AI engineer/LLM engineer
Оценка ИИИнтересные и актуальные задачи в области AI-агентов и RAG, работа в Алматы с возможностью гибридного графика. Однако отсутствие информации о компании и зарплате снижает общую привлекательность.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы в современных LLM-фреймворках (LangGraph, CrewAI) и специфических методах оценки качества (RAGAS, DeepEval), что делает её сложной для специалистов без профильного опыта в Generative AI.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции AI-инженера в Алматы рыночный диапазон достаточно широк, так как спрос на LLM-специалистов растет. Указанные задачи соответствуют уровню Middle+/Senior, где зарплаты начинаются от 1.2 млн тенге и выше.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Салем всем *👋*
Также ищем AI engineer/LLM engineer во вторую команду
По задачам:
• Проектирование RAG-архитектур: разработка и оптимизация пайплайнов извлечения данных (chunking strategies, embedding selection, re-ranking)
• Prompt Engineering & Optimization: создание сложных системных инструкций, использование техник Chain-of-Thought, Few-shot, ReAct. Работа над воспроизводимостью ответов
• Разработка AI-агентов: создание автономных систем на базе LangGraph, CrewAI или Haystack, способных планировать действия и использовать внешние API/инструменты
• Оценка качества (Evaluation): внедрение метрик для измерения качества ответов и точности поиска (используя RAGAS, DeepEval или кастомные LLM-as-a-judge подходы)
г.Алматы, офис, гибрид после испыталки.
tg: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- LLM
- RAG
- Prompt Engineering
- LangGraph
- CrewAI
- DeepEval
- Ragas
- Haystack
- Embedding
Возможные вопросы на собеседовании
Проверка понимания фундаментальных аспектов RAG-систем.
Как вы выбираете стратегию чанкинга (chunking) для документов со сложной структурой (таблицы, иерархические заголовки)?
Оценка опыта работы с агентскими фреймворками.
В чем основные преимущества использования LangGraph по сравнению с обычными линейными цепочками в LangChain при создании AI-агентов?
Проверка навыков обеспечения качества ответов.
Какие метрики из библиотеки RAGAS вы считаете наиболее критичными для оценки галлюцинаций модели?
Оценка навыков оптимизации промптов.
Расскажите о вашем опыте реализации техники ReAct: с какими сложностями вы сталкивались при планировании действий агента?
Проверка умения работать с инструментами ранжирования.
В каких случаях внедрение этапа Re-ranking оправдывает дополнительные вычислительные затраты в пайплайне поиска?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
