Вакансия из Telegram канала - Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Описание вакансии
Jun - Middle+ ML/AI Engineer (LLM & Chatbot Architect)
О компании
Мы — MedTech стартап, создающий персонального AI-ассистента по здоровью. Наш продукт — система, которая помогает пользователям поддерживать здоровье.
Сейчас мы работаем над созданием ядра нашего чат-бота: системы оркестрации LLM для проведения медицинского анкетирования и сверок с нормативной базой.
Чем предстоит заниматься:
- Архитектура чат-бота: Разработка и поддержка ядра диалоговой системы. Подключение моделей по API, настройка промптов и параметров генерации.
- Семантический роутинг: Реализация логики переключения между сценариями (например, сбор анамнеза vs ответы на вопросы vs экстренные случаи) и выбор подходящей модели под задачу.
- Управление контекстом: Настройка пайплайна, который «на лету» парсит диалог и сохраняет данные в PostgreSQL в структурированном виде (формирование динамической «медкарты» пациента).
- RAG (Retrieval-Augmented Generation):Создание и поддержка векторного хранилища для работы с нормативными актами, клиническими рекомендациями и постановлениями правительства. Обеспечение точности ссылок на документы в ответах бота.
- Backend интеграция: Обертывание ML-логики в FastAPI, оптимизация задержек (latency) при стриминге ответов.
- MLOps: Контейнеризация сервисов (Docker) и настройка деплоя обновленных пайплайнов (CI/CD).
Наши ожидания:
- Опыт: опыт в ML/Data Science или Backend-разработке с глубоким погружением в AI.
- Python Stack: Отличное владение Python, pandas, опыт работы с асинхронностью (FastAPI/Asyncio).
- LLM & NLP: Практический опыт работы с LLM (GPT-4, Gemini и др.) через API. Понимание принципов Prompt Engineering, Chain-of-Thought.
- Orchestration: Опыт работы с фреймворками типа LangChain, LlamaIndex или самописными стейт-машинами для управления диалогом.
- Базы данных: Уверенное владение PostgreSQL (проектирование схем для хранения структурированных данных пациента) и опыт работы с векторными БД.
- DevOps/MLOps: Docker, Git, CI/CD — умение самостоятельно завернуть свое решение в контейнер и доставить на сервер.
Будет большим плюсом:
- Опыт решения задач NER для извлечения медицинских фактов из текста.
- Понимание специфики RAG: чанкинг сложных юридических или медицинских текстов, гибридный поиск.
- Опыт работы с облачной инфраструктурой.
- Интерес к медицине и биоинформатике.
Условия:
- Удалённая работа (Full-time), график по Москве.
- Зарплатная вилка: обсуждается в зависимости от опыта кандидата, обеспечим рыночные условия для подходящего кандидата
- Прямое влияние на продукт: ваши решения будут определять, как именно бот «думает» и помогает людям.
- Сильная команда и взаимодействие с практикующими врачами.
Контакты:
Для отклика и вопросов:
О компании
Мы — MedTech стартап, создающий персонального AI-ассистента по здоровью. Наш продукт — система, которая помогает пользователям поддерживать здоровье.
Сейчас мы работаем над созданием ядра нашего чат-бота: системы оркестрации LLM для проведения медицинского анкетирования и сверок с нормативной базой.
Чем предстоит заниматься:
- Архитектура чат-бота: Разработка и поддержка ядра диалоговой системы. Подключение моделей по API, настройка промптов и параметров генерации.
- Семантический роутинг: Реализация логики переключения между сценариями (например, сбор анамнеза vs ответы на вопросы vs экстренные случаи) и выбор подходящей модели под задачу.
- Управление контекстом: Настройка пайплайна, который «на лету» парсит диалог и сохраняет данные в PostgreSQL в структурированном виде (формирование динамической «медкарты» пациента).
- RAG (Retrieval-Augmented Generation):Создание и поддержка векторного хранилища для работы с нормативными актами, клиническими рекомендациями и постановлениями правительства. Обеспечение точности ссылок на документы в ответах бота.
- Backend интеграция: Обертывание ML-логики в FastAPI, оптимизация задержек (latency) при стриминге ответов.
- MLOps: Контейнеризация сервисов (Docker) и настройка деплоя обновленных пайплайнов (CI/CD).
Наши ожидания:
- Опыт: опыт в ML/Data Science или Backend-разработке с глубоким погружением в AI.
- Python Stack: Отличное владение Python, pandas, опыт работы с асинхронностью (FastAPI/Asyncio).
- LLM & NLP: Практический опыт работы с LLM (GPT-4, Gemini и др.) через API. Понимание принципов Prompt Engineering, Chain-of-Thought.
- Orchestration: Опыт работы с фреймворками типа LangChain, LlamaIndex или самописными стейт-машинами для управления диалогом.
- Базы данных: Уверенное владение PostgreSQL (проектирование схем для хранения структурированных данных пациента) и опыт работы с векторными БД.
- DevOps/MLOps: Docker, Git, CI/CD — умение самостоятельно завернуть свое решение в контейнер и доставить на сервер.
Будет большим плюсом:
- Опыт решения задач NER для извлечения медицинских фактов из текста.
- Понимание специфики RAG: чанкинг сложных юридических или медицинских текстов, гибридный поиск.
- Опыт работы с облачной инфраструктурой.
- Интерес к медицине и биоинформатике.
Условия:
- Удалённая работа (Full-time), график по Москве.
- Зарплатная вилка: обсуждается в зависимости от опыта кандидата, обеспечим рыночные условия для подходящего кандидата
- Прямое влияние на продукт: ваши решения будут определять, как именно бот «думает» и помогает людям.
- Сильная команда и взаимодействие с практикующими врачами.
Контакты:
Для отклика и вопросов:
Будьте осторожны: если вас просят войти в iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого - это мошенники. Обязательно жмите "Пожаловаться" или пишите в поддержку. Подробнее в гайде →
Текст вакансии взят без изменений
Источник -
