Applied AI Engineer

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Applied AI Engineer в Different — маркетинговую систему для B2B. Задача — строить агентов, evals и модельные системы, превращающие современные LLM в надёжный production-продукт.

Задачи

• Строить многошаговые агентные workflow с использованием инструментов, превращающие цель маркетолога в конкретные действия
• Улучшать качество генерируемого контента: рекламы, писем, лендингов
• Определять критерии качества, измерять их и использовать результаты для улучшения системы
• Проектировать контекст и память модели: что нужно знать на каждом шаге, что запоминать, что извлекать по запросу
• Использовать правки маркетологов, фидбек и результаты кампаний для улучшения будущих решений
• Определять, когда системе стоит пробовать новое, а когда придерживаться работающего
• Выбирать, маршрутизировать и при необходимости дообучать модели, балансируя качество, latency и стоимость

Требования

• Сильные основы ML и опыт работы с современными LLM за пределами прототипа
• Хорошие навыки software engineering, приоритет на production-надёжность
• Умение доводить идею от статьи до эксперимента и production-кода
• Здравый смысл в оценке, какие новые техники стоят усилий
• Релевантный опыт: агенты, tool use, long-horizon reasoning
• Опыт с LLM evals и LLM-as-judge
• Опыт с генеративными контент-системами
• Опыт с RAG, context engineering или memory
• Опыт fine-tuning, post-training или distillation
• Опыт с contextual bandits, reinforcement learning или online learning
• Опыт с рекомендательными или explore/exploit системами
• Опыт с model routing и оптимизацией инференса
• Бэкграунд в computer science, machine learning, статистике или смежной количественной области (MS/PhD полезен, но не обязателен)

Условия

• Full-time
• 5 дней в неделю в офисе
• San Francisco Bay Area
• Инвесторы: General Catalyst и Lightspeed
• Опыт в маркетинге или рекламе не требуется

Навыки

• LLM
• Agents
• Tool use
• Evals
• LLM-as-judge
• RAG
• Context engineering
• Fine-tuning
• Post-training
• Distillation
• Contextual bandits
• Reinforcement learning
• Online learning
• Recommendation systems
• Model routing
• Inference optimization
• Machine Learning
• Software Engineering