Data scientist в Generative AI

WhiteSnake — технологическая компания, которая за 4 года выросла в команду из 200+ талантливых специалистов. Наша экспертиза охватывает бэкенд-разработку, Python и Golang, Data Science, Fintech, искусственный интеллект, блокчейн и другие ключевые направления Мы стремительно развиваемся и в нашу команду требуется Data Scientist/ ML Engineer

• 3+ года практического опыта участия в ML/ AI проектах в качестве Data Scientist или ML Engineer
• Python: Опыт создания высоконагруженных и масштабируемых приложений. Понимание структур данных, ООП, асинхронного программирования (asyncio)
• ML Фреймворки: Практическое знание: PyTorch, Transformers или TensorFlow. Понимание их внутреннего устройства, включая механизмы работы с памятью и графами вычислений
• Классический ML & Data Analysis: Уверенное владение стеком для исследований и продакшена: Pandas, NumPy, Scikit-learn, SciPy, Statsmodels. Опыт с бустингами (CatBoost, XGBoost, LightGBM)
• Полный жизненный цикл ML (End-to-End): Опыт не только в построении моделей, но и во внедрении их в продакшен, включая мониторинг, поддержку и A/B тестирование. Это ключевое требование!
• Generative AI / LLMs: Практический опыт с RAG (Retrieval-Augmented Generation), включая работу с векторными базами данных (Pinecone, Qdrant, Weaviate, PGvector). Опыт работы с агентами, построение агентных систем. Знание фреймворков оркестрации: LangChain или LlamaIndex. Опыт промпт-инжиниринга
• MLOps & Инфраструктура: Опыт контейнеризации (Docker), оркестрации (Kubernetes), создания и поддержки CI/CD пайплайнов. Знание инструментов типа MLflow, Airflow, Kubeflow
• Базы данных: Уверенное владение SQL (PostgreSQL). Опыт работы с NoSQL (MongoDB, Redis) и, что важно — с векторными БД (Pinecone, Milvus, Qdrant, Weaviate)
• Английский язык: Уровень B2 и выше
• Будет плюсом: Компьютерное зрение (CV): Опыт с OpenCV, YOLO, R-CNN. Обработка изображений и видео (в т.ч. RTSP-потоков), задачи детекции, сегментации, классификации, OCR; Классический ML в продакшене: Разработка и внедрение рекомендательных систем (Implicit, LightFM), моделей для прогнозирования временных рядов, обнаружения аномалий; Бэкенд-интеграция: Опыт создания REST API на FastAPI или Flask для обслуживания моделей. Понимание микросервисной архитектуры; Облачные платформы: Практический опыт с одним из облачных провайдеров: AWS (SageMaker, Bedrock), Azure (AI Foundry, Promptflow), GCP; Работа с большими данными: Базовое знакомство с Apache Spark (PySpark), Hadoop, Kafka

• Просторный офис А класса в нескольких шагах от метро
• Партнёрская программа лояльности со скидками
• Корпоративная библиотека
• Защищённая от инфляции заработная плата
• Официальное оформление
• Оплачиваемые больничные согласно ТК РБ
• Молодой и дружный коллектив, где ценятся инновации и совместная работа
• Гибкий рабочий график, который поможет сохранить баланс между работой и личной жизнью