- Страна
- Казахстан
Senior AI/ML Engineer (LLM Engineer)
Актуальный стек технологий (LLM, GenAI) и четкие требования делают вакансию привлекательной для опытных инженеров. Локация в Астане и офисный формат могут быть ограничением для некоторых, но для Senior-уровня это отличная возможность влиять на продукт.
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
Роль требует глубокой экспертизы в современных LLM-технологиях (RAG, агенты, fine-tuning) и умения выводить AI-продукты в продакшн. Высокая сложность обусловлена необходимостью самостоятельного проектирования архитектуры и работы с GPU-инференсом.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
В вакансии не указана зарплата, однако для позиции Senior AI Engineer в Казахстане рыночный диапазон составляет от 1.8 до 3.5 млн тенге (в эквиваленте USD). Предложенные оценки соответствуют международным стандартам для специалистов такого уровня в регионе.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
Senior AI/ML Engineer (LLM Engineer)
#SeniorMLEngineer #SeniorAIEngineer #LLMEngineer #Python #Офис #Астана #Fulltime
Требования:
Уверенный Python. Подтверждённый коммерческий опыт разработки LLM/GenAI-решений. Практический опыт с RAG и AI Agents. Опыт локального развёртывания LLM. PyTorch, Hugging Face. Опыт или уверенное понимание LoRA/QLoRA и fine-tuning. Опыт с Vector DB. Понимание Docker, API, GPU inference и production deployment. Способность самостоятельно проектировать архитектуру AI-решений. Опыт доведения AI-продуктов от бизнес-задачи до промышленной эксплуатации.
Локация:*📍*Офис, Астана, full-time.
Контакт для отклика: Откликнуться +CV
*👉*Откликнуться
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- LLM
- Generative AI
- RAG
- PyTorch
- Hugging Face
- LoRA
- QLoRA
- Vector Database
- Docker
- API
- GPU Inference
Возможные вопросы на собеседовании
Проверка практического опыта оптимизации моделей для работы в продакшене.
Расскажите о вашем опыте применения LoRA/QLoRA: в каких случаях вы выбирали эти методы и с какими сложностями сталкивались при дообучении?
RAG является ключевым требованием; важно понять, как кандидат решает проблему точности ответов.
Как вы оцениваете качество работы RAG-системы и какие стратегии используете для уменьшения галлюцинаций модели?
Вакансия подразумевает работу с инфраструктурой.
Опишите ваш подход к организации GPU inference для высоконагруженного API: какие инструменты и библиотеки вы используете?
Проверка навыков проектирования сложных систем.
Как бы вы спроектировали систему AI-агентов для решения многоэтапной бизнес-задачи? Какие фреймворки вы бы предпочли?
Важно умение работать с данными для поиска.
Каков ваш опыт работы с Vector DB? Как вы выбираете подходящую базу данных и метод индексации под конкретную задачу?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

