AI Engineer

Senior Python / AI Developer #алматы

#FreedomHolding

#3п от 1,2 млн и выше

#tg @kzk888

Обязанности

- Разработка backend-сервисов на Python.

- Создание чат-ботов, AI-ассистентов и RAG-систем.

- Интеграция LLM-моделей через API и локальный inference.

- Работа с vLLM, Ollama, embeddings, vector search.

- Разработка API и микросервисов для AI-продуктов.

- Участие в проектировании архитектуры AI-решений.

Требования

- Опыт коммерческой разработки на Python от 6 лет.

- Опыт работы с FastAPI, Flask или Django.

- Понимание LLM, prompt engineering, embeddings, RAG.

- Практический опыт с vLLM и/или Ollama.

- Опыт разработки чат-ботов или AI-ассистентов.

- Опыт работы с PostgreSQL, Redis, Docker.

- Понимание REST API, микросервисов и интеграций.

- Опыт использования AI-инструментов для разработки и вайб-кодинга.

Мы предлагаем:

ДМС

Внешнее обучение

Компенсация за фитнес

Скидки, бонусы от компаний входящих в холдинг

• Определять источники данных для AI-решений: базы данных, документы, API, файловые хранилища, внешние системы и потоки обновлений;
• Проектировать модели данных: сущности и связи, версии, метаданные, lineage, права доступа и правила актуализации;
• Организовывать сбор и обработку данных из внешних источников: очистку, нормализацию, дедупликацию, классификацию и разметку;
• Формировать единое эталонное представление объекта (golden record) при объединении данных из нескольких источников;
• Подготавливать данные для поиска и RAG: chunking, embeddings, индексация, векторный и гибридный поиск;
• Настраивать retrieval и reranking, обеспечивать обновление индексов при изменении исходных данных;
• При необходимости готовить датасеты для обучения или дообучения моделей, если задача не решается с помощью RAG;
• Определять показатели качества данных и retrieval, организовывать их мониторинг: полнота, актуальность, precision/recall, latency и другие показатели;
• Взаимодействовать с LLM-инженерами, аналитиками и разработчиками при проектировании AI-решений.

НАШИ ОЖИДАНИЯ:

• От 4 лет опыта в Data Engineering, Data Platform, Data Architecture или смежной области;
• Уверенное знание SQL и реляционных баз данных;
• Опыт построения ETL/ELT-процессов и data pipelines;
• Опыт интеграции данных из различных источников: БД, API, файлов и внешних систем;
• Практический опыт проектирования моделей данных и работы с качеством данных, метаданными и версиями;
• Практический опыт подготовки данных для поиска, ML или LLM/RAG-систем;
• Понимание принципов chunking, embeddings, vector search и hybrid search;
• Опыт работы с векторными хранилищами или поисковыми системами;
• Умение самостоятельно разбираться в структуре и качестве новых источников данных.

БУДЕТ ПЛЮСОМ:

• Опыт разработки и эксплуатации RAG-систем в production;
• Опыт оптимизации retrieval и reranking;
• Python для обработки данных и разработки data pipelines;
• Kafka или другие системы потоковой обработки данных;
• Airflow или аналогичные инструменты оркестрации;
• PostgreSQL, ClickHouse, Elasticsearch/OpenSearch, векторные хранилища и аналогичные технологии;
• Опыт подготовки датасетов для supervised learning / fine-tuning;
• Понимание метрик оценки RAG: retrieval quality, groundedness, faithfulness, coverage.