Data Scientist / ML Engineer в NLP-направление ML-команды

Формат работы: удалённо из любой точки мира. Компания нанимает специалистов, которые уже переехали из России.

Мы ищем Data Scientist / ML Engineer в NLP-направление нашей ML-команды.

Обязанности

• Разрабатывать и улучшать решения на базе LLM и NLP-моделей.
• Решать задачи классификации, скоринга, extraction и анализа текстовых данных.
• Работать с LLM-as-a-judge.
• Работать с многоязычными данными, в том числе низкоресурсными языками.
• Разрабатывать пайплайны обработки и анализа больших объёмов текстовых данных.
• Формировать и поддерживать validation / evaluation datasets для LLM-моделей.
• Разрабатывать методологию оценки качества LLM: метрики, пороги, error analysis, post-hoc проверки.
• Работать с prompt engineering и системными промптами, уменьшать количество false positive / false negative срабатываний.
• Оптимизировать inference: batching, quantization, использование GPU-ресурсов и скорость обработки.
• Интегрировать модели в production-пайплайны.
• Поддерживать уже работающие модели: мониторинг качества, поиск деградаций и разбор ошибок.
• Работать с неструктурированными данными: текстами, web-контентом, OCR и результатами анализа изображений.
• Проводить эксперименты и доводить успешные исследования до стабильного production-решения.

Требования

• Хорошее знание Python.
• Уверенное знание SQL.
• Практический опыт работы с LLM / NLP.
• Практический опыт работы с VLM / multimodal-моделями.
• Понимание принципов работы Transformer-моделей.
• Опыт работы с open-source LLM: Qwen, Llama, Mistral или аналогами.
• Опыт работы с Hugging Face / Transformers.
• Понимание подходов к prompt engineering.
• Умение строить качественные validation datasets и проводить error analysis.
• Понимание того, почему одной accuracy недостаточно для оценки LLM-систем.
• Опыт работы с классическими NLP-задачами: classification, embeddings, similarity, information extraction.
• Опыт работы с Airflow и построения production ML/data pipelines.
• Опыт работы с ClickHouse.
• Опыт работы с S3-совместимыми хранилищами.
• Умение самостоятельно проводить исследование: от постановки гипотезы и анализа данных до работающего прототипа.
• Способность превращать исследовательский код в воспроизводимое production-решение.
• Git и базовые навыки работы с Linux.

Будет плюсом

• Опыт работы с vLLM.
• Опыт quantization моделей: 4-bit / 8-bit.
• Опыт работы с PyTorch.
• Опыт работы с embedding-моделями и RAG.
• Опыт построения LLM evaluation framework.
• Опыт работы с multilingual NLP.
• Опыт fine-tuning / LoRA / PEFT.
• Опыт работы с OCR.
• Опыт работы с Docker.
• Опыт работы со Slurm.
• Опыт использования GPU-инфраструктуры и понимание особенностей inference больших моделей.