Widok CV
Junior ML-engineer
Do negocjacji
Rosja
Pełny etatZdalnie
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 zawodowe1 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