Senior AI Automation Engineer - Knowledge Graphs & LLMs

Наш стек

• Языки: Python, Java, Node.js
• Графы и семантика: платформа Graphwise, включая GraphDB (нашу RDF базу данных графов), и связанные продукты, такие как Graph Modeling и Semantic Analytics
• LLM и RAG: LangChain/LlamaIndex, модели встраивания и архитектуры GraphRAG
• Поиск и извлечение: Elasticsearch/OpenSearch, Lucene и различные другие коннекторы векторных хранилищ
• Потоковая передача, хранение и прием данных: S3, Kafka для данных и PostgreSQL
• Автоматизация и доставка: n8n для автоматизации рабочих процессов (центральная роль), Jenkins для CI/CD, GitLab для управления версиями, Kubernetes и Docker для развертывания, Grafana и Prometheus для наблюдаемости

Что делает кандидата хорошим

• 4+ года опыта в бэкенд-разработке, инженерии данных или разработке программного обеспечения, с глубоким знанием Python и/или Node.js; опыт работы со статически типизированными языками, такими как Java, является плюсом, но не обязателен.
• Обширный опыт работы с инструментами автоматизации рабочих процессов, такими как n8n, Haystack, LangDock, Airflow или аналогичными, и твердое понимание проектирования API и интеграции внешних сервисов в сложные потоки данных.
• Подтвержденный опыт интеграции и развертывания систем на основе LLM (Azure AI, AWS Bedrock, Google Vertex, HuggingFace и т. д.) в производственную среду, включая промпт-инжиниринг, оценку (RAGAS, LLM-as-a-judge) и создание конвейеров LLM и ETL для приема и индексации данных.
• Не менее 1 года опыта работы с передовыми системами RAG (помимо стандартных RAG) в производственной среде (не учебные пособия или демонстрации).
• Полное профессиональное владение английским языком (наш основной рабочий язык).

Примечание: Практический опыт работы с графами знаний не требуется. Если вы знаете, как выпускать функции с интеграцией LLM и заниматься инженерией данных/программного обеспечения, мы сможем быстро обучить вас работе с графами.

Желательно

• Практический опыт работы с технологиями графов (например, RDF(S), GraphDB, Apache Jena, Blazegraph или аналогичными) и графовыми встраиваниями, или профессиональный опыт интеграции графов знаний с LLM.
• Опыт MLOps, включая CI/CD для ML, отслеживание экспериментов, версионирование моделей и производственный мониторинг.
• Знакомство с мультиагентными рабочими процессами и связанными с ними шаблонами оркестрации.
• Знакомство с событийными системами (например, Kafka/Redis).
• Опыт работы с распределенными системами и облачными платформами (AWS, GCP, Azure).
• Практический опыт работы с языками схем (RDFS/OWL, SHACL, JSON Schema и т. д.).
• Вклад в соответствующие проекты с открытым исходным кодом.

Что вы получите

• Возможность работать над передовыми проектами в области ИИ, графов знаний и корпоративных данных.
• Гибкие условия работы и здоровый баланс между работой и личной жизнью.
• Конкурентоспособная компенсация и возможности бонусных выплат по результатам работы.
• Дополнительное медицинское страхование и льготы по поддержанию благосостояния.
• Сотрудничество в международной среде с коллегами из Европы, Северной Америки и Азиатско-Тихоокеанского региона.
• Доступ к учебным ресурсам, инициативам по обмену знаниями и возможностям для непрерывного профессионального роста.
• Шанс работать бок о бок с ведущими экспертами в области семантических технологий и ИИ.
• Сбор команд, корпоративные мероприятия и возможности для общения за пределами повседневной работы.