AI-разработчик (Computer Vision, LLM)

Sales Doctor — IT-компания из Ташкента. Продукты для FMCG-рынка: система автоматизации дистрибуции, B2B-маркетплейс iBox и кассовая система idokon.

Ищем AI-разработчика, который будет проектировать, обучать и внедрять модели в продукты: от компьютерного зрения до LLM-сервисов на собственных данных. Инженерная роль полного цикла — от идеи и данных до модели в продакшене.

Чем предстоит заниматься:

• Разрабатывать и обучать модели компьютерного зрения: классификация, детекция, распознавание изображений.
• Строить сервисы на базе LLM: подбор модели, дообучение (fine-tuning), промпт-инжиниринг, оценка качества ответов.
• Настраивать RAG-пайплайны: подготовка и чанкинг данных, эмбеддинги, векторный поиск, контроль токенов и контекста.
• Проектировать собственные многослойные нейросети под задачи, где готовые модели не подходят.
• Разворачивать и адаптировать open-source модели на инфраструктуре компании.
• Доводить модели до продакшена вместе с командой разработки: API, мониторинг качества, оптимизация скорости и стоимости.

Требования:

• Бэкграунд в AI или разработке. Профильное образование либо коммерческий опыт в ML/AI или программной разработке; уверенный Python.
• Глубокое понимание AI: нейросети, обучение, функции потерь, оптимизация, метрики качества, а не только вызов готовых API.
• Компьютерное зрение: практический опыт с CV-задачами и инструментами (PyTorch или TensorFlow, OpenCV, архитектуры CNN и ViT, модели семейства YOLO).
• LLM: опыт работы с большими языковыми моделями — архитектура трансформеров, fine-tuning, промпт-инжиниринг, оценка качества.
• Собственные модели: умение самостоятельно спроектировать многослойную нейросеть, обучить её на своих данных и довести до рабочего состояния.
• Open-source модели: опыт развёртывания и дообучения открытых моделей (экосистема Hugging Face, Llama, Mistral, Qwen и аналоги), включая локальный инференс.
• RAG и токенизация: опыт построения RAG-систем — токенизация, чанкинг, эмбеддинги, векторные базы данных, управление контекстным окном.

Будет плюсом:

• Опыт вывода моделей в продакшен: Docker, Kubernetes, GPU-инференс, квантизация.
• Знание векторных баз (Qdrant, pgvector, Milvus) и фреймворков LangChain или LlamaIndex.
• Опыт построения AI-агентов и работы с tool calling.
• Опыт с данными на узбекском и русском языках.
• Портфолио: GitHub, Kaggle, публикации или работающие продукты.

Условия:

• Опыт работы: 3–6 лет.
• Занятость: полная.
• График: 5/2.
• Рабочие часы: 8.
• Формат работы: на месте работодателя, Ташкент.
• Оплата: по договорённости.