Middle+/Senior Data Scientist (3D Geometry / Hybrid Search / LLM / Python / Team Lead)
Ставка: до 220 000 руб. (Middle+) / до 270 000 руб. (Senior) на руки в месяц.
Грейд: Middle+ / Senior.
Загрузка: Full-time.
Срок привлечения: 3 месяца с возможностью пролонгации.
Формат: Удалённо.
Часовой пояс: UTC+3 (МСК).
Локация/Гражданство: РФ, РБ / РФ, РБ.
О проекте: ИТ-компания, решающая сложные R&D-задачи на стыке обработки 3D-данных, поисковых систем и ML-сервисов.
Ищем Middle+/Senior Data Scientist с сильным инженерным бэкграундом для работы над нетривиальными задачами. Это роль для специалиста, который не ограничивается Jupyter-блокнотами, а умеет внедрять ML-решения в продакшн, глубоко понимает 3D-геометрию, строит сложные пайплайны гибридного поиска (IR + LLM) и способен координировать небольшую команду разработки.
Ключевые задачи:
- Решение алгоритмических задач: обработка 3D-данных (полигональные сетки, воксели), разработка пайплайнов поиска.
- Проектирование архитектуры ML/DS-сервисов и внедрение готовых решений в инфраструктуру проекта.
- Профилирование производительности и снижение вычислительной сложности (в т.ч. при работе с 3D-структурами и векторными индексами).
- Координация подгруппы разработки: декомпозиция задач, оценка трудозатрат, планирование спринтов, исполнение функций тимлида в периоды его отсутствия.
- Проведение Code Review, контроль качества кода, менторинг Junior/Middle специалистов.
- Подготовка технической документации, фиксация архитектурных решений (ADR).
Обязательные требования (Hard Skills):
3D и пространственные данные (КРИТИЧНО!):
- Уверенное владение 3D-геометрией: работа с полигональными сетками, вокселями, триангуляцией, 2D/3D-объектами и понимание лежащей в основе математики.
Information Retrieval и LLM (КРИТИЧНО!):
- Построение пайплайнов гибридного поиска (сочетание dense- и sparse-подходов, включая BM25), работа с эмбеддингами, reranking (Reciprocal Rank Fusion).
- Опыт применения векторных баз данных: Qdrant, Milvus, pgvector, Weaviate и др.
- Навыки оценки качества генерации и поиска: LLM-evals (Ragas, TruLens, DeepEval) или умение разрабатывать собственные метрики.
Инженерная культура и Python (КРИТИЧНО!):
- Python 3.10+ (в т.ч. asyncio и typing), NumPy, SciPy, Pandas.
- Backend-разработка: FastAPI (микросервисная архитектура, REST, асинхронная обработка).
- Инфраструктура: контейнеризация (Docker), эксплуатация в среде Linux (Ubuntu).
- Профилирование: умение применять cProfile, Scalene, memory_profiler и аналоги для оптимизации кода под продакшн.
Лидерство и процессы:
- Подтверждённый опыт внедрения ML/DS-решений в промышленную эксплуатацию (за пределами прототипов).
- Опыт координации небольшой команды или технического руководства разработчиками.
- Способность переводить абстрактные бизнес-задачи в чёткие технические требования и разбивать их на реализуемые подзадачи.
Будет плюсом:
- Опыт публикации статей или выступлений на профильных конференциях по темам 3D ML или Advanced RAG.
- Знание C++ для оптимизации критичных по производительности участков кода.