Подтвержденный ТК РФ практический опыт работы с широким списком задач, широкий кругозор и насмотренность - наши продукты это 16млн MAU
Опыт с LLM: prompt engineering, RAG, дообучение (LORA/PEFT), оценка качества
Понимание современных LLM архитектур и их ограничений в production (transformer, attention, hallucinations, privacy, guardrails, SLA)
Понимание как ML/LLM-системы ведут себя при высокой нагрузке: latency, стоимость инференса, throughput и понимание методов оптимизации
Понимание принципов работы векторного поиска (Qdrant/Milvus/pgvector/Weaviate)
Знание SQL и опыт работы с хранилищами данных
Уверенный Python, CI/CD, Docker, знание принципов интеграции (REST/API)
Опыт с агентскими фреймворками (LangGraph, LlamaIndex, AutoGen, и др.)
Опыт работы с инструментами MLOps/LLMOps (vLLM/TGI/SGLang, MLFlow/ClearML, Langfuse, Airflow/Prefect)
Архитектурное мышление: умение выбирать между rules/ classic ML/ LLM / RAG / Agentic подходами
Опыт использования GigaChat в продуктах
Опыт дообучения и адаптации open-source моделей под доменные задачи (PEFT/LORA/SFT)
Опыт разворачивания и эксплуатации LLM-инфраструктуры в production (self-hosted LLM, LLM Gateway/Proxy, GPU utilization и др)
Опыт оптимизации LLM-инференса (batching, KV-cache, prefix caching, quantization, и др) для работы с высокими нагрузками