Data scientist — удалённая работа в Москве

Доработка существующего продукта. Ищу специалиста, который обрабатывает большие объемы в таблице Excel, учитывая акты и другую информацию.

Data Science. Mock интервью. Провести mock-интервью по system design.

Сдача теста для вуза по аналитической систематике.

Data Science. Разработка с нуля. Есть программа 3d Slicer, есть диск с данными КТ, ОФЭТ/КТ и лимфосцинтиграфии, нужен человек умеющий работать в данной программе и сопоставлять в ней данные КТ, ОФЭТ/КТ и лимфосцинтиграфии. Важно умение накладывать в ней снимки, совмещать и убирать ненужное.

Консультация. Пожелания и особенности: Требуется помощь с решением тестового задания по риск анализу кредитного портфеля физических лиц. Требуется определить корреляции Default Ratio по портфелю и поведения клиентов заёмщиков. Инструментарий Excel или Python Pandas.

Разработка с нуля, доработка существующего продукта. LLM Application Engineer Unimatch Lab — венчурная AI?студия из Кремниевой долины, которая за 24 месяца строит линейку из 100 вертикальных AI?продуктов (HealthTech, LegalTech, HRTech, PropTech и др.). Ищем LLM Application Engineer с опытом продакшн?разработки AI?приложений, кто умеет автономно принимать архитектурные решения, оптимизировать качество/стоимость LLM и использовать AI?инструменты как часть рабочего процесса, а не «игрушку». Технический профиль - 2+ лет в Python/Node.js (FastAPI, NestJS), уверенная работа с PostgreSQL, Redis, брокерами сообщений (Redis Streams/RabbitMQ/Kafka). - Глубокий опыт с LangChain/LlamaIndex/AutoGen, RAG?системами, векторными БД (ChromaDB, Pinecone, Weaviate, Qdrant), OpenAI/Anthropic/Azure OpenAI и on?prem моделями. - Настройка RAG?пайтлайнов и hybrid search, промпт?инжиниринг (Chain-of-Thought, Few?Shot и др.), fine?tuning через LoRA/QLoRA, работа с embeddings и интеграциями внешних API/инструментов. Продакшн и качество - Продакшн?деплой LLM (vLLM, TGI, Ollama, AWS/GCP), Docker/Kubernetes, CI/CD, MLOps (логирование, мониторинг, drift, версионирование моделей), observability (Prometheus, Grafana, Sentry). - Unit/integration?тесты (pytest/unittest, Jest/Supertest), валидация через Pydantic, code review и статический анализ (ESLint, Prettier, Black, Pylint). Желательны: Notion/Slack API, Linux/SSH, serverless (Lambda/Workers/Vercel), оптимизация стоимости и latency LLM, опыт high?load (от ~1k RPS). Зона ответственности - Архитектура и разработка RAG?систем и многошаговых AI?агентов, интеграция LLM в продакшн?сервисы (API?слой, роутинг, fault?tolerance, наблюдаемость). - Fine?tuning под домены, разработка и A/B?тестирование промптов, оптимизация производительности и стоимости, сопровождение тестов. - Участие в продуктовой и технической архитектуре, документация (API, релизы, инструкции по интеграции). Условия - Доход от 3000 до 4500 USD/мес, но вообще без жёсткого потолка, рост вместе с количеством продуктов и перформансом. - Быстрый трек до Tech Lead и лидера продуктовой ветки из 3–5 AI?продуктов с опционами/долей, команда A?Players и минимальная бюрократия. - Полностью удалённо и гибко по времени, фокус на результате и доступ к сильному AI/венчур?нетворку. В отклике пожалуйста укажи свой релевантный опыт по возможности прикрепи резюме или портфолио и опиши какой нибудь интересный кейс из своего опыта =) Можешь написать мне на профи ру или в телеграмм@ildarca_w.