Ведущий разработчик искусственного интеллекта
Оценка ИИИнтересная позиция в крупном холдинге с широким стеком технологий и возможностью удаленной работы. Однако отсутствие указанной вилки зарплаты и широкий круг обязанностей (от ML до React) могут быть критичными факторами для некоторых кандидатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания навыков: глубокой экспертизы в Python и ML/LLM, владения инструментами автоматизации (n8n, Hermes AI) и базовых знаний Frontend (React). Высокая сложность обусловлена необходимостью работать на стыке нескольких дисциплин и внедрять MLOps практики.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата для позиции Senior AI Developer в России обычно начинается от 300 000 рублей. Учитывая широкий стек (Fullstack + ML), рыночная оценка может достигать 450 000 рублей и выше в зависимости от глубины экспертизы в LLM.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
АКРОН ХОЛДИНГ
Ведущий разработчик искусственного интеллекта
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: удалённо или офис
*☑️* Чем предстоит заниматься
-Разработка backend-сервисов на Python c LLM и ML решений
-Интеграция и автоматизация процессов с использованием n8n, hermes ai
-Работа с LLM (интеграция, prompt engineering, кастомные сценарии)
-Разработка и внедрение ML
-Интеграция внешних и внутренних API
-Участие в разработке frontend-части (React, django)
-Оптимизация и поддержка решений в продакшн
*☑️* Наши пожелания к кандидатам
-Уверенный Python, Git
-Интеграции и автоматизация: n8n, HERMES AI
-API: REST/JSON, разработка и интеграция внешних сервисов, авторизация (OAuth, API keys)
-LLM: OpenAI / open-source модели, prompt engineering, PyTorch, TensorFlow, LQM (крупные количественные модели)
-React: компонентный подход, работа с API, верстка, состояние приложения
-Понимание RAG и основ Machine Learning
-Docker, CI/CD, MLOps, оптимизация inference, YOLO (Ultralytics), 1С
Контакты: Откликнуться
*🔥* Откликнуться / Откликнуться / Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Git
- n8n
- REST
- JSON
- OAuth
- OpenAI
- PyTorch
- TensorFlow
- React
- Django
- RAG
- Machine Learning
- Docker
- CI/CD
- MLOps
- YOLO
Возможные вопросы на собеседовании
Проверка понимания архитектуры современных ИИ-систем и способов борьбы с галлюцинациями моделей.
Расскажите о вашем опыте реализации RAG-систем: какие векторные базы данных вы использовали и как оптимизировали релевантность выдачи?
Вакансия предполагает работу с n8n и Hermes AI для автоматизации.
Какие наиболее сложные сценарии автоматизации вы реализовывали с помощью n8n и как обеспечивали их отказоустойчивость?
Важно понять, как кандидат переносит модели из разработки в промышленную эксплуатацию.
Как вы подходите к оптимизации inference LLM моделей для работы в продакшене при ограниченных ресурсах?
В требованиях указан React, важно оценить уровень владения смежным стеком.
Насколько глубоко вы знакомы с React и как обычно организуете взаимодействие между Python-бэкендом и фронтенд-частью в своих проектах?
Упоминание YOLO предполагает задачи компьютерного зрения.
Был ли у вас опыт дообучения моделей семейства YOLO под специфические бизнес-задачи и с какими трудностями в разметке данных вы сталкивались?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
