Machine Learning Engineer

О позиции

В Jaxon мы делаем ИИ надёжным для высокоответственных задач. Продукт компании Domain-Specific AI Language (DSAIL) лежит в основе большинства развёртываний. В этой роли вы будете работать над повышением безопасности и надёжности решений через реализацию и развитие возможностей DSAIL. Особый акцент делается на устранении фундаментальных ограничений больших языковых моделей — особенно проблем с контекстом и логическим рассуждением. Проект связан с национальной безопасностью США, работа конфиденциальная.

Чем заниматься

• Интегрировать ML-модели в существующие системы и рабочие процессы кросс-функциональных распределённых команд\n- Проводить полный цикл управления данными: предобработка, feature engineering, оценка моделей для улучшения точности и эффективности\n- Разрабатывать NLP-решения и работать с неструктурированными данными в облачной среде\n- Настраивать параметры LLM для специфичного поведения, понимать процесс деплоя и оптимизации моделей\n- Обучать, файн-тюнить или тренировать модели самостоятельно, а не только вызывать облачные API\n- Эффективно объяснять технические детали нетехническим лицам и стейкхолдерам\n- Работать с академическими статьями и превращать их идеи в работающие решения

Что ждут

• Минимум 5 лет опыта в ML/ML Engineering\n- Fluent Python и опыт работы с Python Data Science Stack: NumPy, Pandas, Scikit Learn\n- Глубокое понимание NLP и неструктурированных данных в облачной среде\n- Опыт работы с LLM: понимание их архитектуры, процессов деплоя, оптимизации параметров\n- Практический опыт локального запуска LLM (Ollama, Transformers)\n- Знание инструментов контейнеризации: Docker, Docker Compose, Kubernetes\n- Базовое понимание агентских библиотек: Langraph, LlamaIndex или аналогичные\n- Степень бакалавра в Computer Science или смежной области; магистр/докторат предпочтителен\n- Умение быстро переключаться между задачами и эффективно коммуницировать выводы

Будет плюсом

• Ознакомленность с представлением знаний (knowledge representation)\n- Опыт консультаций по оборонным проектам: разработка ПО, поддержка дата-сайнс, service labs или joint commands\n- Предыдущий опыт в governance и guardrail development для ИИ-моделей

Условия

• Конкурентная зарплата + бонусы в зависимости от опыта\n- Опционы на акции — участие в будущем росте компании\n- Неограниченный оплачиваемый отпуск (unlimited PTO)\n- Медицинское, стоматологическое и зрительное страхование\n- Соответствие 401k\n- Все федеральные праздники как оплачиваемый выходной\n- Гибкий график и возможность удалённой работы\n- Культура приоритета ментального здоровья и work-life balance\n- Возможности обучения: хакатоны, технические лекции, обмен опытом

Навыки

• Python
• NumPy
• Pandas
• Scikit-learn
• NLP
• Large Language Models
• LangGraph
• LlamaIndex
• Docker
• Kubernetes
• Ollama
• Transformers
• Fine-tuning
• Model Deployment
• Container Orchestration

Могут спросить на собеседовании

1. Как вы подходите к оптимизации параметров LLM под конкретные задачи? Приведите пример.
2. Какие основные ограничения современных LLM в контексте и логическом выводе вы знаете, и какие методы помогают их смягчить?
3. Расскажите о вашем опыте деплоя и файн-тюнинга моделей в локальной/контролируемой среде (не облачный API).
4. Как вы объясняете сложные ML-концепции технически менее подготовленным стейкхолдерам?
5. Какой у вас опыт работы с инструментами безопасности и контроля доступа для ИИ-систем (guardrails, governance)?