Data Scientist

Навыки

• Партнёрский маркетинг
• AI-агенты
• API (интеграции)
• Блокчейн
• Docker
• FastAPI
• Дообучение моделей

Задачи

• Разработка и внедрение агентных систем на базе LLM для выполнения сложных пользовательских и бизнес-задач
• Проектирование агентных и мультиагентных workflows: tool calling, state management, memory, planning, routing и human-in-the-loop
• Разработка и развитие RAG-систем: индексация данных, retrieval, reranking и формирование контекста
• Интеграция агентов с внутренними сервисами, API, базами данных и внешними платформами
• Создание внутренних бенчмарков и eval-пайплайнов для агентных и RAG-систем
• Тестирование моделей и систем, анализ качества, latency и стоимости их работы
• Дообучение open-source моделей, а также retriever- и reranker-компонентов
• Совместная работа с командами разработки, аналитики и продукта
• Исследование новых подходов в области LLM-агентов и внедрение успешных решений в production

Требования

• Опыт работы от 2 лет в NLP/ML/LLM-разработке
• Практический опыт создания и внедрения агентных систем
• Понимание архитектуры LLM-агентов: tool calling, state management, memory, planning, routing и error handling
• Опыт работы с LangGraph, LangChain, ADK или аналогичными фреймворками
• Опыт разработки RAG-систем
• Понимание подходов и этапов retrieval: hybrid search, filtering и reranking
• Опыт fine-tuning моделей с использованием PyTorch и Transformers
• Уверенное владение Python и опыт разработки backend-сервисов для ML
• Понимание принципов ML System Design

Будет плюсом

• Опыт построения мультиагентных систем
• Опыт работы с Langfuse, OpenTelemetry или аналогичными инструментами для tracing и observability LLM-приложений
• Опыт построения eval-систем для LLM-агентов и RAG: offline/online evaluation, автоматические метрики, LLM-as-a-judge и анализ качества выполнения задач
• Понимание вопросов безопасности LLM-систем: prompt injection, access control и безопасный tool calling
• Опыт работы с Docker, Kubernetes и облачной инфраструктурой
• Опыт развёртывания моделей для inference с использованием FastAPI, KServe, NVIDIA Triton, vLLM или SGLang
• Опыт оптимизации систем по latency, throughput и стоимости
• Понимание blockchain/Web3, EVM и принципов работы смарт-контрактов

Условия

• Оформление в соответствии с трудовым законодательством РФ
• Конкурентный уровень дохода: оклад и годовой бонус
• ДМС со стоматологией и возможностью подключения детей и родственников к программе
• Прозрачная система мотивации, позволяющая влиять на уровень дохода
• Работа в команде профессионалов
• Участие в создании инновационных продуктов
• Гибкое начало рабочего дня и сокращённый рабочий день по пятницам
• Офис в центре Москвы
• Льготная программа ипотечного и потребительского кредитования
• Ещё у нас Возможности вертикального и горизонтального роста
• Бонусные программы от компаний-партнёров
• Реферальная программа с бонусом за успешную рекомендацию кандидата
• Материальная помощь при рождении детей и в других семейных обстоятельствах
• Обучение в Корпоративном университете за счёт компании
• Участие в профильных конференциях в качестве спикера или слушателя
• Корпоративная жизнь: спортивные комьюнити и клубы по интересам — настольные и интеллектуальные игры

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.