- Зарплата
- от 1 800 $
AI/LLM Engineer
Оценка ИИПерспективное направление AI/LLM в современной компании с возможностью удаленной работы. Зарплата соответствует рыночному уровню для Middle-специалиста, а сфера деятельности гарантирует профессиональный рост.
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 и Generative AI, что является высокотехнологичной нишей. Уровень Middle предполагает наличие практического опыта работы с нейросетями и их интеграцией.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата от 1 800 $ является стартовой для уровня Middle в сфере AI. На международном рынке и в крупных тех-хабах медиана для таких специалистов обычно выше, однако для удаленного формата в СНГ это конкурентоспособное предложение.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
AI/LLM Engineer
Компания: Scela
Формат: удалённо
ЗП: от 1 800 $
Полная занятость
Откликнуться: Откликнуться
А перед отправкой резюме - проверьте его на ATS совместимость на updatecv.me
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- LLM
- Generative AI
- Python
- NLP
- PyTorch
- TensorFlow
- LangChain
Возможные вопросы на собеседовании
Проверка понимания фундаментальных принципов работы современных языковых моделей.
Расскажите о различиях между архитектурами Encoder-only, Decoder-only и Encoder-Decoder в контексте LLM.
Оценка практического опыта работы с популярными фреймворками для создания AI-агентов.
Какие библиотеки вы используете для построения RAG-систем (например, LangChain или LlamaIndex) и с какими сложностями сталкивались?
Важно понимать, как кандидат оптимизирует работу моделей для продакшена.
Какие методы квантования и оптимизации весов моделей вы применяли для ускорения инференса?
Проверка навыков работы с данными, что критично для качества ответов LLM.
Как вы подходите к подготовке и очистке данных для Fine-tuning языковых моделей?
Оценка умения работать с векторными хранилищами.
С какими векторными базами данных вы работали (Pinecone, Milvus, Chroma) и как выбирали подходящую под задачу?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
