Lead AI Platform Engineer
Оценка ИИВысокая оценка обусловлена актуальностью стека (AI/LLM) и серьезными требованиями к инфраструктуре данных. Вакансия предлагает работу над сложными инженерными задачами на стыке AI и Big Data, что сейчас крайне востребовано на рынке.
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 редкого сочетания глубоких знаний в AI/LLM и серьезного опыта в Big Data инженерии (Spark, Airflow, DWH). Позиция уровня Lead подразумевает полную ответственность за архитектуру и производственный цикл сложных систем.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции уровня Lead в сфере AI Platform Engineering с таким глубоким стеком Big Data, рыночные зарплаты в России обычно начинаются от 450 000 рублей и могут достигать 700 000+ рублей в зависимости от масштаба компании. Данная роль находится на острие технологий, что оправдывает высокие зарплатные ожидания.
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
#vacancy#вакансия#job#AIPlatformEngineer
Lead AI Platform Engineer
Требования:
Ведёт технический контур AI-инициатив от выбора решения до production-поставки.
• AI: AI-сервисы, агенты/RAG/LLM, API, code review, надёжность, безопасность, observability и NFR.
• Must have: 4–5+ лет Python/backend либо лидерство на AI/ML-стриме; production LLM/ML; API; Git/CI/CD;
RAG и agentic-сценарии.
• Big Data must have: DWH, слои и витрины; Spark; ETL/ELT и инкрементальные загрузки; Airflow (DAGs,
sensors, retries); batch/streaming; data quality, freshness и SLA.
• Плюсом: evaluation frameworks; OpenSearch/pgvector; Kafka/event-driven; B2B CRM/телеком.
телеграм для связи Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- RAG
- Spark
- Airflow
- ETL
- ELT
- DWH
- Git
- CI/CD
- API
- OpenSearch
- pgvector
- Kafka
- Data Quality
Возможные вопросы на собеседовании
Проверка практического опыта внедрения LLM в реальные бизнес-процессы.
Расскажите о самом сложном кейсе вывода LLM-сервиса в продакшн: с какими проблемами надежности и observability вы столкнулись?
Вакансия требует обязательного знания Big Data стека.
Как бы вы спроектировали инкрементальную загрузку данных в DWH для последующего использования в RAG-системе, чтобы обеспечить минимальный latency и высокую свежесть данных?
RAG является ключевым требованием.
Какие стратегии чанкинга и методы оценки (evaluation frameworks) вы использовали для оптимизации качества ответов в RAG-системах?
Проверка навыков проектирования отказоустойчивых систем.
Как вы обеспечиваете NFR (нефункциональные требования), такие как безопасность и масштабируемость, при работе с внешними и внутренними AI API?
Оценка лидерских качеств и технического видения.
Как вы подходите к выбору между использованием готовых проприетарных моделей (OpenAI/Anthropic) и развертыванием собственных Open Source решений?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
