RAG Engineer (Python/ ML/ NLP/ LLM/ Data Science)

ЦРТ - российская аккредитованная продуктовая IT-компания. Являемся лидерами в разработке систем для распознавания и синтеза речи, идентификации личности по голосу и изображению. Наши продукты внедрены в крупных корпорациях по всей России. 75+ стран присутствия продукта на стороне клиента.

Сейчас мы ищем RAG-инженера для разработки продукта по автоматизации корпоративных данных с помощью LLM. Ваша задача - построить интеллектуальную систему, которая упростит работу с информацией и ускорит принятие решений.

Хочешь решать амбициозные задачи и при этом иметь все плюшки работы в стабильной компании - присоединяйся!

Что мы предлагаем кандидатам:

• Работу над проектами национального масштаба - не просто код, а технологии, которые влияют на жизнь миллионов.
• Возможность «прокачать» экспертизу в самых востребованных направлениях.

Наши победы говорят за нас:

• Digital Leaders Award 2024 («Проект года в бизнесе»)
• CX World Awards («Лучший клиентский опыт»)
• Победы в престижных конкурсах: ASVspoof 2021, CHiME-6, NIST SRE

Ключевые задачи:

• Определить источники данных: внешние системы, документы, БД, API, файловые хранилища, стримы обновлений. В RAG данные извлекаются из внешней базы знаний, поискового слоя или SQL/ векторного хранилища;
• Спроектировать модель данных: сущности, связи, версии, метаданные, lineage, права доступа, актуальность и домены ответственности;
• Организовать сбор и нормализацию данных из внешних источников, очистку, дедупликацию, классификацию, разметку и контроль качества;
• Построить golden record/ golden print: эталонную карточку объекта или записи, которая объединяет лучшие доступные атрибуты из разных источников и служит опорой для поиска, анализа и генерации;
• Подготовить данные для indexing/ retrieval/ RAG: чанкинг, эмбеддинги, векторный индекс, гибридный поиск, reranking, обновление индекса;
• При необходимости подготовить данные для обучения или дообучения модели, если RAG недостаточен и нужен supervised/ fine-tuning слой;
• Определить метрики качества и мониторинг: retrieval precision/recall, groundedness, faithfulness, coverage, freshness, latency, cost, answer quality.

Мы ждём от успешных кандидатов:

• Уверенное владение Python и ключевыми библиотеками для обработки данных (Pandas, PySpark);

• Опыт работы с NLP-библиотеками (spaCy, NLTK);
• Практический опыт работы с векторными базами данных и фреймворками для RAG (LlamaIndex, LangChain);
• Опыт проектирования и разработки отказоустойчивых ETL-пайплайнов;
• Понимание принципов работы LLM, эмбеддингов и семантического поиска;
• Знание алгоритмов поиска по сходству;
• Умение проводить исследовательский анализ данных (EDA), оценивать их качество, выявлять и устранять аномалии;
• Опыт работы с неструктурированными данными.
  ​​​

Будет плюсом:

• Опыт извлечения данных с помощью OCR;
• Опыт работы с облачными платформами (AWS, GCP, Azure) и инструментами оркестрации (Airflow, Dagster);
• Опыт внедрения систем оценки качества RAG (например, с помощью RAGAs).