Cпециалист по науке о данных

Ориентир по рынку≈ 275 000 – 400 000 ₽наш грубый ориентир по 188 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🌍 УдалённоSeniorПолная занятостьАутсорс

≈ 275 000 – 400 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе. Правда, чем предстоит заниматься, в тексте не сказано.

2 из 4 в норме

Зарплата не указана: ваша цель, нижняя граница и фраза для первого созвона

Деньги

Вилку работодатель не назвал. Грубый ориентир: столько платят в 188 вакансиях уровня Senior по всему рынку, без учёта специальности.

платят меньше275 000 – 400 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Висит 20 дней, признаков фиктивного найма нет.

Живая

Описание

Требования перечислены, их 13, а задачи нет: чем предстоит заниматься, из текста не понять.

Известно: высокие нагрузки
Не сказано: как оформят, из каких стран можно работать и часовой пояс команды

Задач нет

Что требуют

ОбязательноRAGLLMHugging FaceAirflowKafkaRedisKubernetesPrometheusGrafana

Надбавка к зарплате на этом уровне: LLM +43%, Kubernetes +15%, Kafka +9%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наши требования

Понимание архитектуры, возможностей и ограничений современных языковых моделей

Опыт работы с embeddings, vector search, RAG, structured output и tool calling

Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop

Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы

Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента

Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков

Умение оценивать стоимость, latency и масштабируемость LLM-решений

Опыт работы в e-commerce, retail или других продуктовых highload-системах

Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana

Опыт эксплуатации GPU-инфраструктуры и оптимизации inference

Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT

Опыт проектирования agentic workflows или multi-agent-систем

Понимание принципов информационной безопасности, privacy и работы с персональными данными

Дополнительно

Разработка внутренней корпоративной ИИ-платформы для автоматизации процессов, поддержки сотрудников и повышения эффективности взаимодействия с данными. В задачи проекта входит создание удобных пользовательских интерфейсов (чат-ассистенты, RAG-поиск, генерация текстов и изображений), сервисов для создания ИИ продуктов, в том числе агентов, интеграция с существующими системами компании и обеспечение контроля и мониторинга использования модели