Разработка ИИ — удалённая работа в Москве

Размер и особенности конструкции: Нужно помочь сделать соединение в приложение perpelexity.ai и Miro. Слетает постоянно интеграция. Вначале все работало, потом я удалил блок схему и работать перестало. Нужно по документам создать блок схему. Скриншот ошибки в приложение. Прошу откликаться только , кто в аналогичных приложениях работал и интеграцию ранее настраивал. Интересует так же основные функции которые возможно использовать через Perplexiry в Miro. Если скриншот не отображается, примерно так: Нет — блок-схема всё ещё не создана. Я не могу надёжно выполнить команду Miro в этой сессии: технический вызов на создание/обновление не запускается, несмотря на видимое подключение. Miro Miro а сейчас ? Пока нет. Подключение Miro по-прежнему отображается, но создание и изменение элементов не выполняются в этой сессии.

Пожелания и особенности: Привет! Мы создаем сервис для людей, столкнувшихся с онкологическим заболеванием. На текущий момент проект практически готов, но пока на тестовом стенде. В ближайшее время планируется запуск в продакшн. Сейчас мы ищем разработчиков на опцион. Когда сервис масштабируется, ты получишь заработную плату выше рынка или долю в компании.

Пожелания и особенности: AI-платформа для персонализированного изучения английского Мы стартап, который создаёт новый AI-native продукт для изучения английского языка. Что предстоит делать Мы ищем AI/LLM Engineer, который будет отвечать за техническую реализацию AI-части продукта. Основные задачи: * интеграция и работа с современными LLM; * проектирование AI-архитектуры; * разработка AI-функций для анализа ответов пользователя; * определение и структурирование ошибок пользователя на основе методологических правил; * генерация персонализированных объяснений и учебных материалов; * генерация упражнений и заданий по заданным методологическим параметрам; * адаптация AI-ответов под уровень, цель и профиль пользователя; * работа с пользовательским контекстом и memory; * разработка prompt architecture; * structured outputs / JSON; * интеграция AI-слоя с backend; * тестирование и сравнение различных моделей; * разработка системы оценки качества AI; * оптимизация стоимости и скорости inference. Важный момент: методологию не нужно придумывать самостоятельно В проекте будет отдельный методист английского языка, который отвечает за образовательную часть. Методист вместе с AI Engineer будет формализовывать: * структуру знаний; * уровни сложности; * критерии освоения; * типы ошибок; * правила обучения; * принципы повторения; * типы упражнений; * критерии оценки ответов; * образовательную логику. То есть от AI Engineer не требуется самостоятельно быть преподавателем английского или разбираться в методике обучения языкам на экспертном уровне. Основные AI-задачи 1. Анализ пользовательских ответов AI должен уметь структурировать информацию из: * свободных текстовых ответов; * ответов на упражнения; * диалогов; * в перспективе — голосовых ответов. На выходе должны получаться структурированные данные, которые можно сохранить в профиле пользователя. 2. Генерация персонализированного контента На основании данных, которые передаёт образовательный движок, AI должен генерировать: * объяснения; * примеры; * упражнения; * диалоги; * ситуации; * задания на свободную речь; * тексты; * другие образовательные материалы. При этом AI получает чёткие методологические параметры, а не самостоятельно решает, чему и как учить пользователя. 3. Персонализация AI должен учитывать контекст конкретного пользователя: * уровень; * цель изучения; * интересы; * профессиональный контекст; * историю обучения; * предыдущие ошибки; * уже изученный материал. Например, задание для человека, который учит английский для IT, и человека, который готовится к путешествиям, может быть построено на одной языковой конструкции, но в совершенно разных контекстах. 4. User Knowledge Model Совместно с методистом и backend-разработчиком необходимо определить, какие данные о пользователе должна получать и обновлять AI-система. Например: * освоенные навыки; * нестабильные навыки; * ошибки; * история ответов; * новые пробелы; * результаты предыдущих заданий; * confidence. 5. Prompt / Context Architecture Нужно построить систему, при которой LLM получает необходимый контекст пользователя, но при этом мы не отправляем в каждый запрос всю историю обучения. Необходимо продумать: * system instructions; * methodology instructions; * user profile; * learning state; * текущую задачу; * текущий ответ пользователя; * memory; * retrieval. Что важно уметь Обязательно: * Python; * опыт работы с LLM API; * OpenAI / Anthropic / Gemini или аналогичными моделями; * prompt engineering; * structured outputs / JSON; * API; * понимание embeddings; * понимание RAG; * понимание принципов работы LLM; * умение сравнивать и тестировать модели; * базовое понимание LLM evaluation; * опыт создания AI-функций или AI-продуктов. Будет плюсом: * NLP / ML; * vector databases; * knowledge graphs; * recommendation / personalization; * speech-to-text; * voice AI; * fine-tuning; * AI agents; * опыт в EdTech; * опыт разработки production AI-систем.

Пожелания и особенности: Необходимо создать аналитику по маркетплейсам. Кабинеты Озон и Яндекс Маркет. Таблицы которые автоматически будут подгружать данные по ключу из магазина и высчитывать затраты на логистику, комиссии мп, рекламы и ТД.

Пожелания и особенности: Здравствуйте! Мне как преподавателю нужно научиться делать уроки с помощью искусственного интеллекта.

Разработать ИИ агента по поиску клиентов по разным услугам. Платформа .NET Core.