DataScience

#vacancy #DataScience #DeepLearning #AI_Agents #LLM #ML #NLP #Python #Senior Специалист по науке о данных / Deep Learning (AI-агенты / LLM / ML / A/B-тесты) 🧠 🤖 ID вакансии: Deep_AiP Ставка: до 260 000 руб. на руки в месяц. Грейд: Senior. Загрузка: Full-time (полная занятость). Срок проекта: Долгосрочно. Формат: Удалённо. Локация/Гражданство: РФ. ⏳ Срок актуальности вакансии: до 27.08.2026. 📌 Важно: рассматриваются кандидаты с релевантностью опыта от 85% (аутстаффинговая позиция). Ищем Senior-специалиста по науке о данных с глубокой экспертизой в Deep Learning для долгосрочного проекта. Роль для зрелого инженера на стыке AI-агентов, классического ML и LLM/генеративного AI, который умеет не только строить модели, но и оценивать их бизнес-эффект, проектировать human-in-the-loop системы, писать production-код и работать с современной ML-инфраструктурой. 🚀 Ключевые задачи: Проектирование и разработка AI-агентов с управлением состоянием, контекстом, выбором инструментов и контролем уровня автономности. Применение классического ML, работы с временными рядами, рекомендательных систем или NLP/LLM. Подготовка данных и признаков, выбор моделей, регуляризация, борьба с переобучением и data leakage. Оценка качества ML-систем: offline- и online-метрики, построение валидации, оценка бизнес-эффекта. Мониторинг качества моделей и данных. Проведение A/B-тестов: дизайн, анализ, проверка гипотез, доверительные интервалы. Написание поддерживаемого production-кода: модульная архитектура, тестирование, логирование, документация, code review. 🎯 Обязательные требования: AI-агенты: Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop. Машинное обучение: Глубокое понимание основных принципов ML: подготовка данных и признаков, выбор моделей, регуляризация, переобучение, data leakage, интерпретация результатов. Опыт работы хотя бы в одном из направлений: классическое машинное обучение; временные ряды и прогнозирование; рекомендательные системы, поиск и ранжирование; NLP, LLM и генеративный AI. Математическая статистика: Проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов. Оценка качества ML: Понимание принципов оценки качества ML-систем: offline- и online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных. Python и библиотеки: Уверенное владение Python и основными библиотеками для анализа данных и ML: pandas или polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch или аналогичные инструменты. Инженерные практики: Умение писать поддерживаемый production-код: модульная архитектура, тестирование, логирование, документация, работа с Git и участие в code review. Базы данных: Уверенное владение SQL. 💡 Будет плюсом: LLM и AI-агенты: Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы. Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента. Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков. Умение оценивать стоимость, latency и масштабируемость LLM-решений. Опыт проектирования agentic workflows или multi-agent-систем. Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT. Домен: Опыт работы в e-commerce, retail или других продуктовых highload-системах. Инфраструктура: Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. Опыт эксплуатации GPU-инфраструктуры и оптимизации inference. Безопасность: Понимание принципов информационной безопасности, privacy и работы с персональными данными. 📲 Контакт для отклика: @hrwomenpro (При отклике, пожалуйста, сразу присылайте актуальное резюме с акцентом на опыт AI-агентов/LLM/ML и production-практики, пишите ID вакансии: Deep_AiP) 📢 Источник: https://t.me/itworkhubchannel/868