Junior Research Engineer AI

Мы создаём прикладные решения для робототехники, автоматизации производств и цифровых сервисов. Небольшая команда ищет начинающего инженера, который усилит исследовательский блок, поможет искать готовые библиотеки, проводить эксперименты, оформлять результаты в понятные отчёты и презентации. Всё — в тесной связке с ведущими ML-разработчиками и аналитиками.

Обязанности  

- Анализировать бизнес-задачи и предлагать применимые алгоритмы ИИ.  

- Подбирать и тестировать открытые фреймворки (PyTorch, TensorFlow, RL-библиотеки).  

- Настраивать окружение, автоматизировать пайплайн экспериментов в Python.  

- Проводить A/B-тесты, сверять метрики, оформлять данные в таблицы и визуализации.  

- Документировать гипотезы, результаты, выводы — понятным языком и с указанием ограничений.  

- Участвовать в обсуждениях архитектуры, этических рисков и схемы внедрения моделей.  

- Готовить слайды, схемы, тезисы для внутренних митапов и научных публикаций.  

Требования  

- Профильное образование (математика, информатика, кибернетика) или курсы ИИ.  

- Уверенные знания Python и базовых структур данных.  

- Понимание принципов обучения с подкреплением, регрессии, классификации.  

- Опыт работы с Git, Jupyter, Linux-окружением.  

- Английский B1 — чтение статей без глубоких пауз.  

- Критическое мышление, умение задавать вопросы, работать с неясными вводными.  

Желательные навыки  

- Навыки работы с Docker или аналогичными инструментами контейнеризации.  

- Опыт настройки MLflow, Weights & Biases либо собственных систем трекинга.  

- Базовые представления о Data-Ops и CI/CD для моделей.  

- Знакомство с принципами Responsible AI и нормативными актами РФ.  

Что сделает вас успешным  

- Стремление учиться быстрее рынка — читать препринты, пробовать новинки.  

- Готовность объяснять сложное простыми словами — коллегам, заказчикам, стейкхолдерам.  

- Упорство в экспериментах — доводить каждую гипотезу до воспроизводимого результата.  

- Умение синтезировать данные, код и визуализацию в единую историю, которая убеждает.  

Перспективы развития  

- Доступ к менторам-экспертам и внутренним лабам для проведения собственных тестов.  

- Быстрый рост до Middle Research Engineer при стабильных результатах.  

- Возможность выбора трека: научные публикации, продуктовая разработка, архитектура ML-систем.