Junior ML-engineer w Rosja, wynagrodzenie do negocjacji | CV specjalistów ds. cyfrowych, marketingu i afiliacji w serwisie arbihunter.com

    Junior ML-engineer

    Do negocjacji
    Rosja
    Pełny etat
    Zdalnie
    Doświadczenie zawodowe
    1 rok 4 miesiące
    Ostatnie doświadczenie zawodowe

    SimbirSoft

    ML-engineer
    1 rok 4 miesiące

    O mnie

    O mnie
    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

    Doświadczenie afiliacyjne

    Brak danych

    Doświadczenie zawodowe
    1 rok 4 miesiące

    Kwiecień 2025 - Lipiec 2026
    (1 rok 4 miesiące)
    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%

    Umiejętności

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

    Znajomość języków

    Średniozaawansowany Angielski
    Ojczysty Rosyjski

    Typ zatrudnienia

    Typ zatrudnienia
    Pełny etat
    Tryb pracy
    Zdalnie, Hybrydowo, Biuro
    Grafik pracy
    Elastyczny, 5/2
    Relokacja
    Możliwa
    Wyjazdy służbowe
    Możliwe wyjazdy służbowe