Инженер по машинному обучению и искусственному интеллекту (ai/ml engineer)

Описание

Компания «Т.Б.М.» - это крупный российский холдинг федерального значения.Наша Компания успешно работает более 30 лет и является лидером своего рынка, крупнейшим поставщиком качественных комплектующих и фурнитуры для производства окон, дверей, стеклопакетов и мебели. География Компании — это вся Россия. Это широкая сеть филиалов в таких крупных городах, как: Москва, Санкт-Петербург, Новосибирск, Екатеринбург, Нижний Новгород и др. Более 2500 человек работают в нашей Компании!Наша цель – быть лучшим поставщиком для наших Клиентов и лучшим работодателем для наших Сотрудников! Приглашаем присоединиться к нашей команде! Обязанности: Данные — фундамент направления. Инвентаризация доступных данных: что есть в учётных и торговых системах, в каком качестве, за какой период, насколько полно; Построение процессов выгрузки и подготовки данных (SQL, ETL): дедупликация, нормализация справочников, обработка пропусков, выявление аномалий и ошибок ввода; Создание и поддержка воспроизводимых датасетов для обучения моделей; Документирование источников данных и правил их обработки; Разработка моделей машинного обучения; Постановка задачи вместе с бизнесом: перевод бизнес-цели в измеримую метрику модели и в измеримый экономический эффект; Разработка моделей с нуля на данных компании — прогнозирование спроса и товарных остатков, сегментация клиентов, прогноз оттока, поддержка ассортиментных и ценовых решений, оценка вероятности сделки; Корректная постановка эксперимента: разделение выборок с учётом временной структуры данных, контроль утечек целевой переменной, честное сравнение с текущим процессом как с базовым уровнем; Оценка качества по метрикам, понятным бизнесу, и защита результата перед заказчиком; Решения на основе больших языковых моделей (LLM); Разработка сервисов на базе LLM: поиск и вопросно-ответные системы по корпоративной базе знаний — wiki и Confluence, регламенты, приказы, техническая и товарная документация (RAG), классификация и маршрутизация обращений, извлечение данных из первичных документов, суммаризация; Оценка качества таких решений: точность ответов, контроль галлюцинаций, полнота, стоимость эксплуатации; Осознанный выбор подхода: правила, классический ML, LLM или их комбинация — исходя из стоимости, надёжности и требований к объяснимости; Внедрение и эксплуатация; Доведение решений до промышленной эксплуатации: сервисы на FastAPI, контейнеризация; Интеграция решений в системы, которыми люди уже пользуются: корпоративная база знаний (wiki, Confluence), учётные системы, система обработки обращений, портал, корпоративный мессенджер. Отдельный интерфейс, в который нужно специально заходить, почти всегда остаётся невостребованным; Разработка и поддержка API-интеграций, работа с REST, вебхуками и очередями; настройка регулярной синхронизации и переиндексации при обновлении документов; Мониторинг работы моделей в проде, отслеживание деградации качества, переобучение; Соблюдение требований информационной безопасности при работе с коммерческими и персональными данными; Развитие направления; Участие в отборе идей от бизнес-подразделений и оценке их реализуемости; Экспертиза при выборе внешних решений и подрядчиков; Обмен знаниями с коллегами из ДИТ. Пожелания к кандидатам: Обязательно: От 2–3 лет практического опыта в машинном обучении или анализе данных с задачами, доведёнными до реального использования; Уверенный Python: pandas, numpy, scikit-learn; Уверенный SQL: сложные запросы, оконные функции, оптимизация; опыт работы с промышленными СУБД (Oracle, PostgreSQL); Практический опыт работы с «грязными» данными: очистка, нормализация справочников, обработка пропусков и выбросов, сведение данных из разных источников; Классический ML: линейные модели, градиентный бустинг (CatBoost, XGBoost, LightGBM), кластеризация; понимание, когда какой подход уместен; Прогнозирование временных рядов и понимание его особенностей: сезонность, тренды, праздничные и акционные периоды; Уверенное владение метриками качества (MAE, MAPE, precision/recall, ROC-AUC) и понимание, почему выбор метрики зависит от бизнес-задачи; Понимание причин переобучения и утечки целевой переменной, умение корректно строить валидацию; Практический опыт работы с LLM: промпт-инжиниринг, структурированный вывод, RAG (чанкинг, эмбеддинги, векторный поиск), оценка качества ответов; Git, Docker, опыт разработки REST API; Практический опыт интеграций с внешними системами через API: аутентификация, разбор документации, обработка ошибок и ограничений на частоту запросов, регулярная синхронизация данных; Умение объяснить свою работу человеку без технического образования (будет плюсом) Опыт в дистрибуции, оптовой или розничной торговле, логистике; Опыт интеграции с учётными и ERP-системами (1С, Oracle APEX); Опыт интеграции с корпоративными системами знаний и совместной работы через API: Confluence, другие wiki-платформы, порталы и системы электронного документооборота; Опыт интеграции с системами обработки обращений (service desk, ITSM) и корпоративными мессенджерами; Опыт построения ETL-процессов и работы с хранилищами данных; Распознавание и обработка сканированных документов (OCR); Опыт работы с BI-инструментами и построения отчётности; Опыт работы с локально развёрнутыми (self-hosted) моделями и понимание требований к защите данных; Инструменты трекинга экспериментов и наблюдаемости (MLflow, Langfuse и аналоги); Опыт использования AI coding agents в собственной разработке. Личные качества: Самостоятельность: вы будете первым в направлении, наставника по ML внутри компании нет; Способность работать в условиях неопределённости и самому доводить постановку задачи до ясного вида; Умение и готовность разговаривать с бизнесом на его языке; Честность в оценке ограничений: способность сказать «эта задача так не решается» и предложить альтернативу; Ориентация на результат в эксплуатации, а не на красивую метрику в ноутбуке. Условия: Работу в крупной динамично развивающейся Компании с современным менеджментом, по продаже фурнитуры, лакокрасочных материалов и комплектующих от ведущих производителей, а также товаров под собственным брендом и собственного производства; Официальное оформление и социальные гарантии в соответствии с ТК РФ (трудовой договор); Официальная заработная плата, оклад + премия; График работы пн-пт с 8-00 до 17-00; Офис расположен по адресу г. Мытищи, Волковское шоссе, вл.15 с.1; Корпоративный транспорт от автовокзала Мытищи (15 мин.); Компенсация 50% на питание в корпоративной столовой; Полный соцпакет + дополнительный (компенсация на фитнес или ДМС); Корпоративные скидки на продукцию Компании.