Задачи:
• Владение архитектурой и поставкой сервисов прогнозирования, ранжирования и рекомендаций.
• Проектирование воспроизводимых рабочих процессов обучения, оценки, мониторинга и переобучения.
• Перевод целей продукта в измеримые задачи машинного обучения, эксперименты и релизы.
Требования:
• Более 5 лет профессионального опыта в разработке программного обеспечения или машинного обучения с производственными системами.
• Продвинутые знания Python и SQL; сильные навыки в статистике, экспериментах и оценке моделей.
• Опыт работы с оркестрацией, контейнерами, облачной инфраструктурой, наблюдаемостью и CI/CD.
• Умение отлаживать ошибки данных и моделей.
• Опыт в прогнозировании, ранжировании, рекомендациях, оптимизации или другой прикладной области машинного обучения.
• Владение английским языком для технической документации и межфункционального взаимодействия.
Ipotekabank — банк в Узбекистане, входящий в международную финансовую OTP Group, специализирующийся на ипотечном и розничном кредитовании.
Вакансии:
- Principal QA Engineer (AI Engineering)
- Senior QA Engineer
- Senior QA специалист
Офис в Ташкенте.
ОфисseniorТашкент
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Responsibilities:
• Design multi-agent systems and integrate LLMs with internal tools
• Develop backend APIs, RAG pipelines, and tool/function calling
• Build computer vision pipelines for detection, tracking, and re-identification
• Optimize real-time video and GPU inference
Requirements:
• Node.js/Express.js and Python
• LLM APIs, prompt engineering, RAG, tool calling, or agent frameworks
• Docker, Linux, and Git
• PyTorch and OpenCV
• Object detection and multi-object tracking (YOLO, ByteTrack/BoT-SORT)
• Person re-identification, vector search, and video streaming (RTSP)
Задачи:
— Design and build AI/ML-powered features and systems
— Work with LLMs, APIs, and model integrations
— Develop and optimize AI pipelines for real-world use cases
— Collaborate with product and engineering teams
— Turn complex AI ideas into scalable production features
Требования:
— Strong experience with Python and AI/ML frameworks
— Hands-on experience with LLMs (OpenAI, LangChain, etc.)
— Understanding of model integration, prompting, or fine-tuning
— Experience with APIs and backend systems
— Strong problem-solving mindset and startup experience
Задачи:
— Проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы и автономных AI-агентов (планирование, function calling, мультиагентная оркестрация)
— Дообучение и адаптация: SFT/RLHF/DPO, LoRA/QLoRA под бизнес-задачи; решать, когда нужно дообучение, а когда достаточно промпт-инжиниринга или RAG
— Поддерживать культуру качества: внедрять продуктовые и ML-метрики (RAGAS, DeepEval, LLM-as-a-Judge), автоматизировать регрессионное тестирование
— Писать чистый, документированный и тестируемый python-код, проектировать API-контракты для ML-компонент
— Участвовать в код-ревью, формировать технические стандарты команды, работать напрямую с продуктом и стейкхолдерами
Требования:
— Опыт в DL/NLP от 4 лет, включая обучение и дообучение моделей на PyTorch, из них не менее года практического опыта с LLM
— Практический опыт построения AI-агентов и LLM-пайплайнов с использованием LangChain/LangGraph
— Глубокое понимание архитектуры современных LLM: attention, MoE, RoPE, KV-cache, методы alignment (RLHF/DPO), принципы эффективного инференса
— Сильная инженерная культура: Python (asyncio, pydantic, fastapi), чистый тестируемый код (pytest), асинхронные микросервисы; понимание Docker/K8s, CI/CD для ML
— Оценка и мониторинг: уверенное владение инструментами LLMOps (Arize, LangSmith, W&B, Phoenix), опыт создания кастомных eval-пайплайнов
— Работа с данными: опыт предобработки сложных данных для датасетов, знание SQL