Java Ծրագրավորող (AI / GenAI)

Միջին մակարդակի Java ծրագրավորող SberSpasibo-ի համար, Մոսկվայի գրասենյակ։ Միկրոծառայությունների մշակում Java 17+-ով, RAG խողովակաշարերի և բազմագործակալ համակարգերի կառուցում LangChain/LangGraph-ի միջոցով։

Ինչ կանեք՝ - Միկրոծառայությունների ճարտարապետության նախագծում և մշակում Java 17+-ով՝ օգտագործելով Spring Boot (MVC, Data JPA, Security) - Retrieval-Augmented Generation (RAG) խողովակաշարերի կառուցում՝ սկսած տվյալների վերլուծությունից մինչև embedding ինդեքսավորում - Qdrant վեկտորային տվյալների բազաների մշակում և աջակցություն՝ շարդինգի սխեմաների նախագծում, հիբրիդային որոնման կարգավորում (BM25 + Dense Vectors), վեկտորային հարցումների օպտիմիզացում - Բազմագործակալ համակարգերի ստեղծում՝ հիմնված LangChain/LangGraph-ի վրա՝ բիզնես գործընթացների ավտոմատացման համար (դասակարգում, սուբյեկտների հայտնաբերում, որոշումների կայացում) - Խորը prompt engineering՝ զրոյից prompt-երի գրում տարբեր օգտագործման դեպքերի համար, Few-shot, Chain-of-Thought (CoT), կառուցվածքային ելք (JSON mode) - Մոդելի իմաստաբանության վրիպազերծում՝ պատասխանների էնտրոպիայի նվազեցում, փոփոխականության կառավարում մեկնաբանման պարամետրերի միջոցով (temperature, top_p, penalties), ինքնաբուժման մեխանիզմների ներդրում արտաքին LLM մատակարարների դեգրադացիայի համար - PostgreSQL արտադրողականության օպտիմիզացում՝ բարդ SQL հարցումների կարգավորում, ինդեքսների հետ աշխատանք (B-tree, GIN/GIST, trigrams), գործարքների մեկուսացման նախագծում - Հաշվարկների տեղափոխում կոնտեյներային միջավայր՝ Docker, Kubernetes (Helm), հուսալի CI/CD խողովակաշարերի կառուցում GitLab CI/Jenkins-ում

Ինչ ենք ակնկալում՝ - Ուժեղ Java 17+ գիտելիք, բազմաթելայնության հասկացողություն (CompletableFuture, virtual threads Project Loom-ը առավելություն է) - Spring փաթեթի փորձագիտական մակարդակ՝ bean կյանքի ցիկլի խորը հասկացողություն, AOP, տվյալների բազայի միացումների և անվտանգության պարամետրերի ճշգրտում - Փորձ PostgreSQL-ում ռելացիոն մոդելների նախագծման, EXPLAIN ANALYZE կարդալու ունակություն, կողպեքների հետ աշխատանք, արդյունավետ միգրացիաների գրում (Liquibase/Flyway) - Գործնական փորձ վեկտորային DBMS (Qdrant) կամ Weaviate/Pinecone/Milvus հետ։ Հեռավորության չափումների հասկացողություն (Cosine Similarity, Dot Product, Euclidean Distance) - Փորձ LangChain և/կամ LangGraph գրադարանների հետ։ Վիճակային գրաֆներ կառուցելու և արտաքին գործիքներ ինտեգրելու ունակություն (tool calling) - Prompt Engineering հմտություններ և LLM վարքագծի կառավարում առանց մոդելի քաշը փոխելու - Փորձ Docker-ի և Kubernetes-ի հետ (manifests, Helm charts)։ Վստահ Linux shell օգտագործող - CI/CD գործընթացներ (GitLab CI կամ Jenkins)՝ կառուցում Maven/Gradle-ով, թեստային ծածկույթ (JUnit 5, Testcontainers), ստատիկ կոդի վերլուծություն

Լրիվ դրույքով աշխատանք, գրասենյակային ձևաչափ Մոսկվայում։