ai engineer

Добавь резюме в профиле, а нейросеть определит твою категорию. Затем ты сможешь генерировать сопроводительные письма для вакансий этой категории

Unlimit — глобальная финтех-компания с собственной инфраструктурой платежей. Работает в 17 офисах по миру, интегрирует 1000+ методов платежей в единую платформу, предлагает обработку платежей, альтернативные методы, мультивалютные счета, выпуск карт, банковские сервисы и крипто-рампы.

• Проектировать, строить и развертывать автоматизацию и агентов на базе ИИ для трансформации рабочих процессов в разработке, тестировании, комплаенсе, юридическом отделе и HR.
• Создавать мощных ИИ-агентов в Slack для упрощения процессов, повышения комплаенса и инноваций.
• Написывать качественный продакшн-код ИИ и интеграции для автоматизированных агентов.
• Определять возможности автоматизации в операциях, заменяя рутинные процессы.
• Разрабатывать оркестрированные рабочие процессы, связывающие API, базы данных и модели ИИ с мониторингом.
• Создавать разговорных агентов и умных ботов, которые выполняют действия, понимают нюансы и поддерживают команды.
• Реализовывать пайплайны RAG с векторным поиском, интегрируя большие языковые модели с бизнес-данными.
• Экспериментировать с методами промпт-инжиниринга и автоматизированными оценками.
• Сотрудничать с юридическим отделом, комплаенсом, DevOps, QA и продуктовыми командами для создания решений.

• Высшее образование в компьютерных науках, инженерии или смежной области.
• Минимум 3 года опыта в ИИ/МЛ-инжиниринге или автоматизации.
• Уверенный опыт с LangChain/LangGraph для LLM-приложений.
• Глубокие знания векторных баз (FAISS, PGVector, Qdrant) и архитектур RAG.
• Свободное владение Python, FastAPI и ключевыми фреймворками МЛ (Transformers, PyTorch, TensorFlow).
• Умение работать с продвинутыми техниками промпт-инжиниринга.
• Будет плюсом знание n8n или похожих платформ оркестрации, опыт деплоя и управления LLM в проде (AWS SageMaker, Azure ML, Hugging Face), навыки файн-тюнинга (LoRA, полный тюнинг, оптимизация гиперпараметров), контейнеризация (Docker) и оркестрация (Kubernetes), понимание MLOps и LLMOps (MLFlow, Grafana, Prometheus).

• Полная занятость.