В новую команду CodeGen на проект крупного банка РФ (ТОП-5) ищем ML Engineer.
Команда CodeGen внедряет и масштабирует Vibe Coding, LLM и AI-инструменты в разработке, аналитике, тестировании и DevOps для более чем 3 000 IT-специалистов банка. Мы развиваем платформу и модели, измеряем эффект от их использования и создаём специализированные AI-решения и агентов под задачи отдельных подразделений.
Что предстоит делать:
- Разрабатывать и внедрять решения на базе современных LLM, GenAI и AI-агентов для задач разработки, аналитики, тестирования и других внутренних сценариев.
- Тестировать и бенчмаркать LLM, сравнивать модели и подходы и оценивать их применимость к прикладным задачам.
- Разрабатывать специализированных AI-агентов: проектировать tools, context management, retrieval, planning и логику выполнения задач.
- Создавать end-to-end RAG-решения: разрабатывать инструменты получения данных, пайплайны индексации и обновления, retrieval-логику, интеграцию с векторными БД и подключение решений к агентам.
- Создавать CodeGen-решения и интеграции с Git/GitLab, Jira и другими системами разработки — например, автоматический анализ merge request'ов и LLM-based code review.
- Адаптировать и дообучать модели под прикладные задачи: SFT, LoRA/Adapters, prompt engineering, context engineering и другие подходы.
- Разрабатывать evaluation- и benchmark-пайплайны для оценки качества LLM и агентских решений.
- Интегрировать LLM-решения с API, базами данных, репозиториями и внутренней инфраструктурой банка.
- Разрабатывать сервисы и самостоятельно доводить решения до production: от прототипа и экспериментов до интеграции, развёртывания и запуска.
Что важно в опыте:
- Коммерческий опыт разработки решений на базе LLM / NLP / GenAI.
- Практический опыт разработки AI-агентов и хорошее понимание tool use, context engineering, retrieval, planning и других агентских паттернов.
- Хорошее знание современных coding agents и CodeGen-инструментов — Claude Code, Codex, Cursor, Cline, Continue или аналогов — и понимание принципов их работы.
- Опыт обучения и адаптации LLM: SFT, LoRA/Adapters, подготовка датасетов и проведение экспериментов.
- Опыт построения evaluation- и benchmark-пайплайнов для LLM.
- Глубокое понимание Transformers, embeddings, RAG и современных подходов к работе с LLM.
- Отличное владение Python и опыт разработки production-кода, сервисов и интеграций.
- Опыт самостоятельного доведения ML/LLM-решений до production.
- Уверенная работа с Git и понимание современных процессов разработки ПО.
- Понимание принципов работы с инфраструктурой и развёртывания сервисов.
Будет плюсом:
- Опыт работы с GitLab API, Jira API и другими корпоративными системами.
- Опыт разработки автоматизированного code review или других решений для software engineering на базе LLM.
- Опыт работы с векторными БД и поисковыми системами.
- Опыт оптимизации inference LLM.
- Опыт работы с Kafka, PostgreSQL, Kubernetes, Redis, RabbitMQ и другими инфраструктурными технологиями.
- Опыт разработки и развёртывания ML/LLM-сервисов в production.
- Опыт работы с редкими языками программирования, DSL или специализированными доменными моделями.
