Мы ищем опытного
Data Scientista с исследовательским подходом и практическим интересом к AI для работы над централизованной корпоративной платформой управления AI-инновациями.
Чем предстоит заниматься:
- Разрабатывать генеративные AI-модели и PoC для задач товарного каталога и контента.
- Проектировать архитектуру AI-агентов: управлять состоянием диалога и контекстом, настраивать tool calling, уровни автономности и сценарии human-in-the-loop.
- Подбирать ML-подходы и алгоритмы под конкретные бизнес-задачи, проводить эксперименты и интерпретировать результаты.
- Разрабатывать офлайн- и онлайн-метрики качества, проектировать A/B-тесты, оценивать бизнес-эффект решений.
- Строить LLM Evals: проверять релевантность, качество и безопасность ответов, контролировать галлюцинации и отслеживать поведение системы.
- Организовывать мониторинг качества данных, дрейфа моделей и ключевых продуктовых метрик в production.
- Развивать agentic workflows и, при необходимости, multi-agent-системы.
- Оценивать стоимость, задержки и масштабируемость LLM-решений; оптимизировать inference и работу с GPU-инфраструктурой.
- Писать поддерживаемый production-код: с модульной архитектурой, тестами, логированием, документацией и code review.
- Участвовать в подготовке и защите результатов PoC, аргументировать технические решения и их ценность для бизнеса.
Для нас важно:
- Коммерческий опыт работы в роли Senior ML Engineer, AI Researcher, Data Scientist или аналогичной позиции.
- Глубокое понимание полного жизненного цикла ML-модели: подготовка данных и признаков, обучение, валидация, интерпретация, внедрение и мониторинг.
- Уверенное знание методов предотвращения переобучения и data leakage, регуляризации, кросс-валидации и выбора алгоритмов.
- Практический опыт хотя бы в одном из направлений: классическое ML, временные ряды и прогнозирование, рекомендательные системы, поиск и ранжирование, NLP, LLM или Generative AI.
- Отличное владение Python и библиотеками: pandas или polars, NumPy, scikit-learn, CatBoost, XGBoost, LightGBM, PyTorch.
- Продвинутый SQL.
- Опыт работы с API языковых моделей, Hugging Face и orchestration-фреймворками.
- Опыт построения и эксплуатации LLM-приложений: RAG, tool calling, AI-агенты, оценка качества и мониторинг.
- Понимание рисков LLM-систем: prompt injection, утечки PII, контроль прав доступа и аудит действий агента.
- Знание инструментов ML- и data-инфраструктуры: Airflow, MLflow, Kafka, Redis, Kubernetes.
- Опыт настройки наблюдаемости: Prometheus, Grafana, OpenTelemetry.
Главный принцип SkillStaff - Выбирай!
- ЭКСПЕРТИЗА. Делай выбор в пользу проектов с разным уровнем сложности и экспертных команд, где можно работать с лучшими специалистами и обмениваться опытом.
- РАЗНООБРАЗИЕ ПРОЕКТОВ. Выбирай из сотен компаний и проектов то, что интересно и полезно для твоего роста. SkillStaff помогает реализовывать ежегодно порядка 500 различных ИТ-проектов для крупного бизнеса.
- КОМФОРТ. Создавай идеальные условия для своей работы: удаленный формат работы.
