Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой, после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Команда автоматизации моделирования Альфа-Банка занимается разработкой внутренних инструментов для специалистов по данным, включая системы автоматического машинного обучения, искусственного интеллекта-ассистентов, а также сервисы для автодокументации и автоматического ревью кода.
задачи
Развивать MCP-интеграции для внутренних инструментов AutoML;
Создавать LLM-скиллы для работы с Python-кодом и Jupyter-ноутбуками;
Развивать сервисы автодокументации и автоматического ревью;
Участвовать в интеграции решений в CI/CD и инфраструктуру банка;
Быстро собирать прототипы под запросы DS-команд;
Превращать успешные прототипы в стабильные внутренние сервисы.
требования
Опыт разработки на Python от 1,5 лет;
Базовый опыт работы с ML или LLM-решениями;
Понимание принципов работы современных языковых моделей;
Опыт создания прототипов, API, сервисов или внутренних инструментов;
Готовность разбираться в новых технологиях и работать с не до конца формализованными задачами;
Будет плюсом опыт классического Data Science (sklearn, XGBoost, Deep Learning), разработка REST API и асинхронных сервисов, работа с базами данных, очередями и векторными хранилищами, опыт разработки расширений для VSCode или Jupyter, понимание MLOps (MLflow, Kubernetes, Argo, Airflow, Jenkins), опыт работы с CI/CD, практический опыт с MCP, LangChain, LangGraph или другими агентными фреймворками.
условия
Задачи на стыке Data Science, LLM и разработки платформенных решений;
Возможность влиять на архитектуру и развитие внутренних продуктов;
Поддержка сильной команды и понятная зона роста;
Работа над сервисами, которыми ежедневно пользуются Data Scientist;
Официальное оформление, конкурентная зарплата и ДМС.