Разработка и поддерживание приложений на базе больших языковых моделей (LLM) и машинного обучения (ML); Создание ассистентов и агентов для автоматизации коммуникаций и работы с данными; Разработка и внедрение RAG (Retrieval-Augmented Generation) системы для работы с внутренней базой знаний (документы, базы данных, мануалы).
Требования
Опыт коммерческой разработки на Python или Node.js; Глубокое понимание экосистемы современных LLM (OpenAI GPT, Anthropic Claude, OpenSource модели like LLaMA/Mistral) и их сильных и слабых сторон (контекстное окно, стоимость, задержка, склонность к галлюцинациям); Продвинутый опыт работы с фреймворком LangChain для создания сложных цепочек (Chains) и агентов (Agents); Уверенное владение SQL и опыт работы с реляционными базами данных PostgreSQL; Опыт работы с векторными базами данных (Vector Databases) для RAG; Понимание принципов разработки и работы с API (REST, GraphQL); Умение работать с системами контроля версий (Git); Будет плюсом: Опыт развертывания и управления ML-пайплайнами (MLOps): Docker, Kubernetes.
Базовые знания классического Machine Learning (scikit-learn) и библиотек для работы с данными (pandas, numpy).
Понимание принципов разработки промптов (Prompt Engineering) и их оптимизации.
Знание обработки естественного языка (NLP).
Сильные аналитические навыки: умение работать с данными, верифицировать результаты работы моделей.
Коммуникабельность: способность понятно объяснять сложные концепции команде и заказчикам.