Lamoda Tech

Senior Data Scientist (LLM / Agents)

Коротко

Senior Data Scientist для разработки AI-ассистентов и агентских решений в Lamoda Tech: кодовые AI-ассистенты, RAG-системы, оценка качества агентов, платформенные примитивы (Embedding Service, Vector Store, Retrieval/Search API). Требуется опыт промышленной ML-разработки от 5 лет и опыт с LLM от 3 лет, владение Python, опыт разработки AI-агентов и RAG-систем, знание стека FastAPI, Docker, Redis, Postgres, Airflow, vLLM. Полная занятость, удалённо, график 5/2.

Senior Data Scientist (LLM / Agents)
Lamoda Tech
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: удалённо
Чем предстоит заниматься
•Создавать и развивать AI-ассистентов для разработки и аналитики: кодовые AI ассистенты для автоматизации разработки, помощник аналитика для ускорения экспериментов с использованием LLM
•Проектировать архитектуру агентских решений и их интеграцию с платформой: определять, что остаётся доменной логикой, а что становится переиспользуемым компонентом платформы
•Совместно с командой MLOps формировать требования к платформенным примитивам (Embedding Service, Vector Store, Retrieval/Search API) и внедрять их в пайплайны ассистентов
•Проектировать и развивать систему оценки агентов: разрабатывать метрики, строить симуляции, изолированные и верифицируемые среды оценки
•Вести полный цикл разработки: от ресёрча и MVP до поддержки и развития решения — с анализом ошибок и фидбека пользователей
•Исследовать новые подходы в разработке AI-агентов: harness-среда агента, память, компактизация контекста
Наши пожелания к кандидатам
•Опыт промышленной ML-разработки от 5 лет, опыт с LLM от 3 лет
•Опыт разработки AI-агентов и понимание современных паттернов проектирования: память, планирование, циклы агента, tool use, structured output
•Владение Python, способность системно писать код и доводить решения до продакшена
•Ежедневное использование кодинг AI-ассистентов (Codex / Claude Code): понимание их внутреннего устройства, границ применимости, настроенный цикл разработки
•Опыт разработки RAG-систем: retrieval, чанкование, sparse / dense / hybrid поиск, reranking, agentic retrieval
•Понимание основ ML/DL и NLP: метрики качества, embeddings, устройство трансформеров, инференс LLM
•Знание алгоритмов и структур данных, опыт работы со стеком (FastAPI, Docker, Redis, Postgres, Airflow, vLLM)

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте