ЗП:** 3000–4500$ gross 🏠 Формат: удалённая работа 🗣 Английский: C1

🎯 Что будет делать: – Проводить discovery-сессии с бизнес-владельцами клиента, собирать и согласовывать каталог вопросов на use case с ожидаемыми ответами. На его основе вместе с аналитиками клиента формировать неизменяемый hold-out benchmark, по которому принимается go-live. – Делать data discovery по источникам (Oracle EPM, Landfolio, AcQuire): что уже есть в ADLS и Databricks, в каком виде, с какой частотой обновления. Готовить решение «переиспользуем или строим пайплайн» и согласовывать его с командой данных клиента. – Описывать каталог схем и проверки качества данных. – Формулировать требования к чату и дашбордам: метрики, интенты (retrieve, compare, rank, explain, verify), правила доступа, шаблоны отчётов (cost summary, licence cost), шаблоны документов (pledge drafts, разделы CMI-отчёта) и переводить их в постановки для ML-инженеров. – Готовить корпус знаний для RAG: SOP, Tenement Management Guidebook, Mining Investment Law and Regulations; размечать наборы для оценки retrieval и точности цитирования. – Вести QA и бенчмаркинг: прогонять harness, калибровать рубрику LLM-as-a-judge с business lead клиента, разбирать ошибки (неверные числа, галлюцинации, нарушения доступа), сопровождать UAT и пилотную группу. – Поддерживать документацию: вход в архитектурный документ, каталог вопросов, пакет knowledge transfer, материалы к weekly status и milestone-демо.

🛠 Требования: – Опыт от 3 лет аналитиком (data / system / product analyst) на проектах с данными или ML для enterprise-клиентов. – Уверенный SQL: сложные запросы, сверка чисел с дашбордами и отчётами, профилирование данных. Опыт в Databricks / Spark SQL или готовность быстро освоить. – Понимание, как устроены LLM-продукты: RAG, Text2SQL, промпты, ограничения моделей, галлюцинации. Опыт формирования тестовых наборов и оценки качества ответов (eval-сеты, рубрики, метрики). – Рабочий английский не ниже C1: воркшопы с экспертами клиента, переписка и документы на английском. – Самостоятельность в распределённой удалённой команде, готовность к регулярным созвонам с клиентом в часовом поясе Саудовской Аравии (UTC+3).

⭐️ Будет плюсом: – Azure ADLS, Databricks Genie, AI Foundry, Power BI или аналогичные BI-инструменты. – Опыт с финансовыми данными: бюджет, факт, прогноз, P&L. Знакомство с Oracle EPM / Hyperion. – Опыт с геологическими данными, AcQuire, ГИС (ArcGIS и аналоги), пространственными данными. – Домен: майнинг, нефтегаз, тяжёлая промышленность. – Python / pandas для профилирования данных, опыт с инструментами оценки LLM (LLM-as-a-judge, Ragas, promptfoo и подобные).