineer (Generative AI / Computer Vision)

Machine Learning Engineer (Generative AI / Computer Vision) Employment type: Полный рабочий день Skills: Python, NLP, LLM, PyTorch, NumPy Description: Мы запускаем ИИ-инкубатор в Лемана ПРО, чтобы проверять смелые гипотезы и создавать продукты будущего. В рамках одного из ключевых Proof of Concept (PoC) мы ищем специалиста, который разработает модели для генерации изображений, дизайн-проектов и визуализаций готовых решений на основе ассортимента товаров Лемана ПРО. Это возможность работать на стыке Computer Vision и Generative AI, превращая идеи в работающие прототипы, которые в перспективе изменят клиентский опыт в сфере ремонта и обустройства дома. Чем предстоит заниматься (Задачи) Разрабатывать и исследовать ML-модели для генерации изображений и визуализации интерьерных/строительных решений на основе товаров Лемана ПРО. Проектировать и реализовывать end-to-end пайплайны для PoC: от сбора и подготовки данных до обучения, оценки и демонстрации результатов. Создавать и поддерживать фреймворки для оценки качества (evals) генеративных моделей и LLM-систем (контроль галлюцинаций, метрики качества генерации). Писать чистый, поддерживаемый production-ready код: модульная архитектура, unit-тесты, логирование, документация, code review. Оптимизировать инференс моделей (стоимость, latency, масштабируемость), работать с GPU-инфраструктурой. Обеспечивать информационную безопасность: контроль рисков prompt injection, защита персональных данных (PII) и корректное управление правами доступа в агентных системах. Тесно взаимодействовать с командой продукта и другими ML-специалистами для валидации бизнес-гипотез и дизайна A/B-тестов. Наши ожидания (Требования) Фундаментальная база: Глубокое понимание принципов машинного обучения: подготовка данных и feature engineering, выбор архитектур, регуляризация, борьба с переобучением и data leakage, интерпретация результатов. Уверенные знания математической статистики: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов. Понимание принципов оценки качества ML-систем: offline/online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных (data drift). Технический стек и разработка: Уверенное владение Python и экосистемой: pandas / polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch (или аналоги). Уверенное владение SQL для работы с большими объемами данных. Навык написания production-кода: модульность, тестирование, логирование, Git, опыт участия в code review. Специализация (опыт работы хотя бы в одном из направлений, приоритетно CV/GenAI): Computer Vision и генеративный AI (генерация изображений, NeRF, 3D-реконструкция или аналогичные задачи). NLP, LLM и построение RAG-систем. Рекомендательные системы, поиск и ранжирование. Классическое машинное обучение или прогнозирование временных рядов. Генеративный AI и LLM (важно для текущего PoC): Опыт построения evals для LLM-систем, оценки качества ответов и мониторинга поведения системы. Понимание рисков безопасности: prompt injection, некорректный tool calling, утечки данных. Опыт работы с API языковых моделей, Hugging Face и orchestration-фреймворками (LangChain, LlamaIndex или аналоги). Опыт fine-tuning или адаптации LLM (LoRA / PEFT). Понимание принципов проектирования AI-агентов: управление состоянием (state management), выбор инструментов, контроль автономности и human-in-the-loop. Инфраструктура и MLOps: Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. Опыт эксплуатации GPU-инфраструктуры и оптимизации инференса (квантование, ONNX, TensorRT и т.д.). Понимание принципов информационной безопасности, privacy и работы с персональными данными. Опыт работы в e-commerce, retail или других продуктовых highload-системах будет значительным преимуществом.