- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist (Python)
Оценка ИИИнтересный стек технологий (LLM, NLP) и работа над реальным продуктом (ЭДО). Однако отсутствие информации о зарплате и названии компании снижает общую привлекательность предложения.
Сложность вакансии
Оценка ИИПозиция уровня Middle требует уверенного владения Python и SQL, а также специфического опыта в NLP (Sentence Transformers, llama.cpp). Сложность заключается в необходимости интеграции AI-решений в масштабную систему документооборота.
Анализ зарплаты
Оценка ИИДля позиции Middle Data Scientist в России рыночный диапазон составляет от 180 000 до 300 000 рублей. Данная вакансия предполагает работу с актуальными LLM-инструментами, что может позволить претендовать на верхнюю границу рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Откликнитесь через Runello-бот, чтобы принять участие в разработке передовых AI-решений для документооборота!
Описание вакансии
Data Scientist (Python)
Грейд: Middle
Стек: Python, SQL, Machine Learning, Statistics, PyTorch, Sentence Transformers, llama.cpp, Clear ML
Ищем Data Scientist готового решать сложные и масштабные задачи по использованию AI для поиска, распознавания и анализа данных для нашей системы электронного документооборота.
Откликнуться через Откликнуться ↓
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- Machine Learning
- SQL
- Statistics
- NLP
- llama.cpp
- Sentence Transformers
- Clear ML
Возможные вопросы на собеседовании
Важно понимать, как кандидат оптимизирует инференс больших языковых моделей для работы в продакшене.
Расскажите о вашем опыте работы с llama.cpp. Какие методы квантования вы использовали и как это повлияло на производительность?
Проверка навыков работы с векторными представлениями текстов, что критично для поиска в документах.
Как вы выбираете архитектуру Sentence Transformers для конкретной задачи? Как оцениваете качество полученных эмбеддингов?
Оценка навыков организации процесса разработки и воспроизводимости экспериментов.
Как вы используете Clear ML в своем рабочем процессе для отслеживания экспериментов и управления артефактами?
Проверка фундаментальных знаний, необходимых для анализа данных.
Приведите пример задачи из вашей практики, где знание математической статистики помогло принять верное решение при разработке модели.
Оценка способности работать с данными в контексте документооборота.
