#вакансия #fulltime #vacancy
**AI/ML-специалист в YaizY
Кто мы**
YaizY – образовательная платформа, которая помогает школьникам осваивать навыки 21 века и готовиться к цифровым профессиям будущего. Мы создаём курсы по программированию, анимации, game design, мультимедиа и другим востребованным направлениям.
Мы работаем на рынке США, предлагаем более 30 курсов в 8 карьерных треках, сотрудничаем со 100+ школами в 18 штатах. Через наши продукты прошли более 25 000 учеников.
Сейчас мы запускаем новый продукт с нуля для нового рынка – AI Math Tutor. Это персональный AI-репетитор по математике для школьников, который адаптируется к уровню ученика, выявляет пробелы в знаниях и ведёт через объяснения, практику и проверку до уверенного владения темой. Мы создаём продукт, способный заменить классического репетитора по математике.
Что предстоит делать
Вы будете отвечать за всё, что связано с AI-логикой продукта — от промптов до аналитики учебного поведения.
AI Math Tutor — браузерное веб-приложение с рабочим пространством (задача + whiteboard + AI-чат), где ученик решает задачи, а AI-тьютор в реальном времени анализирует решение, диагностирует ошибки и ведёт ученика к правильному ответу через многоуровневую систему подсказок. Детали:
- Проектирование и итеративная отладка промптов для AI-тьютора: проверка решений, диагностика ошибок, генерация педагогического фидбека
- Построение pipeline проверки ответов: распознавание рукописных решений с whiteboard (скриншот → AI → структурированная оценка)
- Разработка многоуровневой системы подсказок: от намёка до полного разбора, в духе сократического метода
- Классификация ошибок учеников: определение типа (знак, формула, операция, логика, пропущенный шаг) и генерация точного объяснения
- Проектирование маршрутизации запросов между моделями: выбор оптимальной модели под задачу (проверка ответа, генерация фидбека, анализ решения) с учётом стоимости, скорости и качества
- Построение RAG-pipeline для работы с учебными материалами: теория, правила, примеры задач — AI-тьютор должен подтягивать релевантный контент под конкретную тему и ошибку ученика
- Проектирование графа знаний: маппинг зависимостей между математическими концепциями (какие темы являются предпосылками для других, как связаны типы ошибок с пробелами в конкретных навыках)
- Настройка и оптимизация работы с OpenAI API: Assistants / Responses API, Structured Outputs, file search для теоретических материалов
Стек
- AI: OpenAI Responses API / Assistants API, Structured Outputs, file search — основной провайдер на этапе MVP. В дальнейшем рассматриваем переход на альтернативные модели или развёртывание собственной модели, включая маршрутизацию запросов между несколькими моделями
- Валидация: Zod (серверная проверка AI-ответов)
- Математика: math.js (детерминированная проверка числовых ответов)
- Backend: Node.js + Fastify, WebSocket (Socket.io) — на уровне взаимодействия с AI-сервисами
- БД: PostgreSQL (попытки, прогресс, паттерны ошибок), Redis (сессии, контекст чата)
Стек может корректироваться. Если у вас есть аргументы в пользу другого решения, мы открыты к предложениям.
Требования
- Полная занятость, удалённая работа
- Практический опыт промпт-инжиниринга для продуктовых задач и итеративная отладка промптов с измеримым результатом
- Опыт интеграции LLM в продукт (OpenAI API, Anthropic или аналоги): стриминг, structured outputs, обработка ошибок, fallback-стратегии
- Понимание, как работают LLM на уровне, достаточном для принятия архитектурных решений: контекстное окно, токены, температура, function calling
- Опыт работы с несколькими моделями и понимание их сильных/слабых сторон для маршрутизации задач между ними
- Умение проектировать pipeline обработки данных с участием AI (вход → предобработка → AI → валидация → результат)
Будет решающим преимуществом
- Опыт с OpenAI Assistants / Responses API, file search, Structured Outputs
- Опыт построения RAG-систем или агентных сценариев в продакшене
- Опыт построения графов знаний или работы с онтологиями предметных областей
- Опыт развёртывания и файнтюнинга open-source моделей
- Навыки анализа данных: умение строить метрики
