О компании Мы — молодая технологическая компания, которая строит ИИ-систему для поиска месторождений меди по принципу KoBold Metals. Используем искусственный интеллект, чтобы кардинально повысить эффективность геологоразведки. Находимся на ранней стадии и ищем ключевого специалиста в core-team.

Обязанности:

  • Разработка и обучение моделей машинного обучения (включая LLM и multimodal-модели) на геологических данных
  • Создание пайплайнов обработки данных (от сырых данных геолога до готовых датасетов для обучения)
  • Feature engineering для геопространственных данных (спутниковые снимки, геофизика, геохимия, карты)
  • Построение и поддержка MLOps-процессов (эксперименты, версионирование моделей, обучение, валидация)
  • Работа в тесной связке с ведущим геологом: преобразование собранных им данных в обучающие датасеты
  • Оценка качества моделей и их улучшение на основе полевых проверок
  • Разработка инструментов для предсказания перспективных площадей

Требования:

  • Опыт работы ML Engineer от 2–3 лет (Senior приветствуется)
  • Глубокие знания Python (Pandas, NumPy, Scikit-learn, PyTorch / TensorFlow)
  • Опыт работы с LLM (fine-tuning, RAG, multimodal-модели) — будет большим плюсом
  • Опыт работы с геопространственными данными (Rasterio, GDAL, GeoPandas, Sentinel/Hugging Face datasets и т.д.) — очень желательно
  • Понимание MLOps (Docker, Git, MLflow / Weights & Biases, CI/CD)
  • Опыт работы с большими объёмами данных и многомерными датасетами
  • Английский язык на уровне чтения технической документации

Будет большим преимуществом:

  • Опыт в компьютерном зрении (работа со спутниковыми снимками)
  • Знакомство с геологией / геофизикой / дистанционным зондированием
  • Опыт fine-tuning LLM на доменных данных

Условия:

  • Заработная плата по договоренности
  • Опцион в компании (значительная доля для ключевого сотрудника)
  • Возможность работать над действительно прорывным проектом на стыке ИИ и геологии
  • Гибкий график и фокус на результате

О проекте Мы создаём ИИ, который будет находить медные месторождения эффективнее традиционных методов. Если вы хотите применять современный ML/LLM в реальной высокодоходной отрасли — это ваш шанс стать одним из первых членов технической команды.

Готовы рассматривать сильных кандидатов даже без прямого опыта в геологии. Главное — сильный ML-бэкграунд и желание работать с нестандартными пространственными данными.