DevKG
Войти
Вакансии

Компания не проверена

Прежде чем отправлять документы или идти на собеседование, поищите отзывы о работодателе.

ОбразованиеУчитель

MUGALIM

IIT-ADISОпубликовано 13 ноября
Место работы
Манас
Открыта до
13 декабря 2026 г.

от 20 000 до 70 000 KGS

  • Формат работыВ офисе
  • ОпытБез опыта
  • КомпанияIT-ADIS
Войдите, чтобы увидеть контакты

Ментор должен уверенно владеть языком, чтобы проверять код, сгенерированный ИИ, исправлять галлюцинации нейросетей и объяснять логику: Основы и продвинутый Python: Типы данных, функции, ООП (объектно-ориентированное программирование), работа с асинхронностью (asyncio). Работа с данными и API: Парсинг, запросы к сторонним сервисам (requests, httpx), интеграция REST API. Бэкенд-фреймворки (по выбору): FastAPI или Django/Flask для быстрого создания серверной логики. Базы данных: SQL (PostgreSQL, SQLite) и работа через ORM (SQLAlchemy, Prisma, Django ORM).

Требования

  • Поскольку фокус смещается с ручного написания каждой строчки на управление ИИ, ментор должен сам активно применять современные практики:
  • Владение инструментами: Работа в VS Code, использование продвинутых ИИ-редакторов (Cursor) или расширений (Cline, Continue), умение настраивать модели через OpenRouter или прямые API.
  • Промптинг для кода: Умение составить четкий контекст, системный промпт (system instructions), разбивать большую задачу на мелкие итеративные шаги для ИИ.
  • Рефакторинг и дебаггинг с ИИ: Как правильно попросить нейросеть найти баг, проанализировать логи ошибки и оптимизировать архитектуру.
  • Контроль качества: Понимание того, что ИИ ошибается, и умение проводить Code Review сгенерированного кода, проверять его на уязвимости и утечки памяти.

Задачи

  • Практикум через реальные проекты: Учить не на абстрактных задачках, а на создании полноценных приложений (веб-сервисы, боты, автоматизация) с нуля до деплоя.
  • Обучение декомпозиции: Показать, как превратить большую идею в понятные для ИИ задачи (сначала спроектировать базу данных, потом описать эндпоинты, затем подключить фронтенд).
  • Разбор кейсов с ошибками ИИ: Разбирать ситуации, когда нейросеть «зациклилась» или выдала нерабочий код, и учить ученика выправлять ситуацию.
  • Менторский контроль: Проверка архитектурных решений, чтобы код не превращался в нечитаемый «спагетти-код», который сгенерировал ИИ.

Условия

  • Введение в экосистему: Настройка среды (VS Code, Cursor, Git), подключение ИИ-ассистентов.
  • Базовый Python + AI-помощник: Изучение синтаксиса на практике с помощью ИИ как интерактивного репетитора.
  • Создание MVP ( Minimum Viable Product): Быстрая разработка реального проекта (например, Telegram-бота или API на FastAPI) за счет правильных промптов и итераций.
  • Деплой и поддержка: Публикация проекта на сервере (Render, Vercel) с помощью ИИ-инструкций.