- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Senior Data Scientist (LLM)
Оценка ИИОтличная вакансия в известном бренде с интересным и современным стеком (LLM, RAG). Четкие требования и работа над продуктом, который реально влияет на пользовательский опыт в крупном e-commerce.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованиями к глубокой экспертизе в LLM (SFT, RLHF) и солидным опытом работы (5+ лет в ML). Необходимо не только знать теорию, но и иметь практический опыт вывода сложных DL-моделей в продакшн.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Senior Data Scientist с фокусом на LLM в Москве рыночный диапазон составляет от 350 000 до 550 000 рублей. Lamoda обычно предлагает конкурентоспособные условия, соответствующие верхним границам рынка для сильных кандидатов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Lamoda уже сейчас
Присоединяйтесь к команде Lamoda, чтобы создавать инновационного LLM-стилиста и определять будущее fashion-технологий!
Описание вакансии
🛍 Senior Data Scientist (LLM) в Lamoda
📍 Москва / Офис
💎 Обучать LLM-стилиста для fashion-платформы: полный цикл дообучения (Continual Pretraining, SFT, Preference Optimization), развитие RAG-пайплайнов и алгоритмов поиска товаров и образов.
💼 5+ лет в ML и 3+ года в Deep Learning, опыт дообучения LLM и построения агентских систем / RAG-пайплайнов, Python, SQL, Spark, Docker, опыт вывода моделей в прод.
———
Не подошла вакансия? Поделись с тем, кому пригодится ➡️
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- Spark
- Docker
- Large Language Models
- Deep Learning
- Machine Learning
- RAG
- SFT
- Preference Optimization
Возможные вопросы на собеседовании
Вакансия предполагает полный цикл дообучения LLM. Важно понимать, как кандидат выбирает методы оптимизации.
Расскажите о вашем опыте применения Preference Optimization (например, DPO или PPO). С какими основными трудностями вы сталкивались при сборе данных для этого этапа?
Работа с fashion-платформой требует точного поиска. RAG — ключевая технология здесь.
Как бы вы спроектировали RAG-систему для поиска модных образов, учитывая, что запросы могут быть как текстовыми, так и визуальными?
Упоминается Continual Pretraining. Это специфическая задача для адаптации модели под домен.
В каких случаях вы бы предпочли Continual Pretraining обычному SFT для доменной адаптации LLM в сфере моды?
Требуется опыт работы со Spark и Docker для вывода в прод.
Опишите ваш типичный пайплайн деплоя тяжелой LLM: как вы обеспечиваете масштабируемость и низкую задержку (latency) при обработке запросов?
Для Senior-позиции важны навыки проектирования систем.
Как вы оцениваете качество работы LLM-агента? Какие метрики (кроме стандартных NLP-метрик) вы бы внедрили для оценки 'стилистической' адекватности ответов?
Похожие вакансии
Senior MLOps инженер
Senior MLOps инженер
Senior Data Engineer
Python разработчик (DWH/Data Engineering)
Data Scientist Middle+, Senior
Data Scientist
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!