- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist (Middle)
Оценка ИИСильная позиция в крупном ритейлере с фокусом на передовые технологии (LLM Agents, RAG). Четко прописанные требования и интересные задачи по созданию платформы с нуля.
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы в LLM, RAG и агентских системах, а также навыков работы с высоконагруженной инфраструктурой (K8s, Kafka, GPU). Высокая планка ожиданий по безопасности и оценке качества моделей.
Анализ зарплаты
Оценка ИИУказанные требования соответствуют уровню Middle+/Senior в области NLP/LLM. Рыночные зарплаты для таких специалистов в РФ в ритейл-секторе обычно находятся в диапазоне 250-400 тысяч рублей после налогов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Лемана Про уже сейчас
Отправьте свое резюме с указанием ID 3472, возраста и локации, чтобы стать частью команды разработки ИИ-платформы в Лемана ПРО!
Описание вакансии
ID 3472
Data Scientist
Middle
ЛеманаПРОЗадачи и обязанности
Разработка сервисов ИИ платформы для создания функциональных агентов, ИИ ассистентов.
Подготовка бэк части для функциональных агентов, включая среду разработки агентов: тестирование фреймворков, opensource агенты.
Разработка сервиса управления реестром и скиллами агентов.
Создание отдельного единого сервиса для всех баз знаний, интеграция крупных корпоративных источников (н: Яндекс Вики).
Описание проекта
Разработка внутренней корпоративной ИИ-платформы для автоматизации процессов, поддержки сотрудников и повышения эффективности взаимодействия с данными. В задачи проекта входит создание удобных пользовательских интерфейсов (чат-ассистенты, RAG-поиск, генерация текстов и изображений), сервисов для создания ИИ продуктов, в том числе агентов, интеграция с существующими системами компании и обеспечение контроля и мониторинга использования модели.
Требования
• Понимание архитектуры, возможностей и ограничений современных языковых моделей.
• Опыт работы с embeddings, vector search, RAG, structured output и tool calling.
• Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop.
• Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы.
• Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента.
• Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков.
• Умение оценивать стоимость, latency и масштабируемость LLM-решений.
• Опыт работы в e-commerce, retail или других продуктовых highload-системах.
• Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.
• Опыт эксплуатации GPU-инфраструктуры и оптимизации inference.
• Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT.
• Опыт проектирования agentic workflows или multi-agent-систем.
• Понимание принципов информационной безопасности, privacy и работы с персональными данными.
*❗️**❗️**❗️Писать {{apply_contact}}⚡️**⚡️**⚡️**⚡️ С РЕЗЮМЕ В КОТОРОМ УКАЗАН ВОЗРАСТ И ЛОКАЦИЯ НАХОЖДЕНИЯ. Укажите 🆔 вакансии❗️ Без этой информации отклики не рассматриваются ❗️**❗️**❗️**❗️**❗️*
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- Kubernetes
- Prometheus
- Grafana
- LoRA
- RAG
- Redis
- Airflow
- Kafka
- MLflow
- Vector Search
- Hugging Face
- GPU
- PEFT
Возможные вопросы на собеседовании
Проверка практического опыта проектирования сложных систем на базе LLM.
Расскажите о вашем опыте проектирования multi-agent систем: как вы решали вопросы управления состоянием и конфликтов между агентами?
Важный аспект для корпоративной платформы с интеграцией внутренних источников данных.
Какие стратегии вы используете для минимизации галлюцинаций и обеспечения актуальности данных в RAG-системах?
Проверка навыков работы с инфраструктурой и понимания стоимости решений.
Как вы подходите к оптимизации latency и стоимости inference при масштабировании LLM-сервисов на большое количество пользователей?
Безопасность — одно из ключевых требований вакансии.
Какие методы защиты от prompt injection и утечки данных через tool calling вы считаете наиболее эффективными в закрытом корпоративном контуре?
Оценка навыков мониторинга и поддержки качества.
