Разработчик искусственного интеллекта

Описание

О компании Мы развиваем сервис для автоматизации подбора персонала.С помощью ML и современных LLM мы делаем поиск кандидатов быстрее, честнее и прозрачнее для бизнеса и соискателей. Компания активно растёт, участвуем в акселераторах и конкурсах и внедряем новые функции вместе с корпоративными клиентами. Сейчас нам нужен ML / Prompt Engineer, который готов брать серьёзные задачи, экспериментировать с LLM и вместе с нами строить интеллектуальное ядро HR-системы. Чем предстоит заниматься Разрабатывать и улучшать LLM-ядро продукта: проектировать промпты, цепочки рассуждений (Chain-of-Thought), инструменты (tool calling), пайплайны; снижать галлюцинации и повышать стабильность (robustness) ответов. Исследовать и внедрять методы оценки моделей: разрабатывать метрики качества для HR-кейсов (скоринг кандидатов, матчинг с вакансиями, резюме/vacancy Q&A и др.); строить offline-и online-эксперименты, A/B-тесты. Анализировать bias / fairness / explainability решений: находить источники предвзятости и разрабатывать способы её снижения; повышать объяснимость скорингов и рекомендаций для рекрутёров и заказчиков. Работать с LLM и NLP-стеком: Уметь выбирать оптимальные параметры для работы с облачными LLM; использовать эмбеддинги, semantic search, RAG-подходы. Делать прототипы и доводить их до продакшена: упаковывать эксперименты в сервисы и ML-артефакты, готовые к интеграции с backend; тесно работать с backend-разработчиками и продактом, помогать проектировать API и схемы данных. Отслеживать исследования и практики: читать статьи, RFC, блоги лидеров рынка; приносить в команду новые идеи и подходы, презентовать результаты экспериментов. Нам подходишь, если ты: Уверенно пишешь на Python 3.10+, понимаешь основы асинхронности, умеешь организовывать чистый проект (структура, type hints, тесты). Имеешь опыт разработки и обучения ML/DL-моделей: PyTorch / TensorFlow / JAX или аналогичные фреймворки; знаком с базовой статистикой, метриками качества, валидацией. Глубоко понимаешь NLP: токенизация, языковые модели, эмбеддинги; работа с большими языковыми моделями (LLM), semantic search, RAG. Уже решал задачи Prompt Engineering: проектировал промпты под конкретные бизнес-кейсы; использовал Zero-Shot / One-Shot / Few-Shot / Chain-of-Thought и др. техники; знаешь типичные ошибки LLM и умеешь их отлавливать. Имеешь опыт работы с LLM в проде или pet-проектах: OpenAI / Anthropic / локальные модели (LLaMA, Mistral, YandexGPT, GigaChat и т.п.); умеешь строить пайплайны вокруг LLM (pre/post-processing, кеширование, логирование, мониторинг). Готов брать ответственность за качество решений: умеешь формулировать гипотезы, проверять их, презентовать результаты; аккуратно относишься к этике ИИ, fairness и отсутствию дискриминации. У тебя английский B2 — читаешь статьи и документацию, можешь по необходимости формулировать запросы и краткие summary. Будет плюсом, если ты: Работал с HR-данными, рекрутингом, ATS или рекомендательными системами. Знаком с MLOps-подходами, ML-пайплайнами, мониторингом моделей. Писал/публиковал научные работы или участвовал в исследовательских проектах по ML/DL. Мы предлагаем: Полную занятость с гибким графиком: 40 часов в неделю. Ценим соблюдение дедлайнов, есть пару обязательных командных созвонов в неделю. Удалённый формат — можно работать из любого региона. Оформление по договору ГПХ с самозанятым / ИП / физлицом, прозрачные условия и регулярные выплаты (1 раз в месяц). Прямую работу с фаундерами, CPO и CTO: быстрые решения, минимум бюрократии. Влияние на продукт: будешь одним из ключевых людей, определяющих интеллектуальное ядро системы. Современный стек и живые задачи на стыке: LLM, NLP, ML-исследований; продуктовой разработки в HR-tech. Регулярную обратную связь и обсуждении roadmap. Опыт работы в стартапе ранней стадии, который заметно усилит твой профиль и CV. Простые и прозрачные этапы отбора: Тестовое задание — покажет ваши навыки в реальных задачах, всего 2-3 часа Звонок с фаундером — знакомство, рассказ о продукте и формате работы, обсуждение ожиданий по роли. Техинтервью с CTO — обсуждаем твой опыт, разбираем реальные задачи, можем попросить разобрать небольшой кейс по LLM / prompt-инженерии. Финальное обсуждение и оффер — согласуем условия, старт и первые фокусы по задачам.