Data Scientist Middle+ Remote

#вакансия # DataScientist #fulltime #удаленно #Python 👋Привет! Меня зовут Ирина. Я представляю группу компаний Top Selection. 🔥В данный момент мы в поисках DataScientist 🔥 Грейд: midlle+ Рейт: 200-230 К на руки Формат работы: удаленка Локация/Гражданство: только РФ Срок привлечения: до конца 2026 Загрузка: fulltime Оформление: как ИП Сфера: ритейл 📝Задачи и обязанности: • Развивать AI-помощника для сотрудников: улучшать качество ответов, разрабатывать дополнительные интеграции с внутренними базами и документами, разрабатывать новые фичи • Определять структуру и качество данных для разработки новых фичей/продуктов • Разрабатывать базовые AI-решения на уровне MVP: от обработки данных и настройки модели до простого интерфейса и интеграции с внутренними системами • Тестировать, сравнивать и адаптировать различные ML-подходы (классификация, кластеризация, ранжирование) и новые рыночные решения для внутренних продуктов. • Разрабатывать архитектуру AI-решений и писать чистый, эффективный и поддерживаемый кода на Python. ✅Требования: • Опыт работы в Data Science от 3 лет • Высшее образование: IT, техническое, математическое • Уверенное знание Python, умение писать чистый, поддерживаемый продакшен-код. • Практический опыт решения задач классического ML: классификация, регрессия, кластеризация. • Глубокое владение основными библиотеками и фреймворками для анализа данных (scikit-learn, XGBoost/LightGBM, numpy, pandas, plotly/ matplotlib/ seaborn) • Понимание feature engineering и методологий оценки качества моделей. • Знание SQL, опыт работы с реляционными СУБД на уровне пользователя • Умение работать с Git • Опыт создания и сопровождения ML-сервисов на современных фреймворках (FastAPI, Flask). • Понимание работы REST/gRPC API. • Понимание микросервисной архитектуры и контейнеризации (Docker). • Владение инструментами CI/CD и принципами MLOps для автоматизации развертывания моделей в Kubernetes-окружении • Навыки настройки логирования и мониторинга для ML-компонентов. • Знание архитектурных паттернов для LLM. • Понимание концепций: transformer, механизмы внимания, GPT-архитектуры • Методы тонкой настройки LLM: LoRA, QLoRA, адаптерные подходы • Навыки работы с большими языковыми моделями (Hugging Face, vLLM), • Опыт построения и оптимизации RAG-систем. • Навыки работы с векторными базами данных (подбор, оптимизация запросов, управление индексами). • Умение строить и донастраивать сложные взаимодействия с LLM: prompt engineering, prompt chaining, использование function calling и управление контекстом (contextual memory). • Умение работать с неструктурированными данными • Способность самостоятельно доводить решения до рабочего прототипа • Готовность активно погружаться в быстро развивающийся стек LLM-технологий и внедрять их в рабочие продукты. 📲 @irazhura87