Анализировать данные, выбирать подходящие архитектуры (от классического ML до нейросетей) и обучать модели

• Искать и тестировать новые подходы и решения, адаптируя их под наши нужды
• Самостоятельно разворачивать модели в продакшн-среде
• Настраивать рабочее окружение и библиотеки в условиях отсутствия прямого доступа к интернету
• Уверенное владение Python и ML-стеком (Pandas, Scikit-learn, PyTorch/TensorFlow)
• Понимание математики и статистики, стоящую за алгоритмами
• Имеете опыт работы с современными архитектурами (NLP, CV или LLM)
• Умение упаковывать свои решения в Docker (критично для нашего контура)
• Готовность работать полностью оффлайн в защищенной среде

Будет плюсом:

• Опыт развертывания локальных языковых моделей (LLM)
• Навыки оптимизации кода под конкретное железо (GPU)
• Умение работать с SQL-базами данных

Ответственность, инициативность и исполнительность.

• Развертывание собственного AI-сервиса (инференс) и интеграция в qMedAI через API;
• Разработка и улучшение AI-рекомендаций для пациентов/медперсонала (персонализация, правила+ML);
• Построение AI-ассистента: контекст, память, инструменты (tools), RAG при необходимости;
• Внедрение голосового помощника: ASR (speech-to-text) + TTS (text-to-speech), потоковые ответы;
• Совместная работа с backend/frontend и оформление технической документации.

Python, PyTorch/Transformers, FastAPI (или аналог), Docker, Linux, GPU/Cloud, Vector DB (Qdrant/FAISS — опционально), ASR/TTS (Whisper/Coqui или аналоги).