LLM-инженерия

Как стать AI/LLM-инженером: программа и вопросы на собеседовании

Обновлено 5 мин чтения 10 уроков 131 вопрос ~1 ч теории
Коротко

AI/LLM-инженер встраивает большие языковые модели в продукт: поиск по документам (RAG), агенты с инструментами, структурированный вывод. Модели с нуля он обычно не обучает, а применяет и измеряет качество. Путь короче всего из бэкенда: Python, API и базы у вас уже есть, остаётся LLM-часть. Ниже программа по модулям и частые вопросы с собесов.

Содержание
  1. Коротко
  2. Кому и зачем
  3. Программа по модулям
  4. Частые вопросы с собесов
  5. Тест уровня
  6. Профессии
  7. Как ИИ меняет собеседования
  8. Частые вопросы

Кому и зачем

  • Бэкендерам: та же инженерия, плюс модель, векторный поиск и оценка ответов
  • ML-специалистам: как довести модель до сервиса с метриками, стоимостью и защитой
  • Продактам: понять, что LLM умеют и где ошибаются, до того как обещать фичу

Программа по модулям

Короткий урок на каждый модуль и вопросы на закрепление. Нажмите на модуль, чтобы открыть урок.

Частые вопросы на собеседовании

Самые частые вопросы этого направления. У каждого ответ с разбором и тренировка.

Тест уровня

20 вопросов за 10 минут без регистрации. Вердикт junior, middle или senior.

Профессии, где это нужно

Как ИИ меняет собеседования

  • Всё чаще спрашивают, как вы работаете с ИИ-ассистентом и как проверяете его код. Разбор таких вопросов в уроке ИИ на собеседовании.
  • На live coding ценят ход мысли вслух. Ассистент обычно выключен или разрешён явно, решать нужно самому.
  • Вместо длинного тестового задания чаще просят разобрать или доработать код при интервьюере: так видно, кто писал.
  • На system design появляются вопросы про ИИ-фичи: RAG, задержка, стоимость запроса, что делать, если модель ошиблась.

Частые вопросы

С чего начать путь в AI-инженеры?
С крепкого Python и бэкенда. Затем устройство LLM, промптинг и структурированный вывод, эмбеддинги и RAG, агенты, оценка качества. Порядок модулей ниже такой же.
Чем AI-инженер отличается от ML-инженера?
ML-инженер чаще обучает и выводит в прод свои модели. AI-инженер строит приложения поверх готовых LLM: RAG, агенты, оценка, стоимость и безопасность.
Что спрашивают на собеседовании LLM-инженера?
Как устроен трансформер и KV-кеш, чем RAG лучше дообучения и наоборот, как оценить качество ответов, как защититься от промпт-инъекций, как снизить задержку и стоимость. Плюс обычный Python и system design.
Нужна ли математика?
Для старта хватит понимания эмбеддингов, вероятностей и метрик. Глубже математика нужна, если идёте в обучение моделей: это направление ML и данные.

Начните: Стать AI/LLM-инженером

Все уроки бесплатно. План соберётся под профессию, вопросы и билеты откроются по мере изучения.

Другие направления ИИ