Практический опыт разработки решений с использованием AI/ML
Опыт работы с API облачных AI-платформ, например OpenAI и Anthropic
Опыт запуска, дообучения и fine-tuning локальных моделей
Хорошее понимание принципов работы LLM, Transformer-моделей, embeddings и vector search
Опыт разработки собственных решений на базе MCP и RAG
Опыт интеграции AI-сервисов с внешними API, базами данных и корпоративными системами
Уверенные навыки разработки на Python, TypeScript, Go или других backend или системных языках будет преимуществом
Понимание принципов работы различных нейросетевых архитектур: Transformer, NLP-моделей, RNN и других
Опыт работы с Docker, Linux, Git и базовыми CI/CD-процессами
Умение превращать неформализованную бизнес-задачу в работающий технический прототип, а затем — в стабильный production-сервис
Опыт работы с LangGraph, LlamaIndex, Haystack, Semantic Kernel или аналогичными фреймворками
Знание PyTorch, Hugging Face Transformers, PEFT, LoRA или QLoRA
Опыт работы с локальным inference через vLLM, Ollama, llama.cpp, TGI или аналогичные решения
Опыт работы с векторными базами данных и поисковыми системами: PostgreSQL/pgvector, Qdrant, Milvus, Weaviate, Elasticsearch или OpenSearch
Навыки построения систем оценки качества LLM: eval-наборы, автоматические тесты, human feedback, мониторинг hallucinations и regression testing
Понимание вопросов информационной безопасности, разграничения доступа и защиты конфиденциальных данных при работе с AI
Опыт обработки логов, метрик и временных рядов, а также поиска аномалий
Опыт разработки AI-агентов и систем с использованием tool calling
Понимание observability
Опыт работы с Kubernetes и облачными платформами
Нам нужен не исследователь с академической специализацией, а сильный инженер-практик, который умеет быстро разбираться в новых AI-технологиях, создавать прототипы, проверять их пользу и доводить успешные решения до production