Data Scientist

Описание роли

На позиции Data Scientist вы будете отвечать за полный цикл разработки и внедрения интеллектуальных решений на основе классических ML-алгоритмов и современных LLM-моделей для задач обработки естественного языка в финансовом секторе. Ваша задача — выстраивать конвейеры сбора, очистки и структурирования текстовых данных, разрабатывать embedding-модели и fine-tuning LLM для генерации кредитных меморандумов и аналитических заметок. Вы будете формулировать гипотезы, проводить A/B-тесты и эксперименты с анализом результатов, сотрудничая с бизнес-аналитиками, продуктовой командой и партнёрами.

Уникальность вакансии

Volna.tech предлагает удалённую работу с первого дня без привязки к офису, что обеспечит максимальную гибкость в планировании рабочего времени. Благодаря широкой базе партнёрских компаний каждый проект будет уникальным: вы сможете переключаться между задачами NLP и RAG, применять LangChain и настраивать LLM для реальных кейсов в кредитном бизнесе. Процесс найма занимает не более двух интервью, а оформление по ИП и обсуждение Job offer исходя из ваших финансовых пожеланий делают предложение быстрым и прозрачным.

О компании

Volna.tech — динамично развивающийся консорциум специалистов в области Data Science и AI, специализирующийся на финансовых продуктах. Мы ценим оперативность принятия решений, высокий профессионализм и прагматичный подход к решению задач. Среди наших достижений — успешные RAG-сервисы для анализа кредитоспособности, автоматическая генерация рекомендаций по структуре сделок и выделение тональности данных для повышения качества бизнес-решений.

Обязанности

— Моделирование с использованием классических алгоритмов (деревья решений, бустинг, линейная регрессия) и нейронных сетей (RNN, LSTM, BERT) для задач NLP.
— Разработка и оптимизация RAG-сервисов, проектирование промптов и fine-tuning LLM для генерации аналитики и рекомендаций.
— Суммирование и обработка разнородных данных (новости, финансовая отчётность, транзакции) для автоматизированных отчётов.
— Формулирование гипотез, проведение экспериментов и анализ результатов для повышения точности моделей.

Требования

— Опыт работы с классическими алгоритмами классификации и регрессии, понимание метрик accuracy, precision, recall, F1.
— Навыки кластеризации, построения embedding-моделей и работы с архитектурами RNN, LSTM, BERT.
— Практика fine-tuning LLM и разработки RAG на базе LangChain или аналогичных фреймворков.
— Уверенное владение Python, NumPy и Pandas.

Условия

— Полностью удалённая работа с первого дня и гибкий график.
— Оформление по ИП, обсуждение Job offer в соответствии с вашими ожиданиями.
— Чёткие перспективы карьерного роста и участие в разнообразных проектах партнёров.