Загрузи резюме, чтобы видеть мэтчи с вакансиейЗагрузи резюме, чтобы видеть мэтч с вакой
подготовься к отклику
ai-инструменты
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузи резюме
описание
Sales Doctor — IT-компания из Ташкента. Мы делаем три продукта для FMCG-рынка: систему автоматизации дистрибуции, B2B-маркетплейс iBox и кассовую систему idokon. Ищем AI-разработчика, который будет проектировать, обучать и внедрять модели в наши продукты: от компьютерного зрения (Computer Vision) до LLM-сервисов на собственных данных. Это инженерная роль полного цикла — от идеи и данных до модели в продакшене.
задачи
Разрабатывать и обучать модели компьютерного зрения (Computer Vision): классификация, детекция, распознавание изображений.
Строить сервисы на базе LLM: подбор модели, дообучение (fine-tuning), промпт-инжиниринг, оценка качества ответов.
Настраивать RAG-пайплайны: подготовка и чанкинг данных, эмбеддинги, векторный поиск, контроль токенов и контекста.
Проектировать собственные многослойные нейросети под задачи, где готовые модели не подходят.
Разворачивать и адаптировать open-source модели на нашей инфраструктуре.
Доводить модели до продакшена вместе с командой разработки: API, мониторинг качества, оптимизация скорости и стоимости.
требования
Профильное образование либо коммерческий опыт в ML/AI или программной разработке; уверенный Python.
Вы понимаете, что такое AI и как он устроен изнутри: нейросети, обучение, функции потерь, оптимизация, метрики качества — а не только умеете вызывать готовые API.
Практический опыт с CV-задачами и инструментами (PyTorch или TensorFlow, OpenCV, архитектуры CNN и ViT, модели семейства YOLO).
Опыт работы с большими языковыми моделями: архитектура трансформеров, fine-tuning, промпт-инжиниринг, оценка качества.
Умение самостоятельно спроектировать многослойную нейросеть, обучить её на своих данных и довести до рабочего состояния.
Опыт развёртывания и дообучения открытых моделей (экосистема Hugging Face, Llama, Mistral, Qwen и аналоги), включая локальный инференс.
Опыт построения RAG-систем: токенизация, чанкинг, эмбеддинги, векторные базы данных, управление контекстным окном.
Будет плюсом: Опыт вывода моделей в продакшен: Docker, Kubernetes, GPU-инференс, квантизация; Знание векторных баз (Qdrant, pgvector, Milvus) и фреймворков LangChain или LlamaIndex; Опыт построения AI-агентов и работы с tool calling; Опыт с данными на узбекском и русском языках; Портфолио: GitHub, Kaggle, публикации или работающие продукты
