Staff Data Scientist, Agentic AI
Высокий балл за социально значимую миссию компании, работу с передовым стеком (Agentic AI) и удаленный формат. Honor — устойчивая компания с серьезной историей и инвестициями.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Роль уровня Staff требует не только глубокой экспертизы в LLM и Agentic AI, но и 7+ лет опыта в ML, включая работу с классическими моделями и вывод систем в продакшен. Высокая ответственность за архитектуру и работу с персональными данными.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Для позиции уровня Staff Data Scientist в американской компании (Honor базируется в США) с удаленным форматом, предлагаемая роль соответствует верхнему эшелону рынка. Оценки базируются на данных для опытных специалистов в области Generative AI.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Откликнуться в Honor
*🤩* Удалённо
*🔔* Опубликовано менее 24 часов назад
*📸 Разрабатывает технологии для организации домашнего ухода за пожилыми людьми*
*🤩* Основатели — Сет Стернберг, Сэнди Джен, Моника Ло и Кэмерон Ринг
*🤩* Основана в 2014 году
*🤩* В 2021 году приобрела сеть Home Instead
Задачи:
• Проектировать и запускать в продакшен LLM-агентов для продукта и внутренних инструментов;
• Разрабатывать метрики и методики оценки агентов и настраивать мониторинг;
• Строить описательные и прогнозные модели и выбирать между классическим ML и LLM.
*🕸 Требования:*
• 7+ лет в data science и ML, включая запуск и поддержку Python-решений в продакшене;
• Опыт запуска многошаговых LLM-агентов с вызовом инструментов и оценки их качества;
• Знание статистики, классификации, регрессии и моделей на деревьях;
• Понимание мониторинга и резервных сценариев для агентов, работающих с персональными данными.
Откликнуться: Откликнуться
*🚀* Offer Inside
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- Machine Learning
- LLM
- Statistics
- Generative AI
- Monitoring
- Data Science
- Regression
- Classification
- Decision Trees
Возможные вопросы на собеседовании
Проверка практического опыта проектирования сложных AI-систем.
Расскажите о самом сложном многошаговом LLM-агенте, которого вы запускали в продакшен: с какими проблемами планирования вы столкнулись?
Важно понимать, как кандидат обеспечивает надежность агентов.
Какие конкретно метрики и методики оценки вы используете для проверки качества работы агентов перед деплоем?
Работа в сфере ухода за людьми подразумевает работу с приватной информацией.
Как вы проектируете резервные сценарии (fallback) и системы мониторинга для агентов, работающих с персональными данными?
Проверка умения выбирать оптимальный инструмент, а не просто следовать трендам.
В каких ситуациях вы бы предпочли классические модели на деревьях (например, XGBoost) вместо использования LLM для продуктовой задачи?
Оценка навыков интеграции AI с внешними системами.
Как вы решаете проблему 'галлюцинаций' при вызове агентом внешних инструментов (tool calling) и API?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

