Data Scientist по разработке ИИ-агентов

Что за роль

Проектная работа Data Scientist связана с созданием ИИ-агентов и инфраструктуры для их разработки. В задачи входят внутренний SDK, подготовка eval-датасетов и развитие решений на базе LLM. Сотрудничество обозначено до марта 2027 года, с возможностью продления.

Что предстоит делать

    • Разрабатывать ИИ-агентов с использованием LangChain и LangGraph, а также реализовывать агентский цикл на чистом Python.
    • Создавать внутренний SDK для разработки и запуска агентов.
    • Формировать eval-датасеты для проверки качества работы ИИ-решений.
    • Разрабатывать и внедрять ML- и LLM-решения, ориентируясь на эксплуатацию в production.
    • Создавать надежные сервисы на FastAPI и Pydantic: подключать авторизацию, тестирование, журналирование, аудит, метрики и трассировку.
    • Реализовывать параллельные и конкурентные процессы, управлять таймаутами, отменой задач и нагрузкой.
    • Разрабатывать enterprise RAG и ETL-процессы, Kafka-консьюмеры, разворачивать микросервисы в Docker и Kubernetes.
    • Настраивать LLM-модели и движки инференса для повышения пропускной способности; контролировать ресурсы ОС и защищать процессы от зависаний и OOM.

Что потребуется

    • Опыт разработки и внедрения ML/LLM-решений в production, включая агентов на LangChain или LangGraph.
    • Уверенное знание Python: типы, функции, классы, исключения, итераторы и генераторы, context managers, typing, устройство объектов и основы управления памятью.
    • Практический опыт с asyncio, потоками, процессами, очередями и семафорами, а также управлением таймаутами и отменой задач.
    • Опыт создания надежных сервисов с FastAPI и Pydantic, тестирования через TDD и настройки наблюдаемости.
    • Знание enterprise RAG, ETL, Kafka, Docker и Kubernetes; опыт настройки LLM-инференса.
    • Понимание компонентов ИИ-агента и процессов ОС: subprocess, signals, CPU/RAM limits, RSS и file descriptors.

Что важно знать

Это технически насыщенный проект на стыке разработки ИИ-агентов, инфраструктуры сервисов и оценки качества LLM-систем. Важна способность не только собирать агента с помощью фреймворка, но и понимать его цикл, надежность исполнения и ограничения ресурсов. Указана возможность продлить сотрудничество после марта 2027 года.

Оценка вакансии
7.4 / 10
Вакансия подробно описывает задачи и технические требования: от разработки агентов и SDK до RAG, ETL и эксплуатации микросервисов. Не указаны зарплата, компания и точный тип занятости; проектный срок и удаленный формат обозначены.
Опубликовано:

Будьте в курсе новых вакансий

Подпишитесь на наш Telegram-канал

TalentMove стал Жабкой

Встречайте
TalentMove 2.0

Удобнее искать. Проще выбирать.

Открыть Жабку