Data Scientist, middle / middle+

Позиция: Data Scientist, middle / middle+ Куда: Группа компаний Актион Вилка (net): 200-350К рублей Про нас: Актион – крупная компания (6000+ сотрудников, на рынке с 1994 г.) с проектами в области справочных систем, образовательных платформ, электронных сервисов в сферах права, HR, медицины, строительства и пр. Что предстоит делать: Нужно будет строить и обучать SOTА-модели в задачах поиска по контенту, рекомендательных моделях в рассылках и звонках (переходим на transformer-based и gnn+rnn архитектуры), системах медицинского инференса, выявления инсайдов по пользовательским данным для скоринговых моделей. Практически во всех проектах используем LLM, как внешние, так и локально развернутые. Требования: – Опыт работы в области машинного обучения и NLP (2+ лет) – Уверенное знание Python и библиотек машинного обучения (TensorFlow, PyTorch, Transformers) – Знание, понимание архитектур и опыт работы с моделями, такими как GPT, BERT и другими – Опыт исследовательской или прикладной работы с LLM – Умение читать научные статьи по DS и применять новые подходы в работе Будет плюсом: – Опыт работы с RAG пайплайнами и механизмами постоянной памяти – Успешный соревновательны или олимпиадный опыт – Широкий технический кругозор Ответы на 10 вопросов: 1. Данные: Основные источники данных – общекорпоративные greenplum и MSSQL, внутрикомандные Clickhouse, Postgres, Qdrant, S3 2. Железо: CPU: 6 серверов с 256/512Gb RAM, 96 ядер + возможно аренда до 20х серверов дополнительно. GPU: 3 сервера с 512Gb RAM, 96 ядер, 2x A100 + возможна аренда до 8x A100. Для работы: ноутбук HP / MacBook. 3. Масштаб влияния на core-бизнес: Возможность прямого влияния на продажи всех продуктов компании. ML встроен в ключевые бизнес-процессы и управленческие процессы компании. 4. Уровень развития Data Science в компании: ML используется в ключевых продуктовых и маркетинговых задачах, также есть продукт с внешней выручкой, построенный на базе внутренней LLM. Практически во всех задачах используется LLM, в ключевых процессах - трансформерные архитектуры, часть задач остается на классическом ML. 5. Роль Data Scientist: Полный цикл разработки моделей до внедрения в прод, от взаимодействия с заказчиком до получения proof of concept / MVP готового решения. Присутствует команда экспертов которая делает разметку по необходимой предметной области. Вывод решения в прод осуществляется совместно с командами разработки, DevOps и инфраструктуры. 6. Бэкграунд у вашего руководителя: ФКН ВШЭ, МФТИ. Более 60 реализованных проектов в Data Science консалтинге (в том числе за рубежом) и корпорациях. 7. Как часто вам будут мешать работать: 1-2 встречи с бизнес-заказчиками в неделю + Daily meetings. 8. Карьерный рост: Гибкие возможности роста по результатам в выраженном экономическом эффекте 9. Prod / Research: Prod 70%. Предпочитаем решения, которые можно быстро вывести в прод 10. Функция сервиса или лидера: 50% сервисные функции / 50% лидерство в предложении новых подходов с фокусом на экономический эффект. Как откликнуться на вакансию: Telegram: @askomaev