ML/AI Инженер

Информационная группа «Интерфакс» - компания с 30 – летней историей, лидер российского информационного рынка в сегменте В2В.

Кроме того, что мы информационное агентство #1 в России, мы еще и крупная IT-компания с несколькими центрами программных разработок, расположенными в Москве и регионах.

Мы разрабатываем ИТ решения, которые помогают компаниям работать на финансовом и товарном рынках, принимать инвестиционные решения, управлять рисками, организовывать внешние коммуникации.

Наши флагманские продукты - это такие системные решения, как
СПАРК, SCAN, МАРКЕР, X – Compliance и другие.

На этой позиции предстоит:

• Стать первым DS/ML-инженером в команде, задать стандарты, выбрать лучшие инструменты и впоследствии формировать и развивать команду ML;
• Разрабатывать и внедрять ML-модели для B2B-маркетинговых продуктов на основе структурированных данных из открытых источников и кросс-продуктовой аналитики;
• Проводить исследования, тестировать новые идеи, оценивать жизнеспособность и качество моделей, реализовывать R&D-подходы на реальных бизнес-данных;
• Интегрировать ML-решения и RAG-агентов в существующие бизнес-процессы, обеспечивать максимальную пользу для пользователей и бизнеса;
• Влиять на состав ML-бэклога, предлагать и обосновывать новые фичи и подходы, участвовать в формировании продуктовой стратегии;
• Принимать бизнес-потребности и трансформировать их в конкретные ML-решения;

Требования:

• Язык программирования Python;
• Знание библиотек для анализа данных (NumPy, Pandas, Matplotlib);
• Знание ML-фреймворков (PyTorch, Scikit-learn);
• Опыт построения API с помощью FastAPI, базовое понимание Docker;
• Опыт внедрения ML/AI моделей в существующие бизнес-процессы;
• Понимание классических ML моделей (XGBoost, Random Forest, Логистическая регрессия и т.п.);
• Опыт работы с современными NLP моделями архитектуры transformer (BERT, RoBERTa и т.п.);
• Навыки работы с базами данных (SQL, NoSQL, векторные БД (Qdrant, pgvector), FAISS).

Будет преимуществом:

• Позитивный опыт внедрения RAG агентов в существующие бизнес-процессы;
• Опыт применения self-hosted LLM (openlllm, vllm, ollama)
• Опыт дообучения LLM с помощью SFT, использование техник PEFT (LoRA, prefix tuning и т.д.)
• Опыт с русскоязычными моделями RuBERT, deeppavlov и др.
• Базовое понимание MLOps;