MI/RAG mérnök

Stack

Feladatok

• ▹MI-keresőágensek építése (ReAct, tervezés, többágenses architektúrák), egyedi megvalósítással vagy keretrendszerekkel, például LangGraph, Dify vagy CrewAI
• ▹Végpontól végpontig terjedő RAG-pipeline-ok építése: adatbetöltés, chunkolás, embeddingek és hibrid vektorkeresés, lehetőleg OpenSearch használatával
• ▹Vektor- és hibrid indexek üzemeltetése és monitorozása éles környezetben (például OpenSearch)
• ▹Grounding és hivatkozás megvalósítása, hogy a generált válaszok a pontos forrásrészletekhez kapcsolódjanak
• ▹Kiértékelés automatizálása szintetikus kérdés-válasz párokkal, találati arány követésével és modell-kritikai ciklusokkal a pontosság folyamatos mérésére és az eltolódás (drift) észlelésére
• ▹Külső eszközök és tudásbázisok orkesztrálása, valamint a késleltetés és a költség monitorozása éles léptékben

Elvárások

• ▹Számítástechnikai, mesterséges intelligencia, gépi tanulási vagy kapcsolódó területen szerzett alap- vagy mesterdiploma
• ▹3+ év tapasztalat MI-rendszerek fejlesztésében, retrieval-augmented generation (RAG) fókusszal
• ▹Bizonyított tapasztalat végpontól végpontig terjedő RAG-pipeline-ok építésében és optimalizálásában
• ▹Tapasztalat MI-keresőágensek fejlesztésében ReAct, LangGraph, Dify vagy CrewAI keretrendszerekkel
• ▹Gyakorlati tapasztalat OpenSearch vagy hasonló vektorkereső technológiákkal
• ▹Python és releváns gépi tanulási keretrendszerek (például PyTorch, TensorFlow) ismerete
• ▹Az adatbetöltés, a chunkolás, az embeddingek és a hibrid vektorkeresés technikáinak mély ismerete
• ▹Tapasztalat éles környezetek monitorozásában és kezelésében
• ▹A grounding és hivatkozási technikák ismerete MI-generált tartalomban
• ▹Szintetikus kérdés-válasz adathalmazok és értékelési metrikák ismerete