Middle+ / Senior Data Scientist
Актуальный стек технологий (LLM, NLP) и возможность удаленной работы делают вакансию привлекательной для опытных специалистов. Четко очерченный круг задач по работе с документами обещает понятный и измеримый результат.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Роль требует глубокой экспертизы в NLP и LLM, а также умения работать со специфическими задачами вроде обработки документов в закрытом контуре. Ожидается опыт от 3 лет и навыки интеграции моделей с бизнес-логикой.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата в объявлении не указана, но для уровня Middle+/Senior в области NLP/LLM на российском рынке медиана составляет около 300 000 - 450 000 рублей. Специалисты с опытом внедрения LLM в закрытые контуры сейчас высоко ценятся.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Middle+ / Senior Data Scientist
Требования:
Высшее техническое/инженерное образование, опыт работы от 3 лет. Практический опыт с NLP, LLM и неструктурированными данными. Опыт классификации документов, извлечения информации и структурирования данных. Уверенное владение Python и инструментами анализа данных. Навыки разработки и оценки промптов, тестирования моделей и анализа ошибок. Умение сочетать LLM-подходы с бизнес-правилами. Опыт взаимодействия с бизнес-экспертами и командой разработки. Навыки документирования решений и внедрения LLM в закрытом контуре, в том числе для обработки переписки, договоров и отчетности.
Локация:*📍*Удаленно из РФ.
Контакт для отклика: Откликнуться или Откликнуться +CV
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Data Analysis
- Python
- LLM
- Prompt Engineering
- NLP
Возможные вопросы на собеседовании
Проверка практического опыта работы с LLM и понимания их ограничений.
Расскажите о вашем опыте разработки и оценки промптов: какие метрики вы использовали для оценки качества ответов модели?
Важно понять, как кандидат обеспечивает точность в задачах, где нельзя полагаться только на генеративные способности модели.
Как вы подходите к сочетанию LLM-подходов с жесткими бизнес-правилами при классификации документов?
Вакансия подразумевает работу с конфиденциальными данными.
С какими сложностями вы сталкивались при развертывании LLM в закрытом контуре (on-premise) и как их решали?
Проверка навыков работы с неструктурированным текстом.
Какие методы извлечения сущностей (NER) и структурирования данных из договоров вы считаете наиболее эффективными сегодня?
Оценка аналитических способностей.
Опишите ваш процесс анализа ошибок (error analysis) после тестирования модели: как вы определяете, нужно ли менять промпт, дообучать модель или менять архитектуру?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

