Заголовок: (Старший) специалист по машинному обучению (LLM и агенты)
Местоположение: Тайбэй, Тайвань
О компании Appier
Appier — это компания, предоставляющая услуги программного обеспечения как услуги (SaaS), которая использует искусственный интеллект (ИИ) для принятия бизнес-решений. Основанная в 2012 году с целью демократизации ИИ, Appier стремится превратить ИИ в рентабельность инвестиций, делая программное обеспечение интеллектуальным. В настоящее время Appier имеет 17 офисов в Азиатско-Тихоокеанском регионе, Европе и США и котируется на Токийской фондовой бирже (тикер: 4180). Посетите www.appier.com для получения дополнительной информации.
О роли
Мы ищем специалиста по машинному обучению (LLM и агенты) для присоединения к команде Enterprise Solution Science. Эта команда специализируется на применении передовых технологий машинного обучения к реальным маркетинговым задачам путем объединения их с омниканальными данными о клиентах. В этой роли вы будете полностью отвечать за функции агентов — от определения и проектирования проблемы до внедрения, измерения и повышения качества в производственной среде.
Что вы будете делать
Вы будете участвовать в проектировании, разработке и производстве одного или нескольких корпоративных ИИ-агентов, включая:
- Маркетинговый агент: Предоставляет маркетологам возможности для повышения коэффициента конверсии и стимулирования роста доходов.
- Стратегический агент: Преобразует необработанные данные в действенные, способствующие росту доходов стратегии и сегменты аудитории с высоким потенциалом.
- Агент анализа данных: Отвечает на бизнес-вопросы, планируя многоэтапный анализ и запуская SQL-запросы к большим наборам данных клиентов, при этом каждое число может быть отслежено до запроса, который его создал.
- Агент по продажам и обслуживанию: Способствует конверсии продаж, увеличению среднего заказа (AOV) и углублению вовлеченности бренда и лояльности клиентов посредством круглосуточной поддержки на основе ИИ в режиме реального времени.
- Создание функций агентов в виде повторно используемых навыков и инструментов MCP, а также проектирование интерфейсов инструментов, которые агенты используют правильно и эффективно.
- Интеграция предиктивных моделей (например, склонность, отток, рекомендации) в рабочие процессы агентов и предложения следующих действий.
- Создание системы оценки — тестовые наборы, LLM-как-судья, просмотр производственных трассировок — и ее использование для принятия решений о том, что выпускать.
- Сделать агентов быстрее и дешевле без потери качества ответов за счет управления контекстом, кэширования и выбора модели.
- Написание проектных документов, разбивка работы на проверяемые PR-запросы и проверка кода коллег.
- Тесное сотрудничество с менеджерами по продуктам, инженерами и QA от планирования до выпуска.
Что мы ищем (Минимальные требования)
- Степень бакалавра или выше в области компьютерных наук, машинного обучения, статистики или смежной области.
- 2+ года опыта работы в области машинного обучения или разработки программного обеспечения.
- Создал как минимум одно приложение LLM или агент с нуля — на работе, в исследованиях или в качестве личного проекта — и может объяснить, как его качество оценивалось и улучшалось.
- Практический опыт разработки с использованием MCP и навыков агентов (инструменты, инструкции и справочные файлы, которые агент загружает по запросу).
- Практический опыт работы с как минимум одним фреймворком для агентов (среда выполнения, которая управляет циклом агента, включая вызовы моделей, инструменты и контекст), например, Claude Agent SDK, OpenAI Codex или Google ADK — и понимание того, как фреймворк, дизайн инструментов и контекст формируют поведение агента.
- Способность проектировать оценку для недетерминированных выходных данных LLM, включая тестовые наборы, метрики и ограничения LLM-как-судьи.
- Глубокие знания SQL и способность рассуждать о данных: умение писать и проверять аналитические запросы и определять, когда результат неверен.
- Способность профилировать и снижать сквозную задержку и стоимость агента — например, меньшее количество раундов вызовов модели, лучший дизайн инструментов, кэширование, выбор модели — без снижения качества ответов.
- Написание кода на Python производственного качества с тестами.
- AI-native разработка: ежедневная работа с кодирующими агентами, которые читают кодовую базу, запускают тесты и самостоятельно итерируют, в то время как вы определяете область действия и проверяете различия. Способность объяснять и исправлять то, что произвел агент.
- Четкая письменная коммуникация в проектных документах и описаниях PR-запросов.
Предпочтительные квалификации
- Успешно выпущенное приложение LLM или агент для реальных пользователей в производственной среде.
- Опыт работы с кодирующими агентами с большей автономией — позволяя им выполнять целые функции от начала до конца в установленных вами рамках или создавать конвейеры, где агенты создают, тестируют и выпускают, а люди проектируют систему.
- Память агента: сохранение и извлечение контекста пользователя или задачи между сессиями.
- Петли обратной связи: преобразование отзывов пользователей и производственных трассировок в улучшенные навыки, инструменты или подсказки с проверкой человеком.
- Инженерия контекста: прогрессивное раскрытие, управление контекстом для длинных многоповоротных сессий, кэширование подсказок.
- Легкие модели принятия решений (например, Jev) для маршрутизации, классификации намерений или кэширования.
- Механизмы защиты и верификации для агентов, которые работают с корпоративными данными.
- Опыт в предиктивном моделировании, сегментации или проектировании экспериментов; понимание корреляции и причинно-следственных связей.
- Опыт работы с Databricks или Spark; инструменты для наблюдения за LLM (например, Langfuse).
- Степень магистра или доктора наук.
- Опыт работы в сфере MarTech и страсть к созданию клиентоориентированных продуктов.
