ML-разработчик
Оценка ИИИнтересные задачи в области LLM и RAG в известной компании. Однако отсутствие указанной зарплаты и возможности удаленной работы снижают общую привлекательность для широкого круга кандидатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль Senior уровня требует глубоких знаний архитектуры Transformer и практического опыта с LLM/RAG. Работа в Академгородке Новосибирска подразумевает высокий уровень технической экспертизы и фундаментальную подготовку.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для позиции Senior ML-разработчика в Новосибирске рыночный диапазон обычно составляет от 250 000 до 450 000 рублей. Учитывая сложность задач (LLM, RAG), предложение должно находиться в верхней части этого диапазона.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*🧪 ML-разработчик · Senior*
Новосибирск · офис в Академгородке
True Engineering создаёт бизнес-платформы и корпоративные сервисы. Предстоит исследовать LLM и RAG, работать с неструктурированными данными, готовить датасеты и обучать chat- и embedding-модели. Среди задач также AI-инструменты и агенты для корпоративных продуктов.
Требования:
— Высшее техническое образование
— Владение Python и навыки работы с Git
— Понимание нейросетей и архитектуры Transformer
Знакомство с PyTorch, TensorFlow, Keras, LangChain, FAISS, NumPy/Pandas и PostgreSQL будет плюсом, как и опыт тестирования. Предлагают оформление по ТК РФ и гибкий график. Зарплата не указана, удалёнка не заявлена.
*➡️* Откликнуться
*📍* Навигация: База знаний • Задачи • Собеседования
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Git
- Transformer
- PyTorch
- TensorFlow
- Keras
- LangChain
- FAISS
- NumPy
- Pandas
- PostgreSQL
- LLM
- RAG
Возможные вопросы на собеседовании
Проверка понимания ключевой технологии, указанной в описании.
Расскажите о механизме Self-Attention в архитектуре Transformer: как он работает и какие проблемы решает?
Вакансия предполагает работу с RAG-системами.
С какими основными проблемами вы сталкивались при реализации RAG и как вы оптимизировали поиск релевантных контекстов?
В задачи входит подготовка датасетов и обучение моделей.
Как вы подходите к оценке качества embedding-моделей для специфических корпоративных доменов?
Упоминается работа с неструктурированными данными.
Какие методы предобработки неструктурированных текстовых данных вы считаете наиболее эффективными перед подачей в LLM?
Проверка навыков работы с инструментарием.
В каких случаях вы предпочтете LangChain кастомной реализации логики агентов, и каковы ограничения этого фреймворка?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
