АС
АстраЗенека
Middle/Senior Data Scientist
СИГНАЛ JOBRADAR75/100Нормальный сигнал актуальности
ПАСПОРТ ВАКАНСИИ
Что JobRadar наблюдает сейчас
Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.
Последнее подтверждение25 мин. назад
Впервые замечена1 ч назад
Активные источники1 источник
ПроисхождениеПубличный источник
Описание вакансии
Сейчас мы развиваем и усиливаем нашу команду, и у нас для тебя есть вакансия — Middle/Senior Data Scientist
Основные вызовы и задачи:
- Исследование и внедрение современных архитектур, а также подходов к обучению моделей.
- Разработка AI-агентов прогнозирования.
- Агрегация прогнозов – объединение результатов агентов в единый прогноз с доверительными интервалами.
- Детектирование аномалий – выявление отклонений от прогнозов, генерация алертов в реальном времени.
- Сценарное моделирование – симуляция бизнес-сценариев и расчёт влияния на прибыльность, запасы, доступность.
- Генерация action plans – автоматическое формирование планов действий на горизонте до 12/24/36 месяцев.
- Создание и поддержка специализированных датасетов для адаптации моделей под прогнозирования и моделирования продаж.
- Оптимизация моделей для production-среды (квантизация, дистилляция).
- Разработка стандартов и процессов обучения моделей.
Ты идеально нам подходишь, если у тебя есть:
- Оконченное профильное высшее образования.
- Глубокое понимание современных архитектур и методов обучения языковых моделей.
- Глубокое понимание след. библиотек – CatBoost, LSTM, Prophet, Croston, ансамблевые методы и др.
- Практический опыт файнтюнинга различных LLM под продуктовые задачи (SFT, PEFT, RLHF, LoRA, PPO, DPO, GRPO).
- Уверенное владение Python и экосистемой ML и LLM-инструментов (PyTorch, TRL, Accelerate, PEFT, Transformers, VLLM, scikit-learn, pandas, NumPy, etc).
- Живой интерес к сфере GenAI, опыт работы с популярными вендорными и open-source моделями (Qwen, Llama, DeepSeek, GPT-OSS).
- Практический опыт создания решений на базе LLM (prompt engineering, RAG, function calling, structured outputs, reasoning, agents).
- Понимание методов оценки качества LLM (бенчмарки, human eval, LLM-as-Judge) и метрик для различных NLP-задач.
- LLM и агентные системы – опыт с OpenAI/Gemini/Claude API, Microsoft Copilot Studio, мультиагентные архитектуры.
- Хорошее знание метрики…
Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.
ИсточникHeadHunter / Data Scientist / RU