ml инженер

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

Команда машинного обучения создаёт интеллектуальных AI-компаньонов и рекомендательные системы для образования. Продукты помогают студентам учиться эффективнее: персональные тьюторы, автоматическая проверка домашних заданий и умная навигация по контенту.

• Разрабатывать AI-агентов: создавать и поддерживать сценарии для чат-ботов, которые ведут долгий контекстный диалог, задают уточняющие вопросы и поддерживают мотивацию студента
• Работать с RAG и базами знаний: оптимизировать поиск по учебным материалам (Hybrid Search, Reranking), чтобы бот отвечал по лекциям курса, а не галлюцинировал
• Настраивать автоматизацию проверки (AI Grader): пайплайны для проверки открытых ответов студентов с обратной связью (LLM-as-a-Judge), работать над метриками корректности и тональности
• Участвовать в разработке персонализации: рекомендательные алгоритмы, подсказывающие студенту, что изучить дальше, на основе его прогресса
• Выводить в продакшн: оборачивать ML-решения в микросервисы (Kafka, k8s), настраивать кэширование и следить за задержками и стоимостью

• Опыт разработки (2+ года): уверенный Python и SQL, опыт работы с бэкенд-фреймворками (FastAPI/Django) и асинхронностью
• Понимание LLM: опыт работы с API (OpenAI/Anthropic/GigaChat) или локальными моделями (Ollama/vLLM), понимание temperature, top-p, context window и token limits
• Агентный опыт: базовое понимание архитектур ReAct или Chain-of-Thought, опыт использования LangChain или LlamaIndex в пет-проектах или продакшене
• Базы данных: умение работать с векторными БД (Qdrant/Pinecone/Chroma) и обычными SQL (MySQL, Postgres) /NoSQL (Clickhouse)
• Инженерная культура: Git, k8s, Docker, понимание базовых принципов CI/CD
• Будет плюсом знание подходов Prompt Engineering (Few-shot, CoT) не только в теории и опыт работы с очередями задач (Celery/Kafka) — агенты работают асинхронно

• Условий в вакансии нет