- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Middle+ / Senior AI / LLM Engineer
Оценка ИИВакансия привлекательна использованием современного стека (LangGraph, векторные БД) и фокусом на актуальные LLM-технологии. Удаленный формат работы в РФ/РБ и четкие требования к опыту делают ее отличным вариантом для сильных инженеров, хотя отсутствие названия компании снижает прозрачность.
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы не только в Python, но и в специфических инструментах оценки LLM (LangFuse, DeepEval), а также опыта работы с высоконагруженными системами и векторными БД. Высокий порог входа обусловлен необходимостью понимания trade-offs при работе с различными моделями и архитектурами агентов.
Анализ зарплаты
Оценка ИИУказанный диапазон 300,000 – 500,000 RUB соответствует рыночным ожиданиям для позиций Middle+/Senior AI Engineer в России. Верхняя планка в 500к является конкурентной для специалистов с глубоким опытом в LLM Ops и системном дизайне.
Сопроводительное письмо
Меня заинтересовала вакансия AI / LLM Engineer, так как мой опыт в разработке production-ready ML-решений и работе с LLM API полностью соответствует вашим требованиям. Я обладаю глубокими знаниями в построении evaluation-пайплайнов с использованием LangFuse и DeepEval, а также имею практический опыт проектирования агентных систем на базе LangGraph.
В своей работе я уделяю особое внимание качеству генерации и оптимизации контекста, используя векторные БД, такие как Qdrant и Milvus. Уверенное владение FastAPI и asyncio позволяет мне создавать отказоустойчивые сервисы, готовые к высоким нагрузкам. Буду рад обсудить, как мой опыт в области GenAI поможет вашей команде в реализации амбициозных задач.
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Откликайтесь сейчас, чтобы создавать передовые AI-решения и внедрять LLM-агентов в высоконагруженные системы!
Описание вакансии
Middle+ / Senior AI / LLM Engineer
#SeniorAILLMEngineer #MiddleAILLMEngineer #Middle+ #Senior #AIEngineer #LLMEngineer #Удаленно #РФ #РБ
Требования:
3–6 лет опыта. Уверенный Python + опыт production ML / GenAI решений. Опыт разработки высоконагруженных сервисов. Практический опыт с LLM API и понимание trade-off’ов. Опыт оценки качества моделей (offline, regression, human eval, A/B). Опыт построения evaluation pipeline и бенчмарков. Опыт работы с инструментами: DeepEval / LangFuse / MLflow / LangSmith. Понимание специфики LLM и agent-based систем. Знание LangChain / LangGraph или аналогов. Подходы: function calling, structured output, context engineering. FastAPI, asyncio, проектирование API. Векторные БД: Milvus / Qdrant / FAISS / pgvector. Будет плюсом: Java Понимание архитектур и обучения LLM Опыт с open-source моделями.
Локация:📍Удалённо. РФ, РБ.
Контакт для отклика: Откликнуться
Про карьеру, рост и ценность себя: @jobstobeloved
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- ML
- Generative AI
- LLM
- FastAPI
- asyncio
- LangChain
- LangGraph
- Milvus
- Qdrant
- FAISS
- pgvector
- MLflow
- Langfuse
- DeepEval
- LangSmith
- Java
Возможные вопросы на собеседовании
Проверка понимания надежности ответов LLM и умения настраивать процессы мониторинга качества.
Расскажите о вашем опыте построения evaluation pipeline: какие метрики вы использовали для оценки качества (например, в DeepEval или LangFuse) и как боролись с галлюцинациями?
Оценка навыков проектирования сложных систем на базе LLM.
В каких случаях вы бы предпочли использование LangGraph вместо стандартного LangChain, и как вы реализуете логику function calling для сложных агентов?
Проверка технических навыков работы с данными для RAG-систем.
Как вы выбираете параметры индексации в векторных БД (например, Milvus или Qdrant) и какие стратегии chunking-а использовали для улучшения релевантности поиска?
Оценка инженерной культуры и навыков разработки бэкенда.
Какие основные проблемы возникают при интеграции LLM в высоконагруженные FastAPI сервисы и как вы используете asyncio для оптимизации задержек (latency)?
Проверка понимания современных подходов к управлению контекстом.
Какие методы context engineering вы применяли для работы с длинными контекстами и как минимизировали затраты на токены без потери качества?
Похожие вакансии
Преподаватель и Автор курса по AI agent (Senior LLM engineer)
Преподаватель и Автор курса по AI agent (Senior LLM)
AI Engineer (CV & Navigation)
Senior / Lead LLM Engineer
Middle, Middle+, Senior GenAI/LLM Разработчик
Senior Python AI Developer
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!
- Страна
- Россия