Программисты — удалённая работа в Москве

Задачи чат-бота: Сетевая настройка. Платформа: Telegram. Продукт: Просто. В данный момент при попытке запуска бота, на устройствах он запускается нестабильно, а так же отображает серый экран, необходимо произвести сетевую настройку веб-интерфейса, просто что бы он был доступен сам прод-писать нет необходимости, просто доступность двухстраничной HTML с быстрым откликом.

Разработка мобильных приложений. Разработка с нуля. Приложение: для Android, для iOS. Устройства для масштабирования: смартфоны, планшеты. Приложение типа чата ии с подключенными несколькими апи ведущих ии и спор между ними для выявления более точного ответа.

Разработка игр. Сделать проект под ключ, разработать игровую механику. Игра: для мобильных устройств. Игра: Разные. Жанр: шутер. Платформа: Unity. Графика: 3D. Быстро качественно мы должны понимать друг друга.

Разработка приложений для ПК. Разработка с нуля, тестирование, настройка. Пожелания и особенности: Русский язык, доступность с 10 до 00:00, если кроме моего проекта еще десяток то проходи мимо.

Задачи чат-бота: информирование клиентов, сбор информации. Продукт: Для себя. Техзадание есть.

Системное программирование. Настройка.

Пожелания и особенности: Здравствуйте. Ищу репетитора по deep learning и NLP для системной подготовки под конкретную цель. Сразу важное. Общий курс по Data Science мне не нужен. Нужна глубина в трансформерах, обучении моделей и математике под ними. О себе. Студент РЭУ им. Плеханова, выпуск 2027. Работаю AI-инженером на стажировке, занимаюсь LLM-агентами, RAG и дообучением трансформеров. Из проектов — агент поддержки банка на RuBERT с RAG на pgvector, собственный BPE-токенизатор и pretrain мини-Llama с нуля на русском корпусе, SFT поверх Qwen, агентская система с хакатона МТС на локальной модели. Всё лежит на github.com/ahiokk, в каждом README метрики и разбор граблей. Прошу посмотреть до первой встречи, так уровень будет понятнее. Где проблема. Практика ушла сильно вперёд теории. Я умею собрать и обучить, но плохо объясняю, почему оно устроено именно так, и часто подбираю параметры по чуйке, а не по пониманию. Что хочу закрыть. (Примеры) 1. Архитектура трансформера целиком. Attention и multi-head, позиционные кодировки, KV-кэш, зачем в современных LLM SwiGLU вместо ReLU и RMSNorm вместо LayerNorm. 2. Нормализация и стабильность обучения. BatchNorm против LayerNorm, pre-norm и post-norm, что происходит на инференсе. 3. Оптимизация. Градиенты и их затухание, learning rate и разогрев, инициализация весов, смешанная точность. 4. Дообучение. Полный файнтюн против LoRA, что реально происходит с весами, как выбирают ранг и alpha, катастрофическое забывание. 5. Математика под всё это. Линал, матан и теорвер в том объёме, чтобы выводить, а не запоминать. Список не финальный. Часть пробелов я, скорее всего, сам не вижу, поэтому и прошу внешнюю оценку. Что хочу от вас. Сначала диагностику. Прогоните меня по базе и скажите прямо, где уровень проседает. Дальше программу под цель, с домашками и спросом за них. Жёсткий формат подходит, к нагрузке готов! Цель. Позиция junior или middle AI-инженера в Сбере, направление NLP и LLM. Ориентируюсь за 10 месяцев. Организация. Онлайн, 1-2 раза в неделю по 1-2 часа. Напишите, пожалуйста, есть ли у вас собственный опыт работы с трансформерами и обучением моделей, стоимость занятия, наличие слотов и как проходит первое занятие.