Principal AI Engineer

О позиции

Вы присоединяетесь к Velsera — компании, создающей программное обеспечение и инфраструктуру для precision medicine, включая исследовательские платформы, клинические и диагностические приложения. Роль охватывает широкий спектр задач: от разработки моделирования доступа к моделям до интеграции AI в продукты и бизнес-процессы. Это позиция старшего индивидуального исполнителя, которая отчитывается CTO и определяет техническое направление растущей команды AI Platform & Enablement.

Будет плюсом

• Опыт в genomics, biomedical data или life sciences платформах
• Софт под quality management system (ISO 13485, IEC 62304, IVDR) или clinical/diagnostic контекстах
• Интеграция AI в workflow/orchestration engines (CWL/WDL/Nextflow)
• Знакомство с GA4GH стандартами и/или clinical data models (FHIR, OMOP)
• Enterprise systems integration (CRM, ERP, ITSM, document and quality management)
• Production опыт на нескольких облаках с multi-cloud trade-off judgment
• Опыт работы на customer-funded или grant-funded engagement

Условия

• Широкая область ответственности и влияние на то, как строится AI в компании
• Работа над продуктами, через которые передаётся чувствительные биомедицинские данные пациентов
• Гибкие условия и инклюзивная diverse команда
• Возможность решать разные проблемы в рамках бизнеса вместо одного и того же годами
• Четкие требования к auditability, access control и traceability — где это имеет значение

Навыки

• Python
• Java
• Go
• TypeScript
• AWS
• Azure
• GCP
• AWS Bedrock
• Google Vertex AI
• Azure OpenAI
• MLOps
• LLMOps
• RAG
• Model Serving
• API Integration
• System Design
• Cloud Architecture
• Security
• IAM
• Docker
• Kubernetes
• Git
• CI/CD
• Logging
• Monitoring
• Data Governance
• Compliance
• HIPAA
• GDPR
• SOC 2
• FedRAMP
• Agile
• Microservices
• REST API
• Event-driven Architecture

Могут спросить на собеседовании

1. Как вы подходите к проектированию многооблачной AI-платформы с нуля? Какие компромиссы вы бы сделали?
2. Приведите пример, где вы внедрили governance для ML/LLM системы в regulated environment. Какие стандарты вы соблюдали?
3. Как вы обеспечиваете reproducibility и auditability в production AI-сервисах?
4. Опишите случай, когда вы решили не использовать AI для задачи. Каков был ваш процесс принятия решения?
5. Как вы интегрировали AI-capabilities с системами, которые не принадлежат вашей команде (SaaS, enterprise data)?