Data Science / ML Engineer

Описание вакансии

Вакансия: Data Science / ML Engineer (универсальная роль)

Компания: IMS

Город: Санкт-Петербург

Формат: удалёнка

Занятость: full-time / part-time

Зарплатная вилка: обсуждабельна (1500-2000/час, зависит от уровня кандидата, возможно обсуждение фиксированной оплаты)

Трудоустройство: ГПХ, ИП, самозанятость, также обязательно подписание NDA и у нас высокие требования к конфиденциальности

Задачи

• Развивать AI-контур продукта: от обработки пользовательского запроса до финального ответа и визуализации результата.

• Проектировать и улучшать retrieval/pipeline-логику для мульти-источников (Qdrant, MemGraph, PostgreSQL, нереляционные источники).

• Развивать LLM-агентный контур (Query Planner loop): классификация запросов, декомпозиция подзадач, tool-calls, оценка достаточности данных.

• Работать с эмбеддингами, семантическим поиском и качеством выдачи (релевантность, дедупликация, фильтрация, ранжирование).

• Участвовать в оптимизации LLM-инференса (Qwen-семейство, LiteLLM-прокси), стоимости запросов и latency.

• Настраивать и улучшать data/ML pipeline для обработки документов, мультимодального контента и подготовки данных для поиска/графа.

• Взаимодействовать с backend-командой (FastAPI/WebSocket), участвовать в проектировании контрактов и интеграций сервисов.

• Участвовать в формировании технических решений по масштабированию и производительности (кэширование в Redis, нагрузка, стабильность).

Требования

• Опыт работы в Data Science / ML Engineering от 2–5 лет (Middle / Middle+/Senior).

• Уверенный Python и опыт production-разработки ML/DS-сервисов.

• Практический опыт с LLM/NLP: промптинг, оркестрация вызовов, оценка качества ответов, оптимизация пайплайнов.

• Опыт с векторным поиском и эмбеддингами (желательно Qdrant или аналогичные Vector DB).

• Понимание работы с графовыми и реляционными БД (MemGraph/Neo4j, PostgreSQL) в контексте AI-поиска и аналитики.

• Опыт проектирования API/интеграций (REST; понимание WebSocket и сервисного взаимодействия).

• Умение формулировать гипотезы, проводить эксперименты и аргументированно выбирать технические решения.

Будет большим плюсом

• Опыт построения RAG/agentic систем в production.

• Опыт оптимизации LLM-моделей и инфраструктуры инференса (latency/cost/quality trade-off).

• Знание Redis-кэширования и подходов к session-aware caching.

• Опыт с мультимодальными сценариями (текст + документы/медиа).

• Опыт формализации контрактов между сервисами (в т.ч. gRPC/YAML/OpenAPI).

• Опыт построения pipeline’ов обработки и классификации данных

Мы предлагаем

• Работу над технологически сложным продуктом на стыке LLM, поиска и графовых данных.

• Возможность влиять на архитектуру AI-части и ключевые технические решения.

• Гибкий удалённый формат работы.

• Конкурентную оплату по уровню.

• Сильную команду, минимум бюрократии и живое общение.

Контакт: Откликнуться

@ml_data_science_job