Data Scientist (Senior), AI

Чем предстоит заниматься:

• Разрабатывать генеративные AI-модели и PoC для задач товарного каталога и контента.
• Проектировать архитектуру AI-агентов: управлять состоянием диалога и контекстом, настраивать tool calling, уровни автономности и сценарии human-in-the-loop.
• Подбирать ML-подходы и алгоритмы под конкретные бизнес-задачи, проводить эксперименты и интерпретировать результаты.
• Разрабатывать офлайн- и онлайн-метрики качества, проектировать A/B-тесты, оценивать бизнес-эффект решений.
• Строить LLM Evals: проверять релевантность, качество и безопасность ответов, контролировать галлюцинации и отслеживать поведение системы.
• Организовывать мониторинг качества данных, дрейфа моделей и ключевых продуктовых метрик в production.
• Развивать agentic workflows и, при необходимости, multi-agent-системы.
• Оценивать стоимость, задержки и масштабируемость LLM-решений; оптимизировать inference и работу с GPU-инфраструктурой.
• Писать поддерживаемый production-код: с модульной архитектурой, тестами, логированием, документацией и code review.
• Участвовать в подготовке и защите результатов PoC, аргументировать технические решения и их ценность для бизнеса.

Для нас важно:

• Коммерческий опыт работы в роли Senior ML Engineer, AI Researcher, Data Scientist или аналогичной позиции.
• Глубокое понимание полного жизненного цикла ML-модели: подготовка данных и признаков, обучение, валидация, интерпретация, внедрение и мониторинг.
• Уверенное знание методов предотвращения переобучения и data leakage, регуляризации, кросс-валидации и выбора алгоритмов.
• Практический опыт хотя бы в одном из направлений: классическое ML, временные ряды и прогнозирование, рекомендательные системы, поиск и ранжирование, NLP, LLM или Generative AI.
• Отличное владение Python и библиотеками: pandas или polars, NumPy, scikit-learn, CatBoost, XGBoost, LightGBM, PyTorch.
• Продвинутый SQL.
• Опыт работы с API языковых моделей, Hugging Face и orchestration-фреймворками.
• Опыт построения и эксплуатации LLM-приложений: RAG, tool calling, AI-агенты, оценка качества и мониторинг.
• Понимание рисков LLM-систем: prompt injection, утечки PII, контроль прав доступа и аудит действий агента.
• Знание инструментов ML- и data-инфраструктуры: Airflow, MLflow, Kafka, Redis, Kubernetes.
• Опыт настройки наблюдаемости: Prometheus, Grafana, OpenTelemetry.

Главный принцип SkillStaff - Выбирай!

• ЭКСПЕРТИЗА. Делай выбор в пользу проектов с разным уровнем сложности и экспертных команд, где можно работать с лучшими специалистами и обмениваться опытом.
• РАЗНООБРАЗИЕ ПРОЕКТОВ. Выбирай из сотен компаний и проектов то, что интересно и полезно для твоего роста. SkillStaff помогает реализовывать ежегодно порядка 500 различных ИТ-проектов для крупного бизнеса.
• КОМФОРТ. Создавай идеальные условия для своей работы: удаленный формат работы.​​​​​​​​​​​​​​​​​​​​​​​​​​​​