Лаборатория Касперского·Москва·6 окт.
Data Scientist (MLTech)
Ориентир по рынку≈ 300 000 – 375 000 ₽наша приблизительная оценка по 15 вакансиям этой роли и грейда, у работодателя вилка не указана
🏢 ОфисMiddleПолная занятостьПродуктовая
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Только задачи не расписаны: что за работа, придётся спрашивать.
2 из 4 в норме
Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться
Деньги
Вилку работодатель не назвал. Ориентир на созвон: столько платят в 15 похожих вакансиях Data Scientist уровня Middle.
Живость
Опубликована 12 дней назад. Свежие вакансии почти всегда живые.
Описание
Требований 5, а чем предстоит заниматься, не сказано.
- Обещают
- аккредитованная IT-компания
Что требуют
ОбязательноMLOpsSparkLLMPythonscikit-learnCatBoostRAGDocker
Надбавка к зарплате на этом уровне: Python +40%.
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
Наша компания
Привет! Мы – команда Machine Learning Technology Research and Development (MLTech), и мы приглашаем специалистов по Data Science решать с нами задачи на стыке машинного обучения и кибербезопасности: детектировать зловредные файлы, распознавать фишинговые веб-страницы и обнаруживать хакеров в корпоративных сетях.
Наши требования
Умеешь писать чистый и понятный код на современном Python
Хорошо ориентируешься в классическом ML и соответствующих библиотеках (scikit-learn, CatBoost)
Имеешь опыт разработки систем на базе LLM: написание агентных систем, RAG-пайплайнов
Помнишь, что такое доверительный интервал
Умеешь писать несложные Docker-файлы (или готов научиться)
Мы предлагаем
Мы помогаем друг другу расти и добиваться результатов, решая прикладные задачи
У нас есть MLOps’ы, которые помогут не запутаться в инфраструктуре
Не боимся использовать новые технологии и пробовать новые идеи
Результаты твоей работы почувствуют на миллионах устройств по всему миру
Используем Spark-кластер и GPU-кластер, чтобы обрабатывать огромные коллекции файлов
При желании о результатах работы можно рассказывать в статьях и на конференциях
Дополнительно
Имеешь опыт машинного обучения в индустрии
Готов глубоко погружаться в данные, анализировать модели и строить интерпретации, общаться с заказчиками и превращать их пожелания в гипотезы
Готов работать над разнообразными задачами, в которых нельзя просто `import ml`
Хочешь доводить проекты до прода и не боишься выходить за пределы jupyter-тетрадок
Понимаешь, зачем нужно observability для агентов и умеешь заставлять LLM сделать ровно то, что нужно
Любишь обсуждать идеи, свой код и чужой код с коллегами
Интересуешься безопасностью и не теряешься, услышав слова «полиморф» и «фишинг» (или хочешь во всем этом разобраться)
Мы против мошенников на площадке: если тебя просят заплатить, продиктовать код или установить непонятное приложение, прекращай общение и сразу пиши нам (чат с основателем или форма обратной связи).