AI/ML Engineer — повышение качества RAG-агентов@ СберСпасибо
О позиции
В команде СберСпасибо открыта вакансия AI/ML Engineer, который будет заниматься повышением качества RAG-агентов. Эта роль включает в себя работу по трем направлениям: поиск по технической документации, нормативной базе и бухгалтерской документации. Вы будете заниматься промпт-инжинирингом и контекст-инжинирингом для всех агентов команды.
Чем вы будете заниматься
- Повышение качества RAG-агентов через A/B-тестирование промптов и моделей.
- Подготовка эталонных наборов оценки качества и реализация LLM-as-a-judge.
- Настройка защит для production-агентов, включая фильтры от инъекций в промпт и валидацию выходов.
- Тюнинг качества по сигналам обратной связи пользователей и трассировкам из Langfuse.
- Работа с фреймворками оценки, такими как Ragas и DeepEval.
Требования
- Опыт работы с Python от 2 лет в коммерческой разработке.
- Практический опыт RAG-систем в продакшене: эмбеддинги, векторные базы (Qdrant, FAISS или pgvector).
- Опыт построения и поддержки RAG-решений от начала до конца.
- Знания в области оценки качества LLM-систем и работы с агентскими протоколами.
- Опыт работы с одним LLM-фреймворком, например, LangChain или OpenAI API.
Будет плюсом
- Опыт работы с SQL и реляционными базами данных на базовом уровне.
- Знания в области защиты от утечек персональных данных.
Что мы предлагаем
- Конкурентная зарплата в диапазоне 300 000 - 500 000 ₽ в месяц.
- Работа в команде профессионалов в области AI и ML.
- Возможности для профессионального роста и развития.
- Доступ к современным технологиям и инструментам.
- ДМС и другие социальные гарантии.
Вакансия предлагает интересные задачи в области AI и ML, с хорошими условиями работы и конкурентной зарплатой. Однако, отсутствует информация о компании и ее репутации.
Кто здесь добьётся успеха
Глубокое понимание Python и опыт работы с библиотеками для машинного обучения, такими как TensorFlow и PyTorch, для разработки и оптимизации RAG-агентов.
Способность к аналитическому мышлению и проведению A/B-тестирования для оценки качества и производительности моделей, что критично для повышения качества RAG-агентов.
Опыт работы с SQL для анализа больших объемов данных и извлечения полезной информации, что поможет в контекст-инжиниринге и поддержке решений на основе данных.
Ресурсы для обучения
Карьерный путь
Обзор рынка
Навыки и требования
Тренды отрасли
Новости FinTech
Загружаем новости отрасли...
Ищем релевантные статьи за последние 6 месяцев