Data Scientist (NLP|LLM)

TL;DR

Data Scientist (NLP|LLM): Проектировать и поддерживать полный цикл улучшения медицинских LLM с акцентом на сбор/очистку данных, обучение/дообучение (SFT, DPO/ORPO, instruction tuning). Фокус на разработке LLM-based пайплайнов и агентов для медицинских задач, создании системы оценивания (бенчмарки, LLM-as-a-judge, A/B-тесты) и исследовательских итерациях с экспериментами и публикациями.

Локация: Можно удалённо или гибридный формат в офисе Москва (Сити)

Компания

Крупнейшая в России Digital Health платформа, аккредитованная IT-компания с 380+ IT-специалистами, развивающая медицинский AI.

Что делать

• Проектировать полный цикл улучшения медицинских LLM: данные, обучение/дообучение.
• Строить датасеты и контуры разметки, включая синтетические данные и анализ ошибок.
• Разрабатывать LLM-пайплайны и агенты: RAG, tool-calling, multi-step workflows, guardrails.
• Создавать систему оценивания: бенчмарки, метрики, экспертная валидация, A/B-тесты.
• Проводить исследования: гипотезы, эксперименты, ablations, публикации.

Требования

• 3+ лет в NLP/ML, уверенный Python (типизация, тесты, прод-код).
• Опыт обучения трансформеров: PyTorch + HuggingFace, Accelerate/DeepSpeed.
• Построение data-pipelines, воспроизводимые эксперименты (MLflow/ClearML).
• Понимание LLM-систем: retrieval, агенты, галлюцинации.
• Навыки оценки: метрики, error analysis, ablations, разметка.

Хорошо, если есть

• Опыт в медицине/биомеде (ICD-10, клинические тексты).
• Alignment: RLHF, DPO, safety eval.
• Прод-инференс: vLLM, Docker, K8s.
• Retrieval-стек: FAISS, pgvector, chunking.

Культура и преимущества

• Сильная команда MedTech-профессионалов.
• Гибридный формат в офисе Сити (Москва), корпоративная техника.
• Медицинская программа (телемедицина, клиники, психологи, диагностика).
• Оплачиваемые курсы английского и профобучение (СберУниверситет).
• Спорт: корпоративные занятия, компенсация абонементов.