Вакансия жөнүндө
Универсальная роль для развития AI-контура продукта: от обработки пользовательских запросов до формирования и визуализации результатов. Специалист будет работать с LLM, поиском, графовыми данными, ML-пайплайнами и производительностью сервисов.
Задачи
- Развивать AI-контур продукта: от обработки пользовательского запроса до финального ответа и визуализации результата
- Проектировать и улучшать retrieval/pipeline-логику для мульти-источников: Qdrant, MemGraph, PostgreSQL и нереляционных источников
- Развивать LLM-агентный контур Query Planner loop: классификация запросов, декомпозиция подзадач, tool-calls и оценка достаточности данных
- Работать с эмбеддингами, семантическим поиском и качеством выдачи: релевантностью, дедупликацией, фильтрацией и ранжированием
- Участвовать в оптимизации LLM-инференса, стоимости запросов и latency с использованием Qwen-семейства и LiteLLM-прокси
- Настраивать и улучшать data/ML pipeline для обработки документов, мультимодального контента и подготовки данных для поиска и графа
- Взаимодействовать с backend-командой, участвовать в проектировании контрактов и интеграций сервисов на базе FastAPI/WebSocket
- Участвовать в формировании технических решений по масштабированию и производительности, включая кэширование в Redis, нагрузку и стабильность
Требования
- Опыт работы в Data Science / ML Engineering от 2–5 лет, уровень Middle, Middle+ или Senior
- Уверенный Python и опыт production-разработки ML/DS-сервисов
- Практический опыт с LLM/NLP: промптинг, оркестрация вызовов, оценка качества ответов и оптимизация пайплайнов
- Опыт с векторным поиском и эмбеддингами, желательно с Qdrant или аналогичными Vector DB
- Понимание работы с графовыми и реляционными БД, включая MemGraph/Neo4j и PostgreSQL, в контексте AI-поиска и аналитики
Будет большим плюсом
- Опыт построения RAG/agentic систем в production
- Опыт оптимизации LLM-моделей и инфраструктуры инференса с учётом компромисса между latency, cost и quality
- Знание Redis-кэширования и подходов к session-aware caching
- Опыт с мультимодальными сценариями: текст, документы и медиа
- Опыт формализации контрактов между сервисами, включая gRPC, YAML и OpenAPI
Условия
- Удалённый формат работы
- Занятость full-time или part-time
- Оплата обсуждается: 1500–2000 в час в зависимости от уровня кандидата, также возможно обсуждение фиксированной оплаты
- Трудоустройство по ГПХ, через ИП или как самозанятый
- Обязательно подписание NDA и соблюдение высоких требований к конфиденциальности
- Гибкий удалённый формат работы
О компании и продукте
IMS предлагает работу над технологически сложным продуктом на стыке LLM, поиска и графовых данных. Специалист сможет влиять на архитектуру AI-части и ключевые технические решения.
Отклик
Для отклика свяжитесь с @Viki50562.