Gen AI Engineer
Оценка ИИАктуальный стек технологий (GenAI, Azure) и удаленный формат работы делают вакансию очень привлекательной. Однако отсутствие указанной вилки зарплаты и названия компании немного снижают прозрачность предложения.
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 RAG, оптимизации задержек и работы со специфическим стеком Azure. Кандидат должен обладать опытом не только в разработке, но и в обеспечении безопасности и оценки качества ответов моделей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПоскольку зарплата в вакансии не указана, мы ориентируемся на рыночные показатели для Senior/Middle+ GenAI инженеров. Данная роль предполагает высокую квалификацию в узкой нише, 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
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
#вакансия #Vacancy #Remote #fulltime
Gen AI Engineer
We are seeking a hands-on engineer to develop and optimize LLM solutions.
Key Requirements:
• Python
• RAG, embeddings, vector stores, hybrid retrieval
• Prompt engineering and model evaluation
• Latency and cost optimization
• API integrations
• Prompt safety and evaluator checks
Azure Stack: Azure OpenAI, Azure AI Search, Azure Monitor, Application Insights, API Management, Service Bus, AKS.
Please send a direct message for details.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- RAG
- Embeddings
- Vector Stores
- Prompt Engineering
- Azure OpenAI
- Azure AI Search
- Azure Monitor
- Application Insights
- Azure API Management
- Azure Service Bus
- Azure Kubernetes Service
Возможные вопросы на собеседовании
Проверка практического опыта работы с RAG и понимания методов улучшения качества поиска.
Как бы вы реализовали гибридный поиск (hybrid retrieval) и в каких случаях он предпочтительнее обычного векторного поиска?
Оптимизация стоимости и производительности — критический аспект для LLM-решений.
Какие стратегии вы используете для снижения задержек (latency) и стоимости запросов к Azure OpenAI без потери качества?
Безопасность и надежность ответов ИИ являются приоритетом для корпоративных решений.
Расскажите о вашем опыте внедрения проверок безопасности промптов (prompt safety) и использования автоматизированных оценщиков (evaluators).
Проверка навыков работы с инфраструктурой Azure.
Как вы организуете мониторинг и отладку LLM-приложений с использованием Azure Monitor и Application Insights?
Понимание жизненного цикла разработки ИИ-продуктов.
Как вы подходите к процессу оценки (evaluation) различных версий промптов или моделей перед деплоем в продакшн?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
