Data Scientist (NLP / LLM)

Вместе с нами тебе предстоит:

• Разработка и развитие моделей матчинга вакансий и резюме (семантический поиск, ранжирование, скоринг кандидатов по релевантности и качеству).
• ​Построение NLP‑пайплайнов: извлечение сущностей из вакансий и резюме, нормализация навыков, кластеризация профессий/ролей.
• ​Проектирование и проведение экспериментов (A/B‑тесты, оффлайн‑эксперименты) для оценки влияния моделей на конверсию: просмотр → отклик → оффер.
• ​Совместно с продуктом и разработчиками — интеграция моделей в сервисы подбора (API, UX‑требования, latency/стоимость инференса, мониторинг деградации).
• ​Поддержка и улучшение существующих моделей: переобучение на новых данных, борьба с дрейфом, оптимизация скорости и стоимости (CPU/GPU).
• ​Исследование и внедрение LLM/RAG для интеллектуального ассистента рекрутера: генерация резюме/откликов, автоподбор кандидатов, ответы на вопросы по базе вакансий.

• Опыт работы в DS/ML от 2–3 лет, решённых боевых задач в проде.
• ​Уверенный Python для продакшн‑кода, хорошее владение SQL.
• ​Понимание классического ML (classification, ranking, clustering, anomaly detection), метрик (ROC‑AUC, PR‑AUC, F1, NDCG).
• ​Уверенный опыт в NLP: обработка русскоязычного текста, эмбеддинги, text classification, similarity search.
• ​Опыт анализа данных и A/B‑экспериментов, умение формулировать и проверять гипотезы.
• Понимание и обязательна практика работы с LLM и RAG: выбор моделей, дообучение/инструкционное дообучение, построение пайплайнов поиска по базе знаний.

• Языки: Python 3.x, SQL (PostgreSQL/Greenplum/ClickHouse).
• ML/DL: scikit‑learn, LightGBM/CatBoost/XGBoost, PyTorch (желательно).
• ​NLP/LLM: transformers, sentence‑transformers, HuggingFace, fastText/word2vec; RAG‑фреймворки (LangChain, LlamaIndex – плюс).