Phystech Carrera - Carrera

Jun - Middle+ ML/AI Engineer (LLM & Chatbot Architect) О компании Мы — MedTech стартап, создающий персонального AI-ассистента по здоровью. Наш продукт — система, которая помогает пользователям поддерживать здоровье. Сейчас мы работаем над созданием ядра нашего чат-бота: системы оркестрации LLM для проведения медицинского анкетирования и сверок с нормативной базой. Чем предстоит заниматься: - Архитектура чат-бота: Разработка и поддержка ядра диалоговой системы. Подключение моделей по API, настройка промптов и параметров генерации. - Семантический роутинг: Реализация логики переключения между сценариями (например, сбор анамнеза vs ответы на вопросы vs экстренные случаи) и выбор подходящей модели под задачу. - Управление контекстом: Настройка пайплайна, который «на лету» парсит диалог и сохраняет данные в PostgreSQL в структурированном виде (формирование динамической «медкарты» пациента). - RAG (Retrieval-Augmented Generation):Создание и поддержка векторного хранилища для работы с нормативными актами, клиническими рекомендациями и постановлениями правительства. Обеспечение точности ссылок на документы в ответах бота. - Backend интеграция: Обертывание ML-логики в FastAPI, оптимизация задержек (latency) при стриминге ответов. - MLOps: Контейнеризация сервисов (Docker) и настройка деплоя обновленных пайплайнов (CI/CD). Наши ожидания: - Опыт: опыт в ML/Data Science или Backend-разработке с глубоким погружением в AI. - Python Stack: Отличное владение Python, pandas, опыт работы с асинхронностью (FastAPI/Asyncio). - LLM & NLP: Практический опыт работы с LLM (GPT-4, Gemini и др.) через API. Понимание принципов Prompt Engineering, Chain-of-Thought. - Orchestration: Опыт работы с фреймворками типа LangChain, LlamaIndex или самописными стейт-машинами для управления диалогом. - Базы данных: Уверенное владение PostgreSQL (проектирование схем для хранения структурированных данных пациента) и опыт работы с векторными БД. - DevOps/MLOps: Docker, Git, CI/CD — умение самостоятельно завернуть свое решение в контейнер и доставить на сервер. Будет большим плюсом: - Опыт решения задач NER для извлечения медицинских фактов из текста. - Понимание специфики RAG: чанкинг сложных юридических или медицинских текстов, гибридный поиск. - Опыт работы с облачной инфраструктурой. - Интерес к медицине и биоинформатике. Условия: - Удалённая работа (Full-time), график по Москве. - Зарплатная вилка: обсуждается в зависимости от опыта кандидата, обеспечим рыночные условия для подходящего кандидата - Прямое влияние на продукт: ваши решения будут определять, как именно бот «думает» и помогает людям. - Сильная команда и взаимодействие с практикующими врачами. Контакты: Для отклика и вопросов: @chetenado