- Страна
- Россия
AI-инженер
Оценка ИИИнтересная позиция на стыке классической разработки и AI в крупном индустриальном секторе. Удаленный формат работы и работа с современным стеком (LLM, агенты) делают вакансию привлекательной для опытных разработчиков.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует редкого сочетания уверенного владения .NET и глубокой экспертизы в области LLM (RAG, агенты, промпт-инжиниринг). Дополнительную сложность создает необходимость работы с fullstack-задачами и оценки качества AI-моделей.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Senior AI-инженера с опытом в .NET на российском рынке медиана составляет около 350 000 - 450 000 рублей. В металлургических гигантах компенсация часто соответствует верхним границам рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Ekleft уже сейчас
Станьте частью инновационных AI-проектов в металлургии — отправьте свое резюме прямо сейчас!
Описание вакансии
*💚Вакансия: AI-инженер 💚**💚+/💚**💚*
*💚*ID: 2486
*💚*Формат: Удаленный, РФ
*💚*Куда: Крупная металлургическая компания
*💚*Задачи:
– Разработка и интеграция AI/LLM-функциональности в продукты компании: RAG, агенты, function/tool calling, оркестрация языковых моделей;
– Построение и оптимизация AI-пайплайнов: работа с эмбеддингами, векторными БД, контекстом и промптами;
– Быстрая поставка фич от идеи до продакшена (frontend + backend по необходимости) и итерации по результатам;
– Оценка качества AI-решений (evals), мониторинг и наблюдаемость AI-систем в продакшене;
– Активное использование AI-инструментов разработки для ускорения поставки;
– Взаимодействие с разработчиками, аналитиками, QA и руководителем проекта.
*💚*Требования:
– От 1.5 лет разработки, с практическим опытом построения AI/LLM-функциональности;
– Уверенный .NET; опыт интеграции LLM в реальные продукты;
– Базовый frontend достаточный для работы с AI;
– Уверенная работа с реляционными БД (MSSQL или PostgreSQL), Docker, Git;
– Практический опыт с LLM-приложениями: RAG, агенты, function/tool calling, промпт-инжиниринг;
– Работа с API языковых моделей (OpenAI, Anthropic и др.), фреймворками ([LangChain / LlamaIndex]) и векторными БД ([pgvector / Pinecone]);
– Оценка качества моделей (evals), мониторинг и наблюдаемость AI-систем;
*💚*Откликнуться: Откликнуться
#AI #ekleft #вакансия #инженер #senior
Мы в ТГ *💬 | [ВК](https://vk.com/EkleftJob) 💙 | [Max](https://max.ru/join/ukA1_SC3JlZ5b7n9oQzxgXdsexI66XUPb9W9VUlUTSc) 💬 | [Ekleft Bot](https://t.me/Ekleft_bot) 💚 | [Как зарегистрироваться](https://career.ekleft.ru/faq/kak-zaregistrirovatsya-i-nachat-polzovatsya-ekleft-bot) 🌐*
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- .NET
- LLM
- RAG
- LangChain
- LlamaIndex
- Docker
- Git
- MSSQL
- PostgreSQL
- pgvector
- Pinecone
- OpenAI
- Anthropic
- Prompt Engineering
Возможные вопросы на собеседовании
Проверка практического опыта работы с RAG-системами и понимания проблем релевантности.
Расскажите, как вы оптимизировали RAG-пайплайны для улучшения качества ответов? Какие стратегии чанкинга и поиска использовали?
Оценка навыков интеграции AI в классический .NET стек.
Какие библиотеки или подходы вы используете для интеграции LLM API в приложения на .NET? Работали ли вы с Semantic Kernel?
Проверка понимания надежности AI-решений.
Как вы организуете процесс оценки качества (evals) для LLM-агентов перед их выпуском в продакшен?
Оценка опыта работы с векторными данными.
В чем разница между использованием pgvector и специализированных решений вроде Pinecone в контексте масштабируемости и производительности?
Проверка навыков проектирования сложных AI-систем.
