- Страна
- Россия
Откликайтесь
на вакансии с ИИ
NLP Engineer
Оценка ИИИнтересный проект в банковской сфере с современным стеком (DeepSeek, Qwen, RAG). Отсутствие фиксированной вилки позволяет претендовать на высокий рейт, соответствующий опыту Senior уровня.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием к глубокому математическому бэкграунду и 5-летнему опыту работы именно в NLP/LLM. Необходимо владеть специфическими техниками дообучения (LoRA, QLoRA) и современными фреймворками (LangChain, LlamaIndex).
Анализ зарплаты
Оценка ИИРыночные оценки для NLP-инженеров уровня Senior в России варьируются от 350 000 до 550 000 рублей. Поскольку в вакансии указано «смотрим ваш рейт», кандидат с сильным бэкграундом может рассчитывать на верхнюю границу рынка.
Сопроводительное письмо
Меня крайне заинтересовала вакансия NLP Engineer в вашем банковском проекте. Имея более 5 лет опыта в разработке и дообучении языковых моделей, я обладаю глубокими знаниями в области RAG-подходов, оптимизации инференса и работы с современными архитектурами, такими как Llama, DeepSeek и Qwen. Мой опыт включает не только проведение экспериментов и AB-тестов, но и успешное внедрение моделей в продакшн с использованием Docker и Kubernetes.
Я уверен, что мой стек технологий, включающий PyTorch, LangChain и опыт работы с SFT/LoRA, позволит мне эффективно решать задачи по созданию интеллектуальных ассистентов и систем поиска. Буду рад обсудить, как мой опыт в финтехе и навыки работы с большими данными помогут вашей команде достичь новых высот в развитии сервисов на базе LLM.
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Если вы готовы внедрять передовые NLP-решения в банковский сектор, отправьте свое резюме @horoshkoaleksa прямо сейчас!
Описание вакансии
#job #vacancy #NLPEngineer
NLP Engineer
Описание проекта: Банковский проект
Опыт: от 5 лет
Локация: Россия
Рейт: смотрим ваш рейт
Задачи:
- Разрабатывать и дообучать модели NLPLLM: эмбеддинги, генерация, RAG-подходы.
- Исследовать новые архитектуры, ставить эксперименты, проводить AB-тесты.
- Проектировать и развивать сервисы на базе языковых моделей: ассистенты, интеллектуальный поиск, генерация документов и кода.
- Оптимизировать инференс и внедрять модели в продакшн совместно с ML и backend-командами.
- Работать с данными: предобработка, векторизация, организационное хранение knowledge-баз.
Требования:
- 5+ лет коммерческого опыта в NLPLLM.
- Глубокая математика: ML, статистика, теория вероятностей.
- Python + DS-стек: pandaspolars, numpy, scipy, scikit-learn.
- Практика с PyTorch, Transformers, sentence-transformers, LangChain LangGraph LlamaIndex.
- Опыт работы с моделями Qwen, DeepSeek, Llama, Mistral; SFT, LoRA, QLoRA, prompt-tuning.
- Навыки работы с Docker, Kubernetes, CICD.
- Умение настраивать и оптимизировать RAG-пайплайны.
*Будет плюсом:*
- Опыт в финтехе или корпоративных экосистемах.
- Работа с Hadoop (Hive, PySpark), Greenplum, PostgreSQL.
- Понимание интеграции LLM в бизнес-процессы.
- Опыт работы в кросс-функциональных командах.
телеграм для связи Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- NumPy
- Pandas
- PyTorch
- LLM
- SQL
- Kubernetes
- PostgreSQL
- Transformers
- RAG
- NLP
- Scikit-learn
- Docker
- PySpark
- Hadoop
- LangChain
- LlamaIndex
Возможные вопросы на собеседовании
Проверка практического опыта оптимизации RAG-систем, что указано в задачах.
Расскажите о наиболее сложных проблемах, с которыми вы сталкивались при оптимизации RAG-пайплайнов, и как вы их решали?
Вакансия требует навыков дообучения моделей.
В каких случаях вы бы предпочли использование LoRA/QLoRA полному дообучению (Full Fine-tuning) модели?
Проверка навыков работы с инфраструктурой и вывода моделей в продакшн.
Как вы подходите к оптимизации инференса LLM для работы в высоконагруженных банковских сервисах?
Проверка математической базы и понимания механизмов внимания.
Можете ли вы объяснить математическую разницу между различными типами эмбеддингов и как выбор функции потерь влияет на качество векторного поиска?
Оценка умения работать с данными в контексте LLM.
Как вы организуете процесс фильтрации и предобработки данных для SFT, чтобы избежать деградации модели?
Похожие вакансии
Инженер Mlops (Senior)
Middle+ ML разработчик
Senior MLOps Engineer (Platform Development / LLMOps)
Data engineer
Senior Data Engineer
Data Scientist Senior (Part-time)
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