Data Science (LLM/RAG)

Чем предстоит заниматься:

• Разработка и оптимизация RAG-систем на базе LLM (LLaMA, GPT-подобные модели) для обработки внутренних документов, отчётов и регламентов ключевых заказчиков;

• Реализация и тонкая настройка классических NLP-моделей: текстовая классификация, извлечение именованных сущностей (NER), семантический анализ, извлечение ключевых метаданных;

• Интеграция NLP-моделей в существующие ETL- и BI-процессы, обеспечение стабильной работы в продуктивной среде;

• Работа с большими объёмами структурированных и неструктурированных данных (PDF, DOCX, XML, логи, базы данных);

• Документирование архитектуры, метрик качества и процессов развертывания моделей;

• Участие в проектах предиктивной аналитики для клиентов из ритейла, транспорта и промышленности: прогнозирование спроса, оптимизация логистики, предиктивное обслуживание оборудования;

• Разработка ML-моделей на основе внешних признаков, обработанных LLM (погода, новости, рыночные индикаторы, геоданные, телеметрия);

• Создание автоматизированных ML-отчётов и инфографик с визуализацией результатов (Power BI, Streamlit, Plotly, Tableau) — с акцентом на понятность для бизнес-пользователей;

• Применение LLM для генерации текстовых резюме, аналитических выводов и рекомендаций на основе данных (например: “Снижение спроса на товар X в регионе Y связано с ростом цен на логистику и погодными условиями”);

• Построение пайплайнов ML/LLMOps: от сбора данных до деплоя и мониторинга моделей;

• Участие в презентациях для клиентов: демонстрация результатов, объяснение моделей, подготовка кейсов.

Здорово, если у тебя есть:

• Высшее образование (IT, техническое, математическое);

• Опыт разработки RAG-систем (векторные базы, реранкинг, retrieval-стратегии);

• Глубокое понимание классических NLP-задач: классификация, NER, сущностное извлечение, токенизация, эмбеддинги (BERT, RoBERTa, FastText и др.);

• Практический опыт работы с LLM (Hugging Face, LangChain, LlamaIndex, vLLM, Ollama) и их адаптацией под…