Специалист по науке о данных Deep Learning
Только РФ Ставка до 2500 включая НДС если есть Только ваши штатные сотрудники
О проекте: ИИ инкубатор - единая платформа для оценки и проведения пилотов (PoC) для ИИ идей с промежуточной защитой и защитой PoC на ИИ Комитете.
Обязанности: Разработка ИИ ассистентов, функциональных агентов в рамках проверки PoC для ИИ идей. входящих в ИИ инкубатор:
- практические познания в NLP,
- запуск на гпуцпу
- контенейризация
- jenkins
- векторные базы и эмбедеры для RAG
- function calling
- kserve
- bert образные модели
- работа с эвристиками
- опыт в квантинизации ллм
Требования: • Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop. • Глубокое понимание основных принципов машинного обучения: подготовка данных и признаков, выбор моделей, регуляризация, переобучение, data leakage, интерпретация результатов. • Знание математической статистики: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов. • Понимание принципов оценки качества ML-систем: offline- и online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных. • Опыт работы хотя бы в одном из направлений: o классическое машинное обучение; o временные ряды и прогнозирование; o рекомендательные системы, поиск и ранжирование; o NLP, LLM и генеративный AI. • Уверенное владение Python и основными библиотеками для анализа данных и машинного обучения: pandas или polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch или аналогичные инструменты. • Умение писать поддерживаемый production-код: модульная архитектура, тестирование, логирование, документация, работа с Git и участие в code review. • Уверенное владение SQL Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы. • Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента. • Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков. • Умение оценивать стоимость, latency и масштабируемость LLM-решений. • Опыт работы в e-commerce, retail или других продуктовых highload-системах. • Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. • Опыт эксплуатации GPU-инфраструктуры и оптимизации inference. • Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT. • Опыт проектирования agentic workflows или multi-agent-систем. • Понимание принципов информационной безопасности, privacy и работы с персональными данными.
Обязательно указывайте следующее:
- ФИО
- Дата рождения
- Локация, из которой планирует работать кандидат
- Ставка
- Сроки подключения на проект
- Ваш ли штатный сотрудник
- Чем подтверждается опыт, указанный в резюме (весь опыт за весь период работы), и готовность предоставить заявленные документы по итогу успешного прохождения интервью с клиентом
писать @apozdneev
