Applied LLM Engineer
Оценка ИИИнтересная позиция в американской технологической компании с возможностью удаленной работы. Четкий стек технологий и социально значимая миссия проекта делают вакансию привлекательной для опытных инженеров.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует не просто теоретических знаний, а реального опыта вывода LLM-решений в продакшн (2+ года), владения специфическими инструментами типа LangGraph и отличного английского языка. Высокие требования к навыкам оценки (evaluation) и кэширования усложняют отбор.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Applied LLM Engineer с опытом от 2 лет в американской компании рыночный диапазон составляет $6,000–$9,000. Данная роль требует узкой специализации, что обычно оплачивается выше среднего по рынку разработки.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Applied LLM Engineer / Yonder Media Mobile *✅*
Remote
YMM Inc. is a US-based technology company founded in July 2018, focused on connecting communities across borders, particularly between the US and Mexico.
Требования к кандидату:
- 2+ years building with large language models in production
- Proficient in Python, Git, JSON, regex, markdown
- Experience with LangChain and LangGraph
- Strong skills in prompting and evaluation
- Knowledge of production operations and caching
- Familiarity with governance practices in code
- Experience with retrieval in production
- Exceptional written English skills
Читать подробнее:
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- LLM
- Python
- Git
- JSON
- Regex
- Markdown
- LangChain
- LangGraph
- Prompt Engineering
- RAG
- Caching
Возможные вопросы на собеседовании
Проверка практического опыта работы с ключевым стеком, указанным в вакансии.
Можете ли вы описать сложный сценарий использования LangGraph в вашем предыдущем проекте и как вы решали проблему циклов или состояний?
Вакансия требует навыков оценки (evaluation), что критично для LLM в продакшене.
Какие метрики и инструменты вы используете для оценки качества ответов LLM и минимизации галлюцинаций в реальных условиях?
В требованиях указано знание кэширования и продакшн-операций.
Какие стратегии кэширования запросов к LLM вы применяли для оптимизации затрат и уменьшения задержки (latency)?
Упоминается опыт работы с Retrieval (RAG).
С какими проблемами при построении RAG-систем в продакшене вы сталкивались и как оптимизировали процесс поиска релевантных данных?
Проверка навыков промпт-инжиниринга.
Расскажите о вашем подходе к версионированию промптов и управлению ими в рамках командной разработки.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
