- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Junior+/Middle Data Scientist (команда автоматизации моделирования)
Оценка ИИАльфа-Банк — сильный бренд с развитой инженерной культурой. Вакансия предлагает работу с актуальным стеком (LLM, LangChain, MCP) и реальное влияние на эффективность работы сотен других Data Scientist-ов в банке.
Сложность вакансии
Оценка ИИПозиция ориентирована на специалистов уровня Junior+/Middle. Основная сложность заключается в необходимости сочетать навыки классического ML с современными LLM-фреймворками и умением быстро собирать работающие прототипы.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для уровня Junior+/Middle Data Scientist в крупном российском банке (Москва) рыночные ожидания составляют от 150 000 до 280 000 рублей. Предложение Альфа-Банка обычно соответствует верхним границам рынка для талантливых кандидатов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Альфа-Банк уже сейчас
Присоединяйтесь к команде автоматизации моделирования Альфа-Банка и создавайте инновационные LLM-инструменты для DS-сообщества!
Описание вакансии
*💳* Junior+/Middle Data Scientist в Альфа-Банк (команда автоматизации моделирования)
*📍* Москва, м. Технопарк, гибрид
*💎* Разработка MCP-интеграций для внутренних инструментов AutoML, создание LLM-скиллов для работы с Python-кодом и Jupyter-ноутбуками, развитие сервисов автодокументации и автоматического ревью кода, быстрая сборка прототипов под запросы DS-команд и превращение их в стабильные сервисы.
*💼* Опыт разработки на Python от 1.5 лет, базовый опыт с ML или LLM-решениями, понимание принципов работы языковых моделей, опыт создания прототипов и API. Плюсом: MCP, LangChain, LangGraph, sklearn/XGBoost, REST API, MLOps (MLflow, Kubernetes, Airflow).
Контакт для отклика: Откликнуться (тема письма: "Вакансия AutoML")
———
Не подошла вакансия? Поделись с тем, кому пригодится *➡️*
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- AutoML
- API
- LangChain
- LangGraph
- Scikit-learn
- XGBoost
- REST API
- MLflow
- Kubernetes
- Airflow
- MLOps
Возможные вопросы на собеседовании
Проверка понимания специфики вакансии по автоматизации работы с кодом.
Расскажите о вашем опыте работы с LLM для генерации или анализа Python-кода. Какие подходы к промпт-инжинирингу вы использовали?
Вакансия предполагает создание интеграций и API.
Как бы вы спроектировали архитектуру сервиса, который принимает Jupyter-ноутбук и возвращает отчет об автоматическом ревью кода?
В требованиях указан MCP (Model Context Protocol).
Знакомы ли вы с протоколом MCP? Если нет, как вы подходите к изучению новых стандартов взаимодействия между LLM и внешними инструментами?
Проверка базовых знаний ML, указанных в стеке.
В каких случаях для задач банка вы бы предпочли классический градиентный бустинг (XGBoost) вместо использования LLM?
Оценка навыков MLOps и доведения прототипа до продакшена.
С какими сложностями вы сталкивались при превращении быстрого прототипа в стабильный сервис, работающий в Kubernetes?
Похожие вакансии
Data инженер (Middle+)
Data инженер
Data Engineer Middle
Главный инженер Контроль качества данных
Junior Python Data Engineer
Tech Lead Data Engineer / Руководитель сопровождения и развития СККД
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!