Python и текстовые данныеСамостоятельно строит воспроизводимый pipeline нормализации, split и контроля дублей/утечек между train и test.
Embeddings и классическое NLPСравнивает sparse и dense представления на фиксированной задаче поиска/классификации, анализирует ошибки по классам/языку.
Transformers и LLMСамостоятельно применяет fine-tuning/PEFT или structured prompting под задачу, фиксирует шаблон prompt и параметры генерации.
Оценка качества и safetyСоставляет eval-набор с типовыми и негативными примерами, измеряет качество по задаче и фиксирует hallucination/unsafe-ответы.
RAG и поискСамостоятельно настраивает chunking, metadata-фильтры и retrieval; проверяет, что ответ опирается на найденный источник.
Production и наблюдаемостьУпаковывает inference с версиями модели/prompt, timeout, rate limit и журналированием без сохранения чувствительного текста.
Интеграция с продуктомСамостоятельно описывает контракт, состояния loading/error и fallback для NLP-фичи.