- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist NLP
Оценка ИИПозиция в крупной компании (РТК) с актуальным технологическим стеком (RAG, SOTA). Гибкий формат работы (удаленка/офис) и четкие требования делают вакансию привлекательной для специалистов среднего уровня.
Сложность вакансии
Оценка ИИРоль требует уверенного владения современными NLP-технологиями, включая RAG и SOTA-модели, а также инженерных навыков (Docker, API). Опыт от 2 лет предполагает, что кандидат уже сталкивался с реальными производственными задачами.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для специалиста с опытом от 2 лет в сфере NLP на российском рынке медиана составляет около 250 000 - 300 000 рублей. В крупных компаниях уровня РТК вознаграждение обычно соответствует рыночным ожиданиям или чуть выше за счет бонусов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в РТК уже сейчас
Присоединяйтесь к команде РТК и внедряйте передовые NLP-решения в масштабные проекты!
Описание вакансии
Data Scientist NLP
Компания: РТК
*☑️*Требования
-Опыт работы в роли Data scientist от 2 лет;
-Работа с одним из фреймворков PyTorch/TensorFlow;
-Реализация и работа с RAG решениями;
-Знание основных подходов для предобработки и векторизации текста;
-Наличие опыта решения задач NLP для текста (Text Classification, NER, Text Summarization, QA);
-Знакомство и понимание основных принципов современных SOTA моделей NLP;
-Владение: git, docker, sql и одним из фреймворков для реализации api.
*☑️*Обязанности
-Работа с одним из фреймворков PyTorch/TensorFlow;
-Реализация и работа с RAG решениями;
-Знание основных подходов для предобработки и векторизации текста;
-Наличие опыта решения задач NLP для текста (Text Classification, NER, Text Summarization, QA);
-Знакомство и понимание основных принципов современных SOTA моделей NLP;
-Владение: git, docker, sql и одним из фреймворков для реализации api.
Python Job в Telegram | в VK | в Max
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- NLP
- PyTorch
- TensorFlow
- RAG
- NER
- Text Classification
- Text Summarization
- QA
- Git
- Docker
- SQL
- Python
- API
Возможные вопросы на собеседовании
RAG является ключевым требованием вакансии. Важно понять, как кандидат решает проблему релевантности и галлюцинаций.
Расскажите о вашем опыте реализации RAG-систем: какие векторные базы данных вы использовали и как оценивали качество поиска?
Проверка практических навыков работы с LLM и понимания их архитектуры.
Какие методы дообучения (fine-tuning) языковых моделей вы применяли и в каких случаях это было эффективнее, чем prompt engineering?
Вакансия подразумевает работу с полным циклом NLP задач.
Как вы подходите к задаче очистки и предобработки «грязных» текстовых данных перед векторизацией?
В требованиях указано владение фреймворками для API. Это важно для интеграции моделей в продукт.
На каком фреймворке (FastAPI, Flask и т.д.) вы обычно разворачиваете свои модели и как обеспечиваете их масштабируемость в Docker?
Проверка знания классических и современных подходов.
В чем основные отличия архитектуры Transformer от классических RNN/LSTM в контексте задач суммаризации текста?
Похожие вакансии
Python разработчик (DWH/Data Engineering)
Data Scientist Middle+, Senior
Data Scientist
Middle+ Data инженер
Senior ML/LLM Инженер
Junior Applied ML Engineer / Data Scientist
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!