Data Scientist (NLP, LLM)

Навыки: NLP, LLM, PyTorch, Langgraph, Agentic systems , Машинное обучение, Deep Learning, Обработка естественного языка, Qdrant. Квалификация: Senior. Специализации: Ученый по данным.

О компании и команде

Привет! Ищем DS'а в команду RnD. Предстоит заниматься обработкой естественного языка и всем, что с ней связанно: от обучения базовых классификаторов, до файн-тюна LLM и написания агентских систем на LangGraph.

Ожидания от кандидата

-

профильное высшее образование по информатике;

-

опыт работы с NLP от 3-х лет ;

-

глубокое понимание архитектур трансформеров: механизмы внимания, токенизация, позиционные энкодинги;

-

опыт ускорения инференса: оптимизация через ONNX/Triton;

-

практика с оркестрацией LLM: цепочки промптов, агентские системы (LangChain/LangGraph);

-

навыки продакшен-кода: микросервисы на python, тестирование, CI/CD;

-

знание MLOps-инструментов (ClearML/MLflow) для трекинга и деплоя;

-

понимание мониторинга моделей: data drift, бизнес-метрики (например, containment rate для чат-ботов).

Будет плюсом:

-

опыт с PEFT (Parameter-Efficient Fine-Tuning) для адаптации LLM;

-

знание векторных БД (Qdrant, Pinecone), гибридного поиска.

Условия работы и бонусы

-

интересные, сложные задачи, ресурсы для их решения.

-

вклад в развитие большого продукта: ты будешь видеть результат своего труда.

-

развитие и обучение: онбординг с наставником; оплата тренингов, семинаров и конференций, корпоративная библиотека.

-

стабильность и прозрачность: оформление по ТК, пересмотры зарплаты по итогам performance review.

-

неформальная рабочая атмосфера: отсутствие бюрократии, гибкость процессов.

-

ДМС после испытательного; другие \"плюшки\" в виде классного мерча, заботы о сотрудниках и т.д.

-

возможность посетить Владивосток и насладиться красотой региона :)

Этапы отбора

-

hr-интервью

-

техническое собеседование

-

background check и проверка рекомендаций перед оффером

Откликайся, если ты любишь свою работу и стремишься делать ее наилучшим образом; готов работать в концептуально поставленных задачах; задаешь себе вопросы: \"почему и зачем мы это делаем?\"; открыт к обучению и другому мнению.