Data Scientist — LLM и агентные системы
Оценка ИИИнтересная вакансия в крупной компании с фокусом на трендовые технологии (LLM, агенты). Работа над банковским проектом гарантирует масштабные задачи и работу с большими данными, хотя отсутствие информации о зарплате и формате работы является минусом.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует не только классического ML-бэкграунда, но и актуального опыта работы с LLM-агентами, что является относительно новой и сложной областью. Работа в банковском секторе также подразумевает высокие требования к качеству кода и точности моделей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Data Scientist с опытом от 2 лет в Москве рыночный диапазон составляет 200 000 – 350 000 рублей. Специализация на LLM и агентах сейчас высоко ценится и может поднять планку вознаграждения 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
*💡 Data Scientist — LLM и агентные системы*
Москва
Лига Цифровой Экономики ищет специалиста для банковского проекта. Предстоит создавать библиотеку аналитических навыков для агентов, автоматизировать бизнес-процессы, исследовать LLM-архитектуры и проверять идеи в PoC.
Требования:
— Опыт Data Science или Machine Learning от 2 лет
— Python и библиотеки для анализа данных
— Практический опыт работы с LLM и агентными системами
— Высшее образование в математике, статистике, информатике или смежной области
Знание кластеризации, регрессии, классификации и временных рядов, Docker/Kubernetes и английский для профессионального общения будут плюсом. Зарплата и удалённый формат не указаны.
*➡️* Откликнуться
*📍* Навигация: База знаний • Задачи • Собеседования
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Data Science
- Machine Learning
- LLM
- Docker
- Kubernetes
- Statistics
- Regression
- Classification
- Time Series
- Cluster Analysis
Возможные вопросы на собеседовании
Проверка практического опыта работы с фреймворками для создания агентов.
Какие библиотеки или подходы вы использовали для реализации агентных систем (например, LangChain, AutoGPT, CrewAI)?
Оценка понимания специфики работы LLM в аналитических задачах.
Как вы решаете проблему галлюцинаций LLM при работе с числовыми данными и аналитическими отчетами?
Проверка навыков проектирования архитектуры.
Опишите процесс создания PoC для нового аналитического навыка: от идеи до оценки качества.
Оценка владения классическим ML, упомянутым в плюсах.
В каких случаях для банковских задач вы предпочтете классическую регрессию или временные ряды вместо использования LLM?
Проверка навыков работы с инфраструктурой.
Есть ли у вас опыт контейнеризации ML-сервисов с помощью Docker и их развертывания в Kubernetes?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
