AI-инженер
Оценка ИИСильный бренд S7 Group, работа в технологичном подразделении Techlab и современный стек технологий (LLM, Agents, RAG). Офис в центре Москвы и работа над внутренними продуктами холдинга делают вакансию привлекательной для Middle-специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВакансия требует глубоких знаний в современных LLM-стеках (vLLM, RAG, Agents) и классическом ML, а также опыта работы с инфраструктурой NVIDIA GPU. Высокий порог входа обусловлен необходимостью сочетать навыки разработки на Python с глубокой экспертизой в области NLP и OCR.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции Middle AI-инженера в Москве рыночный диапазон составляет от 250 000 до 400 000 рублей. Предложение S7, вероятно, находится в этих пределах, соответствуя средним показателям для крупного тех-сектора.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*💻 AI-инженер · Middle*
Москва · гибрид или офис на Петровке, 7
S7 Group ищет специалиста для внутренних ИИ-сервисов холдинга. Карточка размещена S7 Techlab. В задачах — разработка и стабильная работа сервисов, интеграции с внутренними API и эксперименты с новыми инструментами.
Требования:
— ML/DL от 1,5 лет и профильное высшее образование
— Классический ML, DL и NLP, понимание LLM
— Python: асинхронность, очереди, FastAPI, PyTorch, OpenAI Compatible API
— NVIDIA GPU и инструменты vLLM, SGLang, llama.cpp
— Векторные БД, n8n, развёртывание и доработка OpenWebUI
— Парсинг документов, OCR/VLM, RAG, Tools/MCP, Agents, Skills
— Использование Harness с фокусом на открытое ПО и оценка границ применимости MVP
Зарплата не указана, полностью удалённый формат не заявлен.
*➡️* Откликнуться
*📍* Навигация: База знаний • Задачи • Собеседования
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Machine Learning
- Deep Learning
- NLP
- LLM
- FastAPI
- PyTorch
- vLLM
- llama.cpp
- Vector Database
- n8n
- OCR
- RAG
Возможные вопросы на собеседовании
Проверка понимания архитектуры современных систем на базе языковых моделей.
Расскажите о вашем опыте построения RAG-систем: какие векторные БД вы использовали и как решали проблему релевантности поиска?
Оценка навыков оптимизации производительности моделей.
В чем разница между использованием vLLM и llama.cpp для инференса моделей, и в каких случаях вы выберете тот или иной инструмент?
Проверка инженерных навыков в Python.
Как вы организуете работу с асинхронными очередями задач в FastAPI при обработке тяжелых ML-запросов?
Оценка опыта работы с мультимодальными данными.
Какие подходы и библиотеки вы используете для парсинга сложных документов и OCR/VLM задач?
Проверка понимания концепции агентов.
Как вы проектируете AI-агентов с использованием инструментов (Tools/MCP) и как обеспечиваете стабильность их работы?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
