Data scientist for LLM agents

Описания нет

• Разработка и внедрение агентных систем на базе LLM для выполнения сложных пользовательских и бизнес-задач.
• Проектирование агентных и мультиагентных workflows: tool calling, state management, memory, planning, routing и human-in-the-loop.
• Разработка и развитие RAG-систем: индексация данных, retrieval, reranking и формирование контекста.
• Интеграция агентов с внутренними сервисами, API, базами данных и внешними платформами.
• Создание внутренних бенчмарков и eval-пайплайнов для агентных и RAG-систем.
• Тестирование моделей и систем, анализ качества, latency и стоимости их работы.
• Дообучение open-source моделей, а также retriever- и reranker-компонентов.
• Совместная работа с командами разработки, аналитики и продукта.
• Исследование новых подходов в области LLM-агентов и внедрение успешных решений в production.

• Опыт работы от 2 лет в NLP/ML/LLM-разработке.
• Практический опыт создания и внедрения агентных систем.
• Понимание архитектуры LLM-агентов: tool calling, state management, memory, planning, routing и error handling.
• Опыт работы с LangGraph, LangChain, ADK или аналогичными фреймворками.
• Опыт разработки RAG-систем.
• Понимание подходов и этапов retrieval: hybrid search, filtering и reranking.
• Опыт fine-tuning моделей с использованием PyTorch и Transformers.
• Уверенное владение Python и опыт разработки backend-сервисов для ML.
• Понимание принципов ML System Design.
• Будет плюсом: Опыт построения мультиагентных систем; Опыт работы с Langfuse, OpenTelemetry или аналогичными инструментами для tracing и observability LLM-приложений; Опыт построения eval-систем для LLM-агентов и RAG: offline/online evaluation, автоматические метрики, LLM-as-a-judge и анализ качества выполнения задач; Понимание вопросов безопасности LLM-систем: prompt injection, access control и безопасный tool calling; Опыт работы с Docker, Kubernetes и облачной инфраструктурой; Опыт развёртывания моделей для inference с использованием FastAPI, KServe, NVIDIA Triton, vLLM или SGLang; Опыт оптимизации систем по latency, throughput и стоимости; Понимание blockchain/Web3, EVM и принципов работы смарт-контрактов

• Оформление в соответствии с трудовым законодательством РФ.
• Конкурентный уровень дохода: оклад и годовой бонус.
• ДМС со стоматологией и возможностью подключения детей и родственников к программе.
• Прозрачная система мотивации, позволяющая влиять на уровень дохода.
• Работа в команде профессионалов.
• Участие в создании инновационных продуктов.
• Гибкое начало рабочего дня и сокращённый рабочий день по пятницам.
• Офис в центре Москвы.
• Льготная программа ипотечного и потребительского кредитования.
• Возможности вертикального и горизонтального роста.
• Бонусные программы от компаний-партнёров.
• Реферальная программа с бонусом за успешную рекомендацию кандидата.
• Материальная помощь при рождении детей и в других семейных обстоятельствах.
• Обучение в Корпоративном университете за счёт компании.
• Участие в профильных конференциях в качестве спикера или слушателя.
• Корпоративная жизнь: спортивные комьюнити и клубы по интересам — настольные и интеллектуальные игры.