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