Data Scientist (Middle+), HR Tech

• Развивать AI-помощника для сотрудников: улучшать качество ответов, разрабатывать дополнительные интеграции с внутренними базами и документами, разрабатывать новые фичи.
• Определять структуру и качество данных для разработки новых фичей/продуктов.
• Разрабатывать базовые AI-решения на уровне MVP: от обработки данных и настройки модели до простого интерфейса и интеграции с внутренними системами.
• Тестировать, сравнивать и адаптировать различные ML-подходы (классификация, кластеризация, ранжирование) и новые рыночные решения для внутренних продуктов.
• Разрабатывать архитектуру AI-решений и писать чистый, эффективный и поддерживаемый кода на Python.

Для нас важно:

• Опыт работы в роли Data Science от 3-х лет.
• Наличие высшего образования в сферах: IT, техническое, математическое.
• Свободное владение языком программирования Python, умение писать чистый, поддерживаемый продакшен-код.
• Практический опыт решения задач классического ML: классификация, регрессия, кластеризация.
• Отличное понимание и активное применение основных инструментов для обработки и анализа данных (scikit-learn, XGBoost/LightGBM, numpy, pandas, plotly/ matplotlib/ seaborn).
• Понимание feature engineering и методологий оценки качества моделей.
• Знание SQL, опыт работы с реляционными СУБД на уровне пользователя.
• Умение работать с Git.
• Опыт создания и сопровождения ML-сервисов на современных фреймворках (FastAPI, Flask).
• Понимание работы REST/gRPC API.
• Понимание микросервисной архитектуры и контейнеризации (Docker).
• Владение инструментами CI/CD и принципами MLOps для автоматизации развертывания моделей в Kubernetes-окружении.
• Навыки настройки логирования и мониторинга для ML-компонентов.
• Знание архитектурных паттернов для LLM.
• Понимание концепций: transformer, механизмы внимания, GPT-архитектуры.
• Методы тонкой настройки LLM: LoRA, QLoRA, адаптерные подходы.
• Навыки работы с большими языковыми моделями (Hugging Face, vLLM).
• Опыт построения и оптимизации RAG-систем.
• Навыки работы с векторными базами данных (подбор, оптимизация запросов, управление индексами).
• Умение строить и донастраивать сложные взаимодействия с LLM: prompt engineering, prompt chaining, использование function calling и управление контекстом (contextual memory).
• Умение работать с неструктурированными данными.
• Способность самостоятельно доводить решения до рабочего прототипа.
• Готовность активно погружаться в быстро развивающийся стек LLM-технологий и внедрять их в рабочие продукты.

Главный принцип SkillStaff - Выбирай!

• РАЗНООБРАЗИЕ ПРОЕКТОВ. Выбирай из сотен компаний и проектов то, что интересно и полезно для твоего роста. SkillStaff помогает реализовывать ежегодно порядка 500 различных ИТ-проектов для крупного бизнеса.
• КОМФОРТ. SkillStaff — аккредитованная IT-компания, белая зарплата и удобный график работы. Создавай идеальные условия для своей работы: удаленная работа или возможность работать как в офисе клиента, так и в комфортном офисе SkillStaff в центре Москвы на Воздвиженке.
• КОМЬЮНИТИ. Выбирай клубы по интересам внутри компании, которые близки по духу именно тебе. Мы создаем корпоративные комьюнити по интересам, чтобы наши сотрудники могли общаться и развиваться в неформальной обстановке. Внутри — комьюнити и митапы; снаружи — воркшопы и конференции, другие мероприятия, чтобы жизнь нашей команды была более интересной и разнообразной.
• ОБУЧЕНИЕ И РАЗВИТИЕ. Выбирай сам путь, по которому ты хочешь развиваться. Используй возможность обмена опытом и получение знаний через участие в разных проектах, совместную работу с высококвалифицированными коллегами, ежегодную аттестацию с индивидуальным планом развития и предоставление ментора.
• START-UP HUB. В хабе любой сотрудник может проявить себя в качестве предпринимателя: от создания идеи до запуска юнита и получения процента от прибыли.
• КУЛЬТУРА. Нашу культуру создают сами сотрудники – мы их слышим и помогаем развиваться, чтобы #вместе переходить на новый уровень!