Описание
Мы разрабатываем ML- и LLM-решения, которые напрямую влияют на бизнес-результаты. Работаем как с классическим машинным обучением на табличных и операционных данных, так и с LLM-пайплайнами, RAG и мультиагентными системами, использующими корпоративные данные. Ищем специалиста, которому комфортно и обучать бустинг, и проектировать LLM-пайплайны, оценивать их качество и доводить решения до промышленного использования.
Задачи
•Разрабатывать и валидировать модели на табличных и операционных данных, анализировать факторы, прогнозировать отток и находить точки роста бизнес-метрик.
•Разрабатывать модели для персонализированных предложений и акций, оценивать эффект решений с помощью A/B-тестов.
•Разрабатывать решения для обработки обращений контакт-центра, в том числе с использованием расширенного контекста и корпоративных данных.
•Участвовать в создании RAG-пайплайнов: чанкинг, эмбеддинги, ретриверы, реранкеры.
•Разрабатывать агентов с function calling и интеграциями с внутренними системами.
•Формировать датасеты для оценки, выбирать метрики для классических моделей и генеративных решений, использовать подходы вроде Hit Rate, MRR, Faithfulness и LLM-as-a-Judge.
•Упаковывать модели в сервисы, интегрировать их с внутренними системами, работать с API, логированием и мониторингом совместно с командой.
•Быстро проверять гипотезы, создавать MVP и оценивать их практическую ценность для бизнеса.
Требования
•Опыт работы в Data Science / Machine Learning от 2 лет.
•Опыт хотя бы одного реального проекта с LLM: RAG, агенты, классификация или извлечение информации. Важно, чтобы решение вышло за рамки экспериментов в ноутбуке.
•Уверенные знания классического ML: feature engineering, валидация моделей, работа с дисбалансом классов, интерпретация результатов.
•Понимание статистики и A/B-тестирования: проверка гипотез, статистическая мощность, типичные ошибки дизайна экспериментов.
•Уверенный Python, умение писать чистый и поддерживаемый код, знание SQL.
•Практический опыт работы с LLM, эмбеддингами и векторными базами данных.
•Понимание принципов работы трансформеров и навыки промпт-инжиниринга.
•Опыт хотя бы с одним LLM-фреймворком, например LangChain, LlamaIndex или LangGraph.
•Базовые инженерные навыки: Linux, Git, Docker, понимание устройства API.
•Умение самостоятельно уточнять бизнес-задачу, предлагать метрики и объяснять результаты понятным языком.
Будет плюсом
•Опыт решения задач удержания, uplift-моделирования, survival-анализа или персонализации.
•Опыт в логистике, e-commerce или работы с операционными данными.
•Fine-tuning LLM: LoRA, QLoRA, PEFT; работа с open-source-моделями и квантизацией.
•Опыт оркестрации пайплайнов с Airflow или Prefect.
•Знакомство с MLOps, MLflow и мониторингом дрейфа моделей.
Условия
Условий в вакансии нет.
