AI/NLP Engineer для проекта с внутренней LLM
Интересная роль в актуальной сфере LLM с возможностью работы над внутренним продуктом. Отсутствие привязки к конкретному фреймворку дает свободу в выборе инструментов, а работа с корпоративными данными обещает сложные и значимые задачи.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Позиция требует глубоких знаний в NLP и практического опыта работы с LLM, включая промпт-инжиниринг и оценку моделей. Дополнительную сложность создает необходимость интеграции моделей с жесткими бизнес-правилами и работа в закрытом контуре.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Для позиции AI/NLP Engineer в РФ с опытом работы с LLM рыночный диапазон составляет от 250 000 до 450 000 рублей в зависимости от уровня (Middle+/Senior). Данная вакансия предполагает работу с внутренними контурами, что часто оплачивается по верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
AI/NLP Engineer для проекта с внутренней LLM
Требования:
Практический опыт с NLP, LLM и неструктурированными текстовыми данными. Опыт классификации документов или сообщений и извлечения информации из текста. Уверенное владение Python и инструментами обработки данных. Опыт разработки и оценки промптов, подготовки тестовых выборок и анализа ошибок моделей. Умение сочетать алгоритмы и LLM с формализованными бизнес-правилами. Опыт взаимодействия с бизнес-экспертами и командой разработки, умение документировать решения. Будет плюсом: опыт обработки корпоративной переписки, договорных и отчетных документов, а также внедрения LLM-решений в закрытом контуре. Привязки к конкретной модели или фреймворку нет.
Локация:*📍*РФ.
Контакт для отклика: Откликнуться или Откликнуться +CV
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- LLM
- Prompt Engineering
- NLP
- Data Processing
- Information Extraction
- Text Classification
Возможные вопросы на собеседовании
Проверка навыка работы с качеством данных и понимания метрик.
Как вы подходите к подготовке тестовых выборок для оценки качества ответов LLM в специфической бизнес-домене?
Оценка умения комбинировать разные подходы.
Можете ли вы привести пример, когда использование формализованных бизнес-правил поверх LLM было эффективнее, чем простое дообучение модели?
Проверка опыта в извлечении сущностей.
Какие методы и библиотеки вы используете для извлечения структурированной информации из неструктурированных корпоративных документов?
Важно для работы в закрытом контуре.
С какими трудностями вы сталкивались при развертывании и оптимизации LLM в инфраструктуре без доступа к внешним API?
Проверка аналитических способностей.
Опишите ваш процесс анализа ошибок (error analysis) после тестирования модели: как вы классифицируете ошибки и какие шаги предпринимаете для их исправления?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

