- Страна
- Россия
AI Engineer (Network Security)
Оценка ИИОтличная вакансия в топовой компании в сфере кибербезопасности с современным технологическим стеком и возможностью работать над сложными GenAI проектами.
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 ИИВысокая сложность обусловлена необходимостью глубоких знаний в области агентских архитектур, протоколов (MCP, A2A) и специфики сетевой безопасности, а также опытом работы с современными фреймворками и векторными БД.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции AI Engineer с опытом от 3 лет в Москве рыночный диапазон составляет от 300 000 до 500 000 рублей. BI.ZONE обычно предлагает конкурентоспособные условия, соответствующие верхним границам рынка для сильных специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
**AI Engineer (Network Security).
Локация:** #Москва.
Опыт: более 3-х лет.
Зарплата: ₽. Обсуждается на собеседовании.
Компания: BI.ZONE.
Обязанности:• Проектировать и разрабатывать AI-агентов;
• Разрабатывать и оптимизировать промпты, учить агентов взаимодействовать с продуктами компании;
• Решать задачи NLP: классификация, суммаризация, NER, семантический поиск, кластеризация и другие;
• Писать поддерживаемый, читаемый код в рамках разработки AI-агентов (Python 3.12+);
• Участвовать в разработке на всех этапах жизненного цикла AI/ML (от предобработки данных до деплоя и мониторинга в проде);
• Выводить GenAI-приложения в прод совместно с DevOps-командой.
Требования:• Опыт создания агентов на современных фреймворках (LangChain, LangGraph, LlamaIndex, Agno, Pydantic AI Harness, Agno, и др.);
• Знание стратегий планирования AI-агентов (ReAct, Plan-and-Execute и т.д);
• Уверенная работа с LLM API (OpenAI, vLLM, Anthropic и др.);
• Понимание агентских протоколов (MCP, A2A, AG-UI);
• Сильный prompt engineering + chain/tool/function calling;
• Опыт работы с векторными БД (Weaviate, Pinecone, Qdrant, Milvus и др.);
• Опыт оценки качества LLM-систем (RAGAS, DeepEval, LLM-as-a-Judge или аналоги);
• Опыт работы с Linux, Git, Docker, умение упаковать своего агента в контейнер.
*✈* Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- NLP
- LangChain
- LangGraph
- LlamaIndex
- OpenAI
- vLLM
- Anthropic
- Weaviate
- Pinecone
- Qdrant
- Milvus
- Docker
- Git
- Linux
- Ragas
- DeepEval
Возможные вопросы на собеседовании
Проверка понимания архитектурных подходов к созданию автономных систем.
В каких случаях вы предпочтете стратегию Plan-and-Execute вместо ReAct при проектировании AI-агента?
Оценка практического опыта работы с векторными хранилищами и оптимизации поиска.
Как вы подходите к выбору стратегии индексации и параметров поиска в векторной БД (например, Qdrant) для минимизации галлюцинаций в RAG-системах?
Проверка навыков интеграции LLM с внешними инструментами.
Расскажите о вашем опыте реализации Tool Calling: как вы обрабатываете ошибки, если модель вызывает несуществующую функцию или передает неверные аргументы?
Важный аспект для вывода систем в продакшн.
Какие метрики в DeepEval или RAGAS вы считаете наиболее критичными для оценки надежности агента в задачах сетевой безопасности?
Проверка понимания новых стандартов взаимодействия.
Как использование Model Context Protocol (MCP) может упростить интеграцию ваших агентов с существующими инструментами мониторинга сети?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
