- Страна
- Россия
Data scientist / ML-инженер
Оценка ИИОтличная вакансия для старта в области LLM и NLP в крупной системной компании с возможностью удаленной работы и современным стеком технологий.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИДля Junior-позиции требования достаточно высокие: необходимо не только знать ML/NLP, но и владеть инструментами DevOps (Docker, K8s, CI/CD) и методами дообучения LLM.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для Junior Data Scientist с опытом от 1 года на российском рынке медиана составляет около 120,000 - 150,000 рублей. Учитывая требования к DevOps и LLM, позиция может оплачиваться по верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
IBS
Data scientist / ML-инженер
Опыт работы: от 1 года
Можно удалённо
*☑️* Чем предстоит заниматься
-Исследование и внедрение современных подходов для широкого круга NLP-задач
-Участие в полном цикле разработки: от прототипирования до промышленного развёртывания конечного решения
-Разработка сервисов обработки естественного языка (классификация, суммаризация, NER, RAG и пр.)
-Участие в создании AI-ассистентов на базе генеративных моделей (SFT/LoRA, RLHF) — BERT, Qwen и др.
-Построение пайплайнов подготовки данных и обучения LLM
-Организация процесса мониторинга качества и производительности LLM в продакшене
-Проектирование и поддержка CI/CD-конвейеров для ML-проектов (Git, GitLab CI/CD, Jenkins и подобные)
-Контейнеризация и оркестрация сервисов (Docker, Kubernetes)
*☑️* Наши пожелания к кандидатам
-Высшее образование: математическое, IT, техническое
-Аналогичный опыт работы от 1 года
-Хорошее знание Python и основных библиотек анализа данных
-Базовые навыки классического ML (EDA, предобработка, обучение моделей)
-Опыт применения современных трансформерных нейросетей (GPT, BERT и их модификаций)
-Опыт реализации RAG
-Уверенное владение PyTorch или TensorFlow для тонкой настройки LLM
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- NLP
- Machine Learning
- LLM
- PyTorch
- TensorFlow
- Docker
- Kubernetes
- GitLab CI/CD
- Jenkins
- BERT
- RAG
- SFT
- LoRA
- RLHF
Возможные вопросы на собеседовании
Проверка понимания архитектуры и практического опыта работы с RAG-системами.
Расскажите о вашем опыте реализации RAG: какие векторные базы данных вы использовали и как решали проблему релевантности поиска?
Оценка навыков работы с генеративными моделями, указанными в вакансии.
В чем разница между методами SFT и LoRA при дообучении LLM, и в каких случаях вы бы предпочли один другому?
Проверка инженерных навыков и понимания жизненного цикла ML-модели.
Как вы организуете мониторинг качества LLM после их развертывания в продакшене?
Оценка владения инструментами контейнеризации.
Опишите типичный Dockerfile для Python-сервиса с ML-моделью: на что стоит обратить внимание для оптимизации размера образа?
Проверка базовых знаний NLP.
Как работает механизм Attention в трансформерах, и почему он стал ключевым для задач обработки естественного языка?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
