Позиция размещена от имени партнёрской компании, которая управляет всеми заявками и дальнейшими шагами.
Партнёр ищет Senior Staff Machine Learning Engineer в США.
Глобальная платформа обработки данных мировой торговли для управления рисками, комплаенса и правоприменения.
Обязанности
Определять техническое видение, архитектуру и roadmap для agentic AI систем, обрабатывающих данные мировой торговли и генерирующих оценки рисков, классификации и решения по комплаенсу в реальном времени.
Руководить проектированием и реализацией масштабируемых, надёжных и экономичных data pipelines: ingestion, document understanding, entity resolution, model inference, intelligent routing.
Разрабатывать и внедрять production-grade ML системы, превращающие структурированные и неструктурированные данные (shipments, customs declarations, invoices, bills of lading) в actionable insights.
Адаптировать и улучшать LLM с помощью SFT, DPO, reinforcement learning и domain-specific evaluation.
Строить и поддерживать evaluation frameworks, golden datasets, tracing systems и feedback loops.
Проектировать observability и monitoring для отслеживания поведения агентов и выявления failure modes.
Определять, когда использовать frontier model APIs, fine-tuned open-weight модели или классический ML.
Обеспечивать техническое лидерство: архитектурные стандарты, менторинг senior-инженеров, участие в найме.
Сотрудничать с инженерами, data scientists, product managers и клиентами.
Исследовать новые AI-техники и инструменты.
Требования
Степень бакалавра/магистра в CS, ML или смежной области либо эквивалентный опыт.
Минимум 10 лет опыта построения и внедрения ML систем в production, включая опыт с LLM-продуктами.
Глубокая экспертиза в PyTorch и современной Python ML-экосистеме: Hugging Face, scikit-learn, NumPy, Pandas или Polars.
Опыт production-grade LLM приложений: RAG, tool and function calling, structured outputs, agentic workflows.
Опыт внедрения agentic систем в production: planning, tool use, state management, recovery strategies, human-in-the-loop.
Практический опыт post-training LLM: SFT, DPO, RLHF, RLAIF, reward modeling.
Экспертиза в model evaluation: evaluation suites, golden datasets, LLM-as-a-judge pipelines.
Опыт лидерства на уровне Senior Staff.
Регулярное использование AI coding assistants (Cursor, Claude Code).
Предпочтительно: multi-agent systems и orchestration frameworks (LangGraph); hybrid retrieval (vector search, reranking, embedding fine-tuning); vision-language models для invoices, bills of lading, customs forms; multilingual NLP; LLMOps.