- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Автор на курс «ИИ-инженер»
Оценка ИИПрестижная компания (Яндекс Практикум), актуальное направление (AI) и гибкий график (10-15 часов в неделю). Это отличная возможность для эксперта монетизировать свои знания и усилить личный бренд.
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы в LLM, RAG и разработке агентов, а также умения структурировать сложные технические знания для обучения. Совмещение глубокого технического стека (PyTorch, Python) с педагогической задачей делает вакансию сложной.
Анализ зарплаты
Оценка ИИДля частичной занятости (10-15 часов в неделю) в сфере AI-образования оплата обычно сдельная или почасовая. Рыночные оценки приведены для полной занятости ИИ-инженеров, поэтому доход автора будет пропорционально ниже, но с высокой часовой ставкой.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Яндекс Практикум уже сейчас
Присоединяйтесь к команде Яндекс Практикума и помогите обучить новое поколение ИИ-инженеров!
Описание вакансии
Новая вакансия — ищем автора на курс «ИИ-инженер»
Загрузка — около 10–15 часов в неделю
Что ожидаем от вас 🈁
• Понимание архитектуры LLM: attention, авторегрессивная генерация, инференс и параметры генерации
• Практический опыт применения LLM в продуктовых задачах: работа с длинным контекстом, управление качеством ответов
• Опыт построения RAG-систем: эмбеддинги, векторный поиск, retrieval-пайплайны
• Разработка AI-агентов: function calling, интеграция внешних API, оркестрация вызовов моделей
• Опыт вывода ML/AI-решений в продакшен: контейнеризация, масштабирование, мониторинг
• Уверенный Python и PyTorch
Откликнуться ↩️
А если вам просто нравится наш канал — будем рады бусту, он помогает нам расти
#вакансии
@practicum_experts
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- Machine Learning
- LLM
- API Integration
- RAG
- Docker
- Monitoring
- Vector Search
Возможные вопросы на собеседовании
Проверка понимания фундаментальных основ работы моделей, которые автор будет объяснять студентам.
Как бы вы объяснили разницу между различными параметрами генерации (temperature, top-p, top-k) и их влияние на инференс?
RAG — ключевая часть курса; важно понимать практические нюансы реализации.
С какими основными проблемами качества ответов вы сталкивались при построении RAG-систем и как их решали?
Оценка опыта в создании сложных систем на базе ИИ.
Опишите ваш опыт проектирования AI-агентов: как вы обеспечиваете надежность function calling и обрабатываете ошибки внешних API?
Автор должен знать, как довести модель до реального пользователя.
Какие метрики мониторинга вы считаете критическими для LLM-сервисов в продакшене?
Проверка способности автора объяснять сложные концепции простым языком.
Предложите структуру практического задания для темы 'Оптимизация работы с длинным контекстом'.
Похожие вакансии
AI разработчик
GenAI-разработчик / бизнес-аналитик
AI Developer / AI Expert
Python-разработчик в AI-продукт
AI Engineer (Multi-Agent Systems & RAG) (Senior)
AI-тренер для обучения нейросетей
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!