ML LLM инженер по обработке документов

Вакансия компании: ООО ТЕРРИКСА<br><br><p><b>О вакансии</b></p><p><b>TERRIXA — интеллектуальная система для работы с техническими документами и производственными данными. Ищем ML/LLM-инженера, который будет развивать подготовку данных, классификацию запросов и оценку качества ответов, а также участвовать в тестировании сквозных сценариев анализа документов и отчётов по скважинам.</b></p><p><b>Чем предстоит заниматься</b></p><ul><li><p>Формировать, размечать и актуализировать наборы пользовательских запросов и эталонных ответов для обучения и тестирования.</p></li><li><p>Поддерживать сбалансированные выборки по типам задач: общий поиск по документам, точные значения из таблиц, графовые связи, расчёты и вызов агентов.</p></li><li><p>Развивать и оценивать классификацию намерений пользователя и маршрутизацию запросов между компонентами системы.</p></li><li><p>Проверять качество ответов на технических документах и суточных отчётах.</p></li><li><p>Участвовать в проверке сводного анализа группы отчётов: по одной скважине за период и по нескольким скважинам за период.</p></li><li><p>Оценивать полноту и корректность сводных результатов: выполненные работы, статусы, выявленные проблемы и динамика.</p></li><li><p>Тестировать сквозной цикл обработки документов: загрузка, извлечение данных, запись в базы, выполнение запросов и получение результата, в том числе в Excel.</p></li><li><p>Разбирать ошибки и случаи отсутствия результата, группировать причины и предлагать улучшения качества.</p></li><li><p>Настраивать и оценивать локальный запуск моделей на GPU/CPU, включая Ollama или vLLM, параметры параллельной обработки и таймауты.</p></li><li><p>Работать совместно с разработчиками парсера, backend-командой и тестировщиками; документировать эксперименты и результаты.</p></li></ul><p><b>Что важно для этой работы</b></p><ul><li><p>Опыт работы ML-, NLP- или LLM-инженером.</p></li><li><p>Уверенный Python и практические навыки обработки данных, в том числе с pandas.</p></li><li><p>Опыт подготовки датасетов, разметки данных, оценки классификаторов и анализа ошибок.</p></li><li><p>Понимание LLM/RAG-систем, поиска по документам и подходов к оценке качества ответов.</p></li><li><p>Практический опыт работы с SQL и структурированными данными.</p></li><li><p>Умение тестировать пайплайны обработки документов и находить причины некорректных результатов.</p></li><li><p>Навыки работы в Linux-среде и чтения логов.</p></li><li><p>Умение ясно фиксировать ход эксперимента, результаты и ограничения.</p></li></ul><p><b>Будет преимуществом</b></p><ul><li><p>Опыт с Hugging Face Transformers, scikit-learn, PyTorch или аналогичными инструментами.</p></li><li><p>Практика запуска LLM через Ollama или vLLM и настройки инференса на GPU.</p></li><li><p>Опыт с векторными и графовыми базами данных.</p></li><li><p>Опыт обработки PDF, DOCX, Excel и документов со сложными таблицами.</p></li><li><p>Знакомство с нефтегазовой тематикой, буровыми процессами и суточными рапортами.</p></li><li><p>Опыт нагрузочного тестирования на больших наборах документов.</p></li></ul><p><b>Задачи на первые месяцы</b></p><ul><li><p>Разобраться в текущих наборах данных и сценариях классификации запросов.</p></li><li><p>Согласовать воспроизводимый набор тестов и метрики качества для ключевых типов поиска и отчётных сценариев.</p></li><li><p>Регулярно предоставлять команде разбор ошибок с примерами и предложениями по улучшению.</p></li><li><p>Помочь стабилизировать оценку работы моделей в документном пайплайне и отчётных сценариях.</p></li></ul>[*157689*]