- Страна
- Россия
- Зарплата
- 350 000 ₽ – 420 000 ₽
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.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
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.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
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.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
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
- RAG
- NLP
- Deep Learning
- FastAPI
- Docker
- Redis
- PostgreSQL
- Airflow
- vLLM
- Algorithms
- Data Structures
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?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
