Strong Middle / Senior NLP Engineer
Привлекательная вакансия в международном финтехе с современным стеком (LLM, RAG). Предлагаются отличные условия: офис в Tashkent City, ДМС, обучение и английский, однако отсутствие указанной вилки зарплаты немного снижает прозрачность предложения.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Высокая сложность обусловлена требованиями к уровню Senior, необходимостью глубоких знаний в области RAG, векторного поиска и опыта вывода высоконагруженных LLM-сервисов в продакшн. Также требуется экспертиза в смежных областях, таких как STT/TTS и построение сложных дата-пайплайнов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата для Senior NLP специалистов в Узбекистане и СНГ сильно варьируется, но для международного финтеха она обычно находится в верхнем квартиле рынка. Указанный диапазон соответствует ожиданиям для опытных инженеров, работающих с LLM.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Strong Middle / Senior NLP Engineer
Формат: Ташкент, офис (Возможна удалённая работа с командировками в Ташкент раз в квартал)
Занятость: Полная, 5/2.
Мы - международная продуктовая финтех-компания, развивающая цифровую экосистему финансовых сервисов, платёжных решений и электронной коммерции на рынках Центральной Азии и за её пределами. Компания внедряет ML, NLP и LLM-технологии для автоматизации процессов и улучшения клиентского опыта.
Задачи:
- Разрабатывать и внедрять NLP/LLM-решения для автоматизации клиентской поддержки.
- Создавать и развивать интеллектуальных чат-ботов и AI-ассистентов.
- Участвовать в разработке голосового ассистента.
- Выстраивать систему оценки качества моделей: метрики, офлайн- и онлайн-эксперименты, A/B-тестирование.
- Выводить NLP/LLM-решения в продакшн, обеспечивать мониторинг, оптимизацию инференса, latency и стоимости.
- Участвовать в проектировании архитектуры решений, код-ревью и обмене технической экспертизой внутри команды.
Требования:
- Опыт коммерческой разработки NLP/LLM-решений на уровне Strong Middle / Senior.
- Практический опыт разработки чат-ботов, AI-ассистентов и/или голосовых ассистентов.
- Опыт вывода NLP/LLM-моделей в продакшн и их дальнейшей поддержки.
- Уверенное понимание NLP-алгоритмов, архитектур и современных языковых моделей.
- Практический опыт работы с LLM: prompt engineering, RAG, open-source моделями и/или API.
- Опыт работы с векторным поиском (FAISS, Qdrant, Milvus, pgvector или аналоги).
- Знание SQL, опыт работы с Airflow или аналогичными инструментами для построения пайплайнов данных.
- Понимание статистики, метрик качества ML-моделей и методологии экспериментов.
Будет плюсом:
- Опыт разработки голосовых ассистентов и интеграции Speech-to-Text / Text-to-Speech.
- Опыт создания NLP/LLM-решений для финтеха, банковских продуктов или клиентской поддержки.
- Опыт оптимизации LLM-инференса и работы с высоконагруженными сервисами.
- Опыт технического менторства и участия в архитектурных решениях.
Условия:
- Работа в международной продуктовой финтех-компании.
- Офис в центре Ташкента (Tashkent City), график 5/2 с 09:00 до 18:00.
- Конкурентная заработная плата по результатам собеседования.
- Добровольное медицинское страхование.
- Корпоративные уроки английского языка с носителями.
- Компенсация профессионального обучения, доступ к курсам и внутренним образовательным материалам.
- Программа адаптации с поддержкой команды и тимлида.
- Возможности профессионального и карьерного роста.
*📩* CV: Telegram Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- A/B Testing
- Python
- LLM
- SQL
- RAG
- NLP
- Airflow
- FAISS
- Milvus
- pgvector
- Qdrant
- Speech-to-text
- Text-to-Speech
Возможные вопросы на собеседовании
Проверка практического опыта работы с RAG-системами и понимания проблем галлюцинаций LLM.
Расскажите о вашем опыте построения RAG-систем: какие стратегии чанкинга и методы реранжирования вы использовали для повышения точности ответов?
Оценка навыков оптимизации производительности в реальных условиях.
Как вы подходите к оптимизации latency и стоимости инференса при работе с большими языковыми моделями в продакшене?
Проверка владения инструментами векторного поиска, указанными в требованиях.
В чем заключаются основные различия между FAISS и Qdrant, и в каких случаях вы бы отдали предпочтение конкретному решению?
Оценка методологического подхода к качеству продукта.
Как вы выстраиваете систему оценки качества (evaluation) для чат-ботов на базе LLM, учитывая субъективность ответов?
Проверка опыта работы с голосовыми интерфейсами.
С какими основными трудностями вы сталкивались при интеграции STT/TTS модулей в пайплайн голосового ассистента?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

