ML инженер

Эвотор создает собственную экосистему технологий и сервисов для автоматизации и повышения эффективности бизнесов.

Наши продукты - это онлайн-кассы, которыми пользуется каждый четвертый предприниматель страны, и собственный магазин приложений «Эвотор.Маркет» с более чем 900 сервисами.

Команда, куда ищем ML инженера, разрабатывает мультиагентные AI-системы для автоматизации бизнес-процессов на базе открытых LLM и продвинутых RAG-пайплайнов: поддержка клиентов, продажи, координация внутренних процессов.

Что предлагаем

• оформление по ТК РФ, белая зарплата, уровень вознаграждения обсуждается с успешным кандидатом;

• формат работы: удаленно;

• ДМС после испытательного срока;

• работу в аккредитованной IT-компании, скидки от компаний партнеров, обучение;

• рабочая техника;

• 3 day off.

Задачи

• проектирование и разработка мультиагентных систем (LangGraph, AutoGen/AG2, CrewAI или собственная оркестрация);

• архитектура агентных workflow: planner-executor, ReAct, reflection, human-in-the-loop, иерархические агенты;

• разработка продвинутых RAG / GraphRAG / Agentic RAG пайплайнов: adaptive retrieval, multi-hop retrieval, hybrid search, reranking, доменный файнтюнинг embedding- и reranker-моделей;

• интеграция инструментов и внешних систем через function calling и Model Context Protocol (MCP);

• работа с открытыми SoTA LLM (Qwen3, Gemma, DeepSeek и др.) и их адаптация под задачи конкретного заказчика;

• файнтюнинг моделей: LoRA/QLoRA, DPO/ORPO, дистилляция; обучение с нуля и дообучение на GPU-кластере при необходимости;

• оптимизация инференса: vLLM, SGLang, TensorRT-LLM, квантизация (AWQ/GPTQ/FP8), снижение latency и стоимости;

• построение систем оценки качества: RAGAS, LLM-as-judge, кастомные бенчмарки, офлайн/онлайн A/B-тестирование агентов;

• внедрение observability и трейсинга LLM-систем (Langfuse/LangSmith), мониторинг качества и деградаций в проде;

• дизайн экспериментов, формулирование гипотез, R&D по улучшению NLP/LLM-алгоритмов, подготовка датасетов и бенчмарков;

• проработка новых сценариев клиентского опыта для AI-ассистентов и агентных решений.

Для нас важно

• коммерческий опыт разработки чат-ботов/диалоговых систем от 4 лет, от 1–1.5 лет с LLM/агентными системами в проде;

• понимание архитектур генеративных моделей (transformer, attention, MoE) и практический опыт работы с open-source LLM;

• уверенный Python, опыт асинхронной разработки (asyncio), PyTorch;

• опыт построения production RAG-систем: векторные БД (Qdrant/Milvus/pgvector);

• опыт fine-tuning LLM (LoRA/QLoRA, DPO) и/или embedding/reranker моделей;

• опыт работы с фреймворками агентной оркестрации (LangGraph, AutoGen, CrewAI и т.п.);

• опыт с инференс-серверами (vLLM, SGLang, TGI) и понимание квантизации моделей;

• FastAPI, SQLAlchemy, PostgreSQL, Docker, Kafka;

Будет плюсом

• опыт distributed training на GPU-кластере (DeepSpeed/FSDP/Accelerate);

• опыт работы с Model Context Protocol (MCP) и построением tool-use для агентов;

• опыт внедрения guardrails / защиты от prompt injection (NeMo Guardrails, Llama Guard и т.п.);

• опыт общения с клиентами на техническом уровне: проработка требований, презентация архитектурных решений;

• публикации или активное участие в NLP/ML-сообществе;

• опыт с графовыми БД для GraphRAG (Neo4j).