CV vaatamine
Junior ML-engineer
Lepitav
Venemaa
TäistööaegKaug töö
Töökogemus
1 aasta 4 kuud
Viimane töökoht
SimbirSoft
ML-engineer
1 aasta 4 kuud
Minust
Minust
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
Kogemus Affiliate'is
Andmed puuduvad
Töökogemus1 aasta 4 kuud
Aprill 2025 - Juuli 2026
(1 aasta 4 kuud)
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%
Oskused
ООП
LlamaIndex
LangChain
Redis
Qdrant
Qwen
TTS
ASR
PostgreSQL
Git
Python
FastAPI
Pandas
API
Keeleoskus
Kesktase Inglise
Emakeel Vene
Tööaeg
Tööaeg
Täistööaeg
Töö formaat
Kaug töö, Hübriid, Kontor
Tööaeg
Paindlik, 5/2
Kolimine
Võimalik
Tööreisid
Tööreisid on võimalikud