- Страна
- Узбекистан
- Зарплата
- от 14 000 000 ₽
Откликайтесь
на вакансии с ИИ
AI / ML Engineer
Оценка ИИИнтересная позиция с современным стеком (LLM, RAG, Agents) в стабильной компании. Предлагаются хорошие бонусы (обучение, питание) и возможности для роста, однако работа строго в офисе в Ташкенте может подойти не всем.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в современных LLM-технологиях (RAG, агенты, LangGraph) и классическом ML, а также владения узбекским языком, что сужает круг кандидатов. Дополнительную сложность создают требования к MLOps и готовность к командировкам.
Анализ зарплаты
Оценка ИИПредложенная зарплата от 14 млн сум является конкурентной для рынка Узбекистана для специалистов уровня Middle, хотя для Senior-позиций в AI-секторе рынок может предлагать более высокие значения.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в ISHONCH уже сейчас
Присоединяйтесь к команде ISHONCH и создавайте передовые AI-решения для автоматизации бизнеса в Узбекистане!
Описание вакансии
Ищем AI / ML Engineer в команду разработки ISHONCH
Мы создаем AI-решения, которые автоматизируют реальные бизнес-процессы: от ML/DL-моделей и RAG до production-ready AI-агентов.
Чем предстатит заниматься:
Разрабатывать, обучать и внедрять ML/DL-модели для бизнес-задач.
Строить AI-агентов и multi-agent workflows с tool/function calling, MCP и LangGraph/LangChain (или аналогами).
Проектировать RAG-системы: эмбеддинги, hybrid search, reranking и векторные БД.
Выполнять fine-tuning LLM, оптимизировать inference и интегрировать модели через API и микросервисы.
Участвовать в MLOps/LLMOps: evaluation, мониторинг, tracing, guardrails и повышение качества AI-систем.
Требования к кандидату:
Опыт: от 2 лет в ML/DL или разработке AI-систем.
Стек: Python, NumPy/pandas, scikit-learn, PyTorch / TensorFlow, Hugging Face Transformers.
Знания: понимание ML/DL, архитектуры трансформеров и принципов работы LLM.
Навыки: практический опыт с AI-агентами, RAG, vector DB и structured output; уверенный Git и деплой в production.
Языки: знание узбекского и английского (Intermediate+) языков.
Будет преимуществом:
Разработка API на FastAPI / Django REST Framework и контейнеризация с Docker.
Computer Vision и видеоаналитика (OpenCV, YOLO, tracking, RTSP).
MLOps/LLMOps-инструменты, self-hosted inference, GPU и Kubernetes.
Мультимодальные модели или голосовые пайплайны (STT-LLM-TTS).
Что мы предлагаем:
Развитие: оплачиваемые профильные курсы, IT-конференции, фестивали и тимбилдинги.
Условия: бесплатные вкусные обеды в офисе.
Карьера: реальные масштабные задачи, влияние на продукты компании, профессиональный и финансовый рост.
Условия работы:
Локация: офис в г. Ташкент.
График: 5/2, с 09:00 до 18:00.
Командировки: в г. Коканд (организуются и оплачиваются компанией).
Зарплата: От 14.000.000 сум.
Резюме и краткое описание проектов отправляйте в ЛС: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Git
- Python
- NumPy
- Pandas
- OpenCV
- PyTorch
- Kubernetes
- MLOps
- RAG
- Vector Database
- Scikit-learn
- Docker
- TensorFlow
- FastAPI
- LangChain
- LangGraph
- Hugging Face Transformers
- Django REST Framework
- YOLO
Возможные вопросы на собеседовании
Проверка практического опыта работы с современными фреймворками для создания агентов.
Расскажите о вашем опыте работы с LangGraph или LangChain: как вы проектировали логику принятия решений агентом и обрабатывали ошибки tool calling?
Оценка навыков оптимизации поиска информации, что критично для RAG-систем.
Какие методы вы используете для улучшения качества RAG: как вы выбираете стратегию чанкинга и в каких случаях внедряете reranking?
Проверка понимания жизненного цикла модели в продакшене.
Как вы организуете мониторинг и evaluation LLM-систем после деплоя? Какие метрики для вас приоритетны?
Оценка навыков работы с инфраструктурой и оптимизации ресурсов.
Был ли у вас опыт работы с self-hosted inference (например, vLLM или Ollama)? Как вы оптимизируете потребление GPU при работе с тяжелыми моделями?
Проверка владения инструментами компьютерного зрения, указанными как преимущество.
