Старший Data Scientist

Что предстоит делать

<h3>О позиции</h3><p>Automat-it — это all-in AWS Premier Partner и Managed Services Provider, специализирующийся на экосистеме стартапов. Имея более 800 клиентов и 500+ AWS-сертификаций, Automat-it привносит практический опыт в области AI, DevOps и FinOps, помогая быстрорастущим стартапам расти, достигать результатов и побеждать. Наши клиенты значительно сокращают время выхода на рынок и оптимизируют свои облачные показатели и затраты.</p><p>Мы работаем по всему региону EMEA и в США, ежедневно стимулируя инновации и решая сложные задачи. Присоединяйтесь к нам, чтобы развивать свои навыки, формировать смелые идеи и помогать строить будущее технологий.</p><p>Мы ищем Senior Data Scientist, который присоединится к нашей практике Data Science и будет работать напрямую с клиентами над сложными проектами в области AI и Machine Learning на AWS.</p><p>Это не традиционная роль Data Scientist, ориентированная на аналитику или исследования. Вы будете работать с классическим ML, fine-tuning, GenAI, мультимодальными системами и продакшн-ML на AWS, помогая клиентам решать, какой технический подход действительно соответствует их задаче.</p><p>Вы будете владеть проектами от начала до конца: понимать домен и данные клиента, оценивать различные пути решения, определять архитектуру, реализовывать ключевые части и сопровождать внедрение до продакшена.</p> <p><strong>📍 </strong>Место работы: удаленно из Украины</p><p>Если вас заинтересовала эта возможность, пожалуйста, отправьте свое резюме на английском языке.</p><h3>Обязанности</h3><ul><li>Владеть проектами Data Science от начала до конца: вести задачи клиентов от технического discovery через анализ данных, проектирование решений, эксперименты, реализацию, развертывание и валидацию в продакшене.</li><li>Выбирать правильный технический подход: оценивать, следует ли решать задачу с помощью prompt engineering, RAG, GenAI, агентных рабочих процессов, fine-tuning, небольших языковых моделей, классического ML, Computer Vision, рекомендательных систем или обучения кастомных моделей.</li><li>Глубоко работать с данными: анализировать и подготавливать наборы данных клиентов, выявлять проблемы с качеством данных, создавать репрезентативные валидационные и golden-наборы данных, а также обеспечивать, чтобы доступные данные могли поддержать выбранный подход к моделированию.</li><li>Создавать и дообучать ML-модели: обучать, дообучать, оптимизировать, оценивать и развертывать модели с использованием Python, PyTorch/TensorFlow, SageMaker и современных ML-инструментов.</li><li>Работать с Generative AI: создавать и оценивать GenAI-решения с использованием Amazon Bedrock, RAG, prompt engineering, выбора моделей, агентных рабочих процессов и связанных нативных AI-сервисов AWS.</li><li>Использовать SageMaker в продакшене: работать с SageMaker Studio, training jobs, endpoints, pipelines, model registry, batch inference, мониторингом и другими продакшн-возможностями ML.</li><li>Проектировать готовые к продакшену решения: принимать архитектурные решения, учитывая качество, задержку, стоимость, масштабируемость, поддерживаемость, наблюдаемость и операционную сложность.</li><li>Работать напрямую с клиентами: участвовать в техническом discovery, воркшопах, архитектурных обсуждениях и коммуникациях по внедрению с основателями, CTO, инженерными командами и техническими стейкхолдерами.</li><li>Оспаривать технические предположения: помогать клиентам избегать излишней сложности, объяснять компромиссы и затраты, а также рекомендовать более простые или более эффективные подходы, когда это уместно.</li><li>Вести за собой через техническую ответственность: самостоятельно владеть проектами с минимальным контролем и наставлять менее опытных Data Scientists и инженеров при необходимости.</li><li>Взаимодействовать между командами: тесно работать с командами AI Engineers, MLOps, Data Engineering, DevOps и Solution Architecture над клиентскими решениями, которые охватывают несколько технических доменов.</li></ul><h3>Требования</h3><ul><li><br><ul><li>5+ лет опыта в Data Science, Machine Learning, Applied Science или тесно связанной роли.</li><li>Сильные фундаментальные знания классического Machine Learning и практический опыт создания продакшн-ML-решений.</li><li>Глубокий практический опыт работы с данными, включая подготовку данных, валидацию, feature engineering, построение наборов данных и оценку моделей.</li><li>Сильные навыки Python и практический опыт работы с PyTorch и/или TensorFlow.</li><li>Сильный практический опыт работы с AWS SageMaker за пределами уровня ноутбуков, включая обучение моделей, развертывание, инференс, пайплайны или продакшн-операции.</li><li>Практический опыт работы с Amazon Bedrock и современными подходами Generative AI.</li><li>Практический опыт fine-tuning моделей и понимание того, когда fine-tuning предпочтительнее, чем prompting, RAG или другие подходы.</li><li>Опыт как минимум в одном сильном ML-домене, таком как NLP, Computer Vision, рекомендательные системы, прогнозирование, структурированный ML, мультимодальный ML или аналогичный.</li><li>Понимание RAG, эмбеддингов, prompt engineering, фундаментальных моделей и агентных рабочих процессов.</li><li>Сильное понимание MLOps и продакшн-ML-практик, включая развертывание моделей, мониторинг, воспроизводимость, управление жизненным циклом и CI/CD.</li><li>Опыт проектирования и владения решениями самостоятельно, а не только работы по заранее заданным техническим спецификациям.</li><li>Сильные коммуникативные навыки при взаимодействии с клиентами и способность четко объяснять технические компромиссы.</li><li>Способность работать с неопределенностью, «грязными» реальными данными и меняющимися требованиями клиентов.</li><li>Сильное техническое чутье и прагматичный подход к балансу между качеством модели, скоростью внедрения, стоимостью и бизнес-ценностью.</li></ul><strong>Будет плюсом</strong><br><ul><li>Опыт работы с AgentCore, Bedrock Agents, LangGraph, Strands Agents или другими агентными фреймворками.</li><li>Опыт работы с Small Language Models или доменно-специфичной адаптацией моделей.</li><li>Опыт работы с рекомендательными системами, аудио-ML, обработкой сигналов или мультимодальными системами.</li><li>Опыт в техническом консалтинге, pre-sales или customer discovery.</li><li>Сертификации AWS Machine Learning.</li><li>Степень магистра или PhD в области Computer Science, Machine Learning, Data Science, Mathematics, Statistics или смежной области.</li></ul></li></ul><h3>Преимущества</h3><ul><li>Профессиональное обучение и сертификации за счет компании (AWS, FinOps, Kubernetes и т.д.)</li><li>Международная рабочая среда</li><li>Реферальная программа — получайте удовольствие от сотрудничества с коллегами и получайте бонус</li><li>Корпоративные мероприятия и встречи (happy hours, командные ивенты, обмен знаниями и т.д.)</li><li>Занятия английским языком</li><li>Тренинги по развитию мягких навыков (soft skills)</li></ul><p>Специфические для страны льготы будут обсуждаться в процессе найма.</p><p>Automat-it стремится создавать рабочую среду, которая обеспечивает равные возможности для всех, и считает, что разнообразный коллектив имеет решающее значение для нашего успеха. Наши решения о найме основаны на вашем опыте и навыках, признавая ценность, которую вы привносите в нашу команду.</p> <div> <a href="https://jobs.dou.ua/companies/automat-it/vacancies/320602/#reply-btn-id">Откликнуться на вакансию</a> </div>