Defense AI Center A1 — центр впровадження штучного інтелекту, створений при Міноборони для надання українській армії переваги на полі бою за рахунок AI-технологій.
Ваша основна місія:
AI/ML Engineer в Defense AI Center A1 — це одна з ключових ролей у створенні, впровадженні та підтримці сучасних AI/ML-рішень для оборонного сектору.
Ви працюватимете з ML-моделями, даними, пайплайнами, інфраструктурою та інструментами MLOps, перетворюючи дослідницькі прототипи на надійні production-ready рішення. Робота передбачає динамічне середовище, швидку зміну пріоритетів, стартапний темп і високу відповідальність за результат.
У фокусі роботи:
1. Розробка ML-моделей
— аналіз вимог до задач і вибір відповідних ML/AI-підходів;
— побудова RAG-систем, LLMOps або AI-агентів;
— проєктування, навчання та fine-tuning моделей для задач класифікації, регресії, NLP, computer vision та мультимодальних сценаріїв;
— робота з класичними ML-моделями, deep learning-підходами та LLM-based рішеннями;
— оцінка якості моделей, аналіз метрик, оптимізація точності, швидкодії та стабільності;
— участь у виборі архітектур моделей, підходів до inference та production deployment.
2. MLOps та ML-пайплайни
— побудова та операціоналізація наскрізних (end-to-end) ML-пайплайнів;
— налаштування experiment tracking, model registry, feature store та data/model versioning;
— розробка CI/CD-пайплайнів (GitLab CI/CD або Azure DevOps) для безпечного та автоматизованого розгортання моделей;
— підтримка моделей у production: моніторинг, масштабування, оновлення та rollback.
3. Data Engineering та робота з даними
— обробка, очищення та підготовка великомасштабних датасетів;
— побудова batch та near-real-time data pipelines;
— робота зі стеком: PostgreSQL (pgvector), Qdrant / Pinecone, Redis / Dragonfly, RabbitMQ, Celery / Redis Queue (RQ), Parquet;
— використання хмарних сховищ (Azure Data Lake Gen2, Azure Blob) та on-prem рішень (MinIO, Ceph);
— контроль якості даних (lineage, запобігання training-serving skew) та тісна співпраця з data-командами.
4. Production Monitoring та оптимізація
— моніторинг продуктивності моделей у реальних умовах; виявлення data/model drift та аномалій;
— використання інструментів observability: Prometheus, Grafana, ELK / OpenSearch, Azure Monitor, Application Insights;
— оптимізація inference, latency, throughput та ефективного використання ресурсів (Resource Utilization).
5. Командна взаємодія
— співпраця з DevOps, Data Engineering, Product, Security та Research командами;
— інтеграція ML-рішень у наявні державні, оборонні або внутрішні системи;
— комунікація складних технічних концепцій стейкхолдерам;
— участь у технічних обговореннях, розборі bottlenecks та плануванні архітектури.
Від вас очікуємо:
— 2+ роки досвіду в machine learning engineering, data science або MLOps;
— досвід із vector databases: Qdrant, Milvus, Weaviate, pgvector;
— побудова RAG-систем, LLMOps або AI-агентів;
— впевнене володіння Python та SQL.;
— глибокі знання фреймворків: PyTorch, TensorFlow, Scikit-Learn;
— досвід роботи з LangGraph / Haystack / CrewAI
— практичний досвід розробки, навчання, fine-tuning та деплою моделей;
— розуміння повного ML lifecycle (від підготовки даних до моніторингу);
— досвід роботи з Azure ML, Azure AI Studio / Foundry, Azure OpenAI Service;
— досвід роботи з інфраструктурою: Docker, Kubernetes, Helm;
— англійська мова на рівні B1+.
Буде плюсом:
— розуміння принципів роботи з hybrid cloud, private cloud або on-prem інфраструктурою;
— знання основ інформаційної безпеки (secrets management, RBAC, network isolation);
— досвід оптимізації інференсу: ONNX, TensorRT, OpenVINO, TorchServe, Triton Inference Server.;
— робота з GPU workloads та масштабування model serving;
— досвід роботи в захищених або air-gapped (ізольованих) середовищах;
— досвід у сферах defense, govtech або критичної інфраструктури;
— науковий ступінь (MS/PhD) у Computer Science, AI або прикладній математиці.
Ми пропонуємо:
— можли
