Брайт Эйдженси

AI Engineer

Не указана
  • Санкт-Петербург
  • Полная занятость
  • Полный день
  • От 1 года до 3 лет
  • MLflow
  • Регрессионный анализ
  • Кластерный анализ
  • XGBoost
  • LightGBM
  • API
  • Docker
  • Kubernetes
  • Git
  • Английский — B1 — Средний

Рекрутинговое агентство Brightman находится в поиске Middle AI Engineer.

По вакансии предусмотрен переезд в Баку, Азербайджан.

Наш клиент – крупная компания , работающая по следующим направлениям: искусственный интеллект, машинное обучение, Data Science, Big Data, государственные цифровые инициативы и платформенные решения.


Обязанности:

  • разработка сквозных ML-пайплайнов: подготовка данных, обучение моделей, валидация и деплой;
  • создание и поддержка решений на основе генеративного ИИ, включая интеграцию LLM, prompt-воркфлоу и RAG-пайплайны;
  • реализация feature engineering, оценка моделей и мониторинг их производительности;
  • взаимодействие с инженерами данных для обеспечения качества датасетов и масштабируемой обработки;
  • интеграция AI-моделей в приложения, API или микросервисы;
  • поддержка воспроизводимых экспериментов и качественной документации.

Требования:

  • опыт работы AI-инженером: от 2 лет;
  • степень бакалавра в области компьютерных наук;
  • уверенное понимание методов прогнозного ML: регрессия, классификация, модели на деревьях, кластеризация и др.;
  • опыт работы с библиотеками ML (scikit-learn, XGBoost, LightGBM и др.);
  • знание жизненного цикла моделей, настройки гиперпараметров и методов feature engineering;
  • знакомство с концепциями деплоя моделей (пакетный, real-time, API) и MLOps-пайплайнами (MLflow, Kubeflow и т.д.);
  • опыт работы с LLM, prompt engineering, эмбеддингами и векторным поиском;
  • практическое знакомство с фреймворками оркестрации LLM (LangChain, LangGraph и др.);
  • понимание основ контейнеризации и деплоя (Docker, Kubernetes);
  • уверенное владение системами контроля версий и совместными рабочими процессами (Git);
  • развитые навыки решения проблем и аналитического мышления;
  • ориентация на командную работу и эффективное кросс-функциональное взаимодействие;
  • умение объяснять технические концепции как технической, так и нетехнической аудитории;
  • любознательность и адаптивность в освоении новых технологий AI/ML.