- Страна
- Россия
- Зарплата
- 350 000 ₽ – 400 000 ₽
Senior Data Engineer (AI / LLM focus)
Оценка ИИПривлекательная вакансия с конкурентной зарплатой для РФ, возможностью удаленной работы и работой над передовыми AI-проектами. Формат ИП может быть как плюсом, так и минусом в зависимости от предпочтений кандидата.
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
Оценка ИИВысокая сложность обусловлена требованием 5+ лет опыта и необходимостью глубоких знаний на стыке классического Data Engineering и современных AI-технологий (RAG, эмбеддинги, оценка галлюцинаций). Роль предполагает высокую автономность при создании прототипов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная вилка 350 000 – 400 000 ₽ Gross соответствует верхнему сегменту рынка для Senior Data Engineer в России, особенно учитывая специфику AI/LLM, которая сейчас высоко ценится.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
#вакансия #dataengineer #python #sql #llm #rag #ai #data #удаленка #работа #itвакансии #senior
*🚀 Senior Data Engineer (AI / LLM focus) | компания TopSelection*
*📍* РФ | Удалённо / Офис по желанию | Проектная роль
Ищем сильного Data-инженера для прототипирования корпоративных AI-ассистентов.
Это роль на стыке классического DE и AI: нужно не просто строить пайплайны, но и готовить контекст для LLM, оценивать качество RAG и бороться с галлюцинациями.
*🎁 Условия:*
*💰 Условия: 350 000 – 400 000 ₽* Gross
*🌍 Удаленно*: Полная свобода выбора формата: удалёнка из любого города РФ или офис (по желанию).
*📃*Оформление: по договору ИП
*🛠 Кого мы ищем:*
• 5+ лет опыта в Data Engineering / разработке аналитических решений.
• Уверенный Python и SQL, опыт с API, ETL/ELT, DWH.
• Понимание принципов LLM, RAG, retrieval, embeddings (опыт работы — жирный плюс, но если глубоко погружен в тему — welcome).
• Умение быстро собирать PoC, исследовать источники и находить нестандартные решения.
*⚙️ Что предстоит делать:*
• Готовить данные (API, SQL, файлы) и собирать прототипы для AI-ассистента до передачи в продакшен.
• Подготавливать контекст для RAG, тестировать поиск и сопоставление сущностей.
• Формировать golden dataset и автоматизировать тестирование ассистента (массовый прогон сценариев).
• Считать метрики качества (retrieval, hallucinations) и локализовывать причины ошибок.
*📩 Как откликнуться: {{apply_contact}} 👈*
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- ETL
- ELT
- DWH
- LLM
- RAG
- Retrieval
- Embeddings
- API
Возможные вопросы на собеседовании
Проверка понимания ключевой технологии для данной роли.
Расскажите, как вы подходите к оптимизации процесса Retrieval в RAG-системах для уменьшения количества нерелевантных контекстов?
Оценка навыков обеспечения качества AI-продукта.
Как бы вы организовали процесс автоматизированного тестирования LLM-ассистента на наличие галлюцинаций? Какие метрики использовали бы?
Проверка классических навыков DE в контексте AI.
С какими сложностями вы сталкивались при подготовке неструктурированных данных из различных API для последующей векторизации?
Оценка способности работать в режиме прототипирования.
Опишите ваш подход к созданию 'golden dataset' для оценки качества поиска сущностей. Как вы определяете репрезентативность выборки?
Проверка архитектурного мышления.
В чем, по вашему мнению, основные отличия в проектировании DWH для классической аналитики и для поддержки RAG-систем?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
