Наша команда ищет Senior Data Scientist, который будет заниматься разработкой ключевых GenAI-инициатив в канале ВСП.

Вам предстоит с нуля выстраивать end-to-end пайплайны: от исследования и прототипирования до вывода в продакшен интеллектуальных агентов и ML-моделей. Вы будете отвечать за полный цикл создания ценности — от бизнес-гипотезы до работающего продукта.

Обязанности

**Что предстоит делать:**

* Проектировать и внедрять в продакшен мультиагентные системы (orchestrator–workers, ReAct, Plan-and-Execute).

* Строить продакшен-RAG (гибридный поиск, ANN/HNSW, query rewriting, GraphRAG).

* Разворачивать harness для агентов, настраивать guardrails, трейсинг траекторий и проводить A/B-тесты версий (промпт/модель/инструменты).

* Оптимизировать LLM-пайплайны (DSPy / MIPROv2, управление контекстом и памятью).

* Дообучать модели (SFT, LoRA/QLoRA) под ру-домены и внедрять function calling / MCP.

Требования

* **Релевантный опыт работы от 5 лет**

* **Агенты:** LangChain, LangGraph (обязательно); LlamaIndex, CrewAI (опционально).

* **ML/NLP:** трансформеры, attention, prompt engineering (CoT, few-shot), Fine-tuning.

* **RAG и поиск:** Qdrant, Elasticsearch или FAISS.

* **Оценка:** LLM-as-a-Judge, Inspect AI / RAGAS / DeepEval, матстатистика для A/B-тестов.

* **Классический ML:** CatBoost, XGBoost, скоринг, предотвращение утечек.

* **MLOps:** Python (продакшен-код, ООП), Docker, k8s, CI/CD, MLflow/WandB, мониторинг data drift.

* **Инференс:** vLLM, Triton, TensorRT/ONNX, квантизация, оптимизация latency и стоимости.

Условия

**Ожидаемый стек и навыки:**

* **Агенты:** LangChain, LangGraph

* **ML/NLP:** трансформеры, attention, prompt engineering (CoT, few-shot), Fine-tuning.

* **RAG и поиск:** Qdrant, Elasticsearch или FAISS.

* **Оценка:** LLM-as-a-Judge, Inspect AI / RAGAS / DeepEval, матстатистика для A/B-тестов.

* **Классический ML:** CatBoost, XGBoost, скоринг, предотвращение утечек.

* **MLOps:** Python, Docker, k8s, CI/CD, MLflow/WandB, мониторинг data drift.

* **Инференс:** vLLM, Triton, TensorRT/ONNX, квантизация, оптимизация latency и стоимости.