- Страна
- Узбекистан
AI Engineer
Оценка ИИИнтересная роль в финтех-секторе с фокусом на самые актуальные технологии (Agentic AI, LLM). Четкие требования и понятная локация делают вакансию привлекательной для специалистов, готовых к релокации или уже находящихся в Узбекистане.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИТребуется солидный опыт (3+ года) и владение современным стеком: от классического ML до продвинутых техник работы с LLM (Agentic AI, RAG). Дополнительным вызовом является работа в офисе в Ташкенте и желательное знание Go.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции AI Engineer с опытом 3+ года в Ташкенте рыночный диапазон составляет от 3000 до 5000 USD в зависимости от квалификации. Данная роль требует специфических навыков в LLM, что может поднять планку выше среднего по рынку.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
AI Engineer
#AIEngineer #Python #Go #Офис #Ташкент
Требования:
3+ года в AI/ML Engineering. Python, PyTorch, Pandas. LLM API, LLM Evaluation. Agentic AI, LangGraph / Langfuse / Google ADK. RAG, STT/TTS, gRPC. Docker, Linux. Go-будет плюсом.
Локация:*📍*Офис, Ташкент.
Контакт для отклика: Откликнуться +CV
*👉*Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- Pandas
- LLM
- LangGraph
- Langfuse
- RAG
- STT
- TTS
- gRPC
- Docker
- Linux
- Go
Возможные вопросы на собеседовании
Проверка опыта работы с современными фреймворками для создания агентов.
Расскажите о вашем опыте использования LangGraph или Langfuse: какие конкретные задачи вы решали с их помощью?
Оценка навыков построения качественных RAG-систем.
Как вы подходите к оценке качества (LLM Evaluation) и оптимизации RAG-систем для уменьшения галлюцинаций?
Проверка архитектурных навыков в высоконагруженных системах.
В каких сценариях вы использовали gRPC в AI-сервисах и какие преимущества это дало по сравнению с REST?
Оценка опыта работы с аудио-данными.
С какими библиотеками или моделями STT/TTS вы работали и как решали проблему задержки (latency) в реальном времени?
Проверка готовности к расширению стека.
Насколько уверенно вы чувствуете себя с Go и готовы ли вы использовать его для оптимизации производительности AI-сервисов?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
