Откликайтесь
на вакансии с ИИ
Senior Applied AI Engineer — Market Intelligence
Оценка ИИПривлекательная позиция для Senior-специалиста, ищущего полный ownership и работу в быстрорастущем сегменте prediction markets. Прямое взаимодействие с фаундерами и отсутствие бюрократии компенсируют высокие требования к темпу работы.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена ролью единственного AI-инженера, необходимостью глубокого понимания финтех/крипто домена и требованием выдавать результат каждые 1-3 дня. Требуется не просто знание LLM, а умение строить сложные управляемые системы с eval-фреймворками.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Senior AI Engineer в крипто-стартапах на ранней стадии с удаленным форматом работы рыночный диапазон обычно составляет $6,000–$9,000+. Учитывая роль 'единственного инженера', можно ожидать верхнюю границу рынка или наличие опционов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в 10arx уже сейчас
Станьте единственным AI-инженером в перспективном крипто-стартапе и постройте систему Market Intelligence с нуля!
Описание вакансии
💻 Senior Applied AI Engineer — Market Intelligence
📍 Удалённо, contractor
💰 Вилка: обсуждается
📌 10arx — AI-нативный торговый терминал для prediction markets (Polymarket, Kalshi). Ранняя стадия, маленькая команда, быстрый темп.
💼 Ты строишь AI Market Intelligence систему. Не “чат с LLM” — управляемую систему с routing, retrieval, structured outputs и eval-циклами. Полный ownership. Ты единственный AI-инженер.
❗️Нам не нужен человек, который начнёт с трёхнедельного research или предложит “сначала зафайнтюнить модель”. Сначала baseline, потом итерации. Результат каждые 1–3 дня.
🚀 Задачи
• Routing запросов по use cases, retrieval pipeline, context assembly, structured outputs
• Разбивать сценарии на отдельные pipelines — не один universal agent
• Сравнивать 2–3 подхода на одном кейсе, выбирать по данным
• Eval framework, tracing, логирование промптов / контекста / выходов
• Интеграция внешних data sources (market data, prediction markets, on-chain)
🛠 Обязательно
• 6+ лет разработки, 2+ года с LLM в production
• Python, RAG, orchestration, agent systems, vector DB, evals/tracing
• LangChain / LangGraph / LlamaIndex / DSPy или аналоги
• AI observability (Langfuse или аналоги)
• Опыт в fintech / crypto / DeFi / trading / prediction markets или смежном домене
• Работал в стартапе или маленькой команде — сам строил, не координировал
• AI-инструменты (Cursor, Copilot, Claude) — часть ежедневного workflow
• Можешь рассказать что строил, как работало в проде, почему выбрал этот подход
🚫 Не подойдёт
• Research / academic без production
• Классический ML/DS без LLM-опыта
• Только большие компании — никогда не строил с нуля
• “Сначала надо исследовать” вместо “давайте запустим baseline”
• Домен финансов/трейдинга чужой
• “Модель сама разберётся” — один agent на все запросы
🎯 Условия
• Ownership направления AI / Market Intelligence
• Работа напрямую с CTO и фаундером
• Конкурентная ЗП
📩 Отклик - заполните Откликнуться
-> С вами свяжутся в течение 3 рабочих дней.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- RAG
- Vector Database
- Fintech
- Claude
- LangChain
- LangGraph
- Cursor
- LlamaIndex
- Crypto
- DeFi
- Trading
- DSPy
- Langfuse
Возможные вопросы на собеседовании
Проверка соответствия философии компании 'сначала baseline, потом итерации'.
Опишите ваш процесс создания MVP для новой AI-фичи: как вы выбираете baseline и через какое время представляете первый результат?
Вакансия требует ухода от 'универсальных агентов' к специализированным пайплайнам.
В каких случаях вы предпочтете жестко заданный граф (например, на LangGraph) вместо автономного агента с инструментами?
Для торгового терминала критична точность данных.
Как вы выстраиваете систему автоматизированной оценки (evals) для RAG-пайплайна, работающего с рыночными данными?
Проверка технического стека и опыта работы с observability.
Какие метрики в Langfuse или аналогичных инструментах для вас наиболее критичны при мониторинге LLM в продакшене?
Проверка доменных знаний в области prediction markets.
С какими специфическими сложностями при обработке данных из Polymarket или других prediction markets вы ожидаете столкнуться?
Похожие вакансии
AI / Product Engineer (.NET)
AI разработчик
GenAI-разработчик / бизнес-аналитик
AI Engineer (Multi-Agent Systems & RAG) (Senior)
AI / Product Engineer (.NET)
Python AI Engineer (Senior)
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!