ФУНКЦІОНАЛЬНІ ОБОВ’ЯЗКИ
• займатися розробкою та впровадженням GenAI рішень:
- розробляти системи автоматичної обробки документів;
- реалізовувати knowledge retrieval sysytems з використанням RAG підходів;
- впроваджувати LLM-based automation;
• будувати end-to-end рішення:
- реалізовувати повний цикл — від ідеї та прототипу до production;
- інтегрувати рішення з внутрішніми системами та API;
• працювати з LLM:
- виконувати prompt engineering;
- здійснювати fine-tuning/optimization (за потреби);
- забезпечувати контроль якості та стабільності відповідей;
• займатися розробкою та оптимізацією RAG систем;
• обробляти неструктуровані дані:
- виконувати парсинг документів (PDF, таблиці, текст);
- здійснювати витягування та структуризацію даних;
• будувати ML/LLM пайплайни:
- забезпечувати їх масштабованість і підтримуваність;
- враховувати latency та cost.
ВИМОГИ ДО КАНДИДАТІВ
- сильна база в класичному ML та NLP;
- розуміння принципів роботи LLM та практичний досвід їх використання;
- досвід роботи з LLM: fine-tuning/post-fine-tuning;
- розуміння RAG: базовий досвід побудови RAG-систем;
- впевнене володіння Python та фреймворками для deep learning (наприклад, PyTorch);
- LLM/GenAI: OpenAI, Anthropic, Hugging Face;
- LLM orchestration: LangChain, LlamaIndex або аналоги;
- Vector DB: Pinecone, Chroma або аналоги;
- Досвід із базами даних: SQL, NoSQL;
- базове знання Azure для деплойменту АІ рішень.