Стажер Data scientist

ПАО Банк ПСБ развивает цифровые продукты и сервисы, где данные и машинное обучение помогают делать решения точнее и быстрее. В рамках программы «Старт карьеры» банк растит начинающих специалистов и дает им возможность войти в практику в командах, работающих с прикладными ML/NLP задачами.

Ключевые факты:

• Формат: стажировка с поддержкой наставника
• Локация: Москва, ул. Балчуг, 7 (Новокузнецкая)
• Направление: прикладной data science, RAG и построение баз знаний

Команда в ПСБ строит решения на базе LLM и RAG-подходов: от подготовки данных и разметки до тестирования качества пайплайнов и доработок под реальные сценарии. Отдельный фокус — работа с текстовыми источниками (PDF/DOCX/HTML), индексация, поиск/ранжирование и контроль метрик качества ответов.

В роли стажера Data Scientist вы будете помогать команде развивать пайплайн RAG и поддерживающие сервисы: собирать экспериментальные таблицы, проводить прогоны гипотез и готовить технические материалы для других участников. Параллельно можно будет подключаться к развитию графовых баз знаний (Neo4j) и задачам, связанным с векторным поиском и эмбеддингами.

Ожидается, что вы быстро включитесь в практику и будете активно учиться на наставнике, а также использовать свои пет-проекты/участие в соревнованиях как основу для идей, подходов к данным и экспериментам — это напрямую помогает в работе с NLP и моделями.

Чем предстоит усилить команду:

• Помогать с подготовкой текстовых данных для RAG (парсинг, очистка, нормализация)
• Участвовать в разметке и валидации наборов данных для оценки качества ответов LLM
• Реализовывать и править модули RAG-пайплайна: индексацию, поиск, ранжирование и промпт-шаблоны
• Делать эксперименты по гипотезам и фиксировать результаты в виде таблиц метрик
• Писать небольшие скрипты и сервисы на Python (FastAPI) для внутренних задач
• Участвовать в пополнении графовой базы знаний и выполнять базовые запросы в Neo4j (Cypher)
• Сравнивать качество моделей и пайплайнов, вести таблицы экспериментов
• Подготавливать техническую документацию к своим модулям

Что особенно важно в этой стажировке:

• Понимание архитектуры трансформеров и опыта работы с моделями из HuggingFace
• Практика с LLM: промпты, использование API языковых моделей, сборка чат-сценариев
• Понимание RAG (retrieval-augmented generation) и принципов векторного поиска/эмбеддингов
• Умение работать с Docker и читать Dockerfile
• Интерес к ML/NLP через хакатоны, Kaggle и олимпиады
• Наличие GitHub с личными проектами по ML, NLP или анализу данных