Адаптируем резюме под ATS-фильтры, подготовим сопроводительное на основе резюме и вакансии, соберём гайд подготовки к собеседованию, найдём контакты HR и нанимающих
Мы — команда технологической бизнес-единицы X5, которая делает доставку продуктов быстрой, удобной и понятной для миллионов клиентов. Мы отвечаем за весь путь заказа — от мобильного приложения и цифровых сервисов до сборки и доставки — и каждый день создаём решения, которые помогают людям экономить время и получать нужные товары из «Пятёрочки», «Перекрёстка» и «Чижика» проще и быстрее.
Если тебе важно видеть реальный результат своей работы, влиять на продукт с миллионами пользователей и расти рядом с сильными коллегами — присоединяйся 😉
Ищем специалиста, которому комфортно и обучать бустинг, и проектировать LLM-пайплайны, оценивать их качество и доводить решения до промышленного использования.
Классический ML и прогнозирование. Разрабатывать и валидировать модели на табличных и операционных данных, анализировать факторы, прогнозировать отток и находить точки роста бизнес-метрик.
Персонализация. Разрабатывать модели для персонализированных предложений и акций, оценивать эффект решений с помощью A/B-тестов.
LLM и автоматизация. Разрабатывать решения для обработки обращений контакт-центра, в том числе с использованием расширенного контекста и корпоративных данных.
RAG и LLM-агенты. Участвовать в создании RAG-пайплайнов: чанкинг, эмбеддинги, ретриверы, реранкеры. Разрабатывать агентов с function calling и интеграциями с внутренними системами.
Оценка качества. Формировать датасеты для оценки, выбирать метрики для классических моделей и генеративных решений, использовать подходы вроде Hit Rate, MRR, Faithfulness и LLM-as-a-Judge.
Вывод в продакшн. Упаковывать модели в сервисы, интегрировать их с внутренними системами, работать с API, логированием и мониторингом совместно с командой.
R&D и прототипирование. Быстро проверять гипотезы, создавать MVP и оценивать их практическую ценность для бизнеса.
Опыт работы в Data Science / Machine Learning от 2 лет.
Опыт хотя бы одного реального проекта с LLM: RAG, агенты, классификация или извлечение информации. Важно, чтобы решение вышло за рамки экспериментов в ноутбуке.
Уверенные знания классического ML: feature engineering, валидация моделей, работа с дисбалансом классов, интерпретация результатов.
Понимание статистики и A/B-тестирования: проверка гипотез, статистическая мощность, типичные ошибки дизайна экспериментов.
Уверенный Python, умение писать чистый и поддерживаемый код, знание SQL.
Практический опыт работы с LLM, эмбеддингами и векторными базами данных.
Понимание принципов работы трансформеров и навыки промпт-инжиниринга.
Опыт хотя бы с одним LLM-фреймворком, например LangChain, LlamaIndex или LangGraph.
Базовые инженерные навыки: Linux, Git, Docker, понимание устройства API.
Умение самостоятельно уточнять бизнес-задачу, предлагать метрики и объяснять результаты понятным языком.
Опыт решения задач удержания, uplift-моделирования, survival-анализа или персонализации.
Опыт в логистике, e-commerce или работы с операционными данными.
Fine-tuning LLM: LoRA, QLoRA, PEFT; работа с open-source-моделями и квантизацией.
Опыт оркестрации пайплайнов с Airflow или Prefect.
Знакомство с MLOps, MLflow и мониторингом дрейфа моделей.
Будьте осторожны: если работодатель просит войти через Google, iCloud или Госуслуги, прислать код или пароль, запустить ПО или перевести деньги — это мошенники.
ЖмитеГайд по безопасности
