в МТС удалённо
ML-инженер/Python разработчик в команду SmartDocs МТС: создание RAG-систем и AI-агентов, работа с документами, проектирование микросервисов и баз данных.
Задачи:
- Проектировать микросервисы и API (REST/gRPC)
- Создавать RAG и AI-агенты: разрабатывать системы генерации ответов на основе документов, цепочек рассуждений и логики Tool Calling (LangChain/LangGraph/LlamaIndex)
- Работать с данными и текстом: парсинг, очистка и чанкинг текстов, извлечение сущностей (NER), классификация, реализация гибридного семантического и полнотекстового поиска
- Проектировать базы данных: работать с реляционными (PostgreSQL), векторными (Qdrant/Milvus/pgvector) и графовыми (Neo4j) базами под задачи GraphRAG
- Заниматься оптимизацией производительности, покрытием кода тестами (Pytest), написанием асинхронного кода на Python (FastAPI/Django)
- Проводить code review и контейнеризацию приложений (Docker)
Требования:
- Опыт коммерческой разработки на Python от 2 лет для выпускников профильных факультетов ведущих вузов (МФТИ, НИУ ВШЭ, МГУ, ИТМО, МГТУ им. Баумана, СПбГУ, МИФИ) или от 3 лет для кандидатов с другим образованием
- Уверенное знание Python, асинхронного программирования, веб-фреймворков (FastAPI) и принципов проектирования микросервисной архитектуры (REST, Swagger, gRPC)
- Практический опыт работы с LangChain, LlamaIndex, LangGraph, современными LLM (GPT, open-source модели) и фреймворками для создания AI-агентов
- Опыт обработки и классификации документов различных форматов (PDF, сканы), извлечения сущностей (NER, гибридный поиск) с использованием Transformers, BERT, SpaCy, Natasha
- Опыт работы с реляционными БД (PostgreSQL), NoSQL/кэшированием (Redis), векторными БД (Qdrant/Milvus/pgvector) и графовыми системами (Neo4j)
- Опыт работы с брокерами сообщений (RabbitMQ, Kafka)
- Владение инструментами контейнеризации и CI/CD (Docker, Git, S3)
