AI Developer (Автоиндустрия)

Описание вакансии

Мы – команда развития AI в направлении автокредитования и сопутствующих сервисов пользования автомобилем.

Продукт новый и сейчас активно развивается. Мы находимся на этапе активного роста: от экспериментов с первыми AI-решениями до масштабирования их на реальные клиентские сценарии. У нас уже есть первые внедрения, работающие связки с LLM и обратная связь от пользователей, но архитектура, технологический стек и стратегия развития во многом формируются сейчас.

Работа ведётся под руководством AI Tech Lead, который отвечает за архитектуру, стандарты и развитие инженерной экспертизы.

Это позиция для разработчика, который хочет углубиться в инженерную часть AI‑систем — от кодирования агентов и RAG до анализа и оценок LLM‑решений.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры.

ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Что предстоит делать:

разрабатывать и поддерживать сервисы и агентов на Python
проектировать и реализовывать RAG‑системы, работать с векторными базами данных
контролировать техническое качество AI-решений
разрабатывать и внедрять методики оценки RAG-систем и AI-агентов
участвовать в написании тестов, тестировании, код-ревью, развивать инженерную культуру, стандарты и экспертизу внутри команды.

Мы ждём, что у тебя есть:

практический опыт Python разработки (FastAPI, Flask, asyncio).
навыки работы с RAG системами и векторными БД (Qdrant, ChromaDB, FAISS).
опыт взаимодействия с реляционными базами (MySQL, PostgreSQL).
понимание принципов работы LLM агентов и подходов к их оценке.
базовое понимание Docker и Kubernetes.
умение работать в команде и следовать инженерным стандартам.

Будет преимуществом:

опыт работы ML-инженером / Data Scientist / Backend-разработчиком
интеграция сервисов через gRPC
опыт работы с OCR
опыт использования Prometheus и Grafana
опыт локального запуска LLM и open-source моделей
знание SOTA-моделей (ASR, TTS, мультимодальные модели)
опыт построения RAG с продвинутыми стратегиями retrieval (reranking, гибридный поиск, chunking)
опыт работы с open source LLM и локальными моделями.