3+ года в ML/AI-инженерии с реальным опытом вывода моделей в прод, а не только исследований в ноутбуках
Самостоятельность в постановке задач: превратить размытый запрос в проверяемую гипотезу и оценить, стоит ли она реализации
Python на уровне промышленной разработки
Практический опыт с LLM: промптинг, RAG или дообучение, доведённое до работающего результата
Понимание устройства трансформера: attention, токенизация, контекстное окно, природа галлюцинаций
Фреймворк инференса: vLLM, TGI, Triton, Ollama или аналог
Векторный поиск: Qdrant, pgvector, Milvus, FAISS - любой
Умение измерять качество цифрами: метрики, датасеты, воспроизводимые эксперименты
Docker, git, понимание, как код доезжает до прода
LangGraph, LangChain или LlamaIndex
Fine-tuning (LoRA, QLoRA, DPO)
Квантизация и профилирование GPU
Whisper, STT/TTS, диаризация, мультимодальность
Kubernetes, Langfuse, RAGAS и другие инструменты оценки LLM
Казахский язык в NLP open-source и публикации