Applied AI Engineer
Оценка ИИИнтересный проект на стыке мобильной разработки и AI с возможностью удаленной работы по всему миру. Четкие требования и актуальный стек технологий делают вакансию привлекательной для специалистов в области LLM.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует не только уверенного владения Python, но и специфического опыта в Prompt Engineering и RAG, что делает позицию сложной для обычных разработчиков без опыта в AI. Ожидается уровень Middle+, что подразумевает самостоятельность в принятии архитектурных решений.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции Middle+ Applied AI Engineer на мировом рынке (Remote) медиана составляет около $6,000 - $8,000. Специалисты с опытом в RAG и LLM сейчас крайне востребованы, что позволяет претендовать на верхнюю границу рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Applied AI Engineer / XPN Network ⚡️**
Worldwide (Remote)
XPN Network, focused on creating a large number of different mobile (iOS) AI products in the areas of mental health, creativity, learning, and more.
TLDR: Ищем Applied AI Engineer (Middle+) для разработки и тестирования AI-систем, улучшения качества и автоматизации внутренних процессов.
Требования к кандидату:
- 3+ года опыта в разработке AI/LLM-систем
- Уверенное владение Python
- Опыт работы с LLM API и моделями
- Практический опыт prompt engineering
- Знание методов оценки LLM-систем
- Опыт работы с RAG и vector databases
- Умение анализировать и обрабатывать данные
Читать подробнее:
Для связи и отправки резюме:
TG: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- LLM
- Prompt Engineering
- RAG
- Vector Databases
- Data Analysis
Возможные вопросы на собеседовании
Проверка практического опыта работы с архитектурой RAG и понимания проблем галлюцинаций.
Расскажите о самом сложном кейсе внедрения RAG: с какими проблемами качества ответов вы столкнулись и как их решили?
Оценка навыков оптимизации работы с моделями и управления затратами.
Какие стратегии Prompt Engineering вы используете для минимизации потребления токенов без потери качества генерации?
Проверка знаний в области тестирования и валидации LLM-систем.
Какие метрики и фреймворки вы считаете наиболее эффективными для автоматизированной оценки качества ответов LLM в продакшене?
Оценка навыков работы с данными, необходимыми для обучения или дообучения систем.
Опишите ваш опыт работы с векторными базами данных: как вы выбираете стратегию индексации и разбиения текста на чанки (chunking)?
Проверка технического кругозора и умения выбирать инструменты под задачу.
В каких случаях вы бы предпочли использование локальной open-source модели (например, Llama 3) вместо API от OpenAI или Anthropic?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
