Откликайтесь
на вакансии с ИИ
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.
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.
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.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Если вы готовы возглавить технический контур AI-инициатив и строить сложные RAG-системы, откликайтесь прямо сейчас!
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?
Похожие вакансии
Tech Lead NLP / LLM (Generative AI)
TeamLead MLOps / DevOps (Пайплайны)
Tech Lead (Python) в AI-юнит
Team Lead / Principal ML Engineer
AI Tech Lead (Стрим инновационных решений)
GenAI-тимлид
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!