ML Engineer

Ми будуємо AI-агента, який автономно обробляє запити до підтримки компаній - з дуже високою якістю відповідей і дій (не обгортка навколо ChatGPT).
Агент не просто відповідає - він сам закриває запит від початку до кінця: визначає, що потрібно юзеру, підлаштовує поведінку під його метадату і виконує реальні дії в інструментах компанії-клієнта. А це середовище, де невелика помилка вже має великий impact.

Що конкретно треба буде робити
Покращувати ML-частину продукту - щоб агент відповідав точніше та покривав більший відсоток запитів.

Покращувати пошук релевантної інформації, експериментувати з Graph RAG, Logic RAG та гібридними підходами;
Експериментування з альтернативами cosine similarity, дослідження і впровадження інших підходів до similarity search та reranking'
Впровадження нових агентних алгоритмів для покращення якості прийняття рішень і виконання дій;
Порівняння перформансу для різних задач (передобробка, класифікація, генерація), оптимізація під конкретні сценарії;
Зменшення cost per request через оптимізацію pipeline, підбір моделей, кешування, зменшення кількості токенів без втрати якості;
Покращення і можлива перебудова RLHF-механізму, щоб система динамічно навчалась на реальному фідбеку;
Prompt engineering і feature engineering
Побудова системи моніторингу якості ШІ-агента
За потреби - створення кастомних алгоритмів/моделей на PyTorch

Перші задачі:
Онбординг в архітектуру, дослідження того, як все працює, і покращення перформансу агентної системи. Твої зміни будуть в продакшені протягом днів, не тижнів - feedback loop дуже швидкий.

Що треба вміти
3+ роки досвіду в ML і практичне застосування LLM (не теорія)
Знання RAG-архітектури та Graph RAG підходів
Досвід роботи з векторними базами даних (Pinecone, Weaviate, ChromaDB, FAISS)
Розуміння пошукових алгоритмів: як працює векторний пошук, similarity metrics, reranking
Знання Graph databases (Neo4j) та досвід роботи з графовими структурами даних
Досвід роботи з пам'яттю агентів і multi-turn conversation handling
Сильний Python
Досвід з ML-фреймворками: PyTorch або TensorFlow
Розуміння NLP fundamentals: токенізація, embeddings, similarity search
Практичні навички prompt engineering
Вміння працювати з даними: preprocessing, cleaning, feature engineering

Nice to have:
Досвід з LangChain, LlamaIndex або подібними фреймворками для агентних систем
Досвід файн-тюнінгу моделей
Розуміння RLHF та інших підходів до навчання з людським фідбеком
Досвід з MLOps: model versioning, A/B testing, моніторинг в проді
Досвід оптимізації inference costs (token optimization, caching strategies, model selection)
Знання FastAPI

Наш стек
Python, FastAPI, PostgreSQL, Redis, Docker, React, TypeScript, REST APIs, webhooks, Git, pytest, GCP/AWS

Що ти отримаєш
Повна відповідальність за ML-напрямок. Твої рішення визначають, як працює ядро продукту
Команда сіньйорів з 8+ років досвіду і PhD-лінгвіст, яка закладає наукові основи в продукт
Дуже швидкий feedback loop. Задеплоїв - наступного дня бачиш, як воно працює на реальних запитах реальних клієнтів
Досвід побудови AI-продукту повного циклу - від архітектури до продакшену, від перших клієнтів до масштабування
Можливість отримати опціони в компанії
Публікації та open-source. Ми плануємо публікувати дослідження і писати статті - якщо хочеш брати участь, твоє ім'я буде як контриб'ютора

Умови
Ми відкриті до part-time і full-time співпраці. Умови - super negotiable.