Data Scientist (ML/LLM)

Что предстоит делать

«АльфаСтрахование» - крупнейшая российская частная страховая компания и технологический лидер отрасли - усиливает команду машинного обучения и работы с данными. Мы ищем data scientist’а в команду, занимающуюся созданием и поддержкой решений, в том числе ИИ агентов с использованием машинного обучения, преимущественно LLM моделей и связанной инфрастуктуры. Если у вас хорошая математическая подготовка, вы любите анализировать большие объемы данных и хотите получить опыт участия в полном цикле разработки ML-решений, а также готовы внедрять эти решения и влиять на бизнес, то мы будем рады видеть вас в нашей команде.

• Разработка решений (подготовка данных, выбор решения, обучение, тесты, запуск в production-среде) на основе больших языковых моделей (LLM).
• Разработка ML-моделей (подготовка данных, выбор решения, обучение, тесты, запуск в production-среде).
• Сопровождение ML и LLM решений (мониторинг сервисов и моделей, отслеживание дрейфа данных, работа над развитием).
• Оценка влияния на бизнес предложенных решений.
• Подготовка признаков для feature store (используем Feast).
• Взаимодействие с DA/DE/DevOps для улучшения и автоматизации процессов.

Что ждём от вас

• Понимание работы LLM моделей, их использования в связке RAG, MCP.
• Понимание работы базовых ML-алгоритмов.
• Знание метрик машинного обучения и их интерпретации.
• Уверенное владение Python
• Знание основных фреймворков для построения RAG: llamaindex, langchain и т.п.
• Общее представление об A/B-тестах.
• Навыки работы с Git
• Опыт самостоятельного обучения и вывода моделей в production.
• Желательно:
• Навыки построения пайплайнов обработки данных с использованием pyspark.
• Опыт проведения A/B-экспериментов.
• Знакомство с MLFlow, dvc.
• Наличие представления о REST API (плюсом будет опыт работы с FastAPI).
• Опыт работы с Docker.
• Представление о различных источниках данных: реляционные базы данных, Redis, Hive, Kafka.
• Желательно:
• Навыки построения пайплайнов обработки данных с использованием pyspark.
• Опыт проведения A/B-экспериментов.
• Знакомство с MLFlow, dvc.
• Наличие представления о REST API (плюсом будет опыт работы с FastAPI).
• Опыт работы с Docker.
• Представление о различных источниках данных: реляционные базы данных, Redis, Hive, Kafka.
• Опыт работы в qlikview, superset

Что предлагаем