ML Developer

CURE AI развивает интеллектуальную платформу для управления сложными инфраструктурными системами: зданиями, городскими сервисами, оборудованием и подключёнными внешними контурами. Мы создаём когнитивный runtime, который объединяет данные, модели, reasoning, прогнозирование, симуляцию и безопасное исполнение решений.

Ищем ML-разработчика, который будет работать в команде над отдельными субмодулями большой AI-системы: от retrieval и embedding-пайплайнов до моделей наблюдений, прогнозирования, World Model и механизмов outcome learning. На интервью подробно расскажем об архитектуре, конкретном направлении и зоне ответственности.

Задачи

- Разрабатывать и развивать ML-компоненты когнитивного runtime.

- Работать над одним или несколькими направлениями: embeddings и retrieval, нейронные модели наблюдений, временные ряды, anomaly detection, predictive/world-model слои, causal observations и outcome learning.

- Создавать и поддерживать пайплайны подготовки, валидации и хранения датасетов.

- Разрабатывать embedding/retrieval-пайплайны для памяти системы, знаний, похожих событий и tenant-specific context.

- Интегрировать ML-компоненты с backend-сервисами через FastAPI и API-контракты.

- Оптимизировать инференс и runtime-поведение моделей: GPU/CPU execution, ONNX Runtime, fallback-стратегии при недоступности CUDA или локальной модели.

- Работать с внешними LLM API и внутренней модельной инфраструктурой, включая MoE-архитектуры и будущие LoRA-адаптеры.

- Участвовать в разработке нейросимвольных модулей reasoning-слоя совместно с backend- и research-командами.

- Формировать воспроизводимые ML-эксперименты, метрики качества, KPI evidence и обучающие traces.

- Участвовать в проектировании safe fallback-паттернов, tenant-safe personalization и privacy-aware работы с данными.

Технологический стек

Основной стек:

Python 3.11/3.12;

PyTorch, NumPy;

Hugging Face Transformers;

Sentence Transformers;

ONNX Runtime;

Qdrant;

PostgreSQL;

Redis;

FastAPI для интеграции ML-компонентов с backend;

Docker, Docker Compose;

Git.

Модельная инфраструктура:

• Внешние LLM API как текущий inference/provider layer;

• MoE-компоненты и маршрутизация экспертов;

• CUDA-aware execution, GPU-проверки и fallback на API или CPU-режим;

• LoRA-адаптеры для будущей специализации и персонализации;

• Torch-based runtime для небольших внутренних моделей;

• Embeddings, vector search, retrieval и memory pipelines.

Данные и обучение:

Временные ряды телеметрии;

Event ledger и causal observations;

Synthetic data generation;

Базовые модели по часам, дням и типам событий;

Outcome learning и pending learning tasks;

KPI evidence и оценка результатов решений;

Контекстная и tenant-safe персонализация.

Обязательные требования:

Уверенное владение Python и PyTorch.

Практический опыт разработки, обучения или интеграции ML-моделей в production-окружение.

Опыт работы с embeddings, semantic search, vector databases или RAG/retrieval-пайплайнами.

Понимание жизненного цикла ML-компонента: данные, подготовка, inference, метрики, мониторинг, деградация модели.

Опыт работы с Docker и Git.

Понимание REST API и принципов интеграции ML-сервисов с backend.

Умение писать поддерживаемый, тестируемый и воспроизводимый код.

Английский, достаточный для чтения технической документации и работы с ML-инструментами.

Будет преимуществом:

Практическое понимание model-based learning и world models.

Опыт с временными рядами, прогнозированием или детекцией аномалий.

Знание causal inference на прикладном уровне.

Опыт оптимизации inference через ONNX Runtime, CUDA, batching, quantization или GPU-aware deployment.

Опыт с LoRA, fine-tuning, MoE или LLM routing.

Понимание нейросимвольных систем, rule engines либо связки ML и формального reasoning.

Опыт работы с приватными, чувствительными или мультиарендными данными.

Понимание подходов safe ML: confidence thresholds, human/system fallback, fail-safe execution.

Испытательный срок 4 месяца, далее при выполнении всех требований повышение до 7000$

‼️Если уверены в своих навыках можете писать в тг @DWassD с пометкой ML Developer и приложить резюме