Data Scientist Senior

#вакансия #DataScience #Python #ML #LLM #Remote

Data Scientist Middle+

🏦 Компания: Luna Capital (аутстафф)
🌍 Локация: строго РФ
🔻 Формат: удаленка РФ
🌟 Грейд: senior
💰 Ставка: от 230 000₽ на руки
🕘 График: с 9:00 до 18:00 (по МСК)

—————————————————-

О ПРОЕКТЕ:

Крупный ретейлер развивает собственный AI-помощник для сотрудников, который интегрируется с внутренними системами и документами. Ищем опытного Data Scientist, который будет развивать качество ответов модели, проектировать новые AI-фичи и строить архитектуру решений с применением LLM и классических ML-подходов.

—————————————————-

ЧТО НУЖНО ДЕЛАТЬ:

• Развивать AI-помощника: улучшать качество ответов, интегрировать с внутренними базами и документами.
• Проектировать и реализовывать MVP AI-решений: от обработки данных до простого интерфейса и интеграции.
• Разрабатывать архитектуру AI-систем и писать чистый, поддерживаемый продакшен-код на Python.
• Тестировать и адаптировать ML-подходы (классификация, кластеризация, ранжирование).
• Разрабатывать и оптимизировать RAG-системы и работу с LLM.
• Настраивать мониторинг и CI/CD для ML-компонентов, интегрировать модели в продакшен.

—————————————————-

ТРЕБОВАНИЯ:

1. Опыт работы в Data Science от 3 лет.
2. Уверенное знание Python и основных библиотек: pandas, numpy, scikit-learn, XGBoost/LightGBM, matplotlib/plotly.
3. Практический опыт в задачах классификации, регрессии, кластеризации.
4. Владение SQL и опыт работы с реляционными БД.
5. Опыт разработки и сопровождения ML-сервисов на FastAPI или Flask.
6. Знание Git, Docker, REST/gRPC API, понимание микросервисной архитектуры.
7. Опыт с инструментами CI/CD, Kubernetes и принципами MLOps.
8. Опыт работы с LLM (Hugging Face, vLLM), знание архитектурных паттернов transformer, GPT.
9. Владение методами тонкой настройки LLM (LoRA, QLoRA, адаптерные подходы).
10. Опыт построения RAG-систем и работы с векторными базами данных.
11. Навыки prompt engineering, function calling, управление контекстом.
12. Высшее образование (IT, техническое, математическое).

БУДЕТ ПЛЮСОМ:

13. Опыт работы с неструктурированными данными.
14. Навыки feature engineering и оценки качества моделей.
15. Опыт настройки логирования и мониторинга для ML-компонентов.
16. Способность самостоятельно доводить решения до рабочего прототипа.
17. Готовность активно погружаться в LLM-стек и внедрять новые технологии.

—————————————————-

📩 Отклик: Показать контакты
Прикрепляйте резюме + самостоятельный скрининг по требованиям (‘+/-’).

P.S. отклики со скринингом рассматриваю в первую очередь :)