Мы ищем практикующего AI-инженера (Middle/senior), который разработает учебные материалы и запишет видеокурс «AI-инженер». Курс продвинутого уровня (не повторяет базу ML и DS, а учит выводить LLM-системы в продакшн).
Темы программы: ландшафт LLM и работа с API (OpenAI, Claude, Gemini, open-source), prompt engineering и structured outputs, RAG (эмбеддинги, векторные БД, hybrid retrieval, reranking, RAGAS), fine-tuning (LoRA/QLoRA), AI-агенты (LangGraph, мультиагентные системы, MCP), деплой и LLMOps (FastAPI, Docker, мониторинг, guardrails) и др.
Что предстоит делать
- Подготовить контент: сценарии видеолекций, идентичные письменные конспекты, практические задания с эталонными решениями, тесты по разделам
- Участие в записи видеолекций
- Разработать задания проектов и критерии их оценки, включая финальный сквозной/итоговый проект
- Согласовывать материалы с методистом платформы и вносить правки по итогам ревью.
Наши ожидания от кандидата
Обязательно
- Опытного кандидата (Middle/senior) от 3 лет коммерческого опыта в ML/DS/AI, из них не менее года работы с LLM в продакшн-системах
- Уверенный Python и опыт работы с API frontier-моделей (OpenAI, Anthropic, Google), structured outputs, function calling
- Практический опыт построения RAG-систем: LangChain или LlamaIndex, векторные БД (Chroma, pgvector, Pinecone), chunking, hybrid retrieval, reranking, оценка качества через RAGAS или аналоги
- Опыт разработки AI-агентов: tool use, LangGraph, знакомство с мультиагентными фреймворками (CrewAI, AutoGen) и протоколом MCP
- Опыт fine-tuning открытых моделей: LoRA/QLoRA, экосистема HuggingFace (PEFT, TRL)
- Опыт вывода AI-сервисов в продакшн: FastAPI, Docker, деплой, мониторинг, базовые guardrails
- Умение объяснять сложное просто: опыт преподавания, менторства, технических докладов или внутреннего обучения команд
- Грамотная устная и письменная речь на русском языке, чистая дикция
Будет плюсом
- Опыт записи онлайн-курсов, обучающих видео или скринкастов
- Публичное портфолио: GitHub, статьи (Habr и др.), выступления на конференциях, свой канал или блог
- Опыт проверки студенческих работ и код-ревью
- Понимание российского контекста: локальные модели, GigaChat/YandexGPT, ограничения доступа к зарубежным API
Условия
- Проектная работа по договору (самозанятость, ИП или ГПХ), полностью удалённо
- Гибкий график, совместимо с основной работой
- Оплата: фиксированный гонорар за объём контента (ставка за академический час или за раздел), обсуждается по итогам интервью и демо-записи. Возможна поэтапная оплата по мере сдачи разделов
