INNORA

Про продукт

RaccoonDoc - це не просто «ще один OCR». Це український AI-продукт для автоматизації обробки документів (IDP), який перетворює хаос з актів, накладних, договорів, рахунків і сканів у структуровані дані, з якими можна працювати.

Наші клієнти - компанії, в яких документи не вимірюються "папками", а йдуть тисячами й десятками тисяч на місяць.

Ми шукаємо Machine Learning Engineer в продуктову команду RaccoonDoc, який хоче працювати з реальними даними та продакшн-моделями, а не тільки з датасетами з Kaggle.

Що ти будеш робити

• Розробляти, тренувати та вдосконалювати ML-моделі для документів:
  • Підготовка та збір даних для тренування.
  • NER (BERT, LLAMA, GPT-based, Molmo, etc)
• Деплой на хмарні сервіси по типу AWS, Azure etc:
• Написання тестів, підтримка документації
• Розробка АПІ (FastAPI, Flask etc)
• Інтеграція моделей з бекенд частиною
• Співпрацювати з розробниками, аналітиками та фаундером продукту - впливати на те, як виглядатиме RaccoonDoc через рік.

Технологічний стек

ML / AI:

• Python (основа всього),
• PyTorch / TensorFlow,
• Object Detection (like YOLO)
• Scikit-learn,
• spaCy,
• Transformers (HuggingFace),
• LLM (OpenAI /LLAM/ GPT/ Molmo).

Сервіси / Web:

• Flask, FastAPI,
• Docker.

Хмара (Azure / AWS):

• Azure Endpoint, Azure Web Apps, Azure ML, Azure Functions, Azure DevOps, Service Bus, Application Insights, DB/Blob Storage
• AWS SageMaker, AWS Lambda, AWS ECR, AWS Endpoints.

Не обовʼязково знати все з цього списку, але чим більше реального досвіду - тим краще.

Буде плюсом

• Досвід з Azure (Azure ML, Azure DevOps, Azure Functions) або AWS (SageMaker, Lambda).
• Досвід роботи з табличками / великими масивами текстових / документних даних.
• Розуміння домену:
  • фінанси, бухгалтерія, документообіг, операційні процеси.
• Досвід оптимізації моделей під продакшн (квантизація, prunning, latency/performance-трейд-оф).

Що ми пропонуємо

• Продукт, а не проєкт. Ти працюєш із ядром RaccoonDoc, а не з одноразовим кастомним рішенням.
• Реальні дані й реальний імпакт. Моделі будуть розгрібати живий "бардак" з документів українського бізнесу, а не ідеальні датасети.
• Динаміка стартапу + здоровий підхід. Швидкі рішення, мінімум бюрократії, але з нормальною інженерною культурою.
• Гнучкий формат. Віддалено з будь-якого міста України; ми розуміємо реалії війни, тривог і блекаутів.
• Ріст. Можливість рости в продукті, який будується навколо ML, а не "додає його зверху".

Процес найму

1. Короткий кол (до 30 хв) - знайомство, контекст продукту, твої очікування.
2. Технічний етап (60–90 хв) - обговорення твоїх продакшн-кейсів, архітектурних рішень, експериментів.
3. Співбесіда з фаундером (30–45 хв) - про бачення продукту, роль ML у RaccoonDoc, розвиток.
4. Оффер.

Якщо хочеш, щоб твої моделі не припадали пилом у репозиторії, а щодня економили сотні людино-годин на роботі з документами - відгукнися на цю вакансію.