- Страна
- Россия
AI-инженер
Оценка ИИИнтересная вакансия для AI-инженера с фокусом на современные LLM-технологии и RAG. Четко прописанные задачи и требования, работа в крупной логистической компании, однако требуется присутствие в офисе (гибрид).
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 ИИРоль требует глубоких знаний в области LLM (RAG, structured output) и одновременно уверенных навыков классической backend-разработки на Python. Сложность заключается в необходимости работы с длинным контекстом и сложной атрибуцией данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана. Для позиции Middle+ AI-инженера в России рыночный диапазон составляет от 250 000 до 450 000 рублей в зависимости от глубины экспертизы в LLM и опыта в продакшене.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Урал Логистика
AI-инженер
Формат работы: офис/гибрид
*☑️* Чем предстоит заниматься
-Проектировать и разрабатывать конвейер обработки документов: загрузку, нормализацию, сегментацию, определение структуры и подготовку контекста
-Извлекать структурированные данные из договоров, приложений, дополнительных соглашений, актов и других связанных документов
-Работать с длинным контекстом, таблицами, пересекающимися формулировками и изменениями условий во времени
-Обеспечивать атрибуцию результата к документу, странице и исходному фрагменту
-Строить гибридный поиск: полнотекстовый и векторный retrieval, фильтрацию, реранкинг и сбор контекста
-Развивать графовое представление документов, сущностей и связей для поисковых и аналитических сценариев
-Проектировать агентные и workflow-сценарии: управление состоянием, инструментальные вызовы, повторы, fallback-механизмы и обработку отказов
-Создавать эталонные наборы, метрики по полям и регрессионные тесты для оценки извлечения, поиска и генерации — чтобы при смене модели, промпта или retrieval- стратегии было видно, что улучшилось, а что деградировало
-Разрабатывать Python-сервисы, API, фоновые задачи и интеграции с внутренними источниками
-Участвовать в выборе моделей, постановке экспериментов, fine-tuning и оптимизации локального inference
*☑️* Наши пожелания к кандидатам
-Рассматриваем кандидатов с уверенной промышленной разработкой на Python уровня middle+ и выше
-Опыт с FastAPI или аналогичным фреймворком, асинхронным исполнением, очередями и фоновой обработкой
-PostgreSQL и SQL на рабочем уровне
-Практический опыт вывода LLM-решений в production
-Понимание RAG, structured output, tool calling и многошаговых модельных сценариев
-Умение измерять качество: строить эталонные наборы, выбирать метрики, классифицировать ошибки и проводить регрессионное тестирование
-Опыт с Docker, Kubernetes и CI/CD
-Готовность доводить вертикальную задачу от спецификации и эксперимента до эксплуатации
Контакты: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- FastAPI
- PostgreSQL
- SQL
- LLM
- RAG
- Docker
- Kubernetes
- CI/CD
- Asynchronous Programming
Возможные вопросы на собеседовании
Проверка понимания архитектуры RAG и методов улучшения релевантности ответов.
Как вы подходите к реализации гибридного поиска (векторный + полнотекстовый) и в каких случаях реранкинг становится критически важным?
Важная часть вакансии — извлечение данных из сложных документов.
Какие стратегии вы используете для извлечения структурированных данных из таблиц и документов с пересекающимися формулировками?
Проверка навыков оценки качества AI-систем.
Как вы строите процесс оценки качества (evaluation) при изменении промптов или переходе на другую LLM, чтобы избежать деградации системы?
Вакансия подразумевает разработку агентных сценариев.
Расскажите о вашем опыте проектирования агентных workflow: как вы обрабатываете ошибки (fallback) и управляете состоянием (state management)?
Проверка инженерных навыков и работы с инфраструктурой.
Каков ваш опыт оптимизации локального инференса моделей и развертывания Python-сервисов в Kubernetes?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
