Data Science

Ищем Data Science Middle+ и выше. Задачи: Проектирование архитектуры и разработка LLM-агентов с использованием LangChain, LangGraph и внутреннего Python SDK. Развертывание и оркестрация агентов в production-среде (Docker, Kubernetes). Разработка пайплайнов оценки качества (Evals): проектирование тестовых сценариев, синтетических датасетов и метрик для проверки точности и отсутствия галлюцинаций. Интеграция агентов с внутренними корпоративными системами через REST/gRPC API и брокеры сообщений (Kafka/RabbitMQ). Оптимизация инференса моделей и управление GPU-ресурсами для снижения задержек (latency). Требования: Python: Глубокое понимание GIL, асинхронной модели (asyncio, trio), дескрипторов, метаклассов и особенностей работы сборщика мусора. Конкурентность: Практический опыт управления потоками и процессами (threading, multiprocessing, concurrent.futures), реализации очередей, семафоров, graceful shutdown и защиты от каскадных сбоев. Backend: Разработка высоконагруженных API (FastAPI, Pydantic v2), реализация сложной авторизации (OAuth2/JWT), внедрение контрактного тестирования (TDD) и SLO/SLI-мониторинга. Управление ресурсами: Прямая работа с системными вызовами, настройка cgroups/cpuset, мониторинг RSS/VMS, управление файловыми дескрипторами (ulimit) и защита сервисов от OOM Killer. AI/LLM: Опыт тонкой настройки (fine-tuning) и дообучения моделей, работа с эмбеддингами, векторными СУБД (Weaviate, ClickHouse) и фреймворками для оценки (RAGAS, LlamaIndex). Инструменты: Linux (systemd, journald), Docker, Kubernetes (Helm), Prometheus/Grafana, GitLab CI.