- Страна
- Россия
- Зарплата
- до 350 000 ₽
Откликайтесь
на вакансии с ИИ
NLP Data Scientist (AI-агенты)
Оценка ИИПривлекательная вакансия в топовом банке с конкурентной зарплатой, годовыми премиями и отличным соцпакетом. Работа над передовыми технологиями (AI-агенты) в сильной команде дает отличные возможности для профессионального роста.
Сложность вакансии
Оценка ИИПозиция требует глубоких знаний в современных LLM-стеках (RAG, агенты) и уверенного владения Python. Высокая планка ожиданий по опыту (3+ года) и необходимость работы над сложными архитектурами в финтехе повышают сложность.
Анализ зарплаты
Оценка ИИПредложенная вилка 200-350к net соответствует рыночному уровню для Middle+/Senior NLP специалистов в Москве. С учетом годовой премии в 2-4 оклада совокупный доход становится выше среднего по рынку.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Присоединяйтесь к команде топового банка и создавайте AI-агентов нового поколения — откликайтесь прямо сейчас!
Описание вакансии
#вакансия #москва #python #ML #DS #NLP #LLM #agents
NLP Data Scientist (AI-агенты)
Всем привет! 👋
Мы - команда центра развития искусственного интеллекта в российском топ банке. Разрабатываем и внедряем AI-решения в ключевые бизнес-процессы.
Сейчас мы строим прикладных AI-агентов для HR-направления: подбор, оценка, развитие сотрудников, внутренние сервисы для рекрутеров и руководителей.
Ищем NLP data scientist, который умеет проектировать и улучшать рабочие AI-системы: с инструментами, качественной оценкой и измеримым влиянием на бизнес-метрики. Рассматриваем Middle и Senior позиции.
Чем предстоит заниматься
- Проектировать и развивать LLM и агентные решения для HR-сценариев: от постановки задачи и анализа процесса до PoC, MVP и production-ready решения совместно с ML Engineer.
- Разрабатывать архитектуры AI-агентов: orchestration, tool use, retrieval, memory, multi-step workflows, guardrails.
- Формировать гипотезы, запускать эксперименты и улучшать качество системы на основе метрик и обратной связи пользователей.
- Вместе с бизнес-заказчиком уточнять требования и фиксировать постановку задачи.
Что для нас важно
- 3+ лет опыта в Data Science / ML, из них заметная часть в NLP, LLM.
- Практический опыт создания прикладных LLM-систем и агентов: RAG, tool calling, agentic workflows, multi-step reasoning, structured output.
- Глубокие знания в NLP (статистические методы, нейронные сети, трансформеры) и уверенная база в классическом ML.
- Понимание архитектуры LLM и принципов prompt engineering.
- Опыт разработки на Python, пишете чистый и поддерживаемый код
Плюсом будет
- Опыт разработки RAG-систем и работы с векторными хранилищами
- Опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью
Мы предлагаем
- Вилка: 200-350 net + годовая премия 2-4 оклада (с сильными кандидатами готовы отдельно обсуждать условия)
- Комфортный современный офис в г.Москва
- Возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 2х дней в неделю)
- Ежегодный пересмотр зарплаты и годовая премия
- Корпоративный спортзал и зоны отдыха
- ДМС, льготное страхование для семьи и корпоративная пенсионная программа
Если интересно, пишите в личку Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- LLM
- Asynchronous Programming
- RAG
- Prompt Engineering
- NLP
- Vector Databases
Возможные вопросы на собеседовании
Проверка практического опыта проектирования сложных систем на базе LLM.
Расскажите о самом сложном агентном воркфлоу, который вы проектировали: как была устроена оркестрация и выбор инструментов (tool use)?
Важно понять, как кандидат оценивает качество работы недетерминированных систем.
Как вы выстраиваете систему оценки (evaluation) для AI-агентов, чтобы гарантировать стабильность бизнес-метрик в продакшене?
RAG является ключевым компонентом большинства современных NLP-решений.
С какими проблемами в RAG-системах вы сталкивались (например, retrieval noise или hallucination) и какими методами их решали?
Проверка навыков написания качественного кода.
Как вы обеспечиваете тестируемость и поддержку кода при работе с асинхронными вызовами внешних API моделей?
Оценка понимания ограничений и безопасности моделей.
Какие методы guardrails вы применяете для предотвращения нежелательного поведения агентов в корпоративной среде?
Похожие вакансии
ML разработчик (Senior)
Senior / Middle+ Data Scientist
MlOps / Python Backend Engineer (ML)
Data Scientist Senior
Senior/Middle Data Engineer
ML разработчик (Middle)
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!