Data Scientist

Компания: Top Selection
Тип занятости: #full_time
Уровень: #middle+
Страна: #RU
Локация: #remote
Зарплата: от 200 000 RUB до 230 000 RUB

Data Scientist (midlle+) для работы над AI-помощником и разработкой AI-решений в сфере ритейла

Обязанности
- Развивать AI-помощника для сотрудников: улучшать качество ответов, разрабатывать дополнительные интеграции с внутренними базами и документами, разрабатывать новые фичи
- Определять структуру и качество данных для разработки новых фичей/продуктов
- Разрабатывать базовые AI-решения на уровне MVP: от обработки данных и настройки модели до простого интерфейса и интеграции с внутренними системами
- Тестировать, сравнивать и адаптировать различные ML-подходы (классификация, кластеризация, ранжирование) и новые рыночные решения для внутренних продуктов.
- Разрабатывать архитектуру AI-решений и писать чистый, эффективный и поддерживаемый кода на Python.

Требования
- Опыт работы в Data Science от 3 лет
- Высшее образование: IT, техническое, математическое
- Уверенное знание Python, умение писать чистый, поддерживаемый продакшен-код.
- Практический опыт решения задач классического ML: классификация, регрессия, кластеризация.
- Глубокое владение основными библиотеками и фреймворками для анализа данных (scikit-learn, XGBoost/LightGBM, numpy, pandas, plotly/ matplotlib/ seaborn)
- Понимание feature engineering и методологий оценки качества моделей.
- Знание SQL, опыт работы с реляционными СУБД на уровне пользователя
- Умение работать с Git
- Опыт создания и сопровождения ML-сервисов на современных фреймворках (FastAPI, Flask).
- Понимание работы REST/gRPC API.
- Понимание микросервисной архитектуры и контейнеризации (Docker).
- Владение инструментами CI/CD и принципами MLOps для автоматизации развертывания моделей в Kubernetes-окружении
- Навыки настройки логирования и мониторинга для ML-компонентов.
- Знание архитектурных паттернов для LLM.
- Понимание концепций: transformer, механизмы внимания, GPT-архитектуры
- Методы тонкой настройки LLM: LoRA, QLoRA, адаптерные подходы
- Навыки работы с большими языковыми моделями (Hugging Face, vLLM),
- Опыт построения и оптимизации RAG-систем.
- Навыки работы с векторными базами данных (подбор, оптимизация запросов, управление индексами).
- Умение строить и донастраивать сложные взаимодействия с LLM: prompt engineering, prompt chaining, использование function calling и управление контекстом (contextual memory).
- Умение работать с неструктурированными данными
- Способность самостоятельно доводить решения до рабочего прототипа
- Готовность активно погружаться в быстро развивающийся стек LLM-технологий и внедрять их в рабочие продукты.

Дополнительная информация
Срок привлечения: до конца 2026, Оформление: как ИП, Сфера: ритейл

Контакты
- Telegram: %contact_placeholder%

⚠️ Для удобства указывайте ссылку на вакансию
Ссылка: https://t.me/it_match_ml_ds/549

Стек технологий: #python #scikit-lea