- Страна
- Россия
- Зарплата
- 350 000 ₽ – 420 000 ₽
Откликайтесь
на вакансии с ИИ
Senior Data Scientist
Оценка ИИСильный бренд работодателя, работа с передовым стеком технологий (LLM, AI-агенты) и конкурентная заработная плата делают эту вакансию крайне привлекательной для опытных специалистов. Единственным ограничением может быть офисный формат работы в Москве.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием к значительному опыту (от 5 лет в ML и от 3 лет с LLM), а также необходимостью глубоких знаний в узких областях, таких как AI-агенты и RAG. Процесс отбора в Lamoda традиционно включает серьезную проверку алгоритмической базы и системного дизайна.
Анализ зарплаты
Оценка ИИУказанный в описании диапазон 350 000 – 420 000 ₽ полностью соответствует рыночным ожиданиям для позиции Senior Data Scientist в Москве, особенно с учетом специализации на LLM, которая сейчас высоко ценится.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Lamoda уже сейчас
Присоединяйтесь к команде Lamoda, чтобы создавать передовых AI-агентов и определять будущее e-commerce технологий!
Описание вакансии
Senior Data Scientist в Lamoda
*💰*По итогам собеседования (ср. рын. зп 350 000 ₽ – 420 000 ₽)
*📌*Условия и бонусы:
Фултайм, офис (МСК).
*📌*Наши ожидания:
– опыт промышленной ML-разработки от 5 лет, опыт с LLM от 3 лет;
– опыт разработки AI-агентов и понимание современных паттернов проектирования;
– владение Python;
– ежедневное использование кодинг AI-ассистентов (Codex / Claude Code);
– опыт разработки RAG-систем;
– понимание основ ML/DL и NLP;
– знание алгоритмов и структур данных, опыт работы со стеком (FastAPI, Docker, Redis, Postgres, Airflow, vLLM).
*✍🏼*Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- PostgreSQL
- Deep Learning
- RAG
- NLP
- Redis
- Docker
- Airflow
- FastAPI
- Data Structures
- Algorithms
- vLLM
Возможные вопросы на собеседовании
Проверка практического опыта проектирования сложных систем на базе языковых моделей.
Расскажите о самом сложном AI-агенте, которого вы проектировали: какие паттерны использовали и как решали проблему зацикливания или неверного планирования шагов?
RAG является ключевым требованием; важно понять, как кандидат борется с типичными проблемами качества ответов.
Какие стратегии оптимизации RAG-систем вы применяли для улучшения релевантности поиска и минимизации галлюцинаций?
Вакансия требует опыта работы с vLLM, что критично для высоконагруженных сервисов.
В чем преимущество использования vLLM по сравнению с обычным инференсом через Hugging Face Transformers, и как работает механизм PagedAttention?
Проверка навыков написания чистого и эффективного кода в контексте бэкенд-разработки.
Как бы вы спроектировали асинхронный API на FastAPI для обработки длительных генераций LLM, чтобы избежать блокировок и обеспечить масштабируемость?
Оценка фундаментальных знаний, указанных в требованиях.
Как работают векторные базы данных «под капотом» и по каким критериям вы бы выбирали между Redis, Postgres (pgvector) или специализированными решениями вроде Pinecone?
Похожие вакансии
Аналитик / MLE (Middle/Senior/Staff) в команду эффективности
ML разработчик
Data Engineer / DataOps Engineer
ML разработчик (Senior)
Data Scientist Middle+, Senior
Главный инженер Контроль качества данных
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!