IQ GROUP - это группа компаний федерального уровня, осуществляющая свою деятельность с 2008 года и объединяющая в себе два направления бизнеса в области банкротства и IT решений.
IT-направление предлагает решения для удобного и эффективного управления бизнесом, что позволяет нашим клиентам быстро адаптироваться к меняющимся условиям с помощью современных инструментов по оптимизации продаж, подбора кадром и системы отчетности.
В связи с расширением и активным развитием компании мы предлагаем присоединиться к нашей команде в должности - Machine Learning Engineer / Инженер по Машинному Обучению.

Обязанности:

Интеграция нейросетевых моделей:

• Интеграция нейросетевых моделей в существующие продукты и платформы компании.
• Поддержка и улучшение существующих решений на основе нейросетей.

Разработка и оптимизация моделей:

• Разработка и оптимизация моделей нейронных сетей для решения задач, связанных с анализом данных, обработкой естественного языка и других применений.
• Проведение экспериментов, подбор гиперпараметров, оценка производительности моделей.

Анализ данных и подготовка датасетов:

• Анализ данных, подготовка датасетов для обучения и тестирования моделей.

Документирование и презентация:

• Документирование результатов исследований и разработок, участие в обсуждениях и презентациях.

Сбор и обработка данных:

• Сбор, очистка и предобработка данных для обучения моделей.
• Работа с различными источниками данных (базы данных, API, файловые хранилища).
• Организация процессов сбора и хранения данных.

Разработка комплексных решений:

• Создание и поддержка FastAPI для взаимодействия с моделями.
• Интеграция Redis для кэширования и управления очередями задач.
• Использование Celery для асинхронных задач и распределенных вычислений.
• Реализация WebSocket для реального времени взаимодействия.

Построение и оптимизация RAG (Retrieval-Augmented Generation) систем:

• Разработка и внедрение систем, объединяющих поиск информации и генерацию текста.
• Интеграция моделей поиска (например, на основе Elasticsearch, FAISS, или других векторных баз данных) с генеративными моделями (например, GPT, T5, BERT).
• Оптимизация процессов извлечения релевантной информации и генерации ответов.
• Работа с embedding моделями (например, Sentence Transformers, OpenAI Embeddings) для улучшения качества поиска.
• Настройка и оптимизация пайплайнов для обработки запросов и генерации ответов.

Файнтюнинг моделей:

• Настройка и файнтюнинг предобученных моделей под конкретные задачи.
• Использование методов трансферного обучения для адаптации моделей к новым данным.
• Оптимизация процесса обучения для достижения максимальной производительности моделей.

Масштабирование решений ИИ:

• Оптимизация и масштабирование моделей для работы с большими объемами данных.
• Разработка и внедрение решений для обработки данных в реаль