Задачи:
— Проектировать и развивать LLM/AI-системы и AI-агентов;
— Строить многошаговые agentic workflows: routing, tool calling, state management;
— Работать с Prompt Engineering и Context Engineering;
— Управлять контекстом, памятью и состоянием диалога;
— Реализовывать structured output и function/tool calling;
— Строить RAG-пайплайны: chunking, embeddings, retrieval, reranking;
— Интегрировать LLM с API, базами данных и внутренними сервисами;
— Разрабатывать backend-сервисы на Go и AI-компоненты на Python;
— Исследовать новые модели и подходы, быстро проверять гипотезы;
— Выбирать модели с учетом качества, latency и стоимости;
— Строить систему оценки качества: evals, regression tests, golden datasets, LLM-as-a-judge;
— Анализировать логи и traces, улучшать качество и стабильность агентов;
— Реализовывать retries, fallbacks, timeouts и обработку ошибок;
— Доводить решения от прототипа до стабильного production.
Требования:
Go:
— production-сервисы;
— REST/gRPC API;
— concurrency;
— работа с БД;
— микросервисная архитектура.
Python:
— AI-сервисы и backend;
— async;
— API;
— обработка данных;
— быстрое прототипирование.
Также важно:
— Практический опыт разработки production-приложений с LLM;
— Понимание архитектуры современных AI-систем: prompt → context → tools → agent → state → evaluation;
— Опыт Prompt Engineering: system prompts, few-shot, prompt chaining, structured output;
— Опыт Context Engineering: memory, summarization, динамическая сборка контекста;
— Опыт создания AI-агентов и agentic workflows;
— Работа с LLM API и понимание особенностей разных моделей;
— Понимание RAG: embeddings, vector search, retrieval, reranking, hybrid search;
— Понимание evals, regression testing и анализа production-логов;
— Опыт с PostgreSQL, MongoDB, Redis, Docker, Git, CI/CD;
— Понимание production-подходов: observability, scalability, latency, retries, fallbacks и контроль стоимости.
Будет плюсом:
— Multi-agent системы;
— LangGraph;
— MCP;
— Langfuse / LangSmith;
— Elasticsearch / OpenSearch;
— Open-source LLM: Qwen, Llama, DeepSeek и др.;
— vLLM / Ollama;
— Kafka / RabbitMQ;
— Kubernetes;
— Оптимизация token usage, latency и стоимости LLM;
— Guardrails и защита от prompt injection;
— Highload-системы.
Ищем инженера, который воспринимает LLM не как простой API, а как компонент большой production-системы. Важно уметь проектировать всю логику вокруг модели: какие данные передать в контекст, какого агента или инструмент вызвать, как проверить результат, обработать ошибку и определить следующий шаг. Ищем software engineer с сильной AI/LLM-экспертизой, который умеет не только написать хороший промпт, но и довести всю систему до стабильного production-решения.
Задачи:
— Обучение и наставничество в области искусственного интеллекта с нуля.
— Помощь в освоении технологий Machine Learning и Deep Learning.
Требования:
— Желание обучать и поддерживать начинающего специалиста.
— Знания и опыт в области AI, Machine Learning, Deep Learning.
Условия:
— Работа с учеником 16 лет, студентом.
— Гибкий график, возможность связи 24/7.
— Оплата в диапазоне 30-50 долларов.
Контакт для связи: +998 91 107 21 06, Telegram: https://t.me/Azamxon2106
Нужны видео от первого лица в формате POV для обучения искусственного интеллекта. Общая сумма часов видео — 50 000 часов.
Подходящие видео:
Бытовые процессы:
— действия, выполняемые дома, на даче, в гараже, подсобном помещении или на улице;
— примеры: уборка, приготовление еды, сортировка вещей, организация шкафов и хранения, уход за обувью и одеждой, обслуживание бытовой техники, мытье окон, работа с домашними инструментами, мелкий ремонт, уход за территорией, другие повседневные действия руками;
— важно избегать большого количества одинаковых роликов, лучше разнообразить процессы по смыслу, предметам, условиям или способу выполнения;
— примеры разнообразия: разбирать шкаф с одеждой, посудой, инструментами; складывать полотенца разного размера; мыть окна разного размера; использовать разные средства и инструменты для уборки; применять разные последовательности действий;
— не нужно снимать одно и то же действие многократно одинаковым способом.
Коммерческие процессы:
— ручная работа на предприятиях, производствах, складах, в магазинах, мастерских, сервисах и других организациях;
— примеры: сборка изделий, упаковка продукции, сборка коробок, сортировка, комплектация заказов, обработка деталей, шлифовка, работа на производственных линиях, подготовка материалов, работа с инструментами и оборудованием, другие производственные операции;
— допускается длительная потоковая съемка с последующим разделением видео на логические части;
— важны изменения в процессе: другое положение детали, изменение материала, исправления, дополнительные операции, нестандартные ситуации;
— видео продолжительностью более 20 минут рекомендуется снимать по предварительной договоренности.
Продолжительность видео:
— для бытовых процессов рекомендуется снимать ролики от 1 до 20 минут;
— такой формат упрощает съемку, загрузку, проверку, разделение процессов, снижает ошибки и позволяет быстрее оценить соответствие материала требованиям;
— не нужно искусственно растягивать видео, если задача заканчивается раньше, главное — полезный и понятный процесс.
400 – 400 ₽
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.