Vista del currículum
Junior ML-engineer
A convenir
Rusia
Tiempo completoTrabajo remoto
Experiencia laboral
1 año 4 meses
Último empleo
SimbirSoft
ML-engineer
1 año 4 meses
Sobre ti
Sobre ti
ML-инженер, 1+ год коммерческой разработки RAG-систем и AI-агентов. Ищу позицию ML-инженера с фокусом на LLM / NLP или RAG-системы.
Дополнительно занимаюсь разработкой собственных проектов:
1) AI-наставник по ML.
- Разработал AI-агента на RAG-системе, состоящей из более 300 различных статей по машинному обучению, для быстрого поиска информации и углубления понимания ML-концепций.
- Реализовал полный цикл: сбор и обработка данных, чанкинг, векторный индекс, генерация ответов, контейнеризация.
- Стэк: Python, LlamaIndex, Qwen, Qdrant, Docker
- Ссылка на github проекта: https://github.com/VLGen/AI-mentor
2) Голосовой помощник-повар.
- Создал голосового ассистента для помощи в приготовлении блюд, подборе рецептов, сопровождении на этапах готовки с использованием ASR и LLM.
- Реализовал голосовой ввод/вывод и интеграцию с LLM.
- Стэк: Python, Vosk, Transformers, Qwen, Sounddevice.
- Ссылка на github проекта: https://github.com/VLGen/AI-Voice-controlled-cooking-assistant.git
GitHub профиль: https://github.com/VLGen
Experiencia en afiliación
No hay datos disponibles
Experiencia laboral1 año 4 meses
Abril 2025 - Julio 2026
(1 año 4 meses)
SimbirSoft
ML-engineer
1. Разработал скрипты для загрузки, очистки и унифицированной обработки текста из
внутренних нормативных документов с использованием фреймворка LlamaIndex, создав
единый формат данных для RAG-пайплайнов и обеспечив подключение новых типов
источников без доработки основного конвейера;
2. Отвечал за чанкинг и построение индексов в проектировании и выводе в продакшен
RAG-пайплайна (LlamaIndex, LangChain, Qdrant, Qwen-72B) на основе корпоративной базы
знаний, состоящей из 500+ документов - время поиска ответов сокращено с 15-20 минут до 30
секунд;
3. Внедрил слой кэширования для частых вопросов в Redis, ускорив их обработку в 10 раз и
сократив количество повторных обращений к downstream-компонентам, что позволило
снизить нагрузку на поддержку на 20%;
4. Провел системное тестирование RAG-based AI-агента на 600 тестовых вопросах: по
результатам анализа ошибок оптимизировал чанкинг и промты, повысив recall релевантных
ответов с 78% до 89%
Habilidades
ООП
LlamaIndex
LangChain
Redis
Qdrant
Qwen
TTS
ASR
Python
Git
API
FastAPI
PostgreSQL
Pandas
Dominio de idiomas
Intermedio Inglés
Nativo Ruso
Tipo de empleo
Tipo de empleo
Tiempo completo
Formato de trabajo
Trabajo remoto, Híbrido, Presencial
Horario de trabajo
Flexible, 5/2
Reubicación
Posible
Viajes de trabajo
Viajes posibles