Data Scientist (NLP/LLM) Junior+/Middle
Описание
Сейчас мы находимся в поиске Data Scientist (NLP/LLM) в Ростелеком ИТ. «РТК ИТ» специализируется на проектировании и автоматизации процессов продаж, а также обслуживании телекоммуникационной компании в В2С, В2В, B2O сегментах. Описание проекта: Мы создаем передовую платформу, которая позволяет эффективно обучать, тонко настраивать и разворачивать крупномасштабные языковые модели (LLM) и другие NLP-решения. Наша цель — предоставить командам исследователей и бизнес-пользователям инструментарий для работы с современными моделями ИИ в условиях ограниченного доступа к облачным ресурсам. Мы предлагаем: - Удаленную работу (на территории РФ);- Оформление по ТК РФ в аккредитованной ИТ-компании;- Оклад и годовую премию;- Кафетерий льгот с возможностью выбора категорий (ДМС или компенсация затрат на медицинские услуги, спорт и т.д.). Вам предстоит: - Разработка, обучение и улучшение ML-моделей для решения NLP- задач;- Решение задач классификации и извлечения сущностей (NER);- Проведение ML-экспериментов и оценка качества ML-решений;- Анализ и кластеризация пользовательских запросов;- Разработка ML-решений на основе LLM, RAG и AI-агентов;- Разработка решений для извлечения информации из документов и изображений;- Интеграция ML/LLM-решений в существующие сервисы. Нам важны: - Уверенное владение Python, опыт работы с PyTorch и Transformers;- Понимание подходов к решению задач классификации текстов и извлечения сущностей (NER);- Понимание метрик оценки качества моделей, включая Precision, Recall и F1-score;- Понимание принципов векторного представления текстов, работы эмбеддингов и семантического поиска;- Понимание принципов работы LLM и архитектуры RAG;- Понимание подходов и метрик оценки качества поиска и генерации ответов в RAG-системах;- Понимание принципов работы AI-агентов и основных подходов к их разработке;- Навыки проведения ML-экспериментов, сравнения подходов и анализа результатов;- Понимание принципов интеграции ML/LLM-решений в прикладные сервисы. Будет плюсом:- Практический опыт разработки AI-агентов с использованием LangFlow, smolagents или аналогичных инструментов;- Опыт работы с векторными базами данных, гибридным поиском и реранкерами;- Опыт оценки и оптимизации качества поиска и генерации ответов в RAG-системах;- Опыт обучения и дообучения BERT-подобных моделей, оптимизации инференса с использованием ONNX.- Опыт работы с локальными LLM;- Опыт разработки решений для обработки документов и изображений, включая OCR и VLM;- Опыт разработки API-сервисов на FastAPI;- Опыт контейнеризации и развёртывания приложений с использованием Docker и Kubernetes/OKD;- Опыт работы с ClearML или аналогичными инструментами для управления ML-экспериментами.