Middle AI Developer (RAG)

Middle AI Developer в Grand Line

МоскваОбязанности: Текстовые модели и RAG-системы (основной фокус)

• Разработка мультиагентных RAG-систем для ответов на вопросы пользователей и сотрудников
• Интеграция LLM в чат-боты и корпоративные приложения
• Prompt engineering и оптимизация запросов к LLM API (батчинг, кэширование, параллезация запросов)
• Работа с моделями эмбеддеров, использование LLM как реранкеров
• Работа с векторными базами данных (Qdrant, Chroma)
• Работа с графовыми базами знаний (GraphRAG + Neo4j)
• Создание pipeline для аналитики на больших текстовых датасетах
• Обработка текста: токенизация, нормализация, очистка, работа с большими объемами данных
• Оценка качества решений: настройка метрик релевантности и точности ответов
• Создание API endpoints (FastAPI, Flask) для развертывания ML-моделей
• Разработка собственных workflow агентных систем для интеграции моделей в продукты
• Оптимизация пайплайна обработки данных с учетом быстродействия и стоимости
• Настройка мониторинга производительности и качества моделей в продакшене
• Работа с арендованными GPU-серверами для развертывания моделей
• Асинхронное программирование для обработки больших объемов параллельных запросов -Компьютерное зрение: интеграция моделей детекции объектов, работа с Vision-Language Models (VLM), около-реалтайм обработка видео-потоков -Обработка речи: батчевая обработка аудио-записей, разработка голосовых интерфейсов (TTS+STT), анализ качества звонков Требования: Текстовые модели и RAG (основной фокус):
• Опыт работы с Hugging Face Transformers, LangChain (или аналогичными фреймворками)
• Понимание работы с LLM, их настроек и принципов выбора
• Опыт разработки RAG (Retrieval-Augmented Generation) архитектур
• Prompt engineering и оптимизация запросов к LLM API
• Работа с embeddings: создание, сравнение, поиск похожих текстов
• Работа с векторными базами данных: Milvus, FAISS, Chroma
• Работа с графовыми базами знаний: GraphRAG, Neo4j
• Обработка текста: токенизация, нормализация, очистка
• Работа с большими текстовыми датасетами для анализа и предиктивной аналитики
• Понимание метрик качества для RAG-систем (recall@k, accuracy, faithfulness и т.д.)
• Понимание особенностей Guardrails
• Знание Structured Output и умение выстраивать workflow на их основе, применение Schema-guided reasoning и иных подходов
• Python: middle-уровень (pandas, numpy, scipy)
• Работа с данными: загрузка, очистка, предобработка, EDA
• Понимание базовых концепций ML: обучение/валидация/тестирование
• Понимание особенностей работы с временными рядами
• Визуализация данных (matplotlib, seaborn, plotly)
• Базовое понимание статистики и теории вероятности
• Понимание метрик для различных классов задач (accuracy, precision, recall, F1, recall@k и т.д.)
• Умение балансировать производительность, стоимость и качество
• Понимание микросервисной архитектуры
• Создание API для ML-моделей: FastAPI, Flask, REST API
• Работа с базами данных: SQL (PostgreSQL) - средний уровень
• NoSQL (MongoDB), графовые базы (Neo4j) - базовый уровень
• Асинхронное программирование: asyncio, aiohttp
• Базовое понимание веб-разработки
• Разработка собственных workflow для интеграции моделей в продукты
• Работа с арендованными GPU-серверами
• 2-3 года коммерческого опыта разработки с использованием ML/AI
• Наличие реальных проектов с RAG-системами или интеграцией LLM
• Опыт работы в команде: понимание процессов разработки, code review, git workflow
• Опыт работы по Agile
• Опыт интеграции ML-решений в продукты
• Практичность: умение выбирать подходящие под задачу инструменты
• Самостоятельность: способность находить решения под потребности бизнеса
• Аналитическое мышление: умение разбираться в проблемах и дебажить проблемы в workflow c LLM
• Коммуникация: способность объяснять технические решения нетехническим коллегам
• Гибкость: способность переключаться между различными проектами Будет плюсом:
• Fine-tuning языковых моделей с Unsloth
• Опыт работы с библиотеками: PyTorch, TensorFlow, ONNX Runtime, vLLM
• Опыт работы с омни-моделями
• Опыт работы с OpenCV, Roboflow
• Опыт работы с Yolo, CLIP и аналогами
• Обработка видео: форматы, кодеки, стриминг (около-реалтайм)
• Детекция объектов, трекинг, сегментация
• Понимание работы с Vision-Language Models (VLM)
• Понимание архитектур: ResNet, EfficientNet, Vision Transformers
• Работа с видео-стримами в реальном времени
• Работа с STT - Whisper, RIVA, Omnilingual ASR
• Синтез речи (TTS), опыт с Silero и аналогичными генераторами
• Обработка аудио: librosa, soundfile, pydub
• Батчевая обработка аудио Условия:
• Работа в команде с датасаентистами и аналитиками
• Работа по методологии Agile
• Работа с арендованными GPU-серверами
• Возможность карьерного роста до техлида
• Возможность развития в сторону MLOps
• Внутрикорпоративное обучение Откликнуться: hh.ru/vacancy/131469416 ​​Также укажите, что узнали о вакансии в телеграм-канале IT / Tech job