- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist middle (NLP/ LLM)
Оценка ИИМегафон — крупный и стабильный работодатель с доступом к большим данным. Вакансия предлагает работу с самым актуальным стеком (LLM, RAG, LangGraph), что отлично подходит для профессионального роста.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в области NLP и LLM, включая современные архитектуры и методы дообучения. Высокая планка обучена необходимостью работы с кастомными пайплайнами и сложными сценариями агентов.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Middle Data Scientist в Москве в телеком-секторе рыночный диапазон составляет 250,000–350,000 рублей. Мегафон обычно предлагает конкурентоспособные условия, соответствующие рынку.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Мегафон уже сейчас
Присоединяйтесь к команде Мегафона и создавайте передовые LLM-решения для миллионов пользователей!
Описание вакансии
⚠️Data Scientist middle (NLP/ LLM)
Мегафон
Гибрид, Москва
Требования:
✅Уверенные знания алгоритмов машинного обучения, статистики, принципов работы LLM и NLP моделей (Transformer, Attention, RLHF, RAG и др.)
✅Отличное владение PyTorch, опыт построения и отладки кастомных пайплайнов
✅Понимание метрик качества NLP и специфичных для LLM/RAG метрик
✅Наличие успешно реализованных проектов с применением LLM
✅Умение формулировать гипотезы, запускать эксперименты и делать выводы на основе данных
Плюсом будет:
✅Опыт разработки LLM-агентов: многошаговые сценарии, вызов инструментов, управление состоянием (желательно опыт с LangGraph)
✅Способность к творческому и критическому мышлению для решения сложных задач
✅Способность четко и эффективно общаться как с техническими, так и с непрофессиональными аудиториями
✅Понимание DevOps/MLOps практик (Docker, Triton, Kubernetes, MLflow)
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- NLP
- LLM
- PyTorch
- Transformer
- RAG
- RLHF
- LangGraph
- Docker
- Kubernetes
- MLflow
- Triton
- Statistics
- Machine Learning
Возможные вопросы на собеседовании
Проверка понимания механизмов работы современных языковых моделей.
Расскажите подробно, как работает механизм Attention в архитектуре Transformer и в чем разница между Self-Attention и Cross-Attention?
Оценка практического опыта работы с RAG-системами.
Какие метрики вы используете для оценки качества RAG-системы (Retrieval и Generation части)? Как бороться с галлюцинациями?
Проверка навыков проектирования сложных систем на базе LLM.
Опишите ваш опыт создания LLM-агентов. Какие инструменты (например, LangGraph) вы использовали для управления состоянием и вызова внешних функций?
Оценка инженерных навыков и владения фреймворками.
С какими сложностями вы сталкивались при отладке кастомных пайплайнов в PyTorch и как их решали?
Проверка понимания процесса дообучения моделей.
В каких случаях вы бы предпочли использовать RLHF вместо обычного SFT (Supervised Fine-Tuning)? Опишите основные этапы процесса RLHF.
Похожие вакансии
Middle+ Data Engineer
Backend / ML Infrastructure / MLOps инженер
Data инженер (Middle)
Data Engineer Middle
Data Scientist (Модели оценки качества), Диалоговый ИИ и ML сервисы
Backend / ML Infrastructure / MLOps инженер (ИИ-ассистент)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!