Вакансии компании Полигонатор, компания в Таганроге – Работа в Полигонатор, компания

Полигонатор — быстрорастущая компания, специализирующаяся на создании инновационных тренажёров для различных предприятий. Наши решения охватывают широкий спектр: классические обучающие комплексы и интерактивные среды для отработки управления различными средствами/техникой в симуляциях с реалистичной физикой и иммерсивные VR-тренажёры. Мы создаём полноценное ПО (от проектирования до внедрения ) и строим продукты с внедрением ИИ – от аналитики и прогнозных моделей до LLM-приложений и исследовательских прототипов. У нас нет «одной роли на всё»: мы нанимаем людей с сильным Python и математической базой, а вектор развития (аналитика, инфраструктура ML, LLM-продукты или R&D) выбираем вместе, исходя из ваших сильных сторон и задач бизнеса. Наша команда увлечена своим делом и стремится сделать передовые технологии доступными для всех. С 2016 года мы реализовали более 40 проектов, накопили богатый опыт и научились успешно применять современные технологии для решения практических задач. В нашей работе мы используем Unreal Engine 5 — мощный инструмент для создания детализированных и реалистичных виртуальных сред. Мы ищем AI-разработчиков, в смежных направлениях которые понимают принципы работы современных технологий искусственного интеллекта и способны не только использовать готовые решения, но и проектировать, разрабатывать и совершенствовать собственные AI-системы. Требования: Общие требования (для всех направлений) Инженерная база – Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv). – Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне, PyTest, Docker – SQL (с оговоркой по направлениям). – Умение читать документацию и научные статьи на английском. Математическая база – Линейная алгебра, теория вероятностей, математическая статистика. – Понимание метрик качества и принципов валидации моделей. – Понимание, что такое переобучение, утечка данных (data leakage) и как с ними бороться. Продуктовое мышление – Умение переводить бизнес-задачу в техническую постановку. – Способность объяснить результат нетехническим стейкхолдерам. – Самостоятельность: доведение задачи от постановки до результата без пошагового руководства. Инструменты – Python-экосистема для данных: pandas, NumPy. – GitLab. Будет плюсом – С/С++, Rust, Go, Unreal Engine 5 Требования по направлениям Data Scientist Специализированные знания – Статистический вывод: проверка гипотез, p-value, доверительные интервалы. – Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов. – Классический ML: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA. – Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики. – Понимание продуктовых метрик (retention, LTV, конверсия). Инструменты – pandas, NumPy, scikit-learn, Matplotlib / Seaborn / Plotly. – XGBoost / LightGBM. – SQL, Jupyter, Git. – Плюсом: Polars, PySpark, MLflow, Airflow, Streamlit / Dash. ML Engineer Специализированные знания – Построение пайплайнов подготовки данных и обучения моделей. – Деплой моделей: упаковка в сервис, версионирование, канареечные релизы. – Мониторинг: дрейф данных (data drift), деградация качества, алертинг. – Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / Ollama / llama-cpp. – Основы облачной инфраструктуры (AWS / GCP / Azure: вычисления, хранение, IAM). – RL-инфраструктура: векторизованные среды, параллельный сбор опыта, обучение политик в симуляции, интеграция с Isaac Lab / Gymnasium. Инструменты – PyTorch / TensorFlow. – Docker, Kubernetes, CI/CD (GitHub Actions / GitLab CI). – MLflow / W&B, FastAPI / Pydantic. – Prometheus / Grafana, очереди (Celery / RQ), Redis, Postgres. – Плюсом: Go/Rust (инфраструктура). AI Engineer Специализированные знания – Архитектура RAG: стратегии чанкинга, эмбеддинги, векторный и гибридный поиск, оптимизация retrieval. – LLM и промпт-инжиниринг: контекстное окно, токен-экономика, стоимость и задержка, структурированный вывод (JSON), few-shot. – Агенты и tool calling: LangChain / LangGraph, function calling, MCP-архитектура. – Оценка качества и защита: LLM-as-judge, RAGAS, снижение галлюцинаций, защита от промпт-инъекций. – Бэкенд-интеграция: FastAPI, работа с внешними API и БД. Инструменты – FastAPI (построение API для LLM-сервисов), Docker, Redis, Celery (очереди, кэширование, фоновые задачи). – Опыт с одним из RAG-фреймворков: LlamaIndex (document-heavy RAG) или LangChain / LangGraph (агентные workflow). – Понимание выбора векторной БД: pgvector (консолидация с PostgreSQL), Pinecone (managed), Weaviate (open-source, гибридный поиск), FAISS (прототипы), Qdrant AI R&D Developer Специализированные знания – Глубокое обучение: уверенное владение PyTorch, понимание Transformer и смежных архитектур. – Воспроизведение статей (paper replication) и проведение контролируемых экспериментов: ablation study, контрольные группы, статистическая значимость. – Доменная специализация в одном из направлений: NLP / CV / графы / временные ряды. – Оптимизация обучения и инференса: квантизация, Flash Attention, DeepSpeed (знакомство); базовые знания CUDA — плюс. – Умение упаковать результат исследования в прототип или API для передачи в прод. – RL (плюс для R&D-вектора): понимание постановки MDP, experience replay, policy gradient vs value-based методы, sim-to-real transfer; опыт обучения агентов в симуляции (Isaac Lab, Gymnasium, PettingZoo). Инструменты – PyTorch / JAX, Hugging Face, W&B / MLflow. – CUDA (плюс), DeepSpeed, vLLM. – Git, Docker. Наши условия труда: – ИТ-аккредитация компании; – Официальное трудоустройство, полностью «белая» заработная плата; – Социальный пакет по ТК РФ; – Заработная плата обсуждается индивидуально по итогам собеседования; – Адрес: г. Таганрог, ул. Котлостроительная, 2-6; – График: 5/2, с 10:00 до 18:00, офисная занятость; – Современный технически оснащённый офис; – Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения; – Дружная команда и комфортная рабочая атмосфера. Нам нужен инженер, который понимает, как устроен искусственный интеллект, умеет исследовать технологии и создавать собственные решения, а не только подключать готовые модели через API. Если тебе интересно разрабатывать интеллектуальные системы и работать над сложными инженерными задачами — присоединяйся к нашей команде!