AI R&D Engineer / ML Engineer (Python)

November 6, 2026

Office

Middle

Санкт-Петербург, Россия

hh.ru

Keep in mind

Office-only work

Also worth knowing

English is required

Description

Компания разрабатывает тренажёры и симуляции для предприятий, включая VR-продукты на Unreal Engine 5, а также ПО с элементами ИИ — от аналитики и прогнозных моделей до LLM-приложений. Ищут AI R&D / ML Engineer уровня Middle для работы на стыке исследований и продакшена: воспроизведение статей, RL-агенты в симуляциях, оптимизация инференса и деплой моделей в продукт. Опыт коммерческой разработки в ML/AI — 1–3 года.

Responsibilities

Проектировать и реализовывать ML-пайплайны: от подготовки данных до обучения, валидации и деплоя моделей
Проводить контролируемые эксперименты: ablation study, контрольные группы, оценка статистической значимости результатов
Воспроизводить научные статьи и адаптировать методы под задачи бизнеса (симуляции, тренажёры, физика)
Разрабатывать и обучать RL-агентов в симуляциях, настраивать векторизованные среды и параллельный сбор опыта
Оптимизировать инференс: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp
Строить мониторинг моделей: дрейф данных, деградация качества, алертинг
Упаковывать результаты исследований в прототипы и API для передачи в прод
Участвовать в планировании задач и архитектуры проектов, предлагать технические решения
Работать в команде: ветки, код-ревью, CI/CD

Requirements

Уверенный Python: чистый, тестируемый, воспроизводимый код с type hints, модулями и venv
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне
PyTest — написание юнит-тестов для моделей и пайплайнов
SQL — уверенные запросы, JOIN, агрегации, оконные функции
Английский — чтение документации и научных статий
Линейная алгебра, теория вероятностей, математическая статистика
Понимание метрик качества и принципов валидации моделей: train/val/test, кросс-валидация, стратификация
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними
Статистический вывод: проверка гипотез, p-value, доверительные интервалы для оценки экспериментов
PyTorch — уверенное владение: кастомные Dataset/DataLoader, обучение, валидация, сохранение и загрузка чекпоинтов
Построение пайплайнов подготовки данных и обучения: воспроизводимость (seed, версионирование данных), конфигурирование экспериментов
Деплой моделей: упаковка в сервис (FastAPI), версионирование, канареечные релизы
Мониторинг: дрейф данных (data drift), деградация качества, алертинг
Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp
Основы облачной инфраструктуры
Понимание постановки MDP: состояния, действия, награды, политика, ценность
Experience replay, policy gradient и value-based методы — базовое понимание
Опыт обучения агентов в симуляции: Isaac Lab / Gymnasium / PettingZoo или другие
Векторизованные среды, параллельный сбор опыта
Понимание sim-to-real transfer
Умение переводить бизнес-задачу в техническую постановку
Способность объяснить результат нетехническим стейкхолдерам
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства
Участие в планировании задач и архитектуры проектов: умение предложить структуру пайплайна, выбрать инструменты и обосновать выбор
Python-экосистема для данных: pandas, NumPy
PyTorch — основной фреймворк; TensorFlow как альтернатива
Hugging Face — работа с предобученными моделями и токенизаторами
W&B / MLflow — трекинг экспериментов
Docker (базово), CI/CD (GitHub Actions / GitLab CI)
FastAPI / Pydantic — обёртка модели в API
Prometheus / Grafana — мониторинг; очереди (Celery / RQ), Redis, Postgres — базовая работа
GitLab — основная платформа
C/C++, Rust, Go — для инфраструктурных задач и оптимизации
CUDA — написание кастомных ядер, профилирование
DeepSpeed, Flash Attention — оптимизация обучения больших моделей
vLLM — продакшен-инференс LLM
Unreal Engine 5 — понимание среды, в которой работают наши симуляции
JAX — альтернативный фреймворк
Доменная специализация: NLP / CV / графы / временные ряды

Conditions

ИТ-аккредитация компании
Официальное трудоустройство, полностью «белая» заработная плата
Социальный пакет по ТК РФ
Заработная плата обсуждается индивидуально по итогам собеседования
График: 5/2, с 10:00 до 18:00, офисная занятость
Современный технически оснащённый офис
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения