- Страна
- Россия
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.
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 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.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
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.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
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
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
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?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
