Илья В. , Senior, ML-инженер

Разработка голосового AI-ассистента для автоматизации клиентской поддержки: обработка входящих звонков, ведение диалога, уточнение запроса, интеграция с бизнес-системами.

1. Проектирование end-to-end пайплайна STT > LLM > TTS для real-time диалогов
2. Настройка Whisper с кастомными словарями и доменными терминами
3. Обучение и адаптация LLM под диалоговые сценарии поддержки
4. Реализация intent detection и сценарного диалогового менеджера
5. Интеграция голосового ассистента с backend-сервисами через API
6. Обработка ошибок, fallback-сценариев и отказоустойчивость
7. Использование Redis для кэширования, хранения сессионного состояния и ускорения обработки запросов.
8. Работа по задачам в Jira, участвовал в планировании и декомпозиции задач.
9. Мониторинг latency, стабильности и качества ответов

Внутренний R&D-проект по созданию системы оценки качества, устойчивости и воспроизводимости LLM-моделей и RAG-цепочек перед выкаткой в продакшен.

1. Проектирование единой методологии оценки качества LLM и RAG-систем
2. Разработка offline evaluation пайплайнов для ответов моделей (semantic similarity, factuality, coverage)
3. Реализация regression-тестов для проверки деградаций после fine-tuning
4. Построение датасетов контрольных запросов и edge-кейсов
5. Анализ ошибок генерации: hallucinations, reasoning gaps, retrieval noise
6. Интеграция evaluation в CI-процессы перед релизами
7. Подготовка отчетов для ML и продуктовых команд
8. Проектирование и реализация RAG-архитектур (FAISS, rerankers)
9. Fine-tuning LLM (LoRA / QLoRA)
10. Построение пайплайнов обучения, оценки и валидации моделей
11. Оптимизация инференса (vLLM, ONNX, batching, caching)
12. Интеграция LLM-сервисов в продакшн

Развитие рекомендательной системы для персональных плейлистов и музыкальных подборок с упором на онлайн-метрики и масштабируемость. R&D-проект по разработке мультимодального AI-ассистента, способного понимать и обрабатывать текст, голос и изображения, а также выполнять reasoning и отвечать на сложные пользовательские запросы.

1. Проектирование архитектуры мультимодального ассистента с разделением потоков данных
2. Интеграция моделей обработки текста, аудио и изображений в единый inference-контур
3. Реализация обработки аудио через Whisper с нормализацией и постобработкой транскрипций
4. Использование PySpark для обработки больших массивов clickstream-данных и подготовки фичей для моделей.
5. Работа с данными в Hadoop-кластере для хранения и агрегации пользовательских событий.
6. Анализи clickstream-события пользователей для построения поведенческих фичей и улучшения ранжирования.
7. Использование vision-моделей (CLIP / ViT) для извлечения визуальных эмбеддингов
8. Интеграция LLM (Llama / Qwen) для reasoning и генерации ответов
9. Разработка контроллера мультимодальных токенов и логики маршрутизации между моделями
10. Оптимизация пайплайна для последовательных и смешанных мультимодальных запросов
11. Разработка гибридной рек. модели (нейросетевые эмбеддинги + LightGBM)
12. Feature engineering на основе пользовательского поведения
13. Построение офлайн-пайплайнов обучения и онлайн-инференса
14. Проведение A/B-тестов и анализ влияния моделей на продуктовые метрики
15. Интеграция моделей в продакшн-контур

Разработка отдельного NLU-модуля для понимания пользовательских запросов в голосовом ассистенте: интенты, сущности, контекст диалога.

1. Обучение моделей intent classification и slot filling
2. Fine-tuning трансформеров под разговорную речь
3. Работа с короткими и многошаговыми диалогами
4. Анализ ошибок распознавания и редких кейсов
5. Интеграция моделей в сервисы ассистента
6. Оптимизация скорости инференса
7. Использование Tesseract в OCR-пайплайнах для извлечения текста из документов с последующей NLP-обработкой (spaCy/Natasha).
8. Разработка и дообучение NLP-моделей для intent detection и slot filling
9. Fine-tuning трансформеров (BERT, RuBERT, GPT-like модели)
10. Построение пайплайнов обработки данных и обучения моделей
11. Интеграция моделей в backend-сервисы ассистента
12. Анализ ошибок, работа с edge-cases и длинными диалогами