Aperçu du CV
Junior ML-engineer
À négocier
Russie
Temps pleinTélétravail
Expérience professionnelle
1 an 4 mois
Dernier emploi
SimbirSoft
ML-engineer
1 an 4 mois
À propos de vous
À propos de vous
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
Expérience en affiliation
Aucune donnée disponible
Expérience professionnelle1 an 4 mois
Avril 2025 - Juillet 2026
(1 an 4 mois)
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%
Compétences
ООП
LlamaIndex
LangChain
Redis
Qdrant
Qwen
TTS
ASR
Python
Git
API
FastAPI
PostgreSQL
Pandas
Maîtrise des langues
Intermédiaire Anglais
Natif Russe
Type d’emploi
Type d’emploi
Temps plein
Format de travail
Télétravail, Hybride, Présentiel
Horaires de travail
Flexible, 5/2
Relocalisation
Possible
Déplacements professionnels
Déplacements possibles