ML-инженер (LLM / NLP)

Привет! Софи - молодая IT-компания, которая автоматизирует поиск работы. От составления резюме, откликов на вакансии до приглашений на интервью и переписок с рекрутерами.

Какую боль мы решаем?

На одну Junior-вакансию откликается от 1500 до 3000 человек. Рекрутер просматривает только 40-50 откликов. Чтобы получить 2-3 приглашения, нужно делать 600-700 откликов, каждый занимает 5-15 минут.

Поэтому мы разработали Софи - ИИ-ассистента, который автоматизирует 80% рутины по поиску работы.

Кто в команде: 1 дизайнер, 1 разработчик, 1 саппорт, 1 маркетолог.

Ищем Middle ML-инженера, который прокачает "мозги" Софи: научит ее точнее подбирать вакансии, лучше писать резюме и сопроводительные и вести переписку с рекрутерами как живой человек.

Задачи:

• Разработка и улучшение LLM-пайплайнов: генерация резюме, сопроводительных писем, ответов рекрутерам.

• Матчинг и ранжирование вакансий под профиль кандидата.

• Построение RAG-систем и работа с эмбеддингами.

• Промпт-инжиниринг, оценка качества ответов моделей, построение eval-пайплайнов.

• Оптимизация стоимости и скорости инференса.

• Вывод моделей в прод и мониторинг их качества.

• Проведение экспериментов и A/B-тестов новых подходов.

Стек (обязательно):

• Опыт работы ML-инженером от 1,5 лет.

• Уверенный Python (pandas, numpy, scikit-learn).

• Опыт работы с LLM через API (OpenAI, Anthropic, YandexGPT, GigaChat или аналоги).

• Понимание NLP: эмбеддинги, векторный поиск, классификация текстов.

• Опыт вывода ML-решений в прод.

• Умение оценивать качество моделей и объяснять результаты простым языком.

Плюсом:

• Опыт работы в стартапе или небольшой продуктовой команде.

• Опыт с LangChain / LlamaIndex или собственными агентными пайплайнами.

• Опыт работы с векторными БД (Qdrant, pgvector, Weaviate и т.п.).

• Опыт fine-tuning моделей (LoRA, PEFT).

• Опыт работы с PostgreSQL, Docker, FastAPI.

• Опыт в HR-tech или задачах матчинга.

Мы предлагаем:

• Удаленка, гибкий график.

• Интересные задачи в области AI и…