Data Scientist (NLP/LLM) Junior+/Middle

Сейчас мы находимся в поиске Data Scientist (NLP/LLM) в Ростелеком ИТ.

«РТК ИТ» специализируется на проектировании и автоматизации процессов продаж, а также обслуживании телекоммуникационной компании в В2С, В2В, B2O сегментах.

Описание проекта:

Мы создаем передовую платформу, которая позволяет эффективно обучать, тонко настраивать и разворачивать крупномасштабные языковые модели (LLM) и другие NLP-решения. Наша цель — предоставить командам исследователей и бизнес-пользователям инструментарий для работы с современными моделями ИИ в условиях ограниченного доступа к облачным ресурсам.

Мы предлагаем:

- Удаленную работу (на территории РФ);
- Оформление по ТК РФ в аккредитованной ИТ-компании;
- Оклад и годовую премию;
- Кафетерий льгот с возможностью выбора категорий (ДМС или компенсация затрат на медицинские услуги, спорт и т.д.).

Вам предстоит:

- Разработка, обучение и улучшение ML-моделей для решения NLP- задач;
- Решение задач классификации и извлечения сущностей (NER);
- Проведение ML-экспериментов и оценка качества ML-решений;
- Анализ и кластеризация пользовательских запросов;
- Разработка ML-решений на основе LLM, RAG и AI-агентов;
- Разработка решений для извлечения информации из документов и изображений;
- Интеграция ML/LLM-решений в существующие сервисы.

Нам важны:

- Уверенное владение Python, опыт работы с PyTorch и Transformers;
- Понимание подходов к решению задач классификации текстов и извлечения сущностей (NER);
- Понимание метрик оценки качества моделей, включая Precision, Recall и F1-score;
- Понимание принципов векторного представления текстов, работы эмбеддингов и семантического поиска;
- Понимание принципов работы LLM и архитектуры RAG;
- Понимание подходов и метрик оценки качества поиска и генерации ответов в RAG-системах;
- Понимание принципов работы AI-агентов и основных подходов к их разработке;
- Навыки проведения ML-экспериментов, сравнения подходов и анализа результатов;
- Понимание принципов интеграции ML/LLM-решений в прикладные сервисы.

Будет плюсом:
- Практический опыт разработки AI-агентов с использованием LangFlow, smolagents или аналогичных инструментов;
- Опыт работы с векторными базами данных, гибридным поиском и реранкерами;
- Опыт оценки и оптимизации качества поиска и генерации ответов в RAG-системах;
- Опыт обучения и дообучения BERT-подобных моделей, оптимизации инференса с использованием ONNX.
- Опыт работы с локальными LLM;
- Опыт разработки решений для обработки документов и изображений, включая OCR и VLM;
- Опыт разработки API-сервисов на FastAPI;
- Опыт контейнеризации и развёртывания приложений с использованием Docker и Kubernetes/OKD;
- Опыт работы с ClearML или аналогичными инструментами для управления ML-экспериментами.