Обязанности:
Привет! Мы активно растём и сейчас в поиске Middle Data Scientist, который будет улучшать агентов для поддержки клиентов и продавцов Lamoda Чем предстоит заниматься: Повышать качество текущих инструментов: применять актуальные подходы для получения необходимого контекста, добавлять поддержку многомерных данных (изображений, таблиц), работать с политиками агента. Добавлять новые инструменты агента для повышения процента автоматически закрытых обращений. Развивать систему оценки: собирать датасеты и кейсы, разрабатывать метрики, строить диалоговые симуляции, добавлять верифицируемую среду оценки. Анализировать ошибки из прода и фидбек пользователей. Исследовать новые подходы в разработке AI-агентов: память, harness среда Мы ожидаем: Опыт промышленной ML разработки от 3 лет Владение Python и стремление писать воспроизводимый и качественный код. Опыт разработки AI-агентов с использованием фреймворков (LangGraph / OpenAI Agents SDK / Google ADK), понимание современных паттернов проектирования: structured output, память, планирование, циклы агента. Опыт построения систем оценок AI-агентов: LLM-as-Judge, FactScore, RAGAS. Опыт разработки RAG систем: retrieval, чанкование, sparse / dense / hybrid поиск, reranking Понимание основ ML/DL и NLP: метрики качества, embeddings, общее устройство трансформеров (токенизация, attention). Знание алгоритмов и структур данных, опыт работы со стеком (FastAPI, Docker, Redis, Postgres, Airflow). Почему у нас классно: Мы аккредитованная IT-компания Есть возможность работать по "гибриду" из Москвы, либо удалённо из любой точки РФ Всё необходимое железо для работы: мощные ресерч-сервера с GPU и большой Hadoop-кластер Зрелый сетап разработки ML-решений полного цикла: современный стек, высокий уровень культуры разработки, более 50 ML-моделей в проде, есть команда MLOps Полный жизненный цикл разработки data-driven продуктов с применением ML - от генерации идеи и до подведения результатов АБ-теста Проекты НЕ в стол, более 95% инициатив доходят до A/b теста/прода (можно видеть результаты своей работы буквально с первого квартала; хороший time-to-market) Культура code review и принятия решений на основании данных Сильные кросс-функциональные команды middle и senior специалистов, развитое DS-сообщество, любим обмениваться знаниями на внутренних шерингах и митапах Можно и нужно предлагать свои идеи; каждый может влиять на то, что делается в рамках его команды или всего DS-отдела/продукта Персональные карьерные маршруты для каждого члена DS команды Минимум бюрократии, доступы за 1-2 дняПохожие вакансии