Data Scientist (NLP, LLM)

Чем предстоит заниматься:

• разработкой и тюнингом LLM под бизнес-задачи с использованием PyTorch, Lightning, Transformers.

• созданием агентских систем с применением LangChain/LangGraph (оркестрация, tool calling, state management).

• оптимизацией моделей для продакшена: инференс-ускорение (ONNX, Triton), эффективный тюнинг (LoRA, QLoRA).

• полным циклом ML: от экспериментов до промышленного внедрения с использованием MLOps (ClearML), включая мониторинг дрифта и бизнес-метрик.

• разработкой микросервисов на Python (FastAPI) для интеграции моделей в продукты.

Ключевые технологии:

• Core ML: PyTorch • Hugging Face Transformers • PyTorch Lightning

• LLM Tools: LangChain • LangGraph/smolagents • Prompt-engineering

• Optimization: ONNX Runtime • Triton • LoRA/P-tuning

• MLOps: ClearML • Docker • CI/CD (GitLab CI/Jenkins)

Чего ожидаем от тебя:

• профильное высшее образование по информатике;

• опыт работы с NLP от 3-х лет ;

• глубокое понимание архитектур трансформеров: механизмы внимания, токенизация, позиционные энкодинги;

• опыт ускорения инференса: оптимизация через ONNX/Triton;

• практика с оркестрацией LLM: цепочки промптов, агентские системы (LangChain/LangGraph);

• навыки продакшен-кода: питоновские микросервисы, тестирование, CI/CD;

• знание MLOps-инструментов (ClearML/MLflow) для трекинга и деплоя;

• понимание мониторинга моделей: data drift, бизнес-метрики (например, containment rate для чат-ботов).

Будет плюсом:

• опыт с PEFT (Parameter-Efficient Fine-Tuning) для адаптации LLM;

• знание векторных БД (Qdrant, Pinecone), гибридного поиска.

Мы похожи, если ты любишь свою работу и стремишься делать ее наилучшим образом; готов работать в концептуально поставленных задачах; задаешь себе вопросы: "почему и зачем мы это делаем?"; открыт к обучению и другому мнению, рефлексируешь свой опыт; профессионально любопытен.

Что готовы предложить:

• большой спектр задач, связанных с обработкой естественного языка: от обучения классификаторов до…