Вакансия: Data Scientist (LLM/NLP)
Описание вакансии
Мы создаём интеллектуального AI-консультанта нового поколения, который способен:
Отвечать на сложные бизнес-вопросы на основе внутренних документов (RAG),
Помогать пользователям через диалоговую систему,
Генерировать специализированный код
Проект совмещает передовые LLM-технологии , архитектуру Retrieval-Augmented Generation (RAG) и code generation models
Обязанности:
- Разработка и оптимизация RAG-архитектуры (retriever + generator)
- Интеграция LLM с векторными БД (FAISS, Qdrant, Weaviate и др.)
- Обработка и семантический поиск по корпоративным базам знаний, PDF, Wiki, API-документации и т.д.
- Разработка бота-помощника по генерации кода на основе user prompt'ов
- Подбор и настройка моделей генерации кода (CodeLlama, Starcoder, DeepSeekCoder и др.)
- Тестирование качества генерации: relevance, correctness, hallucination rate
- Построение пайплайнов для извлечения, разметки и дообучения на кастомных датасетах
- Визуализация результатов и сбор фидбэка от пользователей
- Участие в A/B тестировании LLM-решений и построении метрик качества
Требования:
Обязательные:
- Опыт в работе с LLM
- Навыки разработки RAG-систем: опыт с LangChain, LlamaIndex или аналогичными
- Знание Python, особенно в контексте NLP / ML / AI
- Опыт работы с embedding-моделями (sentence-transformers, Instructor, E5, text-embedding)
- Умение работать с векторными хранилищами (FAISS / Qdrant / Chroma)
- Знание архитектуры генерации кода (CodeLlama, Codex, StarCoder и пр.)
- Навыки работы с Rest API и умение работать с форматами JSON, Markdown, YAML
- Знание Git, Docker, Linux ЮГ1 , Flask / FastAPI
Желательно:
- Опыт fine-tuning или LoRA-донастройки моделей
- Знания в области Information Retrieval: BM25, hybrid search
- Опыт работы с CI/CD, оркестрацией на Airflow или Dagster.
- Опыт генерации и тестирования кода LLM-моделями (unit tests, code quality metrics)
- Знание английского языка на уровне чтения технической документации и общения
Мы предлагаем:
- Участие в прикладных и исследовательских LLM-проектах
- Гибкий график, удалённую работу и команду, открытую к экспериментам
- Поддержку в обучении: менторство, материалы, доступ к GPU
- Быстрый рост и развитие компетенций
