описание
Описания нет
задачи
- Проектировать и разрабатывать решения на базе LLM для аналитики, поиска по данным и автоматизации бизнес-процессов
- Строить RAG-системы: подготавливать и разбивать документы, настраивать векторный и гибридный поиск, переранжирование, контроль достоверности ответов и ссылок на источники
- Разрабатывать агентные системы: оркестрировать агентов, настраивать вызов инструментов, планирование, самопроверку и участие человека в принятии решений
- Интегрировать ИИ-решения с lakehouse-платформой, каталогом метаданных и BI-системами, включая text-to-SQL
- Развёртывать и эксплуатировать локальные модели в закрытом контуре: выбирать модели, выполнять квантизацию и инференс на GPU, оптимизировать скорость и стоимость
- Оценивать качество и обеспечивать наблюдаемость: готовить эталонные наборы, настраивать автоматические метрики, LLM-as-a-judge, трассировку и мониторинг
- Обеспечивать безопасность ИИ-решений: защищать персональные данные и банковскую тайну, предотвращать prompt injection, разграничивать доступ
требования
- Высшее техническое образование в области компьютерных наук, прикладной математики, IT или смежных направлениях
- Опыт в разработке или инженерии данных от 4 лет, из них от 1 года практической работы с LLM и решениями, выведенными в промышленную эксплуатацию
- Знание Python и практик промышленной разработки: FastAPI, асинхронность, Git, code review, тесты, CI/CD
- Опыт работы с LangChain, LangGraph, LlamaIndex или аналогами, MCP, вызовом инструментов и структурированным выводом
- Опыт работы с RAG, векторными БД (Qdrant, pgvector), эмбеддингами, гибридным поиском и переранжированием
- Опыт работы с локальными моделями: Ollama, vLLM, Hugging Face, квантизацией и дообучением LoRA/PEFT
- Продвинутый уровень SQL; знание Spark, Iceberg, ClickHouse, PostgreSQL и архитектуры lakehouse
- Опыт оценки качества и настройки наблюдаемости с Langfuse, DeepEval, Ragas или аналогами
- Знание Docker, Linux, CI/CD
- Свободный русский язык
- Английский для работы с технической документацией
- Будет плюсом: опыт в банковской сфере или платёжных системах, Kubernetes, каталоги данных и дата-линедж (OpenMetadata), Data Vault, IOMETE
условия
- Офис в Ташкенте, Узбекистан
