Full-Stack AI Engineer

1. Технические (Hard Skills) Требования

Обязательно:

1. Глубокие знания в Machine Learning / Deep Learning:
   • Опыт работы с NLP (Natural Language Processing): понимание токенизации, векторных представлений слов (embeddings), архитектур трансформеров (BERT, GPT и их аналоги).
   • Практический опыт дообучения (fine-tuning) больших языковых моделей (LLM) под специфические задачи. Не просто использование API, а именно адаптация моделей.
   • Знание фреймворков: PyTorch, TensorFlow, Hugging Face.
2. Программирование и инженерия:
   • Язык: Python.
   • Навыки работы с базами данных: как реляционными (SQL для извлечения финансовых данных), так и векторными (Pinecone, ChromaDB и т.д.) для семантического поиска.
   • Понимание REST API для интеграции бота с вашей системой финансовой отчетности и другими сервисами.
   • Знание основ контейнеризации (Docker) и оркестрации (Kubernetes) для развертывания.
3. Инженерия данных (Data Engineering):
   • Умение проектировать и строить ETL/ELT процессы для сбора, очистки и структурирования финансовых данных из разных источников.
   • Понимание того, как качество данных влияет на качество модели.

2. Проектные и Бизнес-Требования (Soft Skills)

Обязательно:

1. Коммуникация:
   • Ключевой навык. Способность "переводить" с технического языка на язык бизнеса и обратно. Объяснять сложные модели менеджерам и клиентам.
   • Умение собирать требования у нетехнических стейкхолдеров (финансистов, менеджеров по продукту, клиентов).
2. Управление проектами:
   • Понимание Agile/Scrum методологий.
   • Способность разбивать большую задачу на итерационные этапы (например: сначала прототип для ответов на простые вопросы, затем аналитика, затем прогнозирование).
3. Безопасность и конфиденциальность:
   • Понимание критической важности защиты финансовых данных.
   • Знание принципов "Privacy by Design" и соответствующих регуляторных требований.

3. Бонусные (Желательные) Навыки

• Опыт работы с фреймворками для создания RAG-систем (Retrieval-Augmented Generation).
• Знание методов обеспечения доверия к AI (Explainable AI, XAI) — чтобы бот мог не только дать ответ, но и объяснить, на основе каких данных он его сделал.
• Бэкграунд в разработке чат-ботов или голосовых помощников.

Должность: AI/NLP Engineer/Developer

Опыт:

• 3+ лет в ML/NLP.
• 2+ проекта, связанных с разработкой чат-ботов или интеллектуальных ассистентов.
• Портфолио или описание реализованных проектов, где роль была ключевой.