AI-разработчик (AI Developer) в SD Solutions Ташкент

Sales Doctor — IT-компания из Ташкента. Мы делаем три продукта для FMCG-

рынка: систему автоматизации дистрибуции, B2B-маркетплейс iBox и кассовую

систему idokon.

Ищем AI-разработчика, который будет проектировать, обучать и внедрять

модели в наши продукты: от компьютерного зрения (Computer Vision) до LLM-

сервисов на собственных данных. Это инженерная роль полного цикла — от

идеи и данных до модели в продакшене.

• Разрабатывать и обучать модели компьютерного зрения (Computer Vision):

  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 нашей

  инфраструктуре.

• Доводить модели до продакшена вместе с командой разработки: API,

  мониторинг качества, оптимизация скорости и стоимости.

1. Бэкграунд в AI или разработке. Профильное образование либо коммерческий опыт в ML/AI или программной разработке; уверенный Python.
2. Глубокое понимание AI. Вы понимаете, что такое AI и как он устроен изнутри: нейросети, обучение, функции потерь, оптимизация, метрики качества — а не только умеете вызывать готовые API. Page 1 of 2Вакансия: AI-разработчик (AI Developer)
3. Компьютерное зрение. Практический опыт с CV-задачами и инструментами (PyT orch или T ensorFlow, OpenCV , архитектуры CNN и ViT , модели семейства YOLO).
4. LLM. Опыт работы с большими языковыми моделями: архитектура трансформеров, fine-tuning, промпт-инжиниринг, оценка качества.
5. Собственные модели. Умение самостоятельно спроектировать многослойную нейросеть, обучить её на своих данных и довести до рабочего состояния.
6. Open-source модели. Опыт развёртывания и дообучения открытых моделей (экосистема Hugging Face, Llama, Mistral, Qwen и аналоги), включая локальный инференс.
7. 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.​​​​​​​​​​​​​​