ML/Backend Developer for Adaptive Russian-Language Educational Platform [Searching]

AI Engineer is needed in Russia.

We are developing an online educational platform called “Olympus” for social studies for students in grades 9-11. The platform guides users through adaptive learning: after an initial entrance test, the system selects tasks based on each student’s performance, provides feedback and recommendations, and identifies areas needing improvement. We are seeking a machine learning/back-end developer (Python, with experience using external LLMs) to design and implement a lightweight ML core for the service. The main tasks include evaluating test and written answers, providing scores and structured feedback, generating recommendations, and maintaining student knowledge profiles. Tasks also involve creating simple adaptive task delivery logic and supporting data labeling and metric tracking. The ideal candidate should have experience with FastAPI or Flask, integrating LLMs (like GPT or similar), and working with Russian-language data. You will need to ensure fast response times and work remotely under a standard freelance contract, with a project scope to be completed in around three months. Please provide a description of your relevant experience with ML/LLM/RAG/adaptive systems and previous Russian-language projects if applicable, and briefly outline the data formats you would recommend for expert annotation.

Budget range:
Small project ($750 – 1,500 USD)

Who are you, and what do you do?
Делаем онлайн-тренажёр «Олимпус» по обществознанию для школьников 9–11 классов.
Сценарий: ученик выбирает класс → проходит входной тест (~10 заданий) → дальше система адаптивно подбирает задания, ставит оценки 0–10, даёт разбор и рекомендации, иногда возвращает к более простым задачам для повторения. Нужен ML/Backend-разработчик (Python + внешняя LLM), который спроектирует и реализует лёгкое ML-ядро сервиса. Что нужно сделать Оценка ответов Проверка тестов (1 и несколько вариантов), кратких ответов, эссе. Выдача балла 0–10 и структурированного ответа (правильно/неправильно, по каким пунктам не дотянул). Обратная связь Для тестов: объяснение правильного варианта + по фразе, почему другие неверны. Для текстов: разбор по ключевым пунктам, рекомендация темы, при возможности — ссылка на литературу через простую RAG-схему. Профиль знаний Карта знаний по блокам обществознания (экономика, политика, право, соц. отношения, человек и общество и т.п.). Обновление профиля после каждого задания, выделение слабых тем. Адаптивная выдача заданий Простая rule-based/ELO-подобная логика: skill_level 1–10; правила повышения/понижения уровня (5 удачных/5 провальных задач); подмешивание более простых задач, учёт выбранной темы. Золотые данные и метрики Описать формат таблиц для разметки экспертами. Предложить минимальный объём золотых данных (ориентир 200–300 ответов). Реализовать расчёт MAE/RMSE и κ-Коэна, логирование версий модели. Технологии / ограничения Python 3.x, желательно опыт с FastAPI/Flask. Внешняя LLM (GPT-уровень или аналог) для оценок и генерации текста. Простая RAG-схема (векторный поиск или проще). Язык данных и интерфейсов — русский. Время ответа: тесты ≤ 2–3 с, тексты ≤ 10 с. Условия Формат: удалённо, договор ГПХ с юрлицом. Бюджет: 100 000 ₽ за весь объём. Срок: до 3 месяцев. Старт работ — ориентировочно февраль–март. Тестовое задание (короткое) В отклике кратко опишите: Формат двух таблиц для разметки экспертами: задания (ID, текст, тема, сложность, уровень олимпиады, эталонный ответ и т.п.); ученические ответы (ID задания, текст ответа, экспертный балл 0–10 и т.д.). Какой объём золотых данных вы бы взяли для MVP и почему. Что прислать в отклике Коротко о релевантном опыте (ML / LLM / RAG / адаптивные системы). Ссылки на GitHub/портфолио/проекты. Наличие опыта с русскоязычными задачами (плюс).

In what capacity are you hiring?
For a personal project

Where are you in the hiring process?
I will possibly make a paid hire

What type of work is this?
Single job

What experience level is needed?:
Beginner