yandex
MiddleУдалённоПолная занятость

Инженер по локальным LLM и автоматизации

ИИОценка ИИ

Интересная и актуальная позиция на стыке AI и автоматизации в компании TISS. Вакансия предлагает работу с современным стеком (n8n, GPUStack, RAG) и полную удаленку, что делает её очень привлекательной для Middle-специалистов.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.


Вакансия из открытого источника
Пожаловаться

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Роль требует сочетания навыков DevOps (Linux, Docker), разработки на Python и специфических знаний в области LLM (RAG, Ollama). Основная сложность заключается в необходимости самостоятельно доводить задачи до рабочего состояния и интегрировать различные инструменты автоматизации.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Анализ зарплаты

Медиана220 000 ₽
Рынок160 000 ₽ – 300 000 ₽
ИИОценка ИИ

Зарплата в объявлении не указана. На рынке РФ для Middle AI/Automation инженеров с опытом 1–3 года медиана составляет около 200 000 – 250 000 рублей. Специалисты с навыками внедрения LLM сейчас высоко 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

Иллюстрация сопроводительного письмаИллюстрация сопроводительного письма

Описание вакансии

TISS

Инженер по локальным LLM и автоматизации

Опыт работы: 1–3 года

Полная занятость

График: 5/2

Формат работы: удалённо

*☑️* Чем предстоит заниматься

-Администрировать ИИ-сервера и стек вроде GPUStack, Ollama, Open WebUI, n8n или аналогов

-Выбирать и настраивать открытые модели под конкретную задачу

-Собирать сценарии в n8n или похожем инструменте — от чат-бота для клиентов до внутренних процессов

-Сделать из Open WebUI или другого чата платформу техподдержки с RAG по нашей базе знаний

-Настроить транскрибацию звонков и дальнейшую обработку расшифровок

-Собрать процесс ревью кода через наш ИИ-сервер как полноценный модуль — с нормальным качеством, а не «просто спросили чат»

-Писать парсеры и небольшие программы для сбора данных из открытых источников, затем прогонять результат через ИИ-сервера

*☑️* Наши пожелания к кандидатам

-уверенно чувствовали себя в Linux, Docker , CI/CD, git

-хорошо писали на Python: рабочие скрипты и парсеры

-понимали виды API (REST, GraphQL, вебхуки, RPC) — не глубоко каждый, но не путали одно с другим

-умели работать с HTTP, JSON, HTML и чужим SDK по документации

-уже собирали пайплайны в n8n или похожем инструменте

-поднимали локальные модели (Ollama, Open WebUI, vLLM или аналоги) и понимали, какую модель когда брать

-хотя бы раз делали RAG: чат, который отвечает по документам, а не фантазирует

-умели довести задачу до рабочего контура самостоятельно

*☑️* Будет плюсом

-Опыт работы с GPUStack или похожими системами, DataLens, Whisper, Telegram-ботами, FastAPI или Flask, SQL, векторными базами (Qdrant, PGVector и т.п.), а также опыт внедрения LLM во внутренние процессы компании

-Не подойдёт, если вы хотите обучать модели, строить ML-платформу или вам будет скучно заниматься автоматизацией и сопровождением

Контакты: Откликнуться

*🔥* Подписаться на наши каналы / @best_itjob / @it_rab

Больше похожих вакансий + автоотклики с ИИ

Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Больше похожих вакансий + автоотклики с ИИ

Навыки

  • Git
  • Python
  • Linux
  • SQL
  • CI/CD
  • REST
  • GraphQL
  • RAG
  • Docker
  • JSON
  • FastAPI
  • Flask
  • n8n
  • Qdrant
  • Whisper
  • Ollama

Возможные вопросы на собеседовании

Проверка практического опыта работы с локальными моделями и понимания их производительности.

Какие критерии вы используете при выборе конкретной открытой модели (например, Llama 3 vs Mistral) для задачи RAG?

Оценка навыков автоматизации и умения работать с n8n.

Опишите самый сложный сценарий в n8n, который вы реализовывали. Как вы обрабатывали ошибки в нем?

RAG — ключевая задача вакансии, важно понимать, как кандидат борется с галлюцинациями.

Как вы оцениваете качество ответов RAG-системы и какие методы используете для уменьшения галлюцинаций модели?

Проверка навыков администрирования и работы с инфраструктурой.

С какими проблемами вы сталкивались при развертывании LLM в Docker-контейнерах с использованием GPU?

Проверка умения работать с данными и API.

Как бы вы организовали процесс регулярного парсинга данных с последующей обработкой через LLM, чтобы минимизировать затраты ресурсов?

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Похожие вакансии

T
TISS
Россия
более 1000 офферов получено
4.9

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!