- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Senior ML разработчик (AI Engineering)
Оценка ИИИнтересная вакансия для опытных ML-инженеров с фокусом на современные технологии (RAG, AI-агенты). Четко прописанный стек и актуальные инструменты мониторинга делают позицию привлекательной для профессионального роста.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованиями к глубокой экспертизе в Advanced RAG, опыту работы с векторными БД и инструментами оценки LLM (Ragas, DeepEval). Также ожидается уверенное владение Python/FastAPI и понимание микросервисной архитектуры.
Анализ зарплаты
Оценка ИИУказанная позиция Senior ML разработчика в области AI Engineering на российском рынке обычно предполагает вознаграждение в диапазоне от 400 000 до 600 000 рублей в зависимости от глубины экспертизы в LLM. Данная оценка соответствует текущим рыночным трендам для специалистов такого уровня.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Откликайтесь прямо сейчас, чтобы применить свой опыт в создании передовых RAG-систем и AI-агентов!
Описание вакансии
ID 3090
Senior #ML разработчик (вывод быстрый)
Senior
Гражданство и локация! РФ/Дружественные страны
Формат работы Удалённо
Загрузка специалиста Full-time
Что предоставлять вместе с резюме
● ФИО
● Страна+Город
● Грейд
● Ставка
● Дата рождения
● Когда готов стартовать
● Названия компаний, где работал специалист, должны быть отражены в проектах
● Оценить требования ДА/НЕТ, в соответствии с наличием опыта.️
● ВСЕ ТРЕБОВАНИЯ ИЗ ЗАПРОСА ОТРАЖЕНЫ В ПРОЕКТАХ РЕЗЮМЕ
Основные требования
AI Engineering
Практический опыт проектирования и разработки RAG-систем.
Опыт построения сложных RAG-конвейеров:
Advanced RAG;
гибридный поиск;
переранжирование.
Опыт разработки автономных AI-агентов и распределённых систем микроагентов.
Практический опыт работы с Qdrant:
индексация;
оптимизация поиска и выборки.
Знание инструментов оценки качества и мониторинга LLM-систем:
Ragas;
DeepEval;
EvalScope;
Langfuse.
Понимание подходов:
LLM-as-a-Judge;
оценка качества ответов;
мониторинг работы LLM-приложений.
Хорошее понимание Cursor IDE или других инструментов вайб-кодинга.
Backend-разработка и архитектура
Уверенное владение Python.
Опыт разработки на Go(опционально)
Глубокое знание FastAPI.
Опыт проектирования и разработки масштабируемых и отказоустойчивых микросервисов.
Опыт создания API и интеграции LLM в промышленную микросервисную архитектуру.
Технологический стек
Python;
Go;
FastAPI;
LangChain;
LangGraph;
Ragas;
DeepEval;
EvalScope;
Langfuse;
Qdrant;
FAISS;
Cursor IDE или другие инструменты AI-assisted development
*⚡️**⚡️**⚡️*писать Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- Microservices
- RAG
- Go
- FastAPI
- LangChain
- FAISS
- LangGraph
- Langfuse
- DeepEval
- Ragas
- Qdrant
- EvalScope
- Cursor IDE
Возможные вопросы на собеседовании
Проверка практического опыта работы с продвинутыми техниками RAG.
Расскажите о вашем опыте реализации Advanced RAG: какие стратегии чанкинга и методы переранжирования (reranking) вы использовали для повышения точности?
Оценка навыков работы с векторными хранилищами.
Как вы оптимизировали поиск и индексацию в Qdrant для работы с большими объемами данных?
Проверка умения оценивать качество работы LLM.
Какие метрики в Ragas или DeepEval вы считаете наиболее критичными для оценки галлюцинаций и релевантности ответов?
Оценка архитектурного мышления в контексте AI-агентов.
С какими сложностями вы сталкивались при разработке автономных AI-агентов и как обеспечивали их стабильную работу в распределенной системе?
Проверка навыков интеграции AI в продакшн.
