Контактна інформація

Отримати контакти цього кандидата можна на сторінці https://www.work.ua/resumes/19985788/

Досвід роботи

AI Data Annotator / Evaluator

з 01.2023 по 11.2025 (2 роки 11 місяців)
Appen (IT)

Знання і навички

• Швидко вчуся
• Аналітичне мислення
• Самостійність
• Критичне мислення
• Комунікабельність

Додаткова інформація

AI Data Annotator / Evaluator, AI & LLM Specialist

Що я можу для вас робити:

створювати чат-ботів та AI-асистентів;

інтегрувати LLM через API у сервіси, сайти та робочі процеси;

створювати RAG-рішення та AI-асистентів на основі власних документів і баз знань;

встановлювати, розгортати та налаштовувати локальні LLM;

підбирати моделі під конкретне обладнання, бюджет і задачу;

готувати датасети та навчати LoRA під конкретний продукт, стиль, персонажа або предметну область;

створювати та редагувати графіку за допомогою AI: логотипи, ілюстрації, рекламні матеріали, концепти та візуальний контент;

генерувати й обробляти відео, анімувати статичні зображення та готувати матеріали для подальшого монтажу;

використовувати AI для верстки документів, презентацій, звітів, інструкцій та інших матеріалів;

автоматизувати багатокрокові робочі процеси з використанням LLM, API та зовнішніх сервісів;

налаштовувати агентні сценарії для роботи з комп’ютером, браузером, файлами та програмами;

працювати з GitHub за допомогою AI: аналізувати репозиторії, код і документацію, працювати з issues та pull requests;

виконувати пошук, збір, аналіз, перевірку та систематизацію великих обсягів інформації;

використовувати AI для OSINT, фактчекінгу та дослідницьких задач;
аналізувати документи, таблиці, PDF, зображення, код та інші типи даних;
готувати тексти, переклади, інструкції, мануали й технічну документацію;
будувати складні багатокрокові AI-workflow із використанням кількох моделей та інструментів;

тестувати й порівнювати AI-моделі, оцінювати якість результатів та підбирати оптимальне рішення під конкретну задачу.

__________
Практичний досвід роботи з системами штучного інтелекту, великими мовними моделями (LLM) та генеративними AI-інструментами:

* розмітка, категоризація та верифікація даних для навчання й удосконалення AI-моделей;

* оцінювання якості відповідей моделей, перевірка відповідності заданим критеріям, фактчекінг, виявлення помилок, галюцинацій і логічних невідповідностей;

* робота з хмарними та локальними LLM, порівняння моделей і підбір оптимальних рішень під конкретні задачі;

* розгортання, налаштування та використання локальних AI-моделей і відповідного програмного середовища;

* підготовка датасетів, навчання та fine-tuning LoRA для мовних і генеративних графічних моделей, тестування моделей, чекпойнтів та адаптерів;

* поглиблений промптинг: побудова складних багатоетапних запитів і системних інструкцій, керування контекстом, structured output, ітеративне уточнення та контроль якості результату;

* робота з API мовних і генеративних моделей, інтеграція AI-сервісів у прикладні робочі процеси;

* створення AI-автоматизацій, зв’язування моделей із зовнішніми сервісами, локальним середовищем та іншими програмними інструментами;

* робота з генеративною графікою: використання різних AI-моделей та спеціалізованих інструментів для генерації зображень, ілюстрацій, концептів і візуальних матеріалів, створення логотипів та елементів дизайну, редагування й трансформації готових зображень, inpainting/outpainting, заміни та видалення об’єктів, стилізації, покращення якості й підготовки графіки до подальшої верстки;

* створення та обробка відео за допомогою генеративного AI: генерація відеофрагментів, анімація статичних зображень, створення й редагування візуальних матеріалів та їх подальша підготовка до монтажу;

* практичне застосування AI у комплексних задачах: дослідження та аналіз інформації, робота з великими обсягами даних і файлів, підготовка й трансформація контенту, переклади, технічна документація, верстка документів і матеріалів, а також вирішення нестандартних багатокрокових задач із комбінуванням різних моделей та інструментів;

* побудова та тестування AI-орієнтованих робочих процесів: інтеграція моделей через API, взаємодія із зовнішніми сервісами та локальним середовищем, автоматизація послідовностей дій, використання агентних можливостей та керування комп’ютером за допомогою AI;

* постійне тестування нових моделей, AI-платформ та експериментальних функцій, оцінювання їх можливостей і обмежень та підбір оптимального набору інструментів під конкретну практичну задачу.