Описание
Описания нет
Задачи
•Разработка, обучение и оптимизация AI-агентов, нейронных сетей и LLM-решений
•Проектирование agentic workflow, multi-agent систем, tool calling и function calling
•Разработка RAG-систем: embeddings, semantic search, hybrid search, chunking, reranking, knowledge base
•Работа с локальными LLM-моделями: Llama, Mistral, Qwen
•Дообучение языковых моделей: fine-tuning, SFT, LoRA, QLoRA, PEFT, DPO, RLHF
•Подготовка, очистка и разметка данных для обучения и оценки моделей
•Применение Python и библиотек PyTorch, Transformers, NumPy, Pandas, Scikit-learn для создания и оптимизации моделей
•Использование LangGraph, LangChain, LlamaIndex, Hugging Face, vLLM, SGLang, Ollama, llama.cpp для NLP и AI-задач
•Работа с векторными базами данных: Qdrant, FAISS, Chroma, Milvus, Weaviate
•Развёртывание и оптимизация LLM inference, квантование моделей, работа с GPU/CUDA
•Создание API и сервисов для AI-решений с использованием FastAPI, Docker, Git
•Исследование и внедрение современных методов в области NLP, LLM, RAG и искусственного интеллекта
Требования
•Уверенное знание Python и основных библиотек для машинного обучения и анализа данных
•Опыт работы с PyTorch, Transformers, NumPy, Pandas, Scikit-learn
•Понимание принципов работы, обучения и оценки нейронных сетей и трансформерных моделей
•Знакомство с NLP, LLM, embeddings, tokenization, prompt engineering, RAG и semantic search
•Умение работать в команде, исследовать новые подходы и доводить ML-решения до внедрения
Будет плюсом
•Опыт работы с локальными LLM-моделями
•Умение работать с LangGraph, LangChain, LlamaIndex, Hugging Face, vLLM, SGLang, Ollama или llama.cpp
•Знакомство с vector databases: Qdrant, FAISS, Chroma, Milvus или Weaviate
•Опыт дообучения LLM: LoRA, QLoRA, PEFT, SFT, DPO
•Понимание принципов Docker, FastAPI, Git, Linux, GPU/CUDA и MLOps
Условия
•Стабильная работа в команде профессионалов
•Возможность работать над современными продуктами в области AI, LLM, RAG и агентных систем
•Возможности для профессионального роста и развития
