GenAI-Engineer

Должность: GenAI-Engineer Местоположение: 3 локации

Местоположение: Бенгалуру Местоположение: Мумбаи Местоположение: Гургаон Занятость: Полный рабочий день Работать в компании, где люди искренне ВЕРЯТ в то, что они делают, — это здорово! Мы стремимся привнести страсть и ориентацию на клиента в наш бизнес. 5-8 лет опыта работы в качестве Data Scientist с глубокими знаниями в GenAI, NLP/LLM технологиях. Кандидат должен иметь практический опыт создания ML-моделей, а также обучения и тонкой настройки больших языковых моделей с нуля. Эта роль требует сильного технического образования в области машинного обучения, глубокого обучения и практического опыта работы с современными AI-фреймворками. Обязанности: Разрабатывать, проектировать и внедрять передовые решения с использованием больших языковых моделей (LLM). Полностью брать на себя ответственность за инициативы, предоставляя комплексные решения с минимальным контролем. Быть в курсе последних достижений в области генеративного ИИ, LLM, RAG-систем и прикладных исследований. Создавать и поддерживать повторно используемые библиотеки кода, инструменты и фреймворки для ускорения разработки ИИ. Участвовать в код-ревью для обеспечения высококачественных, поддерживаемых и масштабируемых решений. Участвовать во всем жизненном цикле разработки программного обеспечения — проектирование, внедрение, тестирование, развертывание и поддержка. Сотрудничать с кросс-функциональными командами для согласования ИИ-решений с бизнес-целями, интеграции вкладов в основные системы и влияния на дорожные карты. Применять сильные аналитические навыки и навыки решения проблем для проектирования эффективных решений сложных бизнес-задач. Эффективно общаться с техническими и нетехническими командами, обеспечивая прозрачность и согласованность. Нести ответственность за влияние ИИ-решений на бизнес, включая принятие, точность, задержку и экономическую эффективность. Преобразовывать неопределенные бизнес-задачи в структурированные подходы к ИИ-решениям и измеримые результаты. Управлять метриками успеха решений (например, прирост производительности, процент автоматизации, точность принятия решений). Напрямую взаимодействовать с бизнес- и техническими заинтересованными сторонами для понимания требований, представления решений и влияния на принятие решений. Четко доносить архитектуру решений и компромиссы как до технической, так и до нетехнической аудитории. Участвовать в обсуждениях с клиентами, PoC и разработке предложений. Проектировать масштабируемые, модульные и производственные ИИ-системы (API, конвейеры, слои оркестрации). Определять архитектурные шаблоны для LLM-приложений (RAG-конвейеры, агентные рабочие процессы, гибридные системы). Принимать решения о компромиссах между задержкой, стоимостью, точностью и удобством поддержки. Создавать повторно используемые ускорители, фреймворки и компоненты, которые могут использоваться для различных сценариев и клиентов. Вносить вклад в создание внутренней интеллектуальной собственности (активы, шаблоны, эталонные архитектуры). Обеспечивать надежность и устойчивость LLM-систем с помощью фреймворков оценки, средств защиты и стратегий отката. Проектировать безопасные и ответственные ИИ-системы (снижение галлюцинаций, обработка предвзятости, управление). Оптимизировать компромиссы между стоимостью и производительностью в крупномасштабных развертываниях. Определять, когда НЕ следует использовать LLM, и предлагать альтернативные подходы. Участвовать в код-ревью, дизайн-ревью и наставничестве младших членов команды. Продвигать стандарты качества и лучшие практики в рамках проектов. Быть в курсе достижений в области GenAI и проактивно оценивать их применимость к бизнес-задачам. Участвовать во внутреннем обмене знаниями, обучении и развитии компетенций. Обязательные навыки: Generative AI & NLP: SaaS-based LLMs: LangChain, LlamaIndex, векторные базы данных, prompt engineering (CoT, ReAct, agents), Azure OpenAI function calling, мультимодальные модели. Open-Source и SaaS LLMs: Azure OpenAI, Claude Opus 4.6, GPT-3.5 Turbo, GPT-4 и т. д. Минимум один агентный фреймворк Generative AI: CrewAI, AutoGen, LangGraph, n8n, LangFlow, SmolAgents, Semantic Kernel. Продвинутые Retrieval-Augmented Generation (RAG) системы: гибридный поиск, поиск на основе графа знаний, multi-hop RAG, иерархические/контекстные стратегии поиска, оценка/мониторинг RAG-конвейеров. Классический NLP: классификация текстов, тематическое моделирование, Q&A системы, разговорный ИИ/чат-боты, поиск, Document AI, суммаризация, генерация контента и Named Entity Recognition (NER). Экосистема Databricks: Databricks Genie, Databricks AI/BI, AgentBricks. MS Copilot Studio и знания в области no-code/low-code разработки приложений. MCP server, инструменты, навыки и создание и поддержка повторно используемых компонентов. Если вам нравится бурный рост и работа с счастливыми, восторженными и успешными людьми, вам понравится ваша карьера у нас! Не подходит? Сообщите нам, что вы заинтересованы в будущей возможности, нажав «Представиться» в правом верхнем углу страницы, или создайте учетную запись, чтобы получать уведомления по электронной почте о новых вакансиях, соответствующих вашим интересам!