Senior Data Scientist (MWS Data Copilot, Big Data)

Senior Data Scientist (MWS Data Copilot, Big Data) Grade: Senior Salary: 300 000 —‍ 350 000 ₽/‍мес на руки, по версии getmatch Skills: Python, PyTorch, Transformers, Langgraph, LangChain, VLLM, TGI, ClickHouse, PostgreSQL, Vector DBs, Kubernetes, FastAPI, MLflow, Data Scientist & Machine Learning Company URL: Description: МТС Web Services (MWS) — bigtech-компания, предоставляющая облачные, AI-сервисы и платформенные решения под разные задачи бизнеса: от работы с данными до разработки продуктов и оптимизации процессов. Также мы запустили новую публичную платформу собственной разработки — MWS Cloud Platform. Big Data – один из ключевых юнитов МТС. Сегодня Big Data – это: 20 петабайт данных, 5 000 метрик на профиль и 400 увлеченных профессионалов в команде. Мы находимся в поиске Senior ML Engineer в продукт MWS Data Copilot. MWS Data Copilot — ИИ-ассистент для работы с данными, который преобразует запросы на естественном языке в точные SQL-запросы и аналитические выводы. В основе лежит production-ready Text2SQL-конвейер на мультиагентной архитектуре: система самостоятельно разрешает schema linking среди тысяч таблиц DWH, динамически подбирает few-shot примеры через продвинутый RAG, генерирует и валидирует код, а качество ответов непрерывно улучшается через RLHF на реальных пользовательских логах. Вы будете проектировать семантический слой, выбирать между fine-tuning Open-Source LLM и закрытыми API, выстраивать eval-инфраструктуру и влиять на архитектуру с ранних этапов — это сильный инженерный кейс на стыке NLP, semantic parsing и production ML. Чем предстоит заниматься Проектировать и развивать конвейер Text-to-SQL: от классификации запроса до генерации и валидации SQL. Внедрять продвинутые техники: Agentic RAG (поиск релевантных таблиц/колонок), dynamic few-shot подбор примеров, Chain-of-Thought reasoning. Разрабатывать компоненты schema linking, которые по вопросу пользователя находят релевантные сущности в DWH, решая проблему attention-окна модели. Создавать «семантический слой»: абстрагировать физическую модель данных в бизнес-понятия (например, «активный пользователь» → сложное условие WHERE). Реализовывать гибридный ML-подход: сравнивать и выбирать между продуктивизацией Open-Source LLM, дообученных под конкретную схему, и закрытыми API, а также внедрять систему обучения с подкреплением (RLHF/RLAIF) на реальных логах диалогов пользователей. Внедрять RLHF/RLAIF-пайплайны на основе реальных диалогов пользователей для улучшения качества ответов. Координировать группу из 2-3 ML-инженеров: декомпозиция задач, планирование спринтов, менторинг, code review. Обеспечивать быстрое прототипирование гипотез с фокусом на eval и production-ready решения. Что мы ожидаем Опыт работы в ML / NLP / LLM от 3 лет, из них 2+ года — разработка production AI-решений на базе LLM. Глубокое понимание современных подходов: Transformer, attention, embeddings, instruction tuning, reasoning pipelines. Практический опыт создания AI-агентов (1+ год): multi-step reasoning, tool calling, memory, planning; работа с LangGraph, LangChain, AutoGen или аналогами. Экспертиза в MLOps/LLMOps: оптимизация инференса (KV-cache, quantization, speculative decoding), деплой на GPU, работа с vLLM/TGI/TensorRT-LLM. Опыт построения RAG-систем: chunking, reranking, hybrid search, vector DBs; fine-tuning LLM (SFT, LoRA/QLoRA, DPO/RLHF — будет плюсом). Опыт разработки Text2SQL / semantic parsing систем: schema linking, query planning, SQL validation, mitigation hallucinations. Навыки оценки качества AI-систем: offline eval, benchmarking, detection hallucinations, метрики accuracy/faithfulness/latency/cost. Уверенный Python, опыт backend-разработки (FastAPI, async, Microservices), понимание CI/CD, Docker, Kubernetes. Будет плюсом: опыт координации ML-команды (1+ год): roadmap, декомпозиция, техническое менторство, hiring. Что мы предлагаем Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах. Профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше. Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации. Участие во внешних IT конференциях. Мы выступаем на HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг и даже проводим собственную конференцию по архитектуре True Tech Arch. Полезные курсы и вебинары в корпоративном университете и электронную библиотеку. ДМС с первого месяца работы, включая стоматологию. Страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях. Отпуск 28 календарных дней (+3 дополнительных дня за ненормированный рабочий день). Гибридный формат работы. Прием врачей общей практики и массаж в офисе. Мобильная связь за счет компании и льготные тарифы для близких. Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети. 17:["$","$L18",null,{"initialState":{"status":"anonymous"},"children":[["$","$L19",null,{}],["$","main",null,{"children":["$","$L1a",null,{"vacancySlug":"34716-senior-data-scientist-mws-data-copilot","initialVacancy":{"published_at":"2026-07-05T09:00:53.704681","is_active":true,"position":"Senior Data Scientist (MWS Data Copilot, Big Data)","language":"ru","type":"web_and_tg","id":34716,"offer_type":"vacancy","cover_letter_required":false,"cover_letter_placeholder":"","source":"backoffice","incognito_publication":false,"analytics_id":"Dv939YlG","salary_description":"300 000 —‍ 350 000 ₽/‍мес на руки, по версии getmatch","salary_hidden":true,"salary_display_from":null,"salary_display_to":null,"salary_currency":null,"salary_taxes":"net","salary_is_total":false,"salary_by_our_version":true,"salary_hidden_variant":null,"offer_description":"Что делать: Проектировать и развивать конвейер Text-to-SQL, внедрять продвинутые техники, разрабатывать компоненты schema linking. \n\nО компании: МТС Web Services (MWS) — бигтех-компания, предоставляющая облачные, AI-сервисы и платформенные решения под разные задачи бизнеса: от работы с данными до разработки продуктов и оптимизации процессов. Также мы запустили новую публичную платформу собственной разработки — MWS Cloud Platform.","skills_objects":[{"name":"Python","slug":"python","is_custom":false},{"name":"PyTorch","slug":"pytorch","is_custom":false},{"name":"Transformers","slug":"transformers","is_custom":false},{"name":"Langgraph","slug":"langgraph","is_custom":false},{"name":"LangChain","slug":"langchain","is_custom":false},{"name":"VLLM","slug":"vllm","is_custom":false},{"name":"TGI","slug":null,"is_custom":true},{"name":"ClickHouse","slug":"clickhouse","is_custom":false},{"name":"PostgreSQL","slug":"postgresql","is_custom":false},{"name":"Vector DBs","slug":null,"is_custom":true},{"name":"Kubernetes","slug":"kubernetes","is_custom":false},{"name":"FastAPI","slug":"fastapi","is_custom":false},{"name":"MLflow","slug":"mlflow","is_custom":false}],"url":"/vacancies/34716-senior-data-scientist-mws-data-copilot","description_html":null,"english_level":null,"location_requirements":[{"location_id":"moscow__mo__russia","format":"hybrid","exclude":false,"ancestors":["moscow","mo__russia","russia","_cu-europe","_cu-emea","_cu-world"],"metros":["м. Технопарк"],"city":"Москва","country":"Россия"},{"location_id":"saint-petersburg__leningrad__russia","format":"hybrid","exclude":false,"ancestors":["saint-petersburg","leningrad__russia","russia","_cu-europe","_cu-emea","_cu-world"],"metros":["м. Горный институт / м. Площадь Александра Невского,"],"city":"Санкт-Петербург","country":"Россия"}],"location_items":[{"label":"Москва (м. Технопарк)","format":"hybrid","exclude":false},{"label":"Санкт-Петербург (м. Горный институт / м. Площадь Александра Невского,)","format":"hybrid","e