Data Scientist (NLP, LLM)
Summary
Develops and fine-tunes large language models (LLMs) for business tasks using PyTorch, LangChain, and MLOps tools, while building agent systems and optimizing models for production deployment.
- 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).
- 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 файн-тюна LLM и написания агентских систем;
- вклад в развитие сложного высоконагруженного продукта: все решения принимаются командой, ты можешь на них влиять и будешь видеть результаты своего труда;
-
развитие и обучение: предсказуемый онбординг, помощь наставника; оплата тренингов, семинаров и конференций, корпоративная библиотека;
-
стабильность и прозрачность: оформление по ТК, пересмотры зарплаты по итогам performance review;
- неформальная рабочая атмосфера: отсутствие бюрократии, гибкость процессов;
- ДМС после испытательного; другие "плюшки" в виде классного мерча, заботы о сотрудниках и т.д.
- возможность посетить Владивосток и насладиться красотой региона :)