Pavago
Full-Stack AI Engineer
- Удалённо
- Afghanistan, Albania, Algeria, Andorra, Angola, Anguilla, Antarctica, Antigua and Barbuda, Argentina, Armenia, Aruba, Austria, Azerbaijan, Bahamas, Bahrain, Barbados, Belarus, Belgium, Belize, Benin, Bermuda, Bolivia, Bonaire, Sint Eustatius and Saba, Bosnia and Herzegovina, Botswana, Bouvet Island,
- Полная занятость
- вчера
Мы ищем опытного Full-Stack AI Инженера для разработки и внедрения масштабируемых AI-решений от прототипа до продакшена. Вы будете объединять навыки full-stack разработки с практической экспертизой в машинном обучении и работе с LLM.
О позиции
Роль требует глубоких знаний как в разработке приложений, так и в развертывании AI/ML систем. Вы создадите AI-интерфейсы, построите API для инференса моделей, разработаете ETL-пайплайны и обеспечите MLOps-практики для производства данных. Идеальный кандидат может быстро переходить от идеи к работающему продукту, мыслит категориями масштабируемости, производительности и стоимости.
Условия
- Работа над реальными AI-продуктами с прямым бизнес-влиянием
- Возможность работать с передовыми технологиями: LLM, RAG, векторные базы данных
- Гибкий удалённый формат с часовым поясом США
- Коллаборация с сильной инженерной и product-командой
- Возможность быстрого перехода от прототипа к продакшену
Навыки
- Python
- JavaScript
- TypeScript
- React
- Next.js
- Vue
- Node.js
- FastAPI
- Flask
- PyTorch
- TensorFlow
- OpenAI
- Hugging Face
- Docker
- Kubernetes
- AWS
- GCP
- Azure
- SQL
- CI/CD
- RAG
- MLOps
- Machine Learning
- LLM
- Vector Database
- ETL
- Airflow
- Prefect
- Dagster
- Microservices
- RESTful API
Сложность отбора
Высокая сложность — требуется сочетание полного стека разработки, экспертизы по ML/AI, навыков MLOps и облачной инфраструктуры
Оценка JobPathЗарплата по рынку
600 000 – 1 400 000 ₽ в месяц
Оценка для Senior уровня (3+ years) в IT-секторе РФ; диапазон соответствует рынку для Full-Stack AI Engineers с LLM/RAG экспертизой
Оценка JobPath по рынку, не предложение работодателяМогут спросить на собеседовании
- Как вы проектировали систему с интеграцией LLM в production-среде?
- Опишите, как вы строили RAG-пайплайн и какие векторные базы использовали.
- Как вы оптимизируете стоимость и задержку инференса при масштабировании?
- Какой подход вы выбирали для оркестрации ML-пайплайнов в прошлом проекте?
- Опишите вашу архитектуру для разделения front-end и back-end в AI-приложении.
Прорепетировать это собеседование
Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.
Начать бесплатноСохрани похожие вакансии
Новые вакансии с такой должностью будут собираться в кабинете.
Сохранить фильтр