- Страна
- Россия
Откликайтесь
на вакансии с ИИ
GenAI-тимлид
Оценка ИИРабота в Московской бирже — это престижный опыт в стабильной и технологичной организации. Позиция GenAI-тимлида находится на острие технологий, что гарантирует интересные задачи и профессиональный рост.
Сложность вакансии
Оценка ИИРоль тимлида в GenAI требует не только глубоких знаний современных архитектур LLM и RAG, но и умения управлять командой в условиях высокой ответственности финансового сектора. Московская биржа предъявляет высокие требования к безопасности и отказоустойчивости систем.
Анализ зарплаты
Оценка ИИЗарплата для позиции GenAI Team Lead на российском рынке в финтехе обычно начинается от 450 000 рублей и может достигать 700 000+ рублей в зависимости от квалификации. Московская биржа традиционно предлагает конкурентные условия, соответствующие верхним границам рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Московская биржа уже сейчас
Присоединяйтесь к команде Московской биржи и возглавьте разработку передовых GenAI-решений для крупнейшей торговой площадки страны!
Описание вакансии
GenAI-тимлид
в Московская биржа — крупнейшая российская биржа, предоставляющая полный спектр услуг для торговли акциями, облигациями, валютой и деривативами.
Ищет Армен Амирханян, его Откликнуться.
Больше вакансий для технических менеджеров: @jobfortm
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- LLM
- RAG
- NLP
- Generative AI
Возможные вопросы на собеседовании
Тимлид должен понимать, как обеспечить точность ответов в финансовом домене.
Какие методы борьбы с галлюцинациями в LLM вы считаете наиболее эффективными для финтех-проектов?
Важно оценить опыт построения инфраструктуры для работы с данными.
Опишите ваш опыт проектирования и оптимизации RAG-систем (Retrieval-Augmented Generation).
Проверка лидерских качеств и умения выстраивать процессы.
Как вы подходите к распределению задач в команде GenAI-разработки и контролю качества кода/моделей?
Биржа работает с чувствительными данными.
Какие подходы к обеспечению безопасности и конфиденциальности данных вы используете при работе с внешними и локальными LLM?
Оценка понимания жизненного цикла ML-моделей.
