Data Scientist
Оценка ИИИнтересная вакансия для специалистов по LLM с фокусом на современные технологии (AI-агенты). Четкие требования и понятный стек технологий делают предложение привлекательным для опытных инженеров.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы в NLP и архитектуре Transformer, а также обязательного опыта работы с AI-агентами и вывода моделей в продакшн (k8s). Высокий порог входа обусловлен необходимостью совмещать навыки исследователя и инженера.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИНа рынке РФ для Data Scientist уровня Middle+/Senior с фокусом на LLM и AI-агентов зарплаты обычно начинаются от 300 000 рублей. Учитывая требования к опыту от 3 лет и работу через ИП, можно ожидать конкурентоспособное вознаграждение выше среднего по рынку.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
**✅Позиция:Data Scientist💻
✅Занятость: Полная
✅Локация и гражданство:РФ 📌
✅Оформление: Как ИП**
**👋Привет! Меня зовут Ирина. Я представляю группу компаний Top Selection.
🔥В данный момент мы в поисках Data Scientist** 🔥
🛠Требования:
1) Коммерческий опыт работы от 3-х лет.
2) Опыт реализации и вывода в промышленную эксплуатацию решений на базе ИИ (обязательно в том числе AI агентов на базе LLM) в роли Data Scientist/AI Engineer
3) Знание основ Classic Machine Learning, хорошее знание Deep Learning (NLP)
4) Глубокое понимание архитектуры Transformer
5) Глубокое понимание подходов и методов проектирования AI-агентов
6) Практический опыт fine-tuning языковых моделей (GPT-like, BERT-like и др.)
7) Работа со стеком Python - Torch, Transformers
8) Опыт разработки интеграций с ИТ-системами
9) Опыт промышленной работы с k8s
📌Обязанности:
- Артефакты тестирования гипотез/экспериментов: описание подхода/модели, соотстветствщие значения метрик (выбранных для данного решения), тестовый сет/бенчмарк
- Артефакты продукта в целом: описание проекта, архитектура (утвержденная и согласованная с архитекторами и информационной безопасностью (ИБ)), согласование от ИБ что решение может быть использовано в продакшн, код продута и документация к нему, инструкция по разворачиванию решения в контуре компании
- Все вышеперечисленные артефакты размещены в контуре заказчика (Gitlab, Confluence)
📲Контакт для связи: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- PyTorch
- Transformers
- NLP
- Deep Learning
- Machine Learning
- LLM
- GPT
- BERT
- Kubernetes
- GitLab
- Confluence
Возможные вопросы на собеседовании
Проверка практического опыта проектирования сложных систем на базе LLM.
Расскажите о самом сложном AI-агенте, которого вы проектировали: с какими проблемами планирования и памяти вы столкнулись?
Оценка навыков оптимизации моделей под конкретные задачи.
Какие стратегии fine-tuning вы выбираете для моделей GPT-like при ограниченных вычислительных ресурсах?
Проверка понимания фундаментальных механизмов современных моделей.
В чем заключаются основные отличия в механизмах внимания (attention) в различных вариациях архитектуры Transformer?
Оценка инженерной зрелости и понимания жизненного цикла модели.
Как вы организуете процесс мониторинга качества работы LLM в промышленной эксплуатации (production)?
Проверка навыков работы с инфраструктурой.
Опишите ваш опыт деплоя ML-моделей в Kubernetes: какие основные манифесты и ресурсы вы использовали?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
