AI Developer
Оценка ИИИнтересная позиция в инновационной компании с возможностью удаленной работы из любой точки мира. Работа над продуктами в популярных нишах (Health, Lifestyle) с использованием передовых AI-технологий делает вакансию очень привлекательной для специалистов.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует не только уверенного владения стеком Node.js/TypeScript, но и глубокой экспертизы в области LLM, включая понимание архитектурных нюансов работы с токенами и эмбеддингами. Высокая планка опыта (от 3 лет) и работа на глобальный рынок повышают требования к качеству кода и ответственности.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции AI Developer с опытом от 3 лет на мировом рынке медиана составляет около $5,500. В зависимости от региона проживания кандидата и сложности задач, вилка может значительно варьироваться.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Откликнитесь в Rooh Co. уже сейчас
Присоединяйтесь к Rooh Co. и создавайте инновационные AI-решения для глобального рынка Lifestyle и Health!
Описание вакансии
AI Developer Rooh Co.
Местоположение: Весь мир
Формат работы: Удаленно
Опубликована: 25.07.2026
Требования:
• Опыт от 3 лет разработки на JS/TS (Node.js)
• Практический опыт с LLM API в продакшене
• Понимание LLM: tokens, context window, embeddings, prompting, hallucinations
О компании
Rooh Co. — инновационная компания, занимающаяся разработкой мобильных и веб-приложений для глобального рынка в нишах Lifestyle, Health и Utilities.
Откликнуться опубликована в LinkedIn у Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Node.js
- TypeScript
- JavaScript
- LLM
- Embeddings
- Prompt Engineering
Возможные вопросы на собеседовании
Проверка практического опыта работы с ограничениями моделей.
Как вы подходите к управлению контекстным окном (context window) при создании сложных диалоговых систем?
Оценка навыков оптимизации и понимания стоимости работы с API.
Какие стратегии вы используете для оптимизации потребления токенов без потери качества ответов модели?
Проверка умения работать с векторными данными, что важно для RAG-систем.
Расскажите о вашем опыте работы с embeddings: какие векторные базы данных вы использовали и как оценивали качество поиска?
Важно для обеспечения надежности продукта в продакшене.
Как вы боретесь с галлюцинациями LLM в реальных пользовательских сценариях?
Оценка навыков разработки на основном стеке компании.
