Junior ML-engineer, Ресей, келісім бойынша жалақы | arbihunter.com сайтындағы цифрлық, маркетинг және серіктестік мамандарының түйіндемелері

    Junior ML-engineer

    Келісім бойынша
    Ресей
    Толық
    Қашықтан жұмыс
    Жұмыс тәжірибесі
    1 жыл 4 ай
    Соңғы жұмыс орны

    SimbirSoft

    ML-engineer
    1 жыл 4 ай

    Өзің туралы

    Өзің туралы
    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

    Affiliate тәжірибесі

    Деректер жоқ

    Жұмыс тәжірибесі
    1 жыл 4 ай

    Сәуір 2025 - Шілде 2026
    (1 жыл 4 ай)
    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%

    Дағдылар

    ООП
    LlamaIndex
    LangChain
    Redis
    Qdrant
    Qwen
    TTS
    ASR
    Python
    Git
    API
    FastAPI
    PostgreSQL
    Pandas

    Тілдерді білу

    Орташа Ағылшын
    Ана тілі Орыс тілі

    Жұмыспен қамту

    Жұмыспен қамту
    Толық
    Жұмыс форматы
    Қашықтан жұмыс, Гибрид, Офис
    Жұмыс кестесі
    Икемді, 5/2
    Көшу
    Мүмкін
    Іссапарлар
    Іссапарлар мүмкін