Data Science & ML — свежие вакансии

Мы разрабатываем и внедряем торговые стратегии на криптовалютных и классических рынках.
Ищем специалистов, которые смогут применять ML / quantitative research для поиска рыночных закономерностей, генерации сигналов и построения прибыльных стратегий.

Команда:

• Небольшая команда без бюрократии — быстро принимаем решения и проверяем гипотезы
• Выпускники топовых вузов (ВШЭ, МФТИ, Сколтех и др.), многие с бэкграундом ШАДа / олимпиад
• Основной офис — Сербия + распределенная команда

Кого ищем:

Ищем сильного Senior / Lead специалиста с опытом в ML-driven trading / quantitative research.

Важно умение: самостоятельно находить и валидировать торговые идеи, строить research pipeline и доводить стратегии до production-ready состояния.

Требования:

• Подтвержденный опыт разработки прибыльных торговых стратегий / ML-driven стратегий
• Отличное знание Python и ML стека (NumPy, numba, PyTorch / JAX, scikit-learn)
• Сильный математический / статистический бэкграунд
• Опыт работы с time-series / рыночными данными
• Опыт построения, тестирования и валидации гипотез / сигналов / моделей
• Понимание принципов торговли, анализа рынков и рыночных данных
• Опыт quantitative / ML research

Будет плюсом:

• Умение читать, разбирать и оптимизировать код на C++
• Опыт промышленной разработки / production ML systems
• Опыт в HFT / арбитражных / market making стратегиях
• Опыт работы с low-latency системами
• Олимпиадный или академический бэкграунд (Всерос, ICPC, Kaggle, ШАД)
• Публикации / статьи на топовых ML конференциях
• Достижения в сильных ML / DS / Quant соревнованиях
• Опыт разработки сложных ML / DL моделей

Чем предстоит заниматься:

• Разработка и развитие торговых стратегий
• Разработка ML / quantitative моделей для прогнозирования и генерации сигналов
• Анализ временных рядов и рыночных данных в реальном времени
• Проверка гипотез и улучшение существующих стратегий
• Оптимизация скорости и эффективности алгоритмов
• Работа с research / backtesting инфраструктурой
• Потенциально — развитие команды и новых направлений под себя

Что мы предлагаем:

• Гибкость и отсутствие бюрократии

• Хорошую команду профессионалов и интересное направление развития

• Возможность влиять на продукты компании

• Удаленный формат работы из любой точки мира

• Конкурентную оплату труда

Мы ищем руководителя направления обучения больших языковых моделей, который будет отвечать за развитие качества моделей в доменной области через системное управление обучением, данными и оценкой.

Роль предполагает работу на стыке исследований, инженерии и продуктовых задач с фокусом на практическое применение моделей в бизнесе.

Обязанности

1. Развитие качества моделей

• анализ современных методов обучения LLM (SFT, RLHF/DPO, synthetic data, дистилляция).
• формирование стратегии обучения моделей под бизнес-задачи.
• определение необходимых навыков модели (skills decomposition).

2. Работа с данными

• проектирование и развитие пайплайна датасетов.
• сбор, очистка, разметка, валидация.
• создание обучающих и тестовых выборок.
• разработка синтетических датасетов.

3. Бенчмарки и оценка

• разработка и поддержка системы оценки качества моделей.
• создание бенчмарков (включая domain-specific).
• проведение регулярного тестирования и сравнительного анализа моделей.
• контроль регресса.

4. Управление командой

• руководство командой разметки (до 40 человек) и подготовки данных (4 человека).
• постановка задач, контроль качества разметки.
• разработка методологии разметки и инструкций.
• работа с инструментами разметки (например, TagMe).

5. Взаимодействие с рисками и compliance

• согласование подходов к обучению с управлением модельных рисков.
• контроль аспектов, галлюцинации, bias, соответствие нормативным требованиям.
• обеспечение прозрачности и воспроизводимости обучения.

6. Интеграция с продуктом

• работа с продуктовыми командами (LLM-агенты, RAG-системы).
• приоритизация задач обучения на основе бизнес-метрик.
• участие в запуске моделей в прод.

7. Экономика и эффективность

• оценка эффективности обучения (качество vs стоимость).
• выбор оптимальных стратегий, дообучение vs архитектурные изменения.
• оптимизация использования вычислительных ресурсов.

Требования

• опыт работы с LLM / NLP от 3–5 лет.
• практический опыт обучения моделей (SFT, RLHF/DPO или аналоги).
• опыт построения датасетов и evaluation pipelines.
• понимание архитектуры LLM и принципов их обучения.
• опыт управления командой.
• уверенное владение Python и ML-стеком (PyTorch / HuggingFace).

Будет плюсом:

• опыт работы с доменными моделями (например, legal, finance).
• опыт построения пайплайнов генерации синтетических данных.
• опыт внедрения моделей в прод.
• знание подходов к снижению галлюцинаций.

Условия

• комфортный современный офис на ул. Вавилова, д. 19.
• формат работы — фул-офис.
• ежегодный пересмотр зарплаты, годовая премия.
• корпоративный спортзал и зоны отдыха.
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития.
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ.
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
• вознаграждение за рекомендацию друзей в команду Сбера.

Мы — команда GigaCode, разрабатываем и развиваем AI-ассистента для разработчика. Целимся конкурировать с Copilot, Cursor, Windsurf и прочими инструментами.

Обучаем новые SOTA LLM по работе с кодом, как на уровне подсказок в IDE, так и на уровне редактирования целого проекта. Мы R&D команда, поэтому мы не только заимствуем лучшие решения из публикаций, но и ведем собственные исследования, публикуем статьи, open-source инструменты и датасеты.

Наши основные направления: претрейн кодовых моделей с нуля, пост-тренировка моделей (SFT/DPO/GRPO), обучение рассуждающих моделей, дообучение работе в агентном режиме и использованию инструментов, поиск в коде по текстовым запросам, ускорение инференса, дизайн бенчмарков, автоматическое создание датасетов проверяемых задач.

Обучаем модели на картах H100, на кластере Кристофари, у нас много свободы в использовании GPU.

Обязанности

• дизайн экспериментов, формулировка гипотез для улучшения NLP/PLP моделей и алгоритмов, планирование исследовательских экспериментов с выводами
• проведение экспериментов, написание кода, подготовка датасетов и бенчмарков, проведение замеров и анализ результатов
• обучение моделей на кластере, включая обучение моделей с нуля и дообучение опенсорс моделей
• взаимодействие с прод-командой для интеграции моделей и алгоритмов в продакшн. Взаимодействуем с командой инженеров SberWorks
• ориентированность на SOTA, читать пейперы, быть в курсе последних исследований, предлагать новые смелые подходы и направления.

Требования

• хорошие теоретические знания в DL, с упором в современный NLP и трансформеры
• умение формулировать эксперименты с научной строгостью, обосновывать их, проводить самостоятельно и делать выводы
• опыт обучения трансформеров
• опыт распределенного обучения моделей (deepspeed, fsdp, torch.distributed, accelerate)
• знание стандартных библиотек для DL и NLP (PyTorch и библиотеки Huggingface)
• увлеченность NLP/PLP и DL
• опыт менторинга стажеров и младших коллег.

Будет плюсом:

• опыт работы на похожей позиции
• участие в соревнованиях по ML
• сабмиты на лидербордах по NLP/PLP
• публикации уровня А/A*, Q1
• обучение моделей на кластере
• опыт управления командой исследователей.

Условия

• комфортный современный офис рядом с м. Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• система обучения для профессионального и карьерного развития
• расширенный полис ДМС с первого дня работы и страхование для семьи
• программа ипотеки для сотрудников
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.

IT-компания GNIVC - партнер государственных компаний и лидеров российского бизнеса, разработчик и системный интегратор крупнейших государственных информационных систем, а также коммерческих решений для налогового мониторинга.

• Компания входит в ТОП-100 лучших работодателей страны и на 9-м месте в категории «IT-компании» 2025 года по рейтингу работодателей hh.ru среди крупных компаний;
• Мы в 25% лучших по уровню счастья среди компаний отрасли IT и России 2025 по версии Happy Job;
• У нас есть ИИ-песочница - среда для экспериментов и реальных проектов на современных опенсорс-больших языковых моделях. Здесь можно применять ИИ для оптимизации своей работы, автоматизации процессов и реализации собственных идей от гипотезы до результата;
• Являемся аккредитованной ИТ-компанией.

Задачи:

• разработка и доработка классификатора названий товарных позиций на базе BERT-архитектур (включая предобучение, дообучение и оптимизацию моделей);
• организация и контроль процесса разметки данных: постановка задач разметчикам, контроль качества, автоматизация пайплайнов;
• подготовка датасетов: очистка, нормализация данных с использованием pandas, datasets (Hugging Face) и regex;
• проектирование и реализация архитектуры моделей: эксперименты с BERT, DistilBERT, кастомными головами, ensemble-методами;
• мониторинг производительности моделей в продакшене: метрики качества, drift-детекция, A/B-тестирование, автоматизированное дообучение;
• работа с PostgreSQL: создание таблиц, написание хранимых процедур и функций, оптимизация запросов (индексы, materialized views, EXPLAIN ANALYZE), ETL-пайплайны для данных моделей;
• интеграция моделей в production: Docker-контейнеризация, мониторинг GPU/CPU.

• высшее образование (предпочтительно в области компьютерных наук, математики или смежных дисциплин);
• 2+ года опыта в NLP/ML, включая fine-tuning transformer-моделей (BERT/RoBERTa/DistilBERT);
• глубокий опыт с PyTorch, Hugging Face Transformers, pandas, datasets;
• опыт работы с PostgreSQL: SQL, создание/оптимизация схем, хранимые функции, производительность запросов;
• знание техник model optimization: quantization, layer-wise LR, custom loss functions;
• опыт production ML: monitoring, anomaly detection, model serving;
• уверенное владение Python, Git, Linux/Shell scripting.

Будет плюсом:

• опыт с классификацией текстов (продуктовые каталоги, поиск/рекомендации);
• навыки организации разметки данных и data pipeline engineering (ETL, preprocessing);
• работа с ONNX для inference, multi-GPU training (DDP).

Мы предлагаем:

• гибкие форматы работы: возможность работы в офисе, по гибридному графику или полностью дистанционно на территории РФ;
• рабочий график: пятидневная рабочая неделя (пн.–чт. с 09:00 до 18:00, пт. с 09:00 до 16:45);
• достойное вознаграждение: конкурентная заработная плата по результатам собеседования, а также премии за эффективную работу и достигнутые результаты;
• официальное трудоустройство: полное соблюдение требований ТК РФ, включая оплачиваемые отпуска (с дополнительной выплатой 50% от оклада после 11 месяцев работы в Компании) и выплату заработной платы дважды в месяц;
• заботу о здоровье:
• компенсация больничного листа продолжительностью до 7 дней с сохранением полной оплаты, эквивалентной рабочему дню,
• добровольное медицинское страхование (ДМС) по окончании испытательного срока, с широким перечнем ведущих медицинских учреждений, включая качественную стоматологию,
• возмещение до 50% затрат на занятия спортом;
• развитие и обучение:
• профессиональное обучение и сертификация за счет компании,
• организация внутренних и внешних митапов, хакатонов, конференций, семинаров и тренингов,
• партнерские программы по изучению иностранных языков и развитию профессиональных навыков от Skyeng и Skillbox,
• доступ к корпоративной библиотеке на платформе Alpina Digital;
• дополнительные выходные: возможность взять 5 дополнительных оплачиваемых выходных (ресурсных) дней в течение календарного года (с 1 января до 31 декабря) для сотрудников, проработавших в компании более 11 месяцев.

Ведущая организация в области тренажёрных систем для инженерных войск и в разработке геоинформационных систем, аккредитованная IT-компания Оборонно-промышленного комплекса Институт телекоммуникаций находится в поиске инженера-программиста.
20 лет мы создаём качественно новую наукоёмкую продукцию по заданию государства: современные комплексные тренажёрные системы для военной и гражданской техники, автоматизированные системы управления, робототехнические системы, геоинформационные системы и многое другое.

Обязанности:

• Разработка модулей компьютерного зрения для наземных (стационарных/мобильных) комплексов и бортовых систем:
  • Детекция и классификация объектов инфраструктуры, транспорта, людей и др. объектов местности.
  • Трекинг целей в условиях смены ракурса, частичного перекрытия.
  • Семантическая сегментация препятствий и угроз.
• Разработка модулей геопривязки снимков и видеокадров с использованием нейросетевых дескрипторов

Требования:

• Опыт промышленной разработки алгоритмов компьютерного зрения от 3 лет
• Опыт реализации:
  • Детекции (YOLO, EfficientDet, DETR) и классификации (CNN, ViT).
  • Трекинга (SORT, DeepSORT, ByteTrack) и реидентификации (ReID).
  • Семантической сегментации (UNet, DeepLab, SegFormer).
  • Быстрообучаемых классификаторов (Siamese networks, prototypical networks, или адаптация LoRA/Adapter).
• Знание PyTorch (или TensorFlow), OpenCV, GStreamer
• Опыт подготовки датасетов (сбор, разметка, аугментация)
• Знание основ фотограмметрии и работы с геопространственными данными
• Опыт оптимизации моделей для работы в реальном времени (TensorRT, ONNX, квантование, прунинг)
• Навыки командной разработки, умение пользоваться системой контроля версий git, понимание принципов CI/CD.

Будет преимуществом:

• Опыт разработки под бортовые вычислители и низкоуровневой оптимизации.
• Знание C++ и опыт интеграции моделей в бортовое ПО
• Практическое применение ROS / ROS 2
• Знание протоколов реального времени: RTSP, MAVLink, RTP
• Понимание SLAM (ORB-SLAM, VINS-Mono, RTAB-Map)
• Опыт работы с мультиспектральными данными и лидарами (PCL, Open3D)
• Понимание дифференциальной геопривязки (RTK) и инерциальных систем (IMU)

Условия:

• Участие в проекте федерального значения
• Стабильная работа в зарегистрированной в МинЦифре IT компании в команде опытных специалистов;
• Белая зарплата, мы всегда учитываем зарплатные ожидания, с успешными кандидатами обязательно договоримся;
• Хорошая экологическая коммуникация с культурой обратной связи;
• Возможность профессионального роста, обмена опытом, увлеченный коллектив;
• График работы с понедельника по пятницу с возможностью выбора с 9:00 до 18:00, с 10:00 до 19:00 или с 8:00 до 17:00, с часом на обед и сокращённый на 1 час рабочий день по пятницам;
• Комфортный офис в 10 минутах ходьбы от метро Лесная;
• Курсы повышения квалификации на ежегодной основе и выстроенную систему адаптации новых сотрудников;
• Лояльное отношение к совмещению с учёбой, возможность защиты кандидатских и докторских диссертаций в собственном закрытом диссертационном совете.

Мы ищем сотрудника для работы в офисе.

Мы разрабатываем AI-агентов для продуктовых команд и ТОП-процессов Блока "Стратегия и развитие", совмещая Classic NLP, LLM-based и мультиагентные подходы с целью повышения внутренней эффективности и автономизации задач на основе Leading Edge технологий в области AI.

Основные направления деятельности:

• Мэтчим разные сущности банка (продукты, функции, цели, встречи, письма, задачи Jira и др.) для создания полной картины в рамках анализа эффективности всей организации.
• Формируем рекомендации по повышению эффективности на основе классификации, кластеризации и тематического моделирования с использованием цифровых следов.
• Реализуем пайплайны обработки внутренних документов произвольной длины для максимального ускорения работы с ними (маршрутизация, рекомендация замечаний и генерация корректных документов с нуля).
• Проводим анализ графов целей организации (связанность, каскадирование, полнота и актуальность) для выравнивания стратегии банка на всех уровнях, а также рекомендуем амбициозные цели с учетом контекста и приоритетов стратегии.
• Расширяем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.
• Участвуем в развитии глобального направления AI-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).
• Проверяем гипотезы любой сложности для получения Data-driven инсайтов, которые становятся предметом обсуждения на стратегических сессиях руководства банка.

В наши глобальные планы входит:

• Разработка и внедрение AI-агентов для самых приоритетных стратегических процессов банка с потенциалом переиспользования на внешнем рынке.

• Создание SotA-решений с учетом специфики банка.

• Разработка и внедрение ML-моделей и AI-агентов от этапа MVP до ПРОМ (CRISP-DM).

• Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering и др.

• Создание мультиагентных пайплайнов на основе фреймворков для работы с LLM (LangChain/GigaChain).

• Адаптация и обучение языковых моделей (LLM) Сбера на основе внутренних и внешних данных (In-Context Learning, Prompt Tuning, RAG, PEFT).

• Индексация и ранжирование текстовых документов разной длины.

• Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.

• Определение ML SysDes решения с учетом разрешенного технологического стека.

• Участие в валидации и автомониторинге моделей, проведение A/B тестирования.

• Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики или статистики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, МИФИ.

• Опыт в разработке NLP моделей (обязательно) и рекомендательных систем (желательно).

• Понимание жизненного цикла моделей (CRISP-DM).

• Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.

• Высокий уровень владения ядром Python и SQL.

• Свободное владение базовыми библиотеками на Python: pandas, numpy, matplotlib, seaborn и др.

• Знание фреймворков, библиотек, алгоритмов машинного обучения: Scikit-learn, Pytorch, XGBoost, CatBoost, TensorFlow, transformers.

• Опыт работы с NLP библиотеками: pymorphy2, NLTK, Gensim, spaCy, regexp.

• WEB-фреймворки: FastAPI (async methods), Flask и др.

• Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).

• Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).

• Контейнеризация: Docker, OpenShift.

• Ипотека выгоднее на 7% для каждого сотрудника и льготные условия кредитования.

• Бесплатная подписка СберПрайм+.

• Скидки на продукты компаний-партнеров.

• ДМС с первого дня и льготное страхование для близких.

• Корпоративная пенсионная программа.

• Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.

• Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы.

Мы рассматриваем разные грейды, от джун+ до сеньора.

Мы — команда эффективности нефинансовых сервисов Т‑Банка. Наша цель — создавать и внедрять алгоритмы, которые улучшают экономику экосистемы: делают ее выгоднее для клиентов, прибыльнее для бизнеса и эффективнее для партнеров. Для этого мы используем кэшбэк, ценообразование, рекламу и финтех-сервисы.

Одно из приоритетных направлений команды — развитие рекламной платформы. Мы создаем инструмент, который будет управлять эффективностью рекламы: максимизировать релевантность для пользователя, улучшать качество трафика для партнера и маржинальность для бизнеса.

Ждем аналитика, которому интересно строить сложную систему на стыке ML, экономики, экспериментов и пользовательского опыта.

Обязанности:

• Проектировать и оптимизировать формулы аукционов, стратегии показа рекламы и модели скоринга с использованием ML и алгоритмических эвристик.
• Разрабатывать и поддерживать динамические сегментации кампаний и рекламного инвентаря.
• Разрабатывать и поддерживать алгоритмы управления распределением трафика в зависимости от состояния кампаний, CTR, маржинальности и других ключевых метрик.
• Работать с моделями прогнозирования ожидаемой стоимости выкупа рекламного инвентаря и ценности показов, балансируя интересы рекламодателей и бизнеса.
• Дизайнить, запускать и анализировать эксперименты в условиях сложных сетевых эффектов.
• Искать новые алгоритмические подходы к распределению бюджета и приоритизации показов, чтобы автобиддер максимально эффективно использовал каждый рубль рекламодателя.

Требования:

• Знаете SQL на продвинутом уровне.
• Отлично разбираетесь в математической статистике и теории вероятностей, умеете проводить А/B-тесты, знаете разные статистические методы и критерии.
• Знаете альтернативные методы проверки гипотез: ML-подходы, когортный анализ, синтетический контроль и так далее.
• Знаете Python и библиотеки pandas, NumPy, matplotlib, sklearn, SciPy, prophet и другие.
• Проводили бизнес-анализ и выявляли требования.
• Умеете выбирать целевые метрики бизнеса или продукта, декомпозировать и строить дерево метрик.
• Понимаете, как работать с зависимостью в данных — от способов оценки параметров распределений до дельта-метода и линеаризации.
• Визуализируете данные построения дашбордов в BI-инструментах: Tableau, Python, Proteus.
• Умеете писать ETL-пайплайны — SSETL.

Условия:

• Работу в офисе или гибридный формат — по договоренности с руководителем.
• Возможность работы в аккредитованной ИТ-компании.
• ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких. Еще — страховка от несчастных случаев и болезней.
• Рост по карьерному треку: проходите курсы по софт- и хард-скиллам, развивайтесь с поддержкой ментора и повышайте уровень с матрицей компетенций и регулярным ревью.
• Сильное комьюнити. Вы будете работать с экспертами в своей области, сможете делиться знаниями и выступать на конференциях, посещать митапы и писать статьи.
• Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни.
• Компенсацию затрат на спортивные абонементы, приложение Т-Спорта для онлайн-занятий и командные тренировки с коллегами.
• Три дополнительных дня к отпуску — можно использовать для отдыха или получить компенсацию.
• Специальные тарифы на продукты Т-Банка и широкую программу скидок от партнеров.
• Достойную зарплату — обсудим ее на собеседовании.

Т-Банк — это

Продукты, которые любят

Создаем продукты, которыми пользуемся мы сами, наши близкие и десятки миллионов клиентов.

Свобода действий

Болеем за задачи и не ограничиваем свободу действий. Каждый может повлиять на продукт и достичь сверхрезультатов.

Рост и развитие

Помогаем вырасти: поощряем инициативу и подсказываем, как выстроить карьерный трек. Еще у нас есть внутренние курсы по софт- и хард-скиллам.

Общие цели

Работаем сообща и вместе ищем решения. Брейнштормим идеи и объединяемся, чтобы достичь большего.

Сильное комьюнити

Вы окажетесь среди профессионалов. Это опытные сотрудники, у которых можно учиться, и младшие коллеги, которых вы сможете менторить.

Понятные задачи и цели

Знаем, какую задачу решаем и зачем. Видим картину целиком и опираемся на логику и факты.

KEFIR - студия-разработчик, известная своими хитами «Last Day on Earth», «Frostborn», «Sunday City» и др.

Флагманы занимают первые места в чартах и миллионах сердец по всему миру, о чем свидетельствует четверть миллиарда загрузок.

Сейчас мы находимся в поиске Data Scientist, который поможет нам в разработке новых прогнозных моделей и их интеграцией в пайплайны для задач продукта и маркетинга.

Вы - наш человек, если у вас есть:

• опыт работы на аналогичной позиции от 3 лет

• опыт работы на аналогичной позиции в игровой индустрии

• Python: уверенное владение

• SQL: умение писать эффективные запросы к большим объемам данных

• ML-база: понимание классических алгоритмов машинного обучения и принципов их валидации

• опыт работы с указанными инструментами:

  • SQL: Google BigQuery

  • оркестратор: Apache Airflow

  • среды разработки: IDE (PyCharm) и Notebooks (Jupiter/Colab)

  • Python: Basics (NumPy, Pandas, Scikit-learn, Statsmodels), Ensemble Frameworks (LightGBM, CatBoost, XGBoost), Viz (plotly, seaborn и т.д)

  • визуализация: Power BI/Tableau

  • GitLab

Будет плюсом:

• понимание ключевых метрик мобильных игр или приложений (LTV, Retention, ROAS, ARPU и т.д.).

• разработка и деплой моделей в облачной среде (GCP/Vertex AI)

• Deep Learning (RNN, LSTM), Probabilistic Modeling (PyMC)

Кое-что о задачах:

• прогнозирование окупаемости рекламного трафика

• поиск эффективных прокси-событий для оптимизации закупки

• пользовательская сегментация

• прогнозирование оттока

• факторный анализ, оценка влияния на ключевые бизнес-метрики

• анализ неструктурированных данных для автоматизации обработки фидбэков

Помимо работы:

• лекции от топовых спикеров нашего профиля
• крутые внутренние ивенты
• собственная медицинская диагностическая клиника

Само собой:

• удаленная работа
• официальное оформление
• мощное железо
• курсы английского

Привет!

Robotmia – продуктовая IT-компания, специализирующаяся на технологиях машинного обучения, искусственного интеллекта и понимания естественного языка. На рынке больше 7 лет и каждый год растет минимум в 2 раза.

Основные продукты – "Голосовой ассистент" и "Модуль определения автоответчиков". С их помощью наши клиенты кратно увеличивают качество обслуживания своих пользователей и в разы сокращают расходы. А с операторов call-центров снимают скучную и рутинную работу.

Наши клиенты — российские компании из самых разных сфер (логистика, медицина, банковский сектор и другие). Многих из них ты можешь найти в ежегодном рейтинге Forbes “ТОП-200 крупнейших частных компаний России”.

Кого мы ищем:
Нам нужен Data Scientist, нацеленный на бизнес-результат.

Мы не занимаемся исследованиями ради исследований. Ты должен понимать: модель ценна только тогда, когда приносит прибыль или сокращает издержки. Ждем прагматика и энтузиаста, который умеет быстро проверять гипотезы и доводить решения до продакшна.

Чем предстоит заниматься:

• Анализировать большие объемы аудиоданных (работа с ClickHouse) и проводить EDA для поиска неочевидных закономерностей;

• Формулировать гипотезы, жестко привязанные к бизнес-метрикам (снижение операционных расходов, рост точности детекта);

• Работать с сильным дисбалансом классов при классификации аудио;

• Настраивать и применять алгоритмы кластеризации данных для выявления скрытых паттернов;

• Исследование и применение современных архитектур нейронных сетей (CNN, RNN, LSTM, TCN и др.);

• Работать над задачами коррекции аудио (шумоподавление) с применением современных архитектур;

• Управлять ML-экспериментами через ClearML, обеспечивая воспроизводимость результатов.

Мы ожидаем от тебя:

• Опыт в DS/ML от 3 лет, с фокусом на результат, а не на процесс;

• Умение работать с большими базами данных (ClickHouse) и писать сложные аналитические запросы;

• Опыт кластеризации данных (K-Means, DBSCAN, иерархические методы) и настройки этих алгоритмов;

• Умение выбирать и настраивать архитектуры нейронных сетей для задач классификации (CNN, RNN, LSTM, Transformer и др.);

• Опыт решения задач классификации с сильным дисбалансом классов (sampling, weighted loss, синтетические данные);

• Python, Pandas/NumPy, Scikit-learn, PyTorch/TensorFlow;

• Библиотеки для аудио: Librosa, torchaudio;

• Опыт работы с ClearML (MLflow, Weights & Biases — как альтернатива, но плюсом именно ClearML);

• Опыт разработки систем автоматического алертинга (мониторинг дрифта, аномалий, падения метрик в проде с автореакцией);

• Git, Docker, Kubernetes (понимание CI/CD для ML).

Будет плюсом:

• Опыт с архитектурами RNN, LSTM, TCN, Transformer, WaveNet;

• Решения задач Source Separation или шумоподавления;

• Участие в Kaggle с задачами классификации небалансированных классов;

• Опыт работы с потоковыми данными и реальными production-системами.

Мы предлагаем:

• Официальное трудоустройство в аккредитованной IT-компании;

• Гибкий рабочий график 5/2, гибридный формат работы;

• Стабильную зарплату 2 раза в месяц, отпуска и больничные;

• Персонального наставника;

• Креативную дружную команду, готовую помочь, научить и поддержать;

• Удобный офис в Академгородке (2 мин. от станции Сеятель);

• Уютную атмосферу и классные корпоративы;

• Корпоративное обучение и карьерный рост.

Мы не корпорация, наша стратегия основана на доверии и долгосрочных отношениях. Если ты согласен с фразой “Ты – причина всех своих решений” - нам точно по пути!
Ждем твой отклик.

Brand Analytics - масштабный SaaS-проект в сфере Data Mining, лидер в области мониторинга и анализа социальных медиа и СМИ на рынках России и СНГ.

Мы создаем передовые решения в области обработки естественного языка и компьютерного зрения, обрабатывая более 100 млн объектов ежесуточно в режиме реального времени.

Обязанности:

— Структурирование и планирование работы отдела под управлением Руководителя ML-проектов
— Руководство командой ML-инженеров и развитие ML-направления
— Участие в выборе технологического стека и архитектурных решений
— Работа с потоковыми данными: анализ, моделирование, классификация, кластеризация
— Организация разметки данных для обучения и верификации
— Реализация нового функционала: от исследования до продакшена
— Проверка и генерация гипотез, поиск нестандартных подходов

Масштаб:
— Обработка более 100 млн объектов в сутки в режиме реального времени
— Работа с мультимодальными данными (текст, изображения, видео, аудио)
— Развертывание моделей в production с высокими требованиями к latency/производительности и ресурсоёмкости

Технологический стек:

ML/DL:
— Python ML Stack (pandas, numpy, sklearn, scipy)
— Классический ML (CatBoost, sklearn)
— NLP инструменты (NLTK, SpaCy)
— PyTorch + Transformers (BERT, GPT, T5)
— Собственные LLM решения
— VLLM / Ollama для оптимизации инференса

Инфраструктура и DevOps:
— Собственные GPU-кластеры для обучения моделей
— Docker-based deployment
— ML-ops: MLFlow / ClearML
— Мониторинг: Grafana
— FastAPI для создания сервисов

— 5+ лет опыта в ML/AI разработке
— Опыт руководства командой ML-инженеров от 3-5 человек
— Сильная экспертиза в NLP и CV
— Опыт коммерческой разработки и внедрения ML-систем
— Понимание и применение современных MLOps практик

Будет плюсом:
— MLOps
— GoLang
— Знание SQL, noSQL баз данных
— Автоматизация ML-пайплайнов

Мы предлагаем:

• Оформление в штат компании с первого рабочего дня согласно ТК РФ;
• Полностью белая заработная плата, выплачивается вовремя 2 раза в месяц;
• Возможность развития и карьерного роста;
• Современный и комфортный офис в центре Москвы (м. Библиотека Ленина, Театральная);
• ДМС со стоматологией;
• Компенсация фитнеса, а также занятий английским языком;
• Корпоративные мероприятия;
• Дружный, профессиональный коллектив.

Просьба обратить внимание, что позиция предполагает полностью офисный формат работы.

Присоединяйтесь к команде Brand Analytics и создавайте будущее аналитики социальных медиа вместе с нами!

Any (ранее - DIGINETICA) – лидер в области martech-персонализации пользовательского опыта, продуктов для навигации и выбора товаров в e-commerce.
Мы развиваем продукты для топовых онлайн-ритейлеров, в числе которых Самокат, Золотое Яблоко, Азбука Вкуса, SUNLIGHT, Холодильник.ру, ЦУМ, OBI, Билайн, МВидео и многие другие. Наш флагманский продукт AnyQuery является лидером рынка в сегменте AI-поиска товаров. Также мы развиваем продукты по персонализации и товарным рекомендациям AnyRecs, систему поиска по фото на основе компьютерного зрения AnyImages, продукт по обогащению UGC AnyReviews.

Мы входим в часть экосистемы Т-Банк и в рамках совместных активностей и синергии развиваем ряд совместных сервисов для миллионов пользователей аудитории банка и наших клиентов.

Сейчас мы расширяем команду и ищем Data Scientist для работы преимущественно с нашим основным продуктом (AnyQuery).

Что нужно делать:

• Поддерживать действующую ML систему компании

• Разрабатывать алгоритмы поиска, ранжирования, рекомендаций

• Участвовать в разработке новых продуктов в ML части

• В перспективе лидировать действующую команду

Ищем человека, который:

• Умеет писать готовый к production код на Python (PyTorch, Sentence Transformers)

• Имеет математический бекграунд (профильное техническое/математическое образование, хорошее понимание мат.статистики, линейной алгебры)

• Работает с векторными базами данных (Pinecone, Milvus, Qdrant, Chroma)

• Знает Elasticsearch или Opensearch

• Большим плюсом будет опыт работы с поисковыми моделями и понимание их работы

Почему нужно идти к нам?

• Команда Any — это 130+ профессионалов, создающих инновационные решения в тандеме с командой Т-банк;
• гибкий график работы, полностью удаленная работа или Также возможно посещение офиса Т-Банк в Москве при желании.
• полностью белая заработная плата, оформление по ТК c первого дня;
• мы аккредитованная IT-компания со всеми соответствующими льготами;
• мы также заботимся о твоем метальном здоровье предлагаем скидки на услуги сервиса "Ясно";
• возможность изучать английский по корпоративной программе совместно с "Skyeng";
• даем возможность и поддерживаем профессиональный и карьерный рост. Культивируем обмен опытом и регулярные воркшопы от разных команд.

Нейроюрист уже стал одним из лучших решений на рынке и сейчас активно растёт и масштабируется. Мы расширяем команду и ищем сильного ML-разработчика, имеющего опыт с RAG, LLM и агентами.

Улучшение LLM- и RAG-пайплайнов

Улучшать LLM- и RAG-пайплайны: оптимизация каждого компонента RAG, настройка embedder/reranker-моделей, промпт-инжиниринг, подтверждённость генерации.

Разработка юридических LLM-агентов

Проектировать, разрабатывать, внедрять LLM-агентов и оценивать их работу для сложных сценариев: анализ задачи пользователя, планирование, выбор подходящих инструментов на каждой итерации исполнения плана.

Дообучение и масштабирование

Дообучать LLM/ML-модели, включая дообучение с подкреплением совместно с командами базовых технологий Яндекса. Масштабировать продакшен-решения: latency, scalability, monitoring моделей.

Больше об ML в Яндексе — в канале Yandex for ML

* Больше двух лет работали в ML/NLP/LLM-проектах, включая prod-системы
* Пишете код (Python)
* Имеете опыт с LLM, RAG
* Интересуетесь агентами
* Готовы внедрять ML-модели в рантайм, поддерживать их и автоматизировать сопутствующие процессы

* Делали тонкую настройку сложных RAG-пайплайнов
* Разрабатывали LLM-агентов (LangGraph, AutoGen, Pydantic AI, etc.)
* Участвовали в разработке диалоговых сервисов
* Разбираетесь в юридической сфере

Мы - команда AGI NLP, занимаемся исследованиями, связанными с большими языковыми моделями, AI агентами, RAG системами и оценкой их способностей в различных областях.

Все, что касается новых подходов к оценке, бенчмаркам, созданию новых генеративных LLMs, исследованию их способностей, — это к нам!

У вас будет возможность проводить исследования с GigaChat и другими LLM, работая на самом фронтире области, заниматься прикладными исследованиями мирового уровня и презентовать свои успешные проекты на конференциях уровня A/A*.

• ставить исследовательские гипотезы и проверять их экспериментами

• создавать бенчмарки, метрики и разрабатывать новые способы оценки генеративных моделей

• обучать больших языковых моделей, разработка новых функций для GigaChat

• обучать агентов, эксперименты с их созданием и оценкой

• писать научные публикации совместно с коллегами.

• обладаете навыками программирования на Python и PyTorch

• имели опыт работы с большими языковыми моделями (Mistral, LLaMA и т.д.)

• имели опыт проведения полного цикла экспериментов: от сбора данных и формирования метрик до поддержки внедрённой фичи

• имеете опыт работы с генеративными моделями

• знаете английский на уровне C1, умеете свободно на нем писать

• следите за развитием индустрии больших языковых моделей и мультимодальных моделей.

• комфортный современный офис рядом с м. Кутузовская

• гибридный формат работы

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• ипотека для сотрудников выгоднее до 4%

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

Обязанности:

• Разработка автоматизированных систем для летательных аппаратов;

• Разработка и внедрение алгоритмов компьютерного зрения для навигации, семантического картирования и построения трехмерной сцены среды;
• Работа с решениями сегментации, детекции и классификации объектов;
• Разработка и оптимизация алгоритмов SLAM;
• Решение задачи эксплуатации систем в условиях GPS-недоступности;
• Участие в проектировании архитектуры роботизированных систем;
• Структурирование и адаптация решений под необходимые задачи.

Требования:

• Опыт работы от 3-х лет с классическим CV: OpenCV, pytorch, NumPy, SciPy (фильтрация, калибровка, трекинг, feature detection и.д.);

• Глубокое понимание архитектур сверточных нейронных сетей и их реализаций для решения задач сегментации, детекции, трекеров, извлечения ключевых точек, метрических методов;
• Опыт разработки и поддержки коммерческих приложений на Python и C++;
• Знание Linux на уровне продвинутого пользователя;
• Понимание как устроены метрики и функции потерь, умение их адаптировать под задачу;
• Опыт оптимизации скорости работы нейросетей: прунинг, дисциляция, квантование;
• Понимание работы SLAM, VIO;
• Опыт работы с ROS2;
• Опыт работы с протоколами MAVLink;
• Опыт работы с ПО RViz/QGroundControl/QGIS.

Мы предлагаем:

• Работу в аккредитованной ИТ-компании;
• Комфортный современный офис в 5 минутах от метро "Проспект Мира";
• Возможность использования льгот, предоставленных Правительством РФ, для IT компаний
• Оформление в соответствии с ТК РФ, ДМС;
• Конкурентный уровень заработной платы;
• График работы: 5/2 с 9.00 до 18.00 (10.00-19.00), пятница до 16:45;
• Премии по результатам работы;
• Возможны краткосрочные командировки;
• Отсрочка от частичной мобилизации.

Мы - команда GigaChat Pretrain Data, готовим pretrain данные для GigaChat и GigaChat Vision. Pretrain данные - это фундамент, с которого начинается путь современной LLM модели и то, от чего наиболее зависит ее итоговое качество. Сырых данных более 40Пб и основная задача заключается в том, чтобы из этого хаоса сделать датасет, на котором будет обучена лучшая LLM в России.

Основные задачи будут лежать в следующих сферах:

Инфраструктура:

• поддержка данных для обучения VLM на кластере YTSaurus.
• построение удобной платформы для эффективного анализа/обработки данных (фильтрация, дедупликация и пр.)
• автоматизация процессов через Airflow.

RnD:

• поиск и синтез данных для обучения VLM (есть несколько областей: OCR/Charts&Tables/Grounding&Counting/General и тд).
• исследование пайплайнов по созданию чистых и разнообразных датасетов (на примере FineVision).

Эксперименты и метрики:

• Обучение VLM на подготовленных данных.

• проведение исследований релевантных intrain метрик, бенчмарков для замера качества.

• Опыт построения дата пайплайнов и data quality процессов

• Опыт работы в production ml команде (большие нагрузки как преимущество)

• Понимание задач CV и современных подходов в больших языковых моделях

• Опыт решения задач, связанных с влиянием данных на качество VLM

• Практический опыт работы с VLM.

• комфортный современный офис рядом с м. Кутузовская

• возможность выбрать удобный график – офис/гибрид/удаленка (в РФ)

• годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• ипотека для сотрудников по дисконтной прогамме

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

О команде:
ML-команда Дрома отвечает за развитие рекомендательной системы, с которой ежемесячно взаимодействуют более 4 миллионов пользователей. Мы постоянно улучшаем ранжирование и проводим эксперименты с монетизацией.
Помимо рекомендаций, мы развиваем инструменты, которые экономят время пользователей и повышают качество объявлений: CV (OCR, object detection), NLP и Speech-to-Text.
У нас нет жесткого разделения на DS и инженеров: ML-инженер может как запускать эксперименты по улучшению моделей, так и готовить их к продакшену.

Мы ищем опытного ML-инженера, который усилит нашу команду.

Какие задачи тебе предстоит решать:

• поддерживать и улучшать рекомендательный сервис и CV наших продуктов;
• участвовать в построении пайплайнов по сбору данных для последующего моделирования;
• заниматься оптимизацией моделей, улучшением инфраструктуры инференса/мониторинга.

Наши ожидания:

• опыт в индустрии по направлению МL от 3 лет;
• опыт работы с RecSys, так же будет преимуществом наличие опыта в одной из областей CV/OCR;
• знание подходов, архитектур, распространенных проблем и методов их решения в области speech-to-Text/NLP;
• уверенное знание основ статистики и Core ML;
• уверенное владение Python, ООП, проектирование приложений;
• знание DL фреймворков Tensorflow/Pytorch;
• использование стандартного набора инструментов: SQL, numpy, pandas/polars, cv2, matplotlib.

Что мы предлагаем:

• трудоустройство в аккредитованной IT-компании;
• работу в сильной продуктовой команде и возможность влиять на продукты и процессы;
• пространство для роста и условия для развития: прозрачная система грейдов, поддержка ментора, участие в конференциях, доступ к онлайн-библиотеке;
• удаленный формат работы с гибким началом рабочего дня (8-9 утра по Екб);
• ДМС со стоматологией после прохождения ИС.

Чего у нас нет — дресс-кода и бюрократии. Мы работаем на результат, а не ради формальных процессов, сохраняя атмосферу доверия, уважения и поддержки.

Твои задачи:

• Разработка и внедрение ML-моделей полного цикла: от анализа данных до вывода в production
• Прогнозирование потоков и остатков с использованием временных рядов
• Feature engineering для казначейских продуктов
• Моделирование статей баланса, оценка эластичности ставок, создание котировщиков депозитов
• Поддержка и развитие существующих решений, оптимизация моделей

Требования:

• Опыт работы в ML/DS от 3 лет, уверенное владение Python и современными ML-библиотеками (scikit-learn, XGBoost, LightGBM, CatBoost и др.)
• Глубокое понимание методов анализа временных рядов и построения прогнозных моделей
• Навыки feature engineering и работы с большими объемами данных
• Опыт внедрения моделей в production (желательно опыт работы с MLflow, Docker, CI/CD)
• Умение работать с SQL и реляционными БД
• Аналитический склад ума, самостоятельность, готовность брать ответственность за результат
• Будет плюсом: опыт в банковской сфере, знание специфики казначейских продуктов

Мы ищем сильного Deep Learning инженера для развития и вывода на принципиально новый уровень GigaAM — лучшей open-source модели для распознавания речи на русском языке.

GigaAM — это не только исследовательский проект, но и core-модель, которая определяет качество работы многих ключевых продуктов экосистемы: GigaChat Audio, ASR, TTS, GigaChat Video и других.

Сейчас мы стоим перед масштабным вызовом: кратное увеличение параметров модели, масштабирование данных на несколько порядков, расширение языкового покрытия и выход за рамки распознавания речи в сторону general audio understanding. Если вы хотите создавать state-of-the-art решения, которыми будут пользоваться миллионы, и вносить вклад в развитие мирового open-source — нам по пути!

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

• Масштабирование данных: увеличение объемов данных для обучения на несколько порядков, построение эффективных пайплайнов их фильтрации и подготовки.

• Развитие архитектуры и метода предобучения: улучшение мультиязычных свойств модели и расширение ее возможностей в сторону анализа аудио неречевой природы.

• Scaling laws: масштабирование модели по количеству параметров в несколько раз.

• Research & Engineering: стабилизация процессов предобучения, проведение ML-экспериментов, проверка гипотез и доведение результатов до прода и публикаций.

• Уверенное владение Python и PyTorch

• Distributed Training: практический опыт распределенного обучения, понимание ограничений и принципов работы под капотом (DDP, FSDP, ZeRO).

• Опыт оптимизации DL-пайплайнов: профилирование и оптимизация узких инфраструктурных мест в процессе обучения (I/O bottlenecks, memory management, GPU utilization).

• Экспертиза в Speech/Audio: понимание современных подходов и state-of-the-art архитектур в Speech/Audio Self-Supervised Learning.

• крупнейшее DS&AI community — более 600 DS-специалистов банка

• дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

• возможность быть соавтором НИРов и статей для международных конференций

• возможность выбрать удобный формат работы: гибрид или офис

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• ипотека выгоднее до 7% для каждого сотрудника

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

О проекте: Мы ищем сильного Deep Learning инженера в команду, создающую ASR-системы нового поколения на пересечении технологий распознавания речи и audio-native LLM.

Один из наших главных вызовов сейчас — разработка Next Gen LLM-based ASR. Это инструктивная система, которая выходит далеко за рамки обычного speech-to-text: она будет поддерживать выдачу временных меток, диаризацию спикеров, тегирование звуковых событий и key word prompting. База для быстрого старта уже готова: у нас есть мощный Foundation Encoder (GigaAM) и сильная диалоговая модель (GigaChat Audio).

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

• LLM-based & Next Gen ASR: обучение больших Audio-conditioned LLM. Расширение возможностей ASR за пределы простого транскрибирования: добавление инструктивности, временных меток, диаризации, тегов событий и key word prompting.

• SFT & Online RL: проведение масштабных ML-экспериментов с Supervised Fine-Tuning и методами Online Reinforcement Learning для выравнивания модели и улучшения качества распознавания.

• Ecosystem Impact & Multimodal: использование обученной LLM-based ASR для автоматической разметки и создания высококачественных датасетов. Эти данные пойдут на улучшение текущих ASR и TTS моделей, а также станут базой для multimodal audio-native pre-training.

• Knowledge Distillation: дистилляция знаний из тяжелых LLM в быстрые и легкие модели (ASR, text normalization) для некоторых production сценариев.

• Research & Engineering: анализ актуальных научных статей, быстрая проверка гипотез на практике и доведение успешных экспериментов до прода.

• Уверенное владение Python и PyTorch: написание чистого модульного кода, ООП, типизация, тесты.

• Distributed Training: уверенный практический опыт распределенного обучения больших моделей, понимание принципов работы под капотом (DDP, FSDP, Tensor Parallelism, Context Parallelism).

• LLM Training: понимание современных пайплайнов обучения LLM (Pre-training, SFT, DPO, online RL) и архитектур (DeepSeek3.2, Qwen3.5)

• Research mindset: умение читать статьи, быстро перекладывать исследовательские идеи в работающий код и грамотно ставить эксперименты.

• Опыт работы с аудио и/или мультимодальными LLM будут большим плюсом

• крупнейшее DS&AI community — более 600 DS-специалистов банка

• дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

• возможность быть соавтором НИРов и статей для международных конференций

• возможность выбрать удобный формат работы: гибрид или офис

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• ипотека выгоднее до 7% для каждого сотрудника

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

Мы - команда GigaChat Pretrain Data, готовим pretrain данные для GigaChat и GigaChat Vision. Pretrain данные - это фундамент, с которого начинается путь современной LLM модели и то, от чего наиболее зависит ее итоговое качество. Сырых данных более 40Пб и основная задача заключается в том, чтобы из этого хаоса сделать датасет, на котором будет обучена лучшая LLM в России.

• генерировать синтетические данные: математика, код, произвольная синтетика с сидами - документами из Web

• исследовать токенизацию и ее влияние на качество модели (возможно написание статей)

• решать задачи кластеризации миллиардов документов

• исследовать разные факторы, которыми обладают текстовые данные

• генерировать Vision данные для прокачки VLM

• разрабатывать новые алгоритмы парсинга HTML и исследовать его влияние на качество модели

• исследовать зависимости между pretrain данными и agentic capabilities итоговой модели

• разрабатывать стабильную инфраструктуру, которая будет поддерживать проведение сотен и тысяч экспериментов над данными.

• имеешь коммерческий релевантный опыт связанный с NLP или построением инфраструктуры для данных от двух лет.

Будет плюсом:

• навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом

• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов

• инструментальное владение AI для анализа, генерации и автоматизации

• опыт с MapReduce системами.

• комфортный современный офис рядом с м. Кутузовская

• гибридный формат работы (2 дня в офисе, 3 дня на удалёнке)

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

• расширенный полис ДМС с первого дня работы и страхование для семьи

• льготная программа ипотеки для сотрудников

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

Мы - АО «Специализированный депозитарий «ИНФИНИТУМ», лидер спецдепозитарных услуг в России, и просто классная команда талантливых людей, ищем себе в финтех-подразделение ML-инженера.

Наша команда активно развивает и внедряет ML&LLM решения в наши IT-продукты цифрового документооборота спецдепозитария. Мы ищем крутого и опытного ML-инженера с бэкграундом разработки ML-систем полного цикла: от начальной идеи до внедрения модели в production и получения измеримого бизнес-эффекта.

Чем предстоит заниматься:

• Решать широкий спектр задач: классификация банковских операций на 100+ классов, классификация первичных финансовых документов, анализ структуры и извлечение ключевых данных из документов (Intelligent Document Processing).
• Обучать модели на табличных данных, тексте и изображениях финансовых документов, автоматизировать эти процессы при помощи Airflow.
• Интегрировать модели для инференса в виде микросервисов в системы документооборота компании вместе с бэкэнд-разработчиками команды.
• Разрабатывать и внедрять решения на основе локально развернутых LLM моделей в виде сервисов и приложений для внутреннего чат-ассистента.
• Сопровождать ML-системы в проде, отслеживать качество их работы, искать вместе с бизнес-технологами перспективы для развития и работать с обратной связью от внутренних пользователей.
• Вместе с командой развивать Data-процессы и ML-инфраструктуру.

Стек:

Языки:

• Python - наш research&inference
• C# - часть нашего inference и сервисы документооборота, с которыми необходимо будет интегрироваться
• Обучение: PyTorch, Transformers, MLFlow, Airflow
• Данные и аналитика: MS SQL, PostgreSQL, Pandas, Matplotlib, Grafana, Prometheus, JupyterLab
• Инференс и деплой: RabbitMQ, FastAPI, Docker, k8s, OpenSearch, .NET

LLM: vLLM, OpenWebUI, Tika, Pydantic AI, Whisper

Мы ждём от успешного кандидата:

• Опыт решения ML задач полного цикла от 3 лет.
• Практический опыт запуска и сопровождения ML-проектов в production.
• Уверенное владение Python: навыки написания чистого, поддерживаемого и эффективного кода для исследований для сервисов.
• Будет плюсом владение C# на уровне чтения кодовой базы/создания эндпоинтов в REST приложениях для интеграции.
• Навыки работы с SQL для анализа и подготовки данных для обучения/оценки моделей.
• Опыт работы с NLP/LLM-задачами: классификация текстов, извлечение сущностей, RAG, prompt engineering, оценка качества генерации.
• Опыт работы с парсингом информации и анализом структуры документов.
• Понимание принципов MLOps: CI/CD для ML, версионирование моделей и данных, мониторинг качества и деградации моделей.
• Опыт контейнеризации и деплоя ML-сервисов, понимание архитектуры inference-сервисов и асинхронных пайплайнов.
• Умение самостоятельно декомпозировать задачи, проверять гипотезы и доводить решения до production-ready состояния.
• Опыт взаимодействия с заказчиками/пользователями, умение переводить постановку задачи с бизнес-языка в ML/ технический.

Мы предлагаем:

• Работу в стабильной, надежной компании с более чем 25-летним опытом и занимающей лидирующую позицию на рынке спецдепозитарных услуг.
• Работа в аккредитованной IT-компании (предоставляем бронь от мобилизации).
• Удалённый (из любой точки РФ) или гибридный формат работы.
• Прекрасно оборудованные комфортабельные офисы в Москве и Санкт-Петербурге.
• Быстрое принятие решений по кандидатуре: проводим 2 встречи онлайн и в течение 2-3 дней даем обратную связь.
• График работы с понедельника по пятницу с возможностью гибкого начала рабочего дня.
• Соц. пакет с множеством опций (ДМС, фитнес, салоны красоты, оплата проездных абонементов, авиа/железнодорожных билетов, отелей, оплата театральных билетов, оплата услуг для питомцев).
• Оформление с первого рабочего дня по ТК РФ.
• Отличные возможности для профессионального развития и самореализации.

Наша команда обучает аудиоязыковые модели нового поколения. Мы хотим, чтобы одна модель могла понимать звучащий вокруг мир: речь, интонацию, настроение собеседника, фоновые события, музыку, шумы и другие акустические сигналы.

Мы решаем задачу в общем виде: строим модели, которые умеют воспринимать аудио как часть полноценного контекста и использовать это понимание в диалоговых и аналитических сценариях. Такие модели мы хотим применять как в сервисах Яндекса, так и для внутренних задач компании.

Ищем сильного ML-инженера, который сможет влиять на архитектуру, обучение и качество моделей: от исследовательских гипотез до работающих пайплайнов обучения.

Обучение аудиоязыковых моделей

Вы будете участвовать в полном цикле обучения моделей: претрейне, SFT и GRPO. Нужно будет проектировать эксперименты, анализировать качество, находить слабые места моделей и улучшать их на сложных срезах данных.

Исследование архитектур и рецептов обучения

Предстоит разбираться в современных подходах к LLM, audio encoders, speech/audio understanding, multimodal alignment и обучению моделей по reward-сигналам. Важно будет следить за развитием области, читать статьи, обсуждать идеи с командой и проверять перспективные гипотезы на практике.

Работа с данными и метриками качества

Вам нужно будет участвовать в построении датасетов, формулировать задачи для обучения и оценки, выбирать метрики для разных сценариев: распознавание речи, понимание акустических событий, диалоговые способности, устойчивость к шуму и следование инструкциям по аудио.

Развитие исследовательской и инженерной инфраструктуры

Мы обучаем большие модели, поэтому важны не только идеи, но и качество реализации: воспроизводимые эксперименты, эффективные пайплайны, стабильное обучение, анализ логов, оптимизация узких мест и аккуратная работа с большими вычислениями.

Больше об ML в Яндексе — в канале Yandex for ML

* Обучали LLM или мультимодальные модели
* Понимаете полный цикл ML-разработки: от идеи и эксперимента до анализа качества и внедрения улучшений
* Умеете разбираться в современных ML-статьях, формулировать на их основе гипотезы, проводить эксперименты и делать выводы по результатам
* Готовы отвечать за направление, архитектурные решения или крупный исследовательский трек

* Работали с аудио, речевыми технологиями, ASR, TTS, speaker/audio understanding или audio representation learning
* Обучали мультимодальные модели или применяли SFT, RLHF, DPO, GRPO и другие методы посттрейна
* Работали с распределённым обучением, большими датасетами и инфраструктурой для обучения крупных моделей
* Внедряли ML-модели в продуктовые или внутренние продакшен-сценарии
* Участвовали в исследовательских проектах, опенсорсных или ML-соревнованиях, имеете публикации

Яндекс Реклама — крупнейшая рекомендательная система в России. 300 тысяч раз в секунду на большинстве сайтов в рунете мы должны понять, что может заинтересовать пользователя, и порекомендовать ему товар или услугу из сотен миллионов вариантов.

Для решения столь сложной задачи мы используем передовые технологии:
* Обрабатываем знания о пользователе с помощью рекомендательных трансформеров, по сути, пытаясь сгенерировать его следующее действие в интернете
* Разбираем рекламное предложение и его сайт с помощью LLM и на лету генерируем текст объявления для пользователя
* Подбираем ставки для каждого рекламного блока с помощью технологий автобюджета, пытаясь предоставить бизнесам максимальную прибыль

Для работы этих технологий нам доступны петабайты данных про взаимодействия пользователей с рекламой и другими сервисами Яндекса.

Мы ищем сильного ML-разработчика, которому интересно работать с большими объёмами данных, внедрять ML-модели в продакшен, напрямую влияя на продуктовые и бизнес-метрики.

Улучшать ML-модели, которые играют ключевую роль в рекламной системе

Вы будете работать с моделями прогнозирования кликов, конверсий и их ценности; с моделями, которые участвуют в отборе кандидатов, ранжировании и помогают эффективно использовать бюджеты рекламодателей.

Внедрять решения end-to-end: от данных и фич — до запуска в продакшене

Искать точки роста, ставить цели и определять ограничения, проводить исследования, строить пайплайны и внедрять улучшения.

Проверять гипотезы через эксперименты

Все технологии мы проверяем в A/B-экспериментах онлайн, на реальных показах, и замеряем эффективность рекламы.

Больше об ML в Яндексе — в канале Yandex for ML

* Пишете на Python, знаете C++
* Имеете опыт промышленного применения ML
* Знаете алгоритмы классического ML и математическую статистику, умеете анализировать данные
* Можете быстро разобраться в чём угодно: в задачах, технологиях, инструментах, алгоритмах

Яндекс Музыка — стриминговый сервис с десятками миллионов треков, подборками, рекомендациями и подкастами. Мы создаём продукты, которые вызывают эмоции у пользователей, и делаем мир чуточку добрее.

Наша команда развивает поисковые сценарии сервиса (от инфраструктуры до ранжирования). Поиск помогает пользователям быстро находить контент: от навигационных запросов до трендов и сценариев дискавери («музыка, чтобы колоть дрова»).

Сейчас мы ищем разработчика, который станет участвовать в создании будущего музыкального опыта: совершенствовать агента персональных рекомендаций, поиск и генерацию контента, работать над проектами для новых продуктов компании. Основная задача — улучшать семантический поиск треков. Ваша работа напрямую повлияет на то, как пользователи открывают подходящую музыку.

Вы станете частью кросс-сервисной команды, которая готовит технологический фундамент для будущих продуктов. Вам предстоит решать задачи, связанные с интеграцией поисковых возможностей Музыки, Кинопоиска и Книг в новые интерфейсы.

Выдвижение гипотез и проведение A/B-экспериментов

Вы будете предлагать новые гипотезы и тестировать их, чтобы с помощью ML-моделей повышать эффективность продуктовых механик для наших подписчиков в экосистеме Яндекса.

Работа с нейросетями

Вам предстоит исследовать новые архитектуры моделей, доносить дополнительные источники знаний до обучения нейросетей, оптимизировать скорость применения и качество моделей.

Разработка и развитие предиктивных ML-моделей

Вы станете собирать и подготавливать данные, выбирать ML-подходы для продуктовых задач, формулировать метрики качества для оценки моделей в офлайне и в A/B-тестах.

Взаимодействие со смежными командами

Вы будете работать в большой кросс-функциональной команде, где есть аналитики, разработчики и продакт-менеджеры.

Больше об ML в Яндексе — в канале Yandex for ML

* Понимаете принципы классического ML
* Знаете традиционные алгоритмы и структуры данных
* Хорошо знакомы с Python и SQL
* Знаете C++/Java или подобный язык и готовы писать на C++
* Знаете математическую статистику и теорию вероятностей
* Можете понятно продемонстрировать бизнесу результаты исследований, аргументировать свою точку зрения
* Готовы разрабатывать полный цикл внедрения ML-решений: от обработки данных до внедрения в продакшен и поддержки сервиса с ML-моделью

* Выводили ML-модели в продакшен
* Разрабатывали на C++
* Разрабатывали бэкенд-сервисы
* Имеете опыт с Deep Learning
* Знакомы с поисковыми движками

Нейро — это поиск будущего, который объединяет технологии больших генеративных моделей и классического веб-поиска.

Наша команда отвечает за качество ответов в еком-сценариях (всё, что связано с товарами в поисковой выдаче Яндекса). Сценарии выбора и покупки товаров — это важная часть бизнеса Поиска, генерирующая существенную долю выручки. А наши проекты — это R&D на стыке генеративного ИИ и екома.

Мы растим качество моделей на сложных задачах, улучшаем качество извлечения информации, в процессе ставим множество экспериментов — и в результате нашими моделями пользуются миллионы человек. У нас вы будете работать с самыми современными моделями и технологиями Яндекса, создавая новые для российского рынка продукты.

Улучшение качества генеративных моделей

Сейчас модели хорошо решают потоковые задачи, но на узких задачах еком-сценариев качества может не хватать. На таких срезах есть большой простор для улучшений и экспериментов с LLM, извлечением информации, данными и формой ответа. Вы будете участвовать в каждом из этапов алайнмента: SFT (Supervised fine-tuning), Reward model, RLHF (Reinforcement learning from human feedback).

Улучшение извлечения информации

Интернет полон разнообразной информации, и иногда она не совсем качественная, а иногда достоверные источники сложно найти. Кроме того, информация о товарах не ограничивается веб-документами, найденными по поисковому запросу. Вам предстоит совершенствовать извлечение информации для построения ответов, а также экспериментировать с новыми источниками.

Сжатие и удешевление инференса моделей

Нейро пользуется огромное количество людей, поэтому в проде нам нужны более лёгкие модели. Вам предстоит экспериментировать с архитектурами и методами уменьшения моделей, чтобы укладываться в ограничения по лэтенси и скорости генерации ответа.

Внедрение в продукты

Вы будете создавать технологичный, удобный и полезный для пользователя продукт.

Больше об ML в Яндексе — в канале Yandex for ML

* Знаете Python
* Хорошо знаете классические DL и NLP
* Решали NLP-задачи с использованием трансформеров
* Понимаете, как устроены современные LLM, решали с их помощью прикладные задачи или имеете релевантный исследовательский опыт

Команда визуального поиска разрабатывает CV-технологии в самом сердце Яндекса. Наши алгоритмы и сервисы интегрированы в ключевые продукты компании и помогают миллионам пользователей решать повседневные задачи. Вы точно с нами знакомы, если пользовались поиском по картинке, Алисой, умной камерой, Маркетом или другими сервисами, в сценариях которых изображение играет главную роль.

Мы не только создаём инновационные сценарии с нуля, но и постоянно совершенствуем существующие, обеспечивая их стабильность и высочайшее качество на уровне мировых стандартов.

Ищем опытного разработчика на C++ с глубокими знаниями в ML, который готов создавать и внедрять в продакшн сложные технологии компьютерного зрения.

Проектирование архитектуры ML-систем

Вам предстоит не просто писать код, а проектировать целостные системы для визуального поиска и анализа изображений. Вы будете отвечать за выбор технических подходов, построение пайплайнов и обеспечение масштабируемости и отказоустойчивости наших решений.

Внедрение и оптимизация моделей в продакшене

Ваша ключевая задача — превращать state-of-the-art-модели (CV, LLM/VLM) в быстрые и стабильные компоненты высоконагруженных сервисов Яндекса. Это включает в себя глубокую работу с кодом на C++, его профилирование и оптимизацию производительности для достижения максимальной эффективности.

Участие в полном цикле жизни продукта

Вы будете не просто исполнителем, а полноценным участником процесса: от генерации и проверки гипотез вместе с командой до выкатки фич, участия в PR-активностях и анализа результатов после запуска.

Взаимодействие с R&D- и ML-исследователями

Предстоит тесно работать с исследовательскими командами Яндекса, чтобы быстро адаптировать самые передовые технологии и внедрять их в продукты.

Больше об ML в Яндексе — в канале Yandex for ML

* Отлично знаете C++ и занимались коммерческой разработкой на нём
* Глубоко понимаете принципы машинного обучения и классические алгоритмы
* Внедряли ML-модели в продакшн: знаете, как заставить модель работать быстро и стабильно под нагрузкой
* Умеете разбираться в сложной кодовой базе, рефакторить и улучшать существующие решения
* Готовы быстро погружаться в устройство сервисов Яндекса и находить лучшие точки применения для ML-технологий

* Работали с Python для ML-задач (PyTorch, TensorFlow)
* Понимаете архитектуру современных нейронных сетей: трансформеры, VLM, CNN

Яндекс Маркет — один из ведущих маркетплейсов с миллионами активных пользователей и сотнями миллионов товарных предложений.

Мы ищем ML-разработчика в группу качества поиска и рекомендаций для работы над нашим новым продуктом — «Маркет AI». Этот продукт объединяет лучшие стороны поиска Маркета и возможности AI-ассистента, чтобы помогать пользователям быстрее находить подходящие товары, сравнивать их и получать персонализированные рекомендации.

Присоединяйтесь к нашей команде — будем вместе формировать будущее умного шопинга!

Дообучение NLP и LLM

Вам предстоит дообучать YandexGPT под самые разные задачи, которые должны будут помогать пользователю быстрее закрывать свои сценарии на маркетплейсе. Нужно будет искать и собирать данные для обучения LLM, в том числе с привлечением асессоров.

Обучение ML-моделей

Вы будете решать широкий спектр задач, связанных с аналитикой и моделированием пользователей на платформе: улучшать оценку текстовой релевантности поискового запроса к товару, кластеризовать, обучать CatBoost и формировать рекомендации.

Проведение экспериментов

Нужно будет проводить много экспериментов, разрабатывать метрики для оценки их успешности и предлагать дальнейшие шаги по улучшению системы.

Больше об ML в Яндексе — в канале Yandex for ML

* Работали в NLP, в том числе с трансформерами
* Уверенно владеете методами классического машинного обучения: sklearn, CatBoost
* Хорошо знаете SQL, умеете писать сложные запросы
* Способны самостоятельно искать и находить ответы на вопросы, разбираться в сложных системах и сервисах, читая код и документацию

* Разрабатывали рекомендательные системы или поиск
* Проводили A/B-тесты
* Знаете классические алгоритмы и структуры данных

Каждый день миллионы людей пользуются Поиском Яндекса, чтобы находить ответы на свои вопросы. Чем качественнее ранжирование, тем быстрее пользователь решает свою задачу.

Мы ищем ML-разработчика в группу качества ранжирования Поиска Яндекса.

На работе вам предстоит растить качество поисковой выдачи за счёт улучшения ML-моделей ранжирования. Вас ждёт много данных и экспериментов.

Развитие ML-моделей ранжирования

Вам предстоит улучшать качество ранжирующих моделей за счёт экспериментов с различными сигналами о качестве документов и подбора оптимальной схемы обучения.

Построение процессов сбора обучающих пулов

Вы будете решать, на каких данных следует учить ранжирующую модель, как их собирать и предобрабатывать.

Настройка мониторингов

Вам предстоит настраивать и поддерживать систему, которая будет показывать, что качество ранжирования и обучающих пулов не деградирует.

Классификация проблем ранжирования на основе данных

Вы будете участвовать в обсуждениях продуктовых решений, которые влияют на миллионы пользователей Поиска, и предлагать решения проблем ранжирования.

* Работали с Big Data
* Пишете на Python
* Знакомы с ML
* Знаете основы математической статистики

* Работали с системами поиска, ранжирования или рекомендаций
* Знаете SQL
* Знакомы с MapReduce

Наша команда разрабатывает систему рекомендаций для международного Поиска. Наша цель — персонализированно показать человеку наиболее релевантный контент из интернета. Мы ищем энергичного и целеустремлённого специалиста, который возглавит центр международной экспертизы по рекомендациям.

Обучение SOTA моделей

Вам предстоит обучение SOTA моделей для построения рекомендательных систем. Необходимо создавать интересные, полезные и этичные рекомендации для пользователей.

Обработка петабайтов данных на всех языках

Значительный вклад в качество алгоритма машинного обучения дают правильные данные. У нас есть десятки источников и хранилища с петабайтами данных, вам необходимо грамотно использовать ровно то, что поможет решить целевую задачу.

Улучшение архитектуры системы рекомендаций

В рекомендациях участвует не один алгоритм машинного обучения. Это большая рантайм-система со множеством взаимодействий между компонентами. Вам предстоит участвовать в проектировании компонентов системы и оценивать влияние новых изменений.

* Руководили командой
* Хотите делать качественный сервис, следить за его состоянием и думать о пользователях
* Хорошо знаете C++ или Python
* Готовы погружаться в новые технологии, предлагать и реализовывать идеи по их улучшению
* Отлично знаете базу классического машинного обучения
* Понимаете, как устроены современные рекомендательные системы

Наша команда исследует и разрабатывает ML-модели персонализации для рекомендательных сервисов. Мы делаем трансформеры поверх пользовательской истории, они являются важной частью рекламных технологий и рекомендаций в Маркете.

В последнее время область рекомендательных систем становится всё ближе к NLP: при обучении мы разделяем стадии претрейна и SFT, видим похожие законы масштабирования моделей и обучаемся на сотнях GPU. Но есть и важные отличия: в сервисах динамически меняется множество рекомендуемых сущностей, а мощность этого множества может достигать порядка 10^9. Помимо этого, каждое пользовательское событие несёт в себе гораздо больше информации, чем один текстовый токен.

Наша цель — объединить лучшее из двух миров — RecSys и NLP — и улучшить конкретные продукты нашими технологиями.

Наша R&D-команда разрабатывает передовые рекомендательные технологии, которые используются в масштабах всего Яндекса. Мы ищем сильного ML-инженера, который будет исследовать новые подходы в рекомендациях и доводить их до продуктового состояния. Если вы хорошо знаете DL, ориентируетесь в современном RecSys или NLP и внедряли нейросети в продакшен — ждём вас!

Претрейн или обучение восстановлению логирующей политики

В любом зрелом сервисе уже работает достаточно качественная рекомендательная система, так что на первом этапе модель должна научиться хорошо повторять существующие рекомендации. Для этого мы экспериментируем с данными, архитектурой, лоссами и другими аспектами.

SFT

После претрейна модель обучается на пользовательском фидбэке, чтобы ранжировать релевантных кандидатов и выбирать среди них наилучшие. Среди открытых вопросов в этой области: каков предел качества модели в конкретной постановке задачи, как выглядят законы масштабирования в разных доменах и какие дальнейшие пути улучшения стоит исследовать.

Адаптация моделей для продакшена

Важный челлендж для нас — заставить модели работать в рантайме под высокой нагрузкой в десятки тысяч RPS. Мы активно исследуем архитектурные оптимизации и используем специализированные фреймворки для инференса, а иногда даже пишем свои cuda-кернелы на Triton.

Возможность развития вширь

Как R&D-команда, мы не ограничены одним продуктом или одной технологией. При желании можно погрузиться в разные сервисы или попробовать другие подходы в рекомендациях.

Больше об ML в Яндексе — в канале Yandex for ML

* Хотите заниматься прикладными ML-исследованиями
* Хорошо знаете основы современного Deep Learning
* Умеете превращать научные статьи в код: реализовывали SOTA-методы и алгоритмы

* Имеете опыт внедрения нейросетей в продакшен
* Следите за трендами в RecSys, NLP или CV и регулярно читаете статьи
* Занимались спортивным программированием, участвовали в ML-соревнованиях или хакатонах

Яндекс Плюс — это единая подписка на сервисы Яндекса, которая даёт доступ к музыке, фильмам, подкастам, книгам, играм, спортивному и другому контенту. Это большой экосистемный проект, где более 35 миллионов подписчиков каждый день используют разнообразные возможности во всех сервисах экосистемы: слушают «Мою волну» в Музыке, получают кешбэк в Такси, Еде, на Маркете и в других сервисах Яндекса, смотрят кино на Кинопоиске.

Одно из фокусных направлений — развитие сценариев лояльности. Количество предложений для пользователей растёт каждый день, и необходимо построить системы оптимального управления этим оферингом, скидками и баллами Плюса.

Механик лояльности довольно много, каждая их них должна быть оптимизирована и максимально эффективна без превышения расходов. При этом все механики должны работать в одном направлении, не противореча целям бизнеса.

Выдвижение гипотез и проведение экспериментов

Вам предстоит предлагать новые гипотезы и тестировать их, чтобы с помощью ML-моделей повышать эффективность механик лояльности для наших подписчиков в экосистеме Яндекса.

Написание продакшн-кода на Java

Мы работаем с классическими методами ML, оборачиваем наши модели в сервисы на Java и выводим в продакшн. Вам предстоит писать надёжный и эффективный продакшн-код на Java.

* Понимаете принципы классического ML
* Знаете традиционные алгоритмы и структуры данных
* Хорошо знакомы с Python и SQL
* Можете понятно продемонстрировать бизнесу результаты исследований, аргументированно отстаиваете свою точку зрения
* Готовы отвечать за продакшн-модели в runtime

* Выводили ML-модели в продакшн
* Разрабатывали на Java или C++
* Умеете решать задачи из области Causal Inference

Наша команда отвечает за ранжирование в международном Поиске, это базовая функция продукта «Найти релевантные документы и показать в оптимальном порядке». Поисковое ранжирование — это сложная многокомпонентная система, и наша задача — сделать её удобной и масштабируемой для качественной работы в разных странах.

Генеративное ранжирование

Вы будете создавать систему генеративных сигналов и метрик для поискового ранжирования. Вам предстоит пройти полный цикл разработки: от продуктовых требований до конечных LLM/VLM-моделей и процессов, интегрированных с ранжированием разных поисковых компонент.

Масштабирование

Вам предстоит строить и разрабатывать масштабируемые процессы и модели, позволяющие эффективно развивать Поиск вглубь (улучшая качество в текущих направлениях) и вширь (запуская на новых языках и в новых странах) за счёт SOTA-подходов.

* Сильный ML-специалист с опытом в NLP
* Разрабатывали стабильные ML-процессы
* Умеете анализировать данные
* Хорошо знаете Python
* Заботитесь о высоком качестве конечного продукта

* Разрабатывали LLM/VLM-модели
* Пишете на C++

Наша команда отвечает за ранжирование в международном Поиске, это базовая функция продукта «Найти релевантные документы и показать в оптимальном порядке». Поисковое ранжирование — это сложная многокомпонентная система, и наша задача — сделать её удобной и масштабируемой для качественной работы в разных странах.

Управление командой

Вы будете руководить командой из 5+ человек и развивать её: ставить глобальные цели, декомпозировать и достигать их, организовывать работу команды и смежников, контролировать весь процесс от постановки задач до внедрения в прод.

Масштабируемое поисковое ранжирование в новых странах

Вам с командой предстоит создавать поисковое ранжирование в новых странах почти с нуля до конкурентоспособного продукта. На этом пути вам нужно будет выстроить масштабируемую систему моделей и процессов, используя лучшие практики ранжирования, а также внедряя новые решения (например, большие языковые модели (LLM) или другие SOTA-подходы) в условиях малого числа пользователей и данных.

Качество Поиска

Ваша работа будет напрямую влиять на качество Поиска для миллионов человек, ежедневно пользующихся Яндексом в самых разных странах на самых разных языках. Рост качества Поиска — важнейшая задача, для достижения которой вам также предстоит заниматься аналитикой и помогать развивать онлайн- и офлайн-метрики Поиска.

* Руководили командой ML-разработчиков
* Сильный ML-специалист с опытом в классическом ML или NLP
* Умеете проектировать и развивать многокомпонентные ML-системы
* Хорошо знаете C++ и Python
* Заботитесь о высоком качестве конечного продукта

* Разрабатывали поисковые или рекомендательные системы
* Работали с LLM

Наша команда отвечает за ранжирование в международном Поиске, это базовая функция продукта «Найти релевантные документы и показать в оптимальном порядке». Поисковое ранжирование — это сложная многокомпонентная система, и наша задача — сделать её удобной и масштабируемой для качественной работы в разных странах.

Качество Поиска

Вам предстоит пройти полный цикл разработки ML-моделей: от аналитики и работы с данными до обучения моделей, проведения A/B-экспериментов и внедрения в продакшен. Ваши модели улучшат качество отдельных компонент и Поиска в целом, что повлияет на миллионы его пользователей.

Масштабирование

Вам предстоит создавать масштабируемые системы моделей и процессов, применимые для разных языков и стран. Вы будете использовать лучшие практики Поиска и внедрять SOTA-подходы, чтобы сделать Поиск по-настоящему международным.

* Сильный ML-специалист
* Разбираетесь в NLP, DL и классическом ML
* Умеете анализировать данные
* Пишете код на Python и C++
* Заботитесь о высоком качестве конечного продукта

* Разрабатывали поисковые или рекомендательные системы

Реклама Яндекса — это одна из крупнейших рекомендательных платформ, ежесекундно обрабатывающая миллионы запросов. За доли секунды надо решить, что и как показать конкретному человеку под конкретный поисковый запрос. Эти решения принимают сразу несколько алгоритмов, многие из которых — нейронные сети.

Наша команда создаёт технологические рантайм- и офлайн-решения, которые автоматизируют генерацию рекламных текстов для тысяч бизнесов. Наши модели адаптируют объявления под конкретного пользователя и его запрос, помогая рекламодателям получать лучший результат, а пользователям — более релевантный опыт.

Мы не просто пишем промпты для LLM, а имеем дело с различными способами обучения (включая RL) и дообучения, улучшаем пайплайны и разрабатываем метрики качества. Большая часть работы — это создание гипотез и их проверка через A/B-эксперименты.

Наши решения напрямую влияют на опыт миллионов пользователей Поиска и десятки тысяч бизнесов России. Вы будете работать в команде сильных исследователей и инженеров с доступом к большим вычислительным ресурсам и возможностью быстро внедрять свои решения в продакшен!

Разработка и улучшение LLM для генерации рекламных текстов

Вы будете готовить и собирать датасеты, дообучать модели — от промптинга и fine-tuning до обучения с подкреплением.

Создание и проверка гипотез

Вы станете быстро тестировать обученные модели в A/B-экспериментах на реальных пользователях.

Работа с продуктовыми метриками

Вам предстоит анализировать влияние моделей на CTR, конверсии, выручку Яндекса и качество отображаемой рекламы.

Больше об ML в Яндексе — в канале Yandex for ML

* Имеете опыт в NLP
* Понимаете основные принципы ML и DL
* Знаете SQL
* Умеете формулировать гипотезы и анализировать результаты экспериментов
* Готовы работать с большими данными и продакшен-задачами
* Быстро разбираетесь в новых технологиях

* Работали с LLM или RL
* Следите за трендами в DL

Наша команда обучает рассуждающую модель YandexGPT. Она используется в режиме «Рассуждать» в Алисе и внутренних продуктах. Мы влияем на весь процесс обучения — от претрейна и SFT до обучения с подкреплением.

Мы стремимся сделать YandexGPT лидером в решении сложных задач: от олимпиад по математике и программированию до ответов на требовательные пользовательские запросы. Наша цель — создать языковую модель, которая задаст стандарты в области рассуждающих LLM.

Присоединяйтесь к нам, чтобы влиять на развитие интеллекта YandexGPT, решать уникальные технологические задачи в сфере AI и участвовать в создании будущего языковых моделей.

Развитие рассуждающей модели

Ваша главная задача — создать самую сильную рассуждающую модель. Вы будете совершенствовать пайплайны сбора датасетов для всех стадий обучения, внедрять алгоритмические инновации в RL, искать точки роста, планировать эксперименты и проверять новые подходы.

Исследования на границе научного знания

Вам предстоит определять научно-техническую повестку и повышать экспертность команды. Вы будете руководить всем исследовательским циклом: от анализа SOTA и формирования гипотез до планирования экспериментов, оценки качества и интерпретации результатов.

Руководство командой исследователей

Вы будете возглавлять команду senior-исследователей: ставить смелые цели, развивать экспертность и научную культуру, налаживать взаимодействие с командами DL, аналитики и инфраструктуры. Ещё одна важная задача — находить и нанимать лучших специалистов, ведь проекты становятся всё сложнее и масштабнее.

* Руководили командой LLM или хотите расти в этом направлении
* Отлично знаете классические ML/DL и NLP
* Имели прикладной или исследовательский опыт в обучении с подкреплением
* Следите за трендами в языковых моделях, можете быстро понимать и оценивать статьи

* Обучали рассуждающие языковые модели
* Активно интересуетесь статьями на тему рассуждающих моделей и агентов
* Имеете научные публикации, выступали на конференциях

Команда рекомендаций Яндекс Маркета делает персональные рекомендации товаров на главной странице, подбирает похожие и сопутствующие товары в карточке товара, а также персонализирует поиск. Мы ищем middle/senior ML-инженеров на два трека: нейросетевые рекомендации и более классический RecSys + discovery.

Нейросетевые рекомендации

Вы будете добавлять новые входные данные для нейросетей: поисковые запросы, типы действий (шеринг ссылки на товар), фичи пользователей и т. п. Понадобится экспериментировать с эмбеддингом товара (что из текстового описания и характеристик использовать, как учесть картинки товаров) и с архитектурой (добавлять отдельную голову под новый таргет, изменять лосс и т. п.).

Также вы станете адаптировать модели под сценарии: рекомендации на главной странице, товары-аналоги (учёт контекста основного товара), поиск (учёт контекста поискового запроса). Ещё необходимо анализировать данные и искать точки роста в ML-моделях через новые таргеты, входные данные или фичи.

Классический RecSys и discovery

Вы станете экспериментировать с таргетом ранжирующих моделей. Как учесть юнит-экономику товаров? Как балансировать текущий интерес и новые discovery-категории для пользователя?
Понадобится работать над discovery брендов (например, как любителям одежды показывать новые фэшен-бренды) и lifelong-рекомендациями: отвечать на вопрос, как запомнить релевантные интересы пользователя из далёкого прошлого. Пример: купил сноуборд 1,5 года назад (интерес/хобби — катание на сноуборде) → рекомендуем ботинки для сноуборда или горнолыжный шлем сейчас.

Также вы будете развивать модели для подбора товаров-аналогов: коллаборативная фильтрация, статистическая со-встречаемость (PMI, Swing...), BERT и т. п. Кроме того, нужно анализировать данные и искать точки роста в ML-моделях через новые таргеты, фичи или бизнес-логику.

* Больше года работали в ML/DL
* Знакомы с классическим ML: CatBoost, ML-метрики, способы генерации фич
* Владеете Python и SQL
* Знаете, как проводить A/B-тестирование
* Знаете NLP, BERT-подобные модели

* Работали с задачами поиска или рекомендаций
* Работали с LLM
* Знакомы с нейросетевыми моделями рекомендаций: SASRec, HSTU

Мы — команда, которая создала агента «Исследовать» в Алисе: систему, которая самостоятельно ищет, анализирует и структурирует знания для миллионов пользователей. Сейчас мы идём дальше: запускаем два новых LLM-спецпроекта (подробнее расскажем на финале), где предстоит строить агентов нового уровня. Мы ищем тимлида, который возглавит это направление: будет задавать техническое видение, выстраивать команду и доводить многообещающие идеи до пользователей.

Что вас ждёт:
* Запуск новых спецпроектов на переднем крае AI — с нуля и с большим пространством для влияния
* Свобода принимать архитектурные и продуктовые решения, формировать видение направления
* Сильная команда и глубокое погружение в современный стек разработки интеллектуальных систем

Управление командой

Вы будете руководить командой ML-разработчиков и развивать её: ставить стратегические цели, декомпозировать их до конкретных задач, выстраивать процессы и взаимодействие со смежниками, контролировать путь от идеи и прототипа до релиза в прод. Вам предстоит нанимать сильных людей, растить инженеров внутри команды и формировать культуру, в которой хочется делать большие вещи.

Техническое лидерство в LLM-агентах

Вы будете отвечать за архитектуру агентных систем целиком: от промпт-инжиниринга и оркестрации вызовов до маршрутизации между компонентами и инструментального использования моделей. Ваша задача — задавать техническое направление, принимать ключевые архитектурные решения и обеспечивать, чтобы команда работала на переднем крае современных подходов к агентам.

Развитие агента «Исследовать» и запуск новых спецпроектов

«Исследовать» — это система, способная самостоятельно находить, анализировать и структурировать знания. Вам с командой предстоит улучшать качество поиска, логику рассуждений и способность агента синтезировать информацию из множества источников. Параллельно вы будете запускать новые LLM-спецпроекты — от исследования и прототипа до полноценного продукта, которым пользуются миллионы.

Качество и системы оценки

Качество генерации в агентных системах — одна из самых сложных задач индустрии. Вы будете выстраивать метрики, развивать системы автоматической оценки (LLM-as-a-Judge и другие подходы) и делать так, чтобы качество можно было измерять и улучшать системно, а не на интуиции.

Исследования и внедрение SOTA-подходов

Область агентных систем меняется каждый месяц. Вам предстоит следить за передним краем, выбирать гипотезы, которые стоит проверять, и доводить лучшие из них до продакшена. Вы будете решать, во что команде вкладываться сейчас, а что оставить на потом.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Руководили командой ML-разработчиков и умеете растить инженеров
* Сильный ML-специалист с опытом работы с LLM или NLP
* Умеете проектировать и развивать сложные многокомпонентные ML-системы
* Уверенно владеете Python, понимаете принципы работы трансформеров, LLM и attention-механизмов
* Разбираетесь в архитектурах LLM-агентов, оркестрации моделей и оценке качества генеративных систем
* Заботитесь о качестве конечного продукта и умеете доводить решения до пользователя

* Имеете опыт разработки и продакшен-эксплуатации LLM-агентов
* Работали с LLM-фреймворками (LangChain, LlamaIndex и др.)
* Строили системы оценки качества генеративных моделей
* Разрабатывали сервисы вокруг ML-моделей в высоконагруженной среде

Поиск с Алисой — это не просто выдача ссылок: он создаёт подробные, структурированные ответы с разделами, картинками и видео. Но как понять, что качество этих ответов хорошее?

Можно, например, применить классический подход — проанализировать поведение пользователей. Однако современный интернет стал настолько сложным, что часто одних онлайн-метрик недостаточно. Поэтому мы подходим к задаче комплексно: дополнительно строим офлайн-приборы, которые позволяют перед экспериментами заранее отвечать на конкретные вопросы. Стали ли ответы лучше? Как часто в них встречаются серьёзные ошибки? Соответствуют ли они запросам?

Вы будете не просто анализировать данные, а создавать правила и метрики, которые станут «детектором качества» для ответов.

К чему мы стремимся

* Сделать поиск нового поколения

Не просто выдачу ссылок, а интеллектуального помощника, способного решать задачи пользователя на месте, без необходимости переходить куда-либо.

* Отвечать не только на русском

Мы запускаемся в новых регионах, где нас ждут вызовы, связанные с языковыми и региональными особенностями.

* Давать развёрнутые ответы

Наша цель — ответы, в которых текст, видео и картинки работают вместе. Мы делаем информацию живой, чтобы она запоминалась с первого взгляда.

* Не врать!

Никаких домыслов или «креативных» интерпретаций. Мы строго следим, чтобы ответы опирались на проверенные данные, а каждое утверждение подкреплялось надёжными источниками. Мы учим модели не фантазировать, а опираться на факты — даже если это сложнее.

У нас классно, потому что:

* Мы работаем над Поиском с Алисой — продуктом Яндекса на основе LLM — и ориентированы прежде всего на результат в продакшене.

* Наши задачи тесно связаны и с дизайном самого продукта, и с ML.

* Мы даём возможность развивать технические, коммуникативные и менеджерские навыки.

* Ваша работа прямо повлияет на то, каким станет Поиск с Алисой через полгода.

* Мы делаем уникальные по сложности, масштабу и архитектуре краудсорс-проекты.

* Мы слаженная команда аналитиков и ML-инженеров качества.

Придание чёткой формы продуктовым требованиям

Наша ключевая задача — формализовать изначально абстрактные требования продуктовой команды в набор ясных правил и принципов. Эти критерии позволяют нам объективно определять, является ли ответ модели хорошим (подходящим для продукта) или плохим (ошибкой в продукте), и обосновывать решение. Сначала мы разрабатываем эти правила сами, анализируя примеры и обобщая наблюдения в инструкции, а затем обучаем им AI-тренеров и асессоров, чтобы увидеть улучшения в ответах модели в новых версиях.

Создание комплексных проектов по разметке данных (краудсорсинг и LLM)

Для обучения современных моделей нужно очень много размеченных данных высокого качества. Мы создаём проекты для такой разметки, привлекая людей через Yandex Crowd или используя LLM: собираем задание (от инструкции до интерфейса), находим исполнителей и обучаем их. Каждая новая задача требует понимания взаимосвязей системы, выстраивания сложной архитектуры и изобретения новых комбинаций стандартных подходов к разметке.

Повышение качества, оптимизация и экономия ресурсов

Мы регулярно следим за метриками качества получаемых разметок и ищем точки роста. Для этого строим детализированные дашборды, настраиваем пайплайны подготовки данных, экспериментируем со схемами разметки и анализируем характеристики запросов/ответов (тематика, структура и т. д.). Наша задача не просто помогать продукту становиться лучше, а делать это при заданных ограничениях времени или бюджета.

* Умеете писать на Python и SQL
* Знаете математическую статистику и теорию вероятностей
* Любите работать с данными и умеете извлекать из них практический результат
* Умеете взаимодействовать с командой, ясно излагать мысли, понимать и убеждать коллег
* Готовы разбираться в том, как и почему должен работать продукт

* Работали с Толокой или другими краудсорс-платформами
* Писали инструкции и самостоятельно запускали проекты по разметке данных

Наша команда аналитики помогает развивать Нейро — сервис на базе больших языковых моделей, который в перспективе заменит привычный всем поиск в интернете. Для развития продуктов, основанных на LLM, ключевым фактором успеха становится качественная разметка входных данных для обучения этих моделей. Наша команда помогает собирать эти данные и аккуратно проводить грань между плохим и хорошим ответом. Ежедневно мы собираем огромные массивы данных вида «запрос — ответ», пропускаем их через людей и алгоритмы, а на выходе получаем итоговую разметку. Наша цель — анализировать и улучшать этот процесс, делая его быстрее, дешевле и качественнее.

Снижение стоимости разметок и увеличение их количества

Другое направление работы — снижение стоимости разметок и увеличение их количества. Сейчас на человеческие разметки компания тратит очень большие деньги. Нужно искать способы, которые без ухудшения результирующего качества дадут нам возможность собирать больше разнообразных данных, что позволит прокачать продукт до более высокого уровня.

Промтизация

Третьим направлением, которое активно развивается с 2024 года, является промтизация — один из ключевых фокусов всего Яндекса, способный стать настоящим геймченджером в развитии поисковых алгоритмов и обучении языковых моделей.

Сокращение «серой зоны»

Когда люди делают какие-либо утверждения, то всего лишь небольшую часть из них можно однозначно охарактеризовать как правдивые или ошибочные. Для остальных эта характеристика условна и во многих случаях зависит от контекста. Наша задача как аналитиков подтверждённости состоит в том, чтобы снижать эту неопределённость, сводя её к набору правил. Мы далеко продвинулись в сокращении «серой зоны» в разделении на хорошо/плохо. Теперь планируем идти глубже в различные специализированные тематики (например, юриспруденция или налоги), сокращая количество галлюцинаций и фактических ошибок в них.

* Умеете писать на Python и SQL
* Знаете математическую статистику и теорию вероятностей
* Умеете работать в команде, ясно излагать мысли, понимать и убеждать коллег
* Самостоятельны и готовы браться за новые задачи, для которых нет готового решения

* Работали с Яндекс Заданиями, Толокой или любыми другими краудсорсинг-платформами
* Писали инструкции и самостоятельно запускали проекты по разметке данных

Алиса — это виртуальный помощник и друг, который не только развлекает людей, но и упрощает решение регулярных бытовых задач. У нас уже более пяти миллионов пользователей, и мы продолжаем делать всё, чтобы Алиса для них становилась ещё умнее и полезнее.


Каждый день мы ищем ответы на множество вопросов:
* Как оценивать успешность взаимодействия Алисы и пользователя?
* Ту ли песню из TikTok мы нашли?
* Сколько запросов пришлось задать пользователю, чтобы вызвать такси?
* Получается ли у нас отвечать и рассказывать пользователям о доступных фичах Алисы?
* Есть ли ещё какие-то незакрытые потребности у пользователей, про которые они спрашивают, а мы не можем ответить?
* Как продумать минимальные, но достаточные требования к качеству для запуска новой фичи в продакшн?
* Достаточно ли хороши наши музыкальные рекомендации? Как измерить эту «хорошесть»?

Оценка базового качества Алисы и метрик качества

Сюда входит анализ взаимодействия пользователей с Алисой и измерение ключевых метрик удовлетворённости и эффективности общения на различных устройствах и в приложениях — на станциях, ТВ, в навигаторе и чатах.

Разработка DWH

Разработка прикладных проблемно-ориентированных DWH для решения задач как продуктовой аналитики, так и RnD.

Продуктовая аналитика

В задачи аналитиков входит постоянный поиск точек роста продукта через анализ данных разных модальностей: голосовых команд, текстовых запросов, визуальных взаимодействий с устройством. Команда отвечает за внедрение и контроль качества новых функций, проводя A/B-тестирование гипотез, и анализирует влияние изменений на пользовательский опыт в целом.

* Любите работать с данными и умеете извлекать из них практический результат
* Знаете математическую статистику и теорию вероятностей
* Пишете на Python и знаете алгоритмы
* Самостоятельны и готовы браться за новые задачи, для которых нет готового решения
* Проводили A/B-тесты
* Работали аналитиком более двух лет
* Быстро усваиваете много новой информации

* Вакансию в сильной команде и возможность расти
* Сложные задачи для сервисов с миллионами пользователей
* Возможность влиять на процесс и результат
* Зарплату на уровне рынка и выше
* Премии каждые полгода для всех, кто успешно прошёл ревью
* Расширенную программу ДМС, оплату 80% стоимости ДМС для супругов и детей
* Гибкий график работы

Мы — команда GigaChat, создающая и развивающая core-технологию генеративной языковой модели. Наша система умеет писать тексты, видеть изображения и даже ловить вайб в коде. Она отвечает на вопросы, ведёт диалоги, сочиняет стихи и рассказы, генерирует бизнес-идеи, пишет письма и многое другое.

Недавно мы выпустили крутую русскоязычную модель GigaChat MAX 2 уровня GPT-4 , а ещё научили её слушать.

Сейчас мы расширяем команду отдела production-внедрения. Мы развиваем инфраструктуру инференса больших языковых моделей: раскатка моделей, стабильность сервисов, производительность, cost optimization, взаимодействие с продуктовыми командами и эксплуатацией.

• низкоуровневая оптимизация работы с «железом»

• работа над инфраструктурой для нагрузок на кластеры и балансировки запросов

• вывод новых архитектур в продуктив.

• опыт работы в области глубокого обучения, в том числе с LLM

• глубокое знание CUDA и Python

• опыт использования GigaChat, Kandinsky и аналогов в продуктах

• навыки создания и использования AI-агентов.

• комфортный современный офис рядом с м. Кутузовская

• возможность выбрать удобный график – офис/гибрид/удаленка (в РФ)

• годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• ипотека для сотрудников по дисконтной прогамме

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

SberDevices - инновационное направление компании, которое создает умные устройства, виртуальные ассистенты и другие продукты в области NLP, gamedev, computer vision.

Команда Поиска ищет ML Engineer в MusicSearch. Мы создаем поисковый движок, который позволяет ассистенту на устройствах находить нужный трек, исполнителя, плейлист или подкаст.

Ты будешь работать с архитектурой движка и моделями ранжирования, делать выдачу персонализированной для позьзователя.

• ответственность за качество поиска: от метрик ранжирования до стабильности работы ранжирования в проде

• разработка и внедрение моделей ранжирования (Learning to Rank) для повышения релевантности поисковой выдачи

• работа над обновлением и перестроением индекса для улучшения качества и скорости поиска

• разработка запросно-независимых и запросно-зависимых фичей, персонализация поисковой выдачи в зависимости от действий пользователя

• планирование и проведение исследований и экспериментов для улучшения качества поиска

• построение пайплайнов оценки и переоценки качества (включая LLM-as-a-judge) и их поддержка

• участие в планировании инфрструктуры, взаимодействие с командой инфраструктуры для внедрения ltr-моделей и новых фичей в высоконагруженную ML систему

• практический опыт в задачах ранжирования / поиска / рекомендаций / NLP от 3 лет

• опыт разработки и обучения LTR моделей понимание особенностей их продакшн эксплуатации

• опыт проектирования и оптимизации RAG систем и гибридных search+LLM решений

• глубокое знание метрик Information Retrieval (NDCG, MRR, Recall@k и др.) и понимание, какие метрики применять в разных классах задач

• навыки оптимизации ML моделей и пайплайнов для высоконагруженных систем: latency < 5 c, RPS > 1000 (онлайн инференс, кэширование, шардирование и т.п.)

• практический опыт использования OpenSearch / ElasticSearch как поисковой платформы (индексация, тюнинг ранжирования, анализ логов)

• опыт работы с оркестраторами задач (предпочтительно Airflow) для построения и поддержки ML пайплайнов

Будет плюсом

• построение процессов A/B-тестирования и методологии оценки качества

• работа с OpenSearch / ElasticSearch как поисковым инструментом

• понимание типов событий/логов вокруг поиска, создание фичей на их основе

• понимание принципов работы LLM и опыт их интеграции в поисковые цепочки

• опыт построения систем мониторинга и алертинга для ML-моделей

• комфортный современный офис - м. Кутузовская

• ежегодный пересмотр зарплаты, годовой бонус

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера

• корпоративная пенсионная программа.

Центр практического ИИ - особое подразделение Сбера, нацеленное на сложные AI проекты и создание новых технологий. В Центре прикладных исследований мы занимаемся разработкой наукоемких инструментов, которые приносят пользу конкретным направлениям бизнеса.

Примеры направлений исследования центра: operations research и дискретная оптимизация для решения задач логистики; графовые нейронные сети и алгоритмы на графах; денойзинг, адверсариальные атаки, устойчивость моделей; новые методы NLP + LLM в задачах бизнеса; research в области агентов и мультиагентных систем.

Данная вакансия подразумевает проведение прикладных исследований в области LLM и агентов.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Чем предстоит заниматься:

• строить ко-пилоты и сервисы на основе LLM-агентов и агентных систем для решения задач бизнеса
• исследовать новые подходы в проектировании мультиагентных систем и их применимость
• изучать научные статьи, быстро проверять гипотезы и строить MVP решений.

Мы ожидаем от вас:

• практический опыт работы с классическим ML/NLP от 3 лет
• практический опыт создания LLM-агентов с tools и RAG-систем
• уверенный Python + ML stack
• LLM/Agents: LangChain/LangGraph, multi-agent orchestration / memory / tool-framework / agent interaction / orchestration logic / evaluation pipelines
• опыт разработки ML-сервисов: API, контейнеризация, CI/CD
• умение писать поддерживаемый код, структурировать модули, держать интерфейсы
• опыт сборки прототипов и MVP.

Будет плюсом:

• наличие продакшен-опыта
• опыт в разработке бэкенд-сервисов
• опыт работы в стартапах
• опыт ownership ml-сервисов.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.

Хочешь работать на стыке DS и риск-менеджмента? Тогда тебе к нам, в Управление модельных рисков.

Мы не просто валидируем модели — мы управляем модельным риском и улучшаем модельный ландшафт Банка с помощью Data Science.

Строим системы предиктивной аналитики, сценарного анализа и даже обучаем LLM-агентов (наш внутренний фреймворк AIVA) для автоматизации валидации. Наш фокус — модели, участвующие в ключевых процессах Банка по управлению рисками ALM и ликвидности.

С какими моделями работаем?

🔹Модели динамического ценообразования

🔹Прогноз досрочного погашения банковских продуктов

🔹Оценка чувствительности процентного дохода к макрофакторам и поведению клиентов

• разбираться в сложных моделях (от классики до нейросетей), погружаться в бизнес-процессы, проводить независимую оценку качества моделей

• оценивать бизнес-эффект от деградации моделей и защищать свои решения перед бизнесом

• применять AIVA (наш LLM-фреймворк для автономной валидации)

• писать код, улучшать и создавать библиотеки для эффективной валидации.

• уверенное знание Python: пишешь читаемые функции, умеешь создавать окружения и оптимизировать код под big data, уверенно работаешь с pandas, numpy, scipy, git, экосистемой Hadoop

• знание ML-фреймворки (PyTorch/TF/scikit-learn)

• отличное знание в части математики: теория вероятности и мат. статистики (мы часто пишем новые методологии и тесты)

• владение: ML/DL и временные ряды.

• комфортный современный офис м. Кутузовский пр.

• формат работы - офис

• годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• регулярные митапы и развитое DS-community

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

Мы — команда GenBI and Agentization, разрабатывающая AI-ассистента для платформы Navigator BI — ключевой бизнес-аналитической системы банка. Наш проект уже решает задачи, значимые для всей экосистемы Сбера. Наша цель — создать интеллектуального помощника, который помогает пользователям:

• находить нужные дашборды и отчёты;

• получать статистику и динамику показателей естественным языком;

• генерировать новые визуализации (графики, виджеты, таблицы) на основе сырых данных;

• отвечать на вопросы, касающихся бизнес-показателей.

• Повышать метрики качества AI-сервиса: дообучать и адаптировать модели, улучшать пайплайны обработки запросов.

• Лидировать выделенное направление в команде: проводить code review, предлагать архитектурные решения.

• Тестировать гипотезы по улучшению пользовательского опыта — от качества поиска до точности генерации визуализаций.

• Интегрировать LLM в существующие процессы, развивать RAG-компоненты и агентную логику.

• Взаимодействовать с командой разработки и бизнес-заказчиками для уточнения требований и постановки задач.

• Опыт разработки LLM-приложений и/или агентных систем.

• Глубокое понимание современных NLP-архитектур (трансформеры, механизмы внимания).

• Уверенное владение PyTorch и LangChain.

Будет плюсом:

• Опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных.

• Опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов.

• Знание MLOps-практик (CI/CD для ML, мониторинг моделей).

• Понимание архитектуры агентных систем.

• Умение самостоятельно вести задачи от гипотезы до внедрения.

• Комфортный современный офис рядом с м. Кутузовская

• Гибридный формат работы

• Ежегодный пересмотр зарплаты. Годовая премия

• Корпоративный спортзал и зоны отдыха

• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• Программа адаптации и помощь руководителя на старте

• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• Вознаграждение за рекомендацию друзей в команду Сбера.

Мы создаём будущее банковского сервиса, объединяя физические и цифровые каналы взаимодействия (Phygital) и внедряя самые современные GenAI модели. Наша цель — обеспечить клиентам персональный сервис нового уровня, учитывая их жизненные обстоятельства и предлагая услуги простым и понятным языком.

Присоединяйся к нашей команде, чтобы создавать инновационные решения для миллионов людей!

• Глубокий анализ больших объемов данных, включая аудиопотоки и clickstream

• Исследования SotA-подходов и эксперименты с новыми технологиями

• Создание и улучшение алгоритмов ML для прогнозирования поведения клиентов и оптимизации продаж. Интеграция моделей в производственные процессы и обеспечение их стабильности и производительности

• Адаптация и дообучение генеративных моделей (в том числе GigaChat)

• Реализация ML-систем для предиктивного анализа обращений клиентов (канал, потребность, время, сценарии), включая sequence-to-one / sequence-to-many

• Дизайн, проведение A/B-тестов и подведение итогов

• Сотрудничество с аналитиками, дата-инженерами и бизнесом. Обоснование и защита архитектурных решений

• Подготовка отчётности и визуализация результатов для внутренних заказчиков.

• Опыт от 2-х лет в NLP, поведенческой аналитике, классификации временных рядов или RecSys

• Готовность брать ответственность за архитектурные решения, обосновывать их перед бизнесом, влиять на бизнес-метрики продукта

• Сильные аналитические способности, аккуратность и точность в работе с данными

• Глубокое понимание архитектуры трансформеров, опыт дообучения и работы с LLM

• Sequence Modeling. Экспертиза в обработке последовательностных данных (sequence modeling)

• Уверенное владение классическим ML (градиентный бустинг: LightGBM / CatBoost) и глубоким обучением (DL, PyTorch)

• Отличное знание Python, SQL, инструментов больших данных (Hadoop, Spark)

• Навыки эффективной коммуникации в междисциплинарной команде

• Понимание методологии A/B-экспериментов и статистического анализа.

Будет плюсом:

• Опыт промышленной эксплуатации ML-моделей и создания production-пайплайнов

• Навыки работы с Docker, системами мониторинга моделей

• Опыт с потоковыми платформами (Kafka, Flink)

• Опыт в финансовой сфере или банковском секторе.

• Комфортный современный офис рядом с м. Кутузовская

• Формат работы - офис

• Ежегодный пересмотр зарплаты, годовая премия

• Корпоративный спортзал и зоны отдыха

• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• Вознаграждение за рекомендацию друзей в команду Сбера.

Мы — команда Causal AI в AI Finance, блок «Финансы» ПАО Сбербанк.

Развиваем решения в области uplift-моделирования, causal inference и сценарного анализа для задач клиентских коммуникаций и оценки эффектов. Нам интересны не только прикладные модели, но и корректная причинно-следственная интерпретация результатов: какие факторы действительно влияют на целевые переменные, как это экспериментально проверить и впоследствии использовать в принятии решений.

• Разрабатывать и внедрять модели оценки влияния различных воздействий на поведение клиентов -- в том числе для ситуаций, когда классические A/B-тесты неприменимы

• Проводить R&D и искать лучшие методы моделирования и интерпретации эффекта

• Участвовать в формализации задач, общаться с заказчиком и предлагать ML-решения

• Взаимодействовать с Data Engineers для построения необходимых витрин и пайплайнов

• Запускать и анализировать A/B-тесты

• Также читаем статьи, разрабатываем свою uplift-платформу, по итогам решения особо интересных задач пишем статьи / выступаем на конференциях.

• Опыт в Python + ML от 3 лет

• Практический опыт работы с классическими uplift-моделями (T-learner, X-learner, DR-learner, IPW, PSM), хорошее понимание теории causal inference

• Понимание основных идей causal discovery, DAG и роли конфаундеров при оценке эффектов

• Умение формулировать гипотезы и проверять их на данных

Будет плюсом:

• Опыт разработки LLM-агентов

• Опыт запуска и анализа A/B-тестов

• Опыт работы с большими данными (Spark, Hadoop)

• Опыт в задачах маркетинга, ценообразования или банковской аналитики.

• Комфортный современный офис рядом с метро

• Гибридный формат работы

• Ежегодный пересмотр зарплаты. Годовая премия

• Корпоративный спортзал и зоны отдыха

• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• Программа адаптации и помощь руководителя на старте

• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• Вознаграждение за рекомендацию друзей в команду Сбера.

Центр практического ИИ — подразделение Сбера, которое занимается сложными AI-проектами и решает нетривиальные задачи банка и экосистемы Сбера.

Наша команда строит и дообучает линейку LLM под банковские сценарии и запускает модели в пром в "жёстких" контурах: локальные устройства / закрытые контуры / строгие SLA по задержкам.

Работа включает полный цикл: данные → дообучение → оценка качества → оптимизация инференса → нагрузочное тестирование → внедрение.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры.

ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Вы будете:

• обучать LLM на GPU-кластерах
• собирать, очищать и готовть датасеты для pre-training и fine-tuning
• анализировать результаты экспериментов и улучшать качество моделей на основе метрик
• оптимизировать инференс, проводить нагрузочное тестирование и внедрять обученные модели.

Мы ожидаем, что вы:

• имеете подтвержденный практический опыт обучения LLM (pre-training, fine-tuning, aligment) в исследовательских или production-задачах
• глубоко понимаете теоретические и практические аспекты LLM: архитектура, токенизация, построение пайплайнов, batching, mixed precitions, распределенное обучение, дебаг неудачных итераций обучения
• имеете опыт разработки на Python от 3 лет, пишете чистый и поддерживаемый код в рамках современных ML-проектов
• внимательно относитесь к деталям и умеете в коммуникацию с людьми.

Будет плюсом, если вы:

• разрабатывали AI-агентов (tool-using, planning, multi-step workflows), знакомы с агентными фреймворками и архитектурами
• умеете пользоваться инструментами логирования экспериментов (Weights & Biases, MLflow, Langfuse и тд.)
• умеете в оптимизацию инференса и хостинг моделей в production
• дизайнили и поддерживали eval-пайплайны для LLM с метриками, дашбордами, экспериментами, и проверками на регрессию моделей.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 2х дней в неделю)
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.

Команда разрабатывает интеллектуальную систему анализа видеоданных. Система позволяет на основе фактов из обработанных видео давать ответы пользователю на открытые вопросы. В основе лежит механизм мультиагентного взаимодействия и передовые модели VLM. Система может использоваться как для простого мониторинга, так и для поддержки принятия сложных управленческих решений.

• анализ требований на разработку инфраструктуры для обработки видеоданных и запуска моделей

• выработка плана решения и реализация исполнения

• разработка моделей компьютерного зрения

• Разработка и поддержка модулей системы

• Внедрение моделей в существующую систему в виде отдельных сервисов

• Оптимизация моделей для промышленного использования и использования на edge-устройствах

• Проведение и документирование экспериментов, результатов и процессов (MLflow, Tensorboard)

• Построение систем для обработки больших объемов данных, работа с видео, фото, видеопотоками

• Опыт работы в разработке высоконагруженных систем / Data Science / CV — от 5 лет

• Хорошие инженерные навыки, понимание общего процесса ИТ-разработки и DevOps процессов

• Хорошее понимание основ классического компьютерного зрения: модель камеры, матрицы гоммографии, ключевые точки и SFM-реконструкция, фильтры и морфология и др

• Глубокое знание Python и стеков для ML/CV: OpenCV, PyTorch

• Знание и понимание основных архитектур моделей для решения CV задач

• Знание и понимание MLOps процесса для моделей

• Умение читать научные статьи (в основном на английском) и быстро тестировать новые подходы

• Комфортный современный офис рядом с м. Кутузовская

• Гибридный формат работы

• Ежегодный пересмотр зарплаты. Годовая премия

• Корпоративный спортзал и зоны отдыха

• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• Программа адаптации и помощь руководителя на старте

• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• Вознаграждение за рекомендацию друзей в команду Сбера.

Мы разрабатываем AI-помощников для автоматизации поддержки клиентов Сбербанка в каналах чата. Наши решения на основе ML и LLM самостоятельно обрабатывают вопросы, сокращая нагрузку на операторов и обслуживая до 50+ млн клиентов в месяц. В составе команды вы будете отвечать за полный цикл создания AI/ML решений— от генерации идеи до внедрения в высоконагруженный продакшен. Мы ищем NLP Data Scientist’а для разработки и улучшения решений с упором на работу с LLM-моделями, прежде всего GigaChat.

• Разработка и внедрение LLM моделей для решения NLU задач бизнеса (SFT, RAG (Retrieval Augmented Generation), Agents, Summarization, Text Ranking, Text Matching, Language Modeling)

• Дообучение LLM моделей

• Разработка подходов и процессов разметки данных для оценки качества работы LLM

• Формирование и работа с ML пайплайнами: работа с данными, обучение/дообучение NLP моделей, оценка качества решений, поддержка/автоматизация решений

• Оптимизация работы моделей для промышленного контура на CPU/GPU

• Работа с командой бизнес-представителей, DS-разработчиками

• Организация проверки и генерация гипотез для решения технических и бизнес-задач.

• Опыт разработки на python, numpy, sklearn, pandas + библиотеки обработки текстовых данных

• Опыт работы с Pytorch для построения DL текстовых моделей

• Опыт работы с библиотеками LangChain/LangGraph

• Опыт практической работы с LLM через API

• Отличные теоретические знания классического и нейросетевого NLP, в тч LLM

• Опыт дообучения классических трансформеров и LLM

• Практический опыт, эксперименты, внедрение в ПРОД LLM решений

• Опыт prompt-engineering

• Знание sql

• Linux, Git.

Будет плюсом:

• Работа с инструментами Hadoop (HDFS, Hive), Spark

• Опыт постановки и проведения a/b тестов

• Опыт работы с распределенным обучением, глубокое знание GPU архитектуры.

• Комфортный современный офис рядом с м. Кутузовская

• Формат работы - возможен гибрид после испытательного срока

• Ежегодный пересмотр зарплаты, годовая премия

• Корпоративный спортзал и зоны отдыха

• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• Вознаграждение за рекомендацию друзей в команду Сбера.

Команда специализируется на разработке решений для анализа данных дистанционного зондирования Земли (ДЗЗ). Упор делается не только на применение state-of-the-art CV-решений и больших мультимодальных LLM, но и моделей, которые могут быть эффективно использованы на edge-устройствах. Наши проекты включают работу с ДЗЗ для задач экологии, урбанистики, безопасности, автономной навигации.

• Анализ требований на разработку моделей и выработка плана решения

• Разработка моделей компьютерного зрения для обработки данных ДЗЗ (спутниковые снимки, инфракрасная съемка, мультиспектральные данные, ортофотопланы, геопривязанные видео, геопривязанные фото). Задачи: локализация, детекция, семантическая сегментация, детекция изменений, регистрация изображений

• Оптимизация моделей для промышленного использования и использования на edge-устройствах

• Взаимодействие с командой RUN для передачи алгоритмов в production

• Документирование экспериментов, результатов и процессов (MLflow, Tensorboard).

• Опыт работы в Data Science / CV — от 3 лет

• Хорошие инженерные навыки, понимание общего процесса ИТ-разработки и DevOps процессов

• Хорошее понимание основ классического компьютерного зрения: модель камеры, матрицы гоммографии, ключевые точки и SFM-реконструкция, фильтры и морфология, PnP и др

• Глубокое знание Python и стеков для ML/CV: OpenCV, PyTorch

• Знание и понимание основных архитектур моделей для решения CV задач

• Опыт работы с алгоритмами локализации (SLAM, Kalman Filter, Particle Filter, PGO и др.) и алгоритмами регистрации изображений (SIFT, SuperGlue, SuperPoint, Roma, MINIMA-вариации)

• Опыт работы с робототехническими данными ROS/ROS2, работа с сенсорами (лидары, IMU, GPS)

• Умение читать научные статьи (в основном на английском) и быстро тестировать новые подходы

Будет плюсом:

• Публикации или выступления на конференциях (по задачам робототехники, компьютерного зрения или локализации)

• Знание и понимание методов sensor fusion

• Работал ранее с симуляторами (airsim, flightmare, CARLA, Isaac Sim)

• Навыки работы с геоинформационными системами (GIS): QGIS.

• Комфортный современный офис рядом с м. Кутузовская

• Гибридный формат работы

• Ежегодный пересмотр зарплаты. Годовая премия

• Корпоративный спортзал и зоны отдыха

• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• Программа адаптации и помощь руководителя на старте

• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• Вознаграждение за рекомендацию друзей в команду Сбера.

Мы развиваем платформу обратной связи клиентов и создаем AI-решения для своевременного выделения инсайтов из клиентских опросов и обращений. Наша цель – превратить сырые отзывы в структурированную аналитику, доступную в том числе через AI-ассистента, и сократить путь от фидбэка до продуктового решения.

• Разрабатывать систему обработки опросов CSI: автоматическое выделение тем, динамическое обновление базы знаний и классификацию комментариев с поддержкой новых классов

• Проектировать и разрабатывать AI-агента для аналитики: агент должен отвечать на запросы продуктовых специалистов, опираясь на данные CSI и историю обращений клиентов

• Строить, тестировать и оценивать LLM-пайплайны и RAG-системы, внедрять метрики качества и механизмы обратной связи

• Интегрировать решения в production, писать чистый, поддерживаемый и тестируемый код, участвовать в код-ревью.

• Опыт в NLP и LLM: от классических алгоритмов до трансформеров и генеративных моделей

• Практическая разработка AI-агентов, чат-ботов и LLM-пайплайнов в коммерческих проектах

• Опыт обучения NLP-моделей в задачах классификации и суммаризации.

• Уверенное владение PyTorch, NumPy, Pandas, LangChain, LangGraph (или аналогами)

• Понимание ML-фундамента: опыт работы с динамически расширяемыми классами, few-shot learning или online-learning подходами

• Уверенный Python, Git, SQL, Bash, Docker

• Навык перевода бизнес-требований в технические решения.

Будет плюсом:

• Микросервисная архитектура, проектирование REST API, асинхронная разработка (FastAPI, asyncio, aiohttp, multiprocessing)

• Опыт работы с PostgreSQL, Redis и векторными БД (PGVector, OpenSearch)

• Настройка CI/CD-пайплайнов (GitLab CI, Jenkins, ArgoCD) и деплой в Kubernetes.

• Комфортный современный офис рядом с м. Кутузовская

• Декретная ставка - срочный ТД

• Формат работы - гибрид после испытательного срока

• Ежегодный пересмотр зарплаты, годовая премия

• Корпоративный спортзал и зоны отдыха

• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• Вознаграждение за рекомендацию друзей в команду Сбера.

Центр компетенций по внедрению ИИ-агентов занимается разработкой ИИ-агентов с использованием передовых языковых моделей (LLM) для оптимизации различных процессов Сбера. Наша цель — повышение эффективности процессов Банка и автоматизация задач с помощью новейших технологий в области искусственного интеллекта.

Основные направления нашей деятельности:

• Разработка ИИ-агентов для автоматизации бизнес-процессов
• Участие в дообучении и адаптации LLM на основе внутренних и внешних данных
• Оптимизация и улучшение производственных процессов Сбера с помощью AI

Почему стоит присоединиться к нам:

• Возможность работать с передовыми AI и ML технологиями
• Участие в развитии инновационных сервисов, которые реально влияют на процессы в крупнейшем банке страны
• Работа в дружной и профессиональной команде, нацеленной на достижение высоких результатов
• Возможность участия в международных проектах и конференциях по ИИ и машинному обучению
• Доступ к самым современным ресурсам и инструментам для разработки ИИ-решений

Присоединяйтесь к нашей команде и внесите свой вклад в улучшение производственной системы Сбера!

• Разработка PoC и MVP ИИ-агентов на основе LLM с использованием фреймворков для работы с LLM, таких как LangChain/GigaChain

• Помощь и участие на стадии внедрения ИИ-агентов (вывод в промышленную эксплуатацию)

• Адаптация и обучение языковых моделей (LLM) Сбера с использованием внутренних и внешних данных, Prompt Tuning, RAG

• Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering

• Индексация и ранжирование текстовых документов разной длины

• Взаимодействие с бизнес-заказчиком для выявления требований и постановка задач

• Обеспечение безопасности и конфиденциальности данных в процессе разработки и внедрения ИИ-агентов

• Образование в техническом вузе в сфере компьютерных наук, прикладной математики или статистики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, МИФИ

• Опыт в разработке NLP моделей и рекомендательных систем (желательно)

• Понимание жизненного цикла моделей (CRISP-DM)

• Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов

• Высокий уровень владения ядром Python и SQL

• Свободное владение базовыми библиотеками на Python, в том числе: pandas, numpy, matplotlib, seaborn;

• Знание фреймворков, библиотек, алгоритмов машинного обучения: Scikit-learn, Pytorch, xgboost, catboost, tensorflow, transformers

• Опыт работы с NLP библиотеками: pymorphy2, NLTK, Gensim, spacy, regexp

• Знание фреймворков для работы с LLM, таких как langchain.

• Ипотека по корпоративной ставке

• Бесплатная подписка СберПрайм+;

• Скидки на продукты компаний-партнеров;

• ДМС с первого дня и льготное страхование для близких;

• Корпоративная пенсионная программа;

• Обучение за счет Компании: онлайн курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, Тренинги, митапы и возможность получить новую квалификацию;

• Крупнейшее DS&AI community более 600 DS банка, включая: регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы.

Нам нужен специалист для разработки и интеграции алгоритмов навигации и восприятия для автономных БПЛА. Задачи ставятся на стыке робототехники, компьютерного зрения и прикладной математики.

Наша команда постоянно исследует новые горизонты, тестируя различные гипотезы и создавая исследовательские центры в рамках стратегических приоритетов компании.

• Анализ существующих методов навигации и локализации, подбором оптимального решения под задачу и ограничения платформы (visual place recognition, одометрия, корреляционно-экстремальная навигация и др.)

• применение современных нейросетевых моделей для задач навигации и восприятия (feature matching, place recognition, object detection)

• реализация сенсорного слияния на основе байесовской фильтрации и оптимизации

• разработка ROS2-модулей и их отладкой — от симулятора и rosbag до лётных испытаний

• оптимизация и развёртывание нейросетевых моделей на встраиваемых GPU-платформах (Nvidia Jetson Orin NX)

• интеграция различных сенсорных модальностей: RGB-камеры, LWIR/тепловизоры, event-камеры, лидары

• опыт работы с ROS/ROS2

• уверенный Python (PyTorch, NumPy, SciPy, OpenCV)

• понимание 3D-геометрии: кватернионы, матрицы поворота, SE(3), проективная геометрия

• знание байесовских фильтров (EKF, Particle Filter) и принципов сенсорного слияния

• понимание архитектур нейронных сетей (CNN, Vision Transformers) на уровне, достаточном для подбора и развёртывания моделей

• умение читать научные статьи и находить подходящие методы под задачу

• Git, Linux

Будет плюсом:

• умение реализовывать алгоритмы по публикациям

• опыт обучения/дообучения нейросетей

• опыт работы с задачами visual place recognition, visual/LiDAR odometry, SLAM

• опыт оптимизации моделей: TensorRT, ONNX Runtime, квантизация (INT8/FP16)

• опыт работы с Nvidia Jetson (Orin NX/AGX Orin)

• опыт работы с нестандартными сенсорами: тепловизионные камеры, event-камеры, лидары

• знание C++/CUDA для высокопроизводительных вычислений

• опыт работы с реальными роботизированными платформами

• навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом

• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов

• инструментальное владение AI для анализа, генерации и автоматизации

• офисный формат в Москве (Сколтех)

• ежегодный пересмотр зарплаты и годовая премия

• расширенный ДМС и льготное страхование для семьи

• уникальная система обучения Сбера для профессионального и карьерного развития

• выгодная ипотека для сотрудников

• бесплатная подписка СберПрайм+, скидки на продукты компании-партнёров

• вознаграждение за рекомендацию друзей в команду Сбера

• корпоративная пенсионная программа.

Привет! Мы — команда моделей пользовательского поведения в Поиске маркетплейса. Строим ML- и DL-модели на стыке NLP и RecSys, которые опираются на историю взаимодействия пользователя с маркетплейсом и применяются в задачах персонализации: персонализация товарной выдачи, персональные поисковые подсказки и другие поверхности. Мы ведём полный цикл разработки: от обработки сырых логов и построения признаков до обучения, валидации и деплоя моделей в высоконагруженный продакшн. Работаем с данными десятков миллионов пользователей и отвечаем за реальные продуктовые метрики.

Задачи команды

• Моделирование интересов пользователя на основе последовательностей его поведения: запросы, применённые фильтры, клики, покупки и т.д.

• Построение архитектур персонализации (в т.ч. мультимодальных подходов): обучение пользовательских и товарных представлений, их оценка и применение в различных задачах персонализации.

• Полный инженерный цикл: пайплайны обработки логов на больших данных, обучение моделей, их деплой и онлайн-инференс под нагрузкой с жёсткими требованиями к latency.

Наш стек

• Deep Learning: Python, PyTorch и HF-экосистема, lightning.

• Big Data: Hadoop, PySpark.

• Деплой и инференс: сервинг моделей в высоконагруженном рантайме (TensorRT и др.).

Вы будете

• Вести ключевые технические направления команды: от постановки задачи и выбора архитектуры до вывода модели в продакшн и подтверждения эффекта на A/B.

• Проектировать и улучшать модели пользовательских представлений и архитектуры персонализации, решать различные исследовательские вопросы.

• Развивать пайплайны подготовки данных, оптимизации обучения и инференса.

• Работать в связке с продуктовыми командами, аналитиками и инфраструктурой, переводя продуктовые гипотезы в ML-задачи и измеримый результат.

Нам важно

• Сильный опыт в DL, понимание NLP и LLM и/или RecSys (рекомендации, ранжирование, поиск, sequential-модели).

• Уверенное владение Python и PyTorch, способность самостоятельно довести модель от прототипа до продакшн-решения.

• Практический опыт работы с большими данными (PySpark, экосистема Hadoop) и построения production-пайплайнов.

• Умение декомпозировать задачи, принимать архитектурные решения и отвечать за результат экспериментов.

Будет плюсом

• Опыт построения sequential-моделей пользовательского поведения или обучения языковых моделей в продакшне.

• Опыт работы с высоконагруженным инференсом DL-моделей.

• Опыт с многоэтапными архитектурами ранжирования (retrieval → pre-ranking → ranking → re-ranking).

• Публикации, выступления на конференциях.

Наша команда создает AI-оператора поддержки, который взаимодействует напрямую с интерфейсом CRM. 

Мы технологичная компания без бумажного легаси: все процессы оцифрованы и проходят через UI, поэтому у нас есть много данных о том, как сотрудники взаимодействуют с внутренними цифровыми продуктами. На их основе мы обучаем LLM-агента, который умеет работать с интерфейсами и решать бизнес-задачи.

AI-оператор поддержки — полноценный сотрудник со своей учетной записью и доступами, который уже работает 24/7 в ряде сценариев. Мы планируем масштабировать подход на множество бизнес-процессов и снизить нагрузку на сотрудников, освободив их от рутинных задач.

• Улучшать качество и стабильность поведения агента в бизнес-сценариях
• Разрабатывать и внедрять методы обучения LLM под продуктовые задачи — SFT, RL, RLHF
• Работать с задачами reasoning и повышать обобщающую способность моделей
• Развивать агентные подходы: planning и decomposition задач, tool use и orchestration, работа с памятью и состоянием
• Работать с VLM: улучшать связку vision + reasoning + action, обрабатывать и интерпретировать UI — скриншоты, элементы интерфейса
• Оптимизировать инференс и latency для продакшен-нагрузки
• Строить пайплайны обучения, оценки и мониторинга моделей
• Участвовать в развитии внутренних моделей T-Lite и T-Pro вместе с исследовательской командой
• Проводить эксперименты, формулировать и проверять гипотезы

• У вас есть сильный практический опыт в NLP, LLM и генеративных моделях
• Понимаете современные подходы к обучению LLM: SFT, RL, alignment
• Доводили ML-решения до продакшена
• Работали или понимаете устройство VLM и мультимодальных моделей
• Умеете самостоятельно проводить эксперименты и проверять гипотезы
• Знаете Python и разбираетесь в ML-стеке
• Хотите влиять на продукт и работать на стыке research и engineering
• Будет плюсом опыт работы с агентными системами или сложными ML-продуктами, продакшен-ML-инфраструктурой

• Работу в офисе или гибридный формат — по договоренности с руководителем
• Возможность работы в аккредитованной ИТ-компании
• ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких. Еще — страховка от несчастных случаев и болезней
• Рост по карьерному треку: проходите курсы по софт- и хард-скиллам, развивайтесь с поддержкой ментора и повышайте уровень с матрицей компетенций и регулярным ревью
• Сильное комьюнити. Вы будете работать с экспертами в своей области, сможете делиться знаниями и выступать на конференциях, посещать митапы и писать статьи
• Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни
• Компенсацию затрат на спортивные абонементы, приложение Т-Спорта для онлайн-занятий и командные тренировки с коллегами
• Три дополнительных дня к отпуску — можно использовать для отдыха или получить компенсацию
• Специальные тарифы на продукты Т-Банка и широкую программу скидок от партнеров
• Достойную зарплату — обсудим ее на собеседовании

Объединённая компания Wildberries и Russ — это международная технологическая компания, образованная в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ.

• Разрабатывать ML модели (на выбор несколько направлений);
• PD/LGD/PnL и антифрод (classic и DL) для bnpl и банковских продуктов b2c/b2b;
• Динамический прайсинг - назначения скидок для оптимизации GMV и прибыли в разрезе категорий товаров WB;
• WB Кошелек - назначение скидок, рост клиентской базы и уровня проникновения, получение habit-forming эффекта
• Выводить модели в production
• Исследовать новые подходы для повышения метрик продукта
• Исследовать новые источники данных разных модальностей
• Принимать непосредственное участие в разработке ML инфраструктуры
• Выстраивать мониторинг за стабильностью моделей и фичей

Вы нам подходите, если:

• Работаете в DS/ML от 3 лет, а также от года в банках/fintech/marketplace/телекоме;
• Отлично владеете классическим ML и DL, опыт uplift моделирования и построения behavioral моделей;
• Обладаете промышленным опытом внедрения моделей;
• Занимаетесь построением мониторинга за работой моделей;
• Владеете python, Airflow, Spark, Docker, Git, PyTorch;
• Работаете с S3/Hadoop, а также с аналитическими БД ClickHouse/GreenPlum;

Преимущества для сотрудников:

• Обучение и развитие: языковые клубы, собственный корпоративный университет, программы развития управленческих навыков и многое другое;
• Благополучие сотрудников: корпоративный пакет ДМС со стоматологией, корпоративный спорт, консультации психолога и дополнительные возможности аккредитованной IT-компании;
• Множество сообществ: клуб спикеров, футбола, йоги, шахмат и т.д.;
• Забота о семьях: создаем условия, в которых легко сочетать карьеру и заботу о близких – от гибкого подхода до масштабных проектов для детей сотрудников;
• Скидки и партнерские программы: на обучение, страхование, покупки и многое другое;
• Комфортная рабочая среда: бесплатное питание в офисе, современные офисы рядом с метро, корпоративная техника и портал для сотрудников.

Направление фильмов и сериалов в VK Видео отвечает за развитие одних из ключевых сценариев потребления: фильмы, сериалы, детский контент, ТВ-шоу и тематические подборки. Мы хотим сделать эти сценарии удобнее и персональнее для пользователя: помогать находить хороший фильм на вечер, правильно выбирать следующую серию любимого сериала, продолжать просмотр с нужного места и получать релевантные рекомендации без дублей и некачественных копий.

Команда будет заниматься end-to-end развитием киносериальных рекомендаций: анализировать пользовательское поведение, формулировать и проверять гипотезы, развивать матчинг и дедупликацию контента, обучать модели, обеспечивать стабильную работу рантайма, проводить A/B-эксперименты и развивать систему метрик.

• Большой масштаб — десятки миллионов пользователей, высоконагруженный рантайм и большие данные
• Значимую продуктовую зону — фильмы и сериалы являются одним из ключевых драйверов роста вовлечения и TVT
• Сильную техническую среду — Discovery-платформа, ML-инфраструктура, Java, YTsaurus, быстрый цикл экспериментов
• Нетривиальные задачи — матчинг тайтлов, дедупликация копий, рекомендации сериалов, подборки, работа с плейлистами и кластерными сущностями
• Реальное влияние на продукт — команда будет отвечать не только за модели, но и за качество пользовательских сценариев

Задачи

• Руководить командой ML-инженеров и бэкенд-разработчиков: нанимать, развивать людей и выстраивать процессы
• Быть техническим владельцем направления и отвечать за качество рекомендаций фильмов и сериалов
• Формировать цели команды и декомпозировать их в понятные, достижимые задачи
• Проводить A/B-эксперименты, анализировать метрики и пользовательское поведение
• Выстраивать эффективное взаимодействие с продуктом, аналитиками, бэкендом и смежными ML-командами

Требования

• Руководили технической командой — ML или разработки — не менее двух лет
• Обладаете хорошими знаниями алгоритмов, структур данных и основ машинного обучения
• Имеете практический опыт разработки на Python, Java или C++
• Работали с ML-решениями в условиях высокой нагрузки
• Умеете работать с продуктовыми метриками, A/B-тестами и пользовательскими гипотезами

Будет плюсом

• Работали с рекомендательными, поисковыми или рекламными системами
• Имеете опыт работы с большими данными
• Работали с видео, медиа, UGC или стриминговыми продуктами
• Сталкивались с задачами матчинга или дедупликации

Приглашаем исследователей в области машинного обучения в команду Рекомендательных систем и персонализации Центра практического ИИ. Центр практического искусственного интеллекта - стратегическое подразделение Сбера, создающее наукоемкие технологии.

Мы создаем новые алгоритмы рекомендательных систем и адаптируем SOTA-подходы для задач банка и компаний-партнеров, помогаем бизнесу внедрять новые технологии. Также мы разрабатываем собственные open-source фреймворки и публикуем результаты наших исследований на международных конференциях уровня A/A*. Приглашаем присоединиться к исследованиям и прикладным проектам в области рекомендательных технологий, DL-моделей для последовательных данных и подходов на стыке LLM и RecSys.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Наши задачи:

• развиваем библиотеку для рекомендательных систем RePlay https://github.com/sb-ai-lab/RePlay
• разрабатываем и улучшаем алгоритмы рекомендательных систем
• разрабатываем и обучаем трансформерные модели на последовательностях событий
• проводим исследования в области sequential recommendations, LLM для рекомендаций, foundation models для событийных данных
• пишем статьи и выступаем на ведущих мировых и российских конференциях.

Мы ожидаем:

• опыт работы от 2 лет в области, связанной с RecSys / DL / NLP
• умение писать читаемый и хорошо структурированный код на python
• умение работать с git
• знание стандартных библиотек и фреймворков (numpy, pandas, polars, scikit-learn, pytorch, pytorch-lightning, transformers)
• навыки организации и воспроизводимого проведения ML-экспериментов (Hydra, Сlearml, Mlflow, W&B, Neptune)
• опыт разработки и обучения моделей с помощью pytorch
• знание математики, глубокое понимание классического ML и современных методов DL, широкий кругозор в ML в целом
• понимание современных Transformer-based архитектур для работы с последовательностями
• знание ключевых рекомендательных подходов и методов их оценки
• умение читать, анализировать и воспроизводить научные статьи.

Будет плюсом:

• опыт успешного участия в ML соревнованиях и хакатонах
• опыт написания научных статей, наличие публикаций
• понимание принципов работы современных LLM и LLM-агентов.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.

Центр практического искусственного интеллекта занимается разработкой и внедрением высокотехнологичных AI-инструментов.

Задачи берутся из повседневной практики бизнеса.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Вы будете:

• разрабатывать, оптимизировать и поддерживать NLP/мультимодальные пайплайны, включая RAG-системы и ассистентов для бизнес-задач
• создавать и развивать ИИ-агентов и мультиагентные системы (workflow-оркестрация, планирование, инструменты, memory-модули, интеграции с сервисами банка)
• участвовать в формировании и проверке гипотез для улучшения качества моделей и пайплайнов
• интегрировать агентские пайплайны в высоконагруженные сервисы банка, обеспечивая стабильность, производительность и мониторинг
• адаптировать и внедрять результаты исследований в прикладные решения
• разрабатывать сервисы вокруг моделей: API-слои, микросервисы, inference-скрипты, CI/CD для ML
• обеспечивать качество кода и следить за инженерными практиками (тестирование, логирование, мониторинг)
• участвовать в выборе и настройке инфраструктуры для инференса и обучения.

Требования:

• уверенные технические навыки
• глубокие знания NLP и уверенная база в классическом ML
• опыт разработки RAG-систем, ML-ассистентов, работа с векторными хранилищами и retrieval-стеком
• опыт разработки и продакшен-внедрения ML-сервисов
• отличное знание Python, опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью
• опыт работы с мультиагентными фреймворками (LangGraph, LlamaIndex или другие)
• уверенное владение инструментами разработки и инфраструктуры: bash, Docker/Openshift/Kubernetes, Git
• опыт упаковки моделей в сервисы и интерфейсы (FastAPI, Flask, Tornado; будет плюсом UI-фреймворки типа StreamLit/ChainLit)
• понимание технологий инференса и обучения больших моделей (vLLM, DeepSpeed, Accelerate)
• опыт интеграции генеративных моделей в реальные бизнес-процессы
• знание CI/CD для ML/infra (GitLab CI/GitHub Actions/ArgoCD)
• навыки профилирования, оптимизации и мониторинга систем в проде (Prometheus/Grafana/OpenTelemetry)
• понимание MLOps-паттернов: feature store, model registry, rollout/rollback стратегий.

Будет плюсом:

• опыт работы с мультимодальными моделями (Vision/Audio LLMs)
• опыт распределённого обучения и оптимизации больших моделей.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• офисный формат работы (возможно обсудить гибрид после исп.срока)
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.

Чем предстоит заниматься:

• Обеспечивать разработку, внедрение и развитие корпоративных решений на базе больших языковых моделей для автоматизации бизнес-процессов, повышения производительности сотрудников, улучшения качества принятия решений и создания измеримого бизнес-эффекта для компаний Холдинга.
• Участвовать в полном цикле разработки AI/ML-решения: от гипотез и прототипов до запуска в production и последующего мониторинга;
• Разрабатывать, тестировать и внедрять end-to-end решения на базе LLM: диалоговых агентов, RAG и LLM workflows;
• Оптимизировать производительность, качество и стоимость использования LLM в продуктовых сценариях;
• Вести техническую документацию, участвовать в оценке инициатив и консультировать бизнес юниты по вопросам применения LLM.

Мы предлагаем:​​​​

• Возможность присоединиться к профессиональной, высоко мотивированной и результативной команде из 200+ сотрудников R1, перспективы карьерного роста;
• Официальное трудоустройство в аккредитованный IT-актив компании ООО "Эр-1", оплачиваемые отпуск, командировки, больничные;
• Работу в офисе в одном из городов присутствия R1 на ваш выбор - Москва, Санкт-Петербург, Пермь;
• Рыночную заработную плату по результатам собеседования;
• ДМС со стоматологией после испытательного срока, 100% компенсацию больничного;
• Комфортные офисные условия;
• Корпоративные программы от наших партнеров;
• Бонусное подключение к телеком-услугам Дом.ru по тарифу «Сотрудник»;
• Яркую корпоративная жизнь и дружелюбную атмосферу в коллективе профессионалов!

Мы ждём от кандидатов:

• Опыт работы на позиции Data Scientist, ML инженер, LLM инженер (уровень Senior);
• Опыт работы с машинным обучением, фреймворками и инструментами, связанными с LLM;
• Опыт разработки высоконагруженных AI/ML сервисов (с фокусом на LLM);
• Знание популярных библиотек и фреймворков для машинного обучения (например, TensorFlow, PyTorch, Scikit-learn, PEFT, vLLM);
• Понимание архитектур LLM и опыт файнтюнинга под продуктовые задачи (SFT, PEFT, RLHF, LoRA, PPO, DPO, GRPO);
• Знание LLM-фреймворков (langchain, langgraph или аналоги) и подходов к разработке AI-агентов (function calling, structured output, context engineering);
• Знание методов оценки качества LLM-решений;
• Знание языков программирования: Python, SQL, PySpark;
• Глубокое понимание математических основ, включая статистику и линейную алгебру.

Chief Data Scientist — ведущий научный эксперт AI-департамента, отвечающий за методологическую состоятельность и техническое качество всех решений на основе данных и моделей машинного обучения. Это не управленец в классическом понимании: это человек, который определяет, как правильно решать задачу технически, задаёт научные стандарты для команды и лично участвует в разработке наиболее сложных решений. Он работает на стыке исследований и промышленного применения — именно этот баланс является ключевым требованием к кандидату.
Роль предполагает тесное взаимодействие с руководителем центра R&D, директором по продукту и командами AI-инженеров. Chief Data Scientist не дублирует функции руководителя R&D-центра — он является его научным партнёром и главным арбитром в вопросах методологии и качества моделей.

Чем предстоит заниматься:

• Осуществлять научное руководство и управлять методологией: определять подходы к решению задач машинного обучения внутри компании; устанавливать методологические стандарты — от постановки задачи до оценки результата; нести ответственность за научную корректность принимаемых решений;
• Разрабатывать и внедрять сложные модели: лично участвовать в создании ключевых моделей — рекомендательных систем, моделей оценки рисков, персонализации клиентского опыта, предиктивной аналитики по брокерским данным; писать код и проводить эксперименты самостоятельно;
• Оценивать и выбирать подходы: анализировать применимость различных архитектур и методов — больших языковых моделей, классического машинного обучения, статистических методов — к конкретным задачам брокерской деятельности; осуществлять обоснованный выбор между ними;
• Стандартизировать качество моделей: разрабатывать внутренние критерии оценки качества моделей; проводить и методологически руководить оценкой существующих и новых решений перед их выводом в эксплуатацию; принимать участие в построении систем мониторинга деградации моделей;
• Работать с данными: формировать требования к данным для обучения и оценки моделей; взаимодействовать с командами данных по вопросам качества, разметки, хранения и доступа; выявлять и устранять системные проблемы с данными, влияющие на качество решений;
• Развивать научный уровень команды: курировать специалистов по данным и машинному обучению; проводить внутренние технические обзоры и разбор решений; формировать культуру воспроизводимых экспериментов и обоснованных технических решений;
• Представлять научную позицию: участвовать в обсуждениях с руководством и бизнесом в роли главного технического эксперта по вопросам моделей и данных; объяснять технические ограничения и возможности на языке бизнес-эффекта.

Наши ожидания:

• 7+ лет в области науки о данных или разработки моделей, из них 2+ года в роли ведущего специалиста или технического руководителя;
• Глубокая техническая экспертиза в машинном обучении: уверенное владение современными архитектурами (трансформеры, градиентный бустинг, рекомендательные системы), методами оценки моделей, статистическими подходами;
• Практический опыт работы с большими языковыми моделями: тонкая настройка, построение систем на основе баз знаний, оценка качества генерации, снижение галлюцинаций;
• Уверенное владение Python и ключевыми библиотеками для работы с данными и моделями (PyTorch, scikit-learn, pandas и аналоги);
• Опыт вывода моделей в промышленную эксплуатацию: понимание полного цикла от исследования до работающего решения;
• Опыт работы с финансовыми или временными рядами данных будет значительным преимуществом.

Будет плюсом:

• Публикации, выступления на профессиональных конференциях или значимые открытые проекты;
• Опыт в задачах финансового домена: оценка рисков, обнаружение аномалий, персонализация инвестиционных рекомендаций, анализ клиентского поведения;
• Опыт построения систем оценки качества языковых моделей (автоматические метрики, оценка с помощью модели-судьи);
• Знакомство с требованиями к объяснимости и аудируемости моделей в регулируемой отрасли.

Мы предлагаем:

• Удаленный или гибридный формат работы;
• График работы 5/2 с 9:30 до 18:00 по Москве;
• Работу в компании — лидере инвестиционного рынка;
• Современный стек технологий, амбициозные проекты;
• Возможность карьерного роста (сессии продвижения для результативных сотрудников);
• Расширенную программу ДМС с первой недели работы (стоматология, страхование жизни, страхование выезжающих за рубеж, психолог, телемедицина, возможность подключить родственников к программе ДМС по корпоративным тарифам);
• Скидки на фитнес-клубы (WorldClass, Х-Fit и др.), спортивные сообщества (бег, футбол, волейбол, хоккей, баскетбол). А еще у нас есть клуб любителей настольных игр;
• Тренинги, программу «БКС Среда» — цикл мероприятий с внешними и внутренними спикерами по ключевым темам в экономике, бизнесе, финансах, технологиях и искусстве;
• Насыщенную корпоративную жизнь офлайн: Новый год, день рождения компании, тимбилдинги, совместные выезды по интересам;
• Мероприятия для детей сотрудников (новогодние елки, День защиты детей, подарки на 1 сентября и Новый год);
• Льготные условия банковского обслуживания, корпоративные скидки BestBenefits (на услуги туристических агентств, обучение, продукты питания, в ресторанах и барах, в магазинах и салонах красоты и т.д.).

Центр практического искусственного интеллекта занимается разработкой и внедрением высокотехнологичных AI-инструментов.

Задачи берутся из повседневной практики бизнеса.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Вы будете:

• разрабатывать, оптимизировать и поддерживать NLP/мультимодальные пайплайны, включая RAG-системы и ассистентов для бизнес-задач
• создавать и развивать ИИ-агентов и мультиагентные системы (workflow-оркестрация, планирование, инструменты, memory-модули, интеграции с сервисами банка)
• участвовать в формировании и проверке гипотез для улучшения качества моделей и пайплайнов
• интегрировать агентские пайплайны в высоконагруженные сервисы банка, обеспечивая стабильность, производительность и мониторинг
• адаптировать и внедрять результаты исследований в прикладные решения
• разрабатывать сервисы вокруг моделей: API-слои, микросервисы, inference-скрипты, CI/CD для ML
• обеспечивать качество кода и следить за инженерными практиками (тестирование, логирование, мониторинг)
• участвовать в выборе и настройке инфраструктуры для инференса и обучения.

Требования:

• уверенные технические навыки
• глубокие знания NLP и уверенная база в классическом ML
• опыт разработки RAG-систем, ML-ассистентов, работа с векторными хранилищами и retrieval-стеком
• опыт разработки и продакшен-внедрения ML-сервисов
• отличное знание Python, опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью
• опыт работы с мультиагентными фреймворками (LangGraph, LlamaIndex или другие)
• уверенное владение инструментами разработки и инфраструктуры: bash, Docker/Openshift/Kubernetes, Git
• опыт упаковки моделей в сервисы и интерфейсы (FastAPI, Flask, Tornado; будет плюсом UI-фреймворки типа StreamLit/ChainLit)
• понимание технологий инференса и обучения больших моделей (vLLM, DeepSpeed, Accelerate)
• опыт интеграции генеративных моделей в реальные бизнес-процессы
• знание CI/CD для ML/infra (GitLab CI/GitHub Actions/ArgoCD)
• навыки профилирования, оптимизации и мониторинга систем в проде (Prometheus/Grafana/OpenTelemetry)
• понимание MLOps-паттернов: feature store, model registry, rollout/rollback стратегий.

Будет плюсом:

• опыт работы с мультимодальными моделями (Vision/Audio LLMs)
• опыт распределённого обучения и оптимизации больших моделей.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• офисный формат работы (возможно обсудить гибрид после исп.срока)
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.

Приглашаем исследователей в области машинного обучения в команду Рекомендательных систем и персонализации Центра практического ИИ. Центр практического искусственного интеллекта - стратегическое подразделение Сбера, создающее наукоемкие технологии.

Мы создаем новые алгоритмы рекомендательных систем и адаптируем SOTA-подходы для задач банка и компаний-партнеров, помогаем бизнесу внедрять новые технологии. Также мы разрабатываем собственные open-source фреймворки и публикуем результаты наших исследований на международных конференциях уровня A/A*. Приглашаем присоединиться к исследованиям и прикладным проектам в области рекомендательных технологий, DL-моделей для последовательных данных и подходов на стыке LLM и RecSys.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Наши задачи:

• развиваем библиотеку для рекомендательных систем RePlay https://github.com/sb-ai-lab/RePlay
• разрабатываем и улучшаем алгоритмы рекомендательных систем
• разрабатываем и обучаем трансформерные модели на последовательностях событий
• проводим исследования в области sequential recommendations, LLM для рекомендаций, foundation models для событийных данных
• пишем статьи и выступаем на ведущих мировых и российских конференциях.

Мы ожидаем:

• опыт работы от 2 лет в области, связанной с RecSys / DL / NLP
• умение писать читаемый и хорошо структурированный код на python
• умение работать с git
• знание стандартных библиотек и фреймворков (numpy, pandas, polars, scikit-learn, pytorch, pytorch-lightning, transformers)
• навыки организации и воспроизводимого проведения ML-экспериментов (Hydra, Сlearml, Mlflow, W&B, Neptune)
• опыт разработки и обучения моделей с помощью pytorch
• знание математики, глубокое понимание классического ML и современных методов DL, широкий кругозор в ML в целом
• понимание современных Transformer-based архитектур для работы с последовательностями
• знание ключевых рекомендательных подходов и методов их оценки
• умение читать, анализировать и воспроизводить научные статьи.

Будет плюсом:

• опыт успешного участия в ML соревнованиях и хакатонах
• опыт написания научных статей, наличие публикаций
• понимание принципов работы современных LLM и LLM-агентов.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.

BIG DATA МТС – место, где телеком данные превращаются в реально работающие IT-продукты. Мы создали и протестировали несколько десятков сервисов. Самые успешные из них уже стали частью экосистемы МТС. Например, МТС Маркетолог, рекомендации в KION (МТС ТВ), услуга “Кто звонит?” или Спам blacklist.

КОГО МЫ ИЩЕМ?

MIDDLE DATA SCIENTIST В ПРОДУКТ KION

ОПИСАНИЕ ПРОДУКТА:
Один из ключевых юнитов в Big Data МТС - это платформа поиска и рекомендаций, которая использует всю мощь ML и "больших данных" для подбора наиболее релевантных айтемов для клиентов из каталогов МТС. Мы уже поставляем рекомендаций в онлайн-кинотеатр КИОН, в читалку «Строки», МТС Банк, сервисы по продаже билетов, интернет-магазин и другие продукты экосистемы МТС. Сейчас решаем задачи объединения рекомендательных движков в единую платформу, создания универсального поискового движка, realtime триггеров и масштабирования на все сервисы компании.

Наш стек: Python, Go, FastApi, k8s, PostgreSQL, Aerospike, Nginx, Kafka, Redis, Airflow, Gitlab-CI, Grafana, Prometheus, ELK, Vault, Linux

ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ

• Генерировать гипотезы по улучшению рекомендаций для роста бизнес-метрик клиентов
• Превращать гипотезы в работающие ML модели
• Катить модельки в прод и по итогам АВ-тестов формулировать новые гипотезы по улучшению рекомендаций
• Ставить задачи data инженерам на доработки необходимых витрин, взаимодействовать с разработчиками для формирования пайплайнов поставки рекомендаций, совместно с аналитиками сетапить АВ-тесты

ЧТО НУЖНО ДЛЯ ЭТОЙ РАБОТЫ

• Коммерческий опыт в data science от 2-х лет
• Опыт разработки и продуктивизации ML-сервисов (от моделек до api
• Опыт внедрения ML-пайплайна в real-time сервисы
• Опыт работы с docker, шедулерами (airflow или любой другой) и sql/nosql базами данных

ЧТО 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.

А еще:

• 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;

• 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.

Привет! Меня зовут Аня, и сейчас я ищу Middle Quantitative Researcher в крипто-проект, который помогает бизнесам на развивающихся рынках эффективнее использовать свободный капитал в USDT без сложностей DeFi и без потери ликвидности.

Сейчас нужен Quantitative Researcher, который будет заниматься исследованием, разработкой и оптимизацией алгоритмических стратегий для крипторынков и DeFi.

Чем предстоит заниматься

• Исследовать и разрабатывать торговые стратегии для криптовалютных и DeFi-рынков.
• Работать с задачами маркет-мейкинга, дельта-нейтрального хеджирования, управления позициями и рисками.
• Строить и улучшать ML-модели для анализа рыночных данных и оптимизации стратегий.
• Применять supervised learning, reinforcement learning, статистический анализ и методы оптимизации.
• Работать с крипто-данными: order book, trades, рыночные и протокольные данные.
• Развивать бэктестинг, симуляции и инструменты оценки торговых стратегий.
• Анализировать результаты реального исполнения стратегий и находить точки для улучшения.
• Следить за новыми подходами в quant finance, ML/RL, DeFi и алгоритмической торговле.

Кого ищем

• Опыт в роли Quant Researcher от 2 лет.
• Высшее образование (финансы, математика, IT, статистика).
• Понимание финансовых рынков, временных рядов, торговых стратегий и риск-менеджмента.
• Уверенное владение Python.
• Опыт работы с ML и методами Supervised Learning (SL), Reinforcement Learning (RL), статистическим анализом и оптимизацией моделей
• Практический опыт с PyTorch, Scikit-learn, CatBoost, XGBoost, Optuna или похожими инструментами.
• Понимание того, как проверять гипотезы: исследование → бэктест → симуляция → анализ результатов.
• Умение работать с данными, формулировать гипотезы и доводить исследование до понятного результата.
• Английский на уровне чтения документации и понимания профессиональной терминологии.

Что компания предлагает взамен

• Формат: full-time, гибрид в Москве (от 3-х дней в неделю).
• Офис в центре Москвы, рядом с метро Охотный Ряд / Театральная / Чеховская / Пушкинская.
• Полностью удаленный формат не рассматриваем.
• Вознаграждение: от 3 000 USD, финальный уровень обсуждается по итогам интервью.
• Выплаты в стейблкоинах.
• Дополнительно — profit sharing.
• Команда русскоязычная, английский нужен для документации и терминологии.

Этапы отбора

1. Встреча со мной.
2. Небольшое тестовое задание (без расчетов, нужно будет просто описать подход к решению задачи)
3. Техническое интервью.
4. Финальная встреча с фаундером.

Компания «АЙ-ТЕКО» — ведущий российский системный интегратор и поставщик информационных технологий для корпоративных заказчиков. Активно действует на рынке IT России с 1997 года, входит в ТОП-400 крупнейших российских компаний, ТОП-10 крупнейших IT-компаний России.

Чем предстоит заниматься:

• · Проектирование и разработка AI-агентов и мультиагентных систем
• · Построение RAG-пайплайнов: индексация, поиск, ранжирование, работа с векторными БД (ChromaDB, Qdrant и др.)
• · Разработка и дообучение классических ML-моделей (регрессия, классификация) и DL-моделей (Computer Vision)
• · Интеграция моделей и агентов в API (FastAPI), работа с БД (sqlAlchemy + liquiBase)
• · Оценка качества моделей и агентов, анализ ошибок
• · Внедрение моделей и агентов, мониторинг в проде
• · Контроль качества кода, написание unit- и end-to-end тестов

Требования:

• · Python: pandas, numpy, sklearn, PyTorch или TensorFlow
• · Практический опыт с LLM-фреймворками (LangChain, LangGraph) и векторными БД
• · Опыт разработки AI-агентов, Function Calling / Tool Use, мультиагентных систем
• · Сильный классический ML (CatBoost, LightGBM и др.)
• · Опыт с CV: классификация, object detection, дообучение предобученных моделей
• · Умение работать с Git
• · Способность проходить полный цикл: от идеи до работающего в проде прототипа

Будет плюсом:

• · Знание принципов ООП, паттернов проектирования, опыт рефакторинга
• · Опыт работы с async/await
• · Знание принципов CI/CD, опыт контейнеризации (Docker/Kubernetes)
• · Понимание корпоративных финансов, кредитного анализа юр.лиц или недвижимости

МЫ ПРЕДЛАГАЕМ:

• Работа в аккредитованной ИТ-компании;
• Оформление в соответствии с ТК РФ с первого дня работы;
• ДМС с первого дня работы (включая стоматологию);
• Корпоративный спорт: скидки на посещение фитнес-клубов, футбольная и волейбольная секции, собственный йога класс;
• Работа в команде, использующей гибкий подход к разработке
• Работа в развивающемся IT-проекте с командой специалистов высокого уровня, возможность развития и обмена опытом.

КОМПАНИЯ «АЙ-ТЕКО» - ведущий российский системный интегратор и поставщик информационных технологий для корпоративных заказчиков. Активно действует на рынке IT России с 1997 года, входит в ТОП-400 крупнейших российских компаний, ТОП-10 крупнейших IT-компаний России.

В связи с активным развитием проектов в компании открыта вакансия Data Scientist / ML Engineer

От кандидата ожидаем:

· Python: pandas, numpy, sklearn, PyTorch или TensorFlow
· Практический опыт с LLM-фреймворками (LangChain, LangGraph) и векторными БД
· Опыт разработки AI-агентов, Function Calling / Tool Use, мультиагентных систем
· Сильный классический ML (CatBoost, LightGBM и др.)
· Опыт с CV: классификация, object detection, дообучение предобученных моделей
· Умение работать с Git
· Способность проходить полный цикл: от идеи до работающего в проде прототипа

Будет плюсом:
· Знание принципов ООП, паттернов проектирования, опыт рефакторинга
· Опыт работы с async/await
· Знание принципов CI/CD, опыт контейнеризации (Docker/Kubernetes)
· Понимание корпоративных финансов, кредитного анализа юр.лиц или недвижимости

Чем предстоит заниматься:
· Проектирование и разработка AI-агентов и мультиагентных систем
· Построение RAG-пайплайнов: индексация, поиск, ранжирование, работа с векторными БД (ChromaDB, Qdrant и др.)
· Разработка и дообучение классических ML-моделей (регрессия, классификация) и DL-моделей (Computer Vision)
· Интеграция моделей и агентов в API (FastAPI), работа с БД (sqlAlchemy + liquiBase)
· Оценка качества моделей и агентов, анализ ошибок
· Внедрение моделей и агентов, мониторинг в проде
· Контроль качества кода, написание unit- и end-to-end тестов

Условия:

• Работу в стабильной компании, "белую" заработную плату;
• Оформление в соответствии с ТК РФ с первого дня работы;
• Расширенный социальный пакет: ДМС (включая стоматологию), корпоративные скидки на посещение фитнес-клубов, футбольная и волейбольная секции;
• Профессиональное обучение и развитие;
• Яркая и насыщенная корпоративная жизнь;
• Снабжаем всей необходимой современной техникой.

Привет! Мы ищем в команду Data Scientist (Middle) на проект в сфере ритейла.

⠀

Для нас привлекательны следующие знания и опыт:

• Практический опыт работы с большими данными: построение ETL-процессов, подготовка и анализ данных, трансформации и агрегации.
• Опыт работы со Spark MLlib и/или Pandas UDFs

• Опыт разработки ML-моделей с использованием Scikit-learn, TensorFlow и/или PyTorch, а также умение применять модели для решения прикладных бизнес-задач.

• Опыт работы от 3-х лет.

⠀
Мы ждем тебя в команду SSP SOFT!

Мои партнеры развиват продукт на стыке Quant Finance, Machine Learning и DeFi. Ищем Quantitative Researcher, который будет заниматься исследованием и разработкой алгоритмических стратегий для криптовалютных рынков, анализом данных и построением моделей для повышения эффективности управления капиталом.

Чем предстоит заниматься:

• Проведение количественных исследований и разработка торговых стратегий для DeFi и криптовалютных рынков
• Построение и развитие моделей машинного обучения (SL, RL) для задач маркет-мейкинга и управления позициями
• Разработка и оптимизация стратегий дельта-нейтрального хеджирования и управления рисками
• Построение бэктестинга и симуляционных сред для оценки торговых стратегий на крипто-данных (order book, trades)
• Анализ рыночных данных и улучшение алгоритмов на основе результатов реального исполнения
• Мониторинг и исследование новых подходов в Quant Finance, RL и DeFi.
  
  Требования:
• Высшее образование (финансы, математика, IT, статистика)
• Опыт работы Quant Researcher от 2 лет; понимание финансовых рынков, временных рядов и разработки торговых стратегий
• Опыт работы с методами Supervised Learning (SL) и Reinforcement Learning (RL), статистическим анализом и оптимизацией моделей
• Уверенное владение Python
• Практический опыт работы с PyTorch, Scikit-Learn, CatBoost, XGBoost и Optuna
• В команде общаемся на русском; английский — на уровне понимания терминологии и чтения документации.
  
  Будет преимуществом:
• Опыт в трейдинге, маркет-мейкинге или low-latency крипто-рынках
• Разработка торговых стратегий
• Работа с крипто-данными (order book, trades)
• Бэктестинг, симуляции и анализ исполнения стратегии.
  
  Условия:
• Офис в самом центре Москвы (рядом со станциями метро Охотный Ряд / Театральная / Чеховская / Пушкинская)
• График: гибридный (полной удаленки не будет); наш будущий коллега живет в Москве
• Финальное вознаграждение будет определяться в зависимости от вашего опыта + profit sharing
• Зарплата выплачивается в стейблкоинах.

Этапы отбора:

• HR-интервью
• Тестовое задание
• Техническое интервью
• Интервью с фаундером.
  
  Присылайте короткое описание релевантного опыта в контексте обязанностей.​​​​​​​​​​​​​​

🚀 Мы расширяем ML Team в Ташкенте!

Мы активно развиваем направление Machine Learning и ищем талантливых специалистов, которые хотят создавать решения с реальным бизнес-эффектом, работать с большими данными и влиять на развитие продуктов.

📍 Локация: Ташкент

🏢 Формат работы: Full-time, On-site

Открытые позиции:

🔹 Team Lead ML Risks —

https://lnkd.in/gQQFDjXv

🔹 Team Lead ML Retail —

https://lnkd.in/g3buSDYU

🔹 Senior / Middle ML Engineer —

https://lnkd.in/d4h_pyyC

🔹 Junior ML Engineer —

https://lnkd.in/gbtZSqF9

Что вас ждёт:

✅ Работа над реальными бизнес-кейсами и масштабными задачами

✅ Возможность влиять на архитектуру и развитие ML-решений

✅ Сильная команда и обмен экспертизой

✅ Пространство для роста и профессионального развития

Если вы готовы строить современные ML-продукты и хотите стать частью амбициозной команды — будем рады познакомиться!

📩 Откликайтесь по ссылкам выше или делитесь вакансией с теми, кому это может быть интересно.

#MachineLearning

#ML

#DataScience

#Hiring

#Tashkent

#Uzbekistan

#TechJobs

#TeamLead

#MLEngineer

#DataJobs

Просмотр информации C2PA

Senior ML Engineer (iGaming)

Компания: TRAFMASTERS (международный full-cycle холдинг, digital & performance marketing)

Формат: Full Remote (работа в защищенном контуре через WDS/RDS)

Занятость: Полная

В TRAFMASTERS мы строим комплексные экосистемы для работы с трафиком в высоконагруженных нишах. Сейчас мы ищем самостоятельного ML-инженера, который с нуля создаст ML-направление внутри компании и выстроит архитектуру на наших on-premise серверах.

Чем предстоит заниматься:

• Проектировать ML-систему и MLOps-процессы с нуля.
• Разрабатывать модели прогнозирования поведения игроков (LTV, будущие депозиты, GGR/NGR, финансовые риски).
• Работать с большими массивами данных и сложными запросами в ClickHouse.
• Проводить стохастические симуляции (Монте-Карло) для оценки сценариев.
• Упаковывать решения в быстрые API (FastAPI/Flask) и автоматизировать пайплайны (Airflow/Prefect, MLflow, Docker).

Наш идеальный кандидат:

• Имеет опыт в ML Engineering / Data Science от 3 лет и выводил модели в prod.
• Уверенно владеет Python, CatBoost, LightGBM, SQL (ClickHouse).
• Обладает глубокой мат. базой (теорвер, матстат, понимание законов распределения, работа с искаженными и fat-tailed данными).
• Понимает специфику iGaming/FinTech/E-com (метрики LTV, Churn, Retention) — будет огромным плюсом.

Условия и бенефиты:

• 26 рабочих дней отпуска + 26 дней оплачиваемых больничных.
• Дополнительные Corporate Holidays и Family Days.
• Курсы английского языка, частичная компенсация MultiSport и мед. страховки.

Команда AVO SERVICES AND TECHNOLOGY создает новый технологичный розничный банк на рынке Узбекистана. Основная концепция сервиса - клиент самостоятельно может получить все услуги банка через мобильное приложение и устройства самообслуживания.

Наш сегодняшний вызов - создать самый продвинутый digital банк в Узбекистане. Мы ищем Data Scientist в ML-команду.

Основной фокус роли — продуктовые и клиентские ML-задачи: CRM, churn/retention, propensity, uplift, LTV, клиентская сегментация и оптимизация коммуникаций.

Это позиция для человека, которому интересно не просто обучать модели, а помогать банку лучше понимать клиентов: кого удерживать, кому и когда делать предложение, какой клиент принесёт больше ценности, где коммуникация даст эффект, а где только создаст лишнюю нагрузку.

В команде есть собственная Feature Platform, которую мы используем для разработки и переиспользования признаков в обучении, batch-расчётах и production-инференсе.

Основные обязанности:

• Разрабатывать модели и аналитические подходы для клиентских сценариев: propensity, churn/retention, uplift, LTV, next best offer / next best action, сегментация и таргетинг.

• Проектировать признаки на основе клиентского поведения, транзакций, продуктовой активности, коммуникаций и истории взаимодействия с банком.

• Проверять продуктовые гипотезы, выбирать корректные метрики и оценивать влияние моделей на бизнес: конверсию, удержание, доходность, экономию бюджета и эффективность коммуникаций.

• Разрабатывать и валидировать фичи так, чтобы они корректно работали в обучении, batch-процессах и на production-инференсе.

• Участвовать в запуске ML-решений вместе с engineering-командой: от пилота до регулярного production-расчёта и мониторинга качества после релиза.

Требования:

Обязательные

• Опыт работы в Data Science / ML на продуктовых или клиентских задачах: propensity, churn/retention, uplift, LTV, сегментация, таргетинг, персонализация или близкие сценарии.

• Сильная база в прикладной статистике и машинном обучении: умение корректно формулировать таргет, выбирать горизонт прогноза, строить валидацию, оценивать качество модели и понимать ограничения результата.

• Уверенный Python и SQL для работы с данными: подготовка датасетов, feature engineering, анализ качества данных, обучение моделей и исследование гипотез.

• Практический опыт с табличными ML-моделями и современным DS-стеком: sklearn, CatBoost/LightGBM или аналогичные инструменты.

• Умение связывать качество модели с бизнес-метриками: конверсией, retention, revenue, cost saving, LTV или эффективностью коммуникаций.

• Опыт работы с временными и поведенческими данными: клиентская активность, транзакции, коммуникации, продуктовые события, история взаимодействия с клиентом.

• Способность доводить задачу до результата вместе с бизнесом, аналитиками, DWH и engineering-командами: от идеи и датасета до пилота, production-расчёта или регулярного использования модели.

Будет плюсом

• Опыт в fintech, banking, telecom, e-commerce, subscription-бизнесе или другом продукте с большой клиентской базой.

• Практика в uplift modeling, causal inference, A/B-тестах, инкрементальности и оценке реального эффекта ML-решений.

• Опыт работы с feature store / feature platform или понимание принципов production feature engineering: переиспользуемость фичей, offline/online consistency, версионирование, контроль качества.

• Понимание production ML-процессов: Git, Airflow/dbt, MLflow, Docker, API, мониторинг качества данных и моделей.

• Умение понятно объяснять результаты: что модель делает, где работает хорошо/плохо, какие есть риски и какое действие бизнес должен предпринять.

Условия:

• Трудоустройство в соответствии с ТК Республики Узбекистан.
• Оплачиваемый отпуск и больничные.
• Помощь с релокацией для тех, кто переезжает в солнечный Ташкент.
• Выдаем технику.
• Высокая конкурентная заработная плата.
• Амбициозный проект, в котором ты будешь играть одну из важнейших ролей.

Где предстоит работать

Ташкент, улица Нукус, 29А или удаленно в близком часовом поясе.

Для оформления и прохождения онбординга необходимо посетить наш офис в Ташкенте. Мы оплачиваем билеты и проживание на 2 недели.

Мы – команда Kandinsky, создающая и развивающая core-технологии генеративных моделей изображений и видео. Наши модели умеют создавать фотореалистичные сцены, стилизованные иллюстрации и видеоролики по текстовому описанию, редактировать визуальный контент и работать в мультимодальных сценариях.

Сейчас мы усиливаем направление оценки качества генеративных моделей и ищем для этой задачи сильных аналитиков.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

• участвовать в сборе и развитии обучающих датасетов для мультимодальных и генеративных сценариев

• сегментировать данные по типам задач, сценариям, доменам, визуальным и текстовым характеристикам

• искать направления для улучшения работы генеративных моделей, проводить Root cause analysis

• создавать инструменты для оценки качества генеративных моделей (Image / Video / Multimodal)

• поддерживать и развивать внутренние лидерборды моделей (качество, latency, стоимость инференса)

• анализировать регрессии качества между версиями моделей, проводить поиск корневых причин деградаций

• проводить замеры качества для принятия решений по релизу моделей на основе данных и метрик.

• высшее образование в области математики, прикладной математики, computer science, data science, ML или смежных областях

• 2+ лет опыта в Аналитике / Data Science / ML / Applied Research, из них существенный фокус на оценку качества ml-моделей

• уверенные знания Python и SQL, а также основных библиотек анализа данных

• уверенные знания теории вероятностей и математической статистики

• умение делать понятные визуализации данных

• знание подходов к оценке качества моделей машинного обучения.

• крупнейшее DS&AI community — более 600 DS-специалистов банка

• дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

• возможность быть соавтором НИРов и статей для международных конференций

• возможность выбрать удобный формат работы: гибрид или офис

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• ипотека выгоднее до 7% для каждого сотрудника

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

Корпорация «Галактика» – аккредитованная IT-компания, один из ведущих отечественных разработчиков программного обеспечения, с более чем 35-летним опытом в создании и внедрении комплексных систем управления для государственных корпораций, промышленных предприятий, ведущих учебных заведений и федеральных органов власти. Мы открываем вакансию ML Developer.

Чем предстоит заниматься:

• Разработка и внедрение автономных ИИ-агентов и генеративных моделей (LLM, мультимодальные системы) для ускорения проектирования, разработки и развертывания ERP-систем, а также создания интеллектуальных интерфейсов автоматизации — от генерации кода до обработки естественно-языковых запросов пользователей.
• Создание ИИ-сервисов и автономных агентов для автоматизации бизнес-процессов.
• Обучение и тонкая настройка LLM (Large Language Models) и других ML-моделей под задачи компании.
• Анализ данных, разработка алгоритмов для прогнозирования, оптимизации и принятия решений.
• Интеграция ИИ-решений в существующие продукты компании.
• Участие в научно-исследовательских проектах, публикация результатов (при желании).

• Опыт в работы в IT от 6-ти лет.
• Опыт работы в области Machine Learning, Deep Learning или Data Science от 3-ех лет.
• Знание Python и ряда библиотек для ML/DL таких как TensorFlow, Pandas, PyTorch, scikit-learn и др.
• Опыт работы с NLP, LLM (GPT, Llama, Mistral и т. д.), RAG, автономными агентами.
• Понимание принципов работы ERP-систем (желательно).
• Умение работать с большими данными (SQL, NoSQL).
• Знание методов обучения с подкреплением (RL) — будет плюсом.
• Английский язык (уровень для чтения технической документации).

• Мы оформляем официально и предлагаем стабильный и прозрачный доход по ТК РФ
• Все льготы и преимущества работы в аккредитованной ИТ-компании
• Здоровье: программа ДМС
• Мы работаем в офисе, начало рабочего дня – гибкое, возможен гибрид
• Офис в шаговой доступности от м. Динамо, оборудованный всем необходимым для комфортной работы и отдыха
  
  Присоединяйтесь к Корпорации «Галактика» и станьте частью команды, которая создает технологии будущего уже сегодня!

С каждым годом привычное телевидение всё больше вытесняется цифровым вещанием. Мы делаем рекламный продукт для этой растущей ниши на стыке классического ТВ и digital-рекламы. Реклама в так называемом connected TV (CTV) имеет свои особенности: другая идентификация пользователей и подбор рекламы, другой способ взаимодействия с контентом у пользователей, другой рекламный стек и т. д. Аналитик помогает решать известные проблемы, находить неизвестные и развивать продукт в правильном направлении.

Работа над эффективностью медийной рекламы в CTV

Мы хотим, чтобы наша реклама оказывала статистически значимое воздействие на брендовые метрики рекламодателей. Для этого надо, с одной стороны, улучшать методику оценки (придумывать, как уменьшить шум и смещение), а с другой — искать способы показать рекламу наилучшим образом.

Запуск новых продуктов

Мы постоянно запускаем новые продукты и дорабатываем существующие. Нужно будет проводить предварительную аналитику, чтобы определить, каким должен быть новый продукт, продумывать и рассчитывать продуктовые метрики, готовить приборы для отслеживания основных метрик, оценивать результаты запуска и помогать решать возникающие проблемы.

Поиск ошибок и слабых мест в технологическом стеке рекламы

Для нас крайне важно понимать, почему мы подбираем, показываем и оцениваем рекламу так, а не иначе. Мы хотим понимать, насколько это правильно и оптимально, а в случае обнаружения ошибок исправлять их совместно с командами разработки и ML.

Помощь в принятии решений

Чтобы принять решение о внедрении новых функций, оценить влияние внешних событий или наших действий, потребуется формулировать и проверять на данных гипотезы, анализировать A/B-тесты, понимать, как различные метрики влияют друг на друга.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Получили высшее математическое, естественно-научное или экономическое образование, знаете математику и основы статистики
* Владеете одним из диалектов SQL, работали с базами данных
* Программируете на Python или другом императивном языке
* Можете чётко и понятно описать проведённое исследование, визуализировать данные, сделать ёмкие выводы
* Готовы общаться с коллегами и работать в команде
* Хотите осваивать новые технологии и предметные области

* Разбираетесь в рекламных технологиях — RTB, медиации и других
* Хорошо ориентируетесь в теории вероятностей и статистике, понимаете, как работает A/B-тест, знаете методы обнаружения выбросов
* Владеете инструментами для работы с данными (Pandas, NumPy/SciPy, R)
* Работали с BI-системами (DataLens, Tableau, MicroStrategy, Power BI, Qlik)
* Знаете основы эконометрики, теории игр, теории аукционов
* Не боитесь командной строки и Bash, знакомы со средой Unix
* Работали с Airflow, Luigi или их аналогами для построения пайплайнов вычислений

Задачи:

• Анализировать текущий ландшафт SOTA подходов, определять базовые решения для конкретных задач.
• Планировать, запускать и анализировать эксперименты по обучению моделей
• Вести документацию по экспериментам, результатам, гипотезам и принятым техническим решениям.
• Анализировать, формировать и улучшать датасеты для обучения и валидации моделей.
• Разрабатывать форматы разметки, выявлять проблемы в данных и устранять их.
• Погружаться в архитектуры моделей и улучшать их под конкретные задачи
• Работать с широким спектром CV задач: детекция, сегментация, классификация, трекинг, анализ изображений и видео.
• Оценивать качество моделей, проводить анализ ошибок.
• Взаимодействие с engineering командой по вопросам интеграции, деплоя и оптимизации решений.

Требования:

• Практический опыт в области Computer Vision, опыт разработки в области компьютерного зрения и видеоаналитики.
• Уверенное знание Python.
• Владение библиотеками: PyTorch/Tensorflow, NumPy.
• Опыт работы с библиотекой OpenCV, понимание классических методов компьютерного зрения.
• Опыт обучения моделей object detection, image classification.
• Опыт организации подготовки датасетов для обучения моделей и тестирования пайплайна.
• Понимание подходов к оценке качества обученной модели, оценке качества работы пайплайна

Дополнительно плюсом будет:

• Опыт оптимизации моделей под CPU / GPU / edge-устройства.
• Опыт с Docker, CI/CD и production ML workflows.
• Знание С++

Центр практического ИИ — подразделение Сбера, которое занимается сложными AI-проектами и решает нетривиальные задачи банка и экосистемы Сбера.

Наша команда строит и дообучает линейку LLM под банковские сценарии.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Вы будете:

• обучать LLM на GPU-кластерах с кучей H100
• собирать, очищать и готовть датасеты для pre-training и fine-tuning
• анализировать результаты экспериментов и улучшать качество моделей
• запускать существующие и создавать новые бенчмарки
• оптимизировать инференс, проводить нагрузочное тестирование и внедрять обученные модели.

Мы ожидаем, что вы:

• сейчас студент последних курсов бакалавриата или студент магистратуры или аспирантуры технического ВУЗа
• обучаетесь на очном отделении
• глубоко понимаете теоретические и практические аспекты LLM: архитектура, токенизация, построение пайплайнов, batching, mixed precitions, распределенное обучение
• имеете подтвержденный практический опыт обучения LLM (pre-training, fine-tuning, aligment) в учебных проектах, статьях или курсах
• имеете опыт разработки на Python, опыт работы в Linux системах, знаете стандартные bash команды; можете работать как с кодовыми ассистентами, так и в изолированном окружении без интернета
• внимательно относитесь к деталям.

Будет плюсом, если вы:

• умеете пользоваться инструментами логирования экспериментов (Weights & Biases, MLflow, Langfuse и тд.)
• умеете в оптимизацию инференса и хостинг моделей
• разрабатывали AI-агентов (tool-using, planning, multi-step workflows), знакомы с агентными фреймворками и архитектурами.

Условия:

• оплачиваемая стажировка
• длительность стажировки: 3 мес., 40 часов в неделю с 9:00 до 18:00
• гибридный формат работы с посещением офиса не менее 3х дней в неделю
• комфортный современный офис по адресу: г. Москва, Кутузовский пр.32.

Зона ответственности:

Выполнение роли аналитика данных для разработки и развития моделей машинного обучения (ML) и больших языковых моделей (LLM), применяемых для решения бизнес-задач компании: прогнозирование, оптимизация процессов, рекомендации, ИИ-решения.

• Полный цикл разработки ML-моделей: от постановки задачи до продакшена и сопровождения.
• Анализ и обработка больших объёмов данных с с использованием статистических методов и алгоритмов машинного обучения.
• Проведение экспериментов с моделями, оценка их качества, валидация.
• Разработка сервисов вокруг моделей (API, микросервисы).
• Поддержка регулярных и ad-hoc запусков моделей.
• Участие в развитии ML и ИИ-инициатив компании.
• Подготовка аналитических отчётов, презентация результатов бизнесу.

Необходимые компетенции:

• Опыт работы в роли аналитика Data Science / ML от 2 лет, важен полный цикл продакшена моделей.
• Уверенное владение Python, SQL (сложные запросы, большие данные).
• Опыт разработки сервисов API (FastAPI), а также контейнеризации решений с использованием Docker и Docker Compose.
• Владение методами классического ML: Scikit-learn, XGBoost, LightGBM, CatBoost.
• Опыт применения Deep learning и LLM: PyTorch, TensorFlow, Keras.
• Умение переводить результаты в бизнес-решения и презентовать их.

Мы предлагаем:

• Работу в стильном офисе, где можно, в том числе, насладиться эстетикой современного искусства.
• График работы: 5/2, гибридный формат (Москва, ул. Минская, 2Ж).
• Привлекательный уровень дохода.
• Заботу о здоровье: широкую программу ДМС с большим выбором клиник, стоматологией, госпитализацией, полисом для выезда за рубеж, возможностью получить скидки на медицинскую страховку для родственников.
• Обучение на внутренних программах в корпоративном университете с первых дней работы.
• Возможность учиться на внешних курсах и системно раз

Мы исследовательское подразделение Сбера, которое отвечает за «человека»: поведение, психология, тренды, особенности восприятия и мышления.

Наша задача — исследовать, что происходит с человеком, и переводить эти знания в продукты, коммуникации и HR-процессы экосистемы Сбера.

Работа в Лаборатории — это доступ практически к любому бизнес-подразделению Сбера, к большим данным и клиентской базе более 100 млн человек.

Мы ищем Tech Lead DS/AI-команды — человека, который станет “мембраной” между бизнесом и разработкой. На входе — абстрактные идеи и запросы руководства. На выходе — работающие ML/LLM-решения, собранные командой по чёткой архитектуре. Вы проектируете системы, пишете код, ставите задачи, ревьюите решения команды — и отвечаете за то, чтобы всё это работало вместе. Играющий тренер: примерно 50% времени — собственная разработка и прототипирование, 50% — архитектурные решения, декомпозиция задач, менторство команды. У вас должны быть сильные технические навыки, евангелизм относительно AI, LLM, Vibecoding и желание искать, тестировать новые подходы и инструменты, а также базовое продуктовое мышление – не код ради кода, а код ради пользователя, продукта и бизнес-задач.

Вам больше нравятся, когда много разных коротких и небольших проектов (прототипы, исследования, MVP), чем заниматься месяцами одним проектом и катить его в прод.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Чем предстоит заниматься:

Архитектура LLM-решений:

• принимать запрос от руководства или бизнес-подразделения.
• оценивать реализуемость, проектировать архитектуру (агенты, RAG-пайплайны, мультимодальные системы), выбирать стек и модели.
• декомпозировать на задачи для ML-инженеров и LLM-генералистов.

Разработка и прототипирование:

• самостоятельное написание кода: собратьMVP и прототипы, чтобы быстро валидировать гипотезы.
• в части проектов это может быть вайбкодинг ради демо, в другой части – прототипы становятся основой для продовых решений. RAG-системы, агентные архитектуры, дэшборды, внутренние инструменты.

Техническое лидерство команды:

• ревью архитектурных решений и кода команды.
• постановка задач на языке разработчика, снятие блокеров, менторинг джунов.
• техлидерство и отслеживание стандартов качества (не классический менеджмент — вы техлид, который держит в голове общую картину)

Трансляция бизнес → разработка:

• перевод формулировки из «космоса» на язык технических задач
• объяснение руководству, что реализуемо, в какие сроки и с какими трейдоффами (кключевая надстройка над чисто инженерной ролью).

Наши ожидания:

Опыт и готовность работать с технологическим стеком:

• ML/DL: HuggingFace Transformers, SentenceTransformers, CatBoost, XGBoost
• LLM & Vector Search: локальные модели (Llama, Qwen), API (OpenAI, Anthropic), FAISS
• Data & Infra: ClickHouse, Docker, FastAPI, Postgres, RabbitMQ
• MLOps & Orchestration: MLflow, W&B, Prefect, Dagster, Ray, Prometheus, OpenTelemetry
• Инструменты: Hydra, Poetry, Cursor, Claude Code.

Техническая экспертиза:

• сильный бэкграунд в разработке: вы пишете код, понимаете архитектуру, умеете проектировать системы от API до деплоя
• бэкграунд в ML/DS (классические модели, feature engineering, эксперименты)
• глубокое понимание LLM: промптинг, файнтюнинг, RAG-архитектуры, агентные системы, оркестрация вызовов
• опыт построения поисковых систем поверх эмбеддингов: выбор модели под язык и домен, chunking и гибридный поиск (dense + BM25, реранкеры), оценка качества ретривала на своих данных
• практика с одной из векторных БД (Qdrant / Weaviate / pgvector / Milvus) либо с FAISS/HNSW как встроенным индексом
• быстрая сборка MVP через AI-ассистированную разработку (Cursor, Claude Code, Codex) как повседневный инструмент. Опыт с CLI-агентами (hooks, slash-команды, subagents, MCP, headless-режимы для пайплайнов)
• проектирование мультиагентных систем: роли, протоколы обмена, supervisor/worker, оркестрация
• понимание инфраструктуры: Docker, FastAPI, очереди, базы данных, CI/CD
• опыт в продуктовых ролях или продуктовое мышление — если умеете не только строить, но и понимать зачем

Лидерство и коммуникация:

• опыт технического лидерства: ревью кода и архитектуры, постановка задач, менторство
• умение взять абстрактную идею и превратить её в архитектуру с понятным планом реализации
• способность говорить на языке бизнеса с руководством и на языке кода с команой
• навык приоритизации: что делать сейчас, что отложить, что не делать вообще.

Будет плюсом:

• опыт в корпоративных R&D-подразделениях или AI-стартапах
• наличие git пространства с проектами будет плюсом.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• возможность выбрать удобный график – офис/гибрид
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка Прайм с возможностью совместного использования на трёх близких.

Приглашаем начинающих исследователей в области машинного обучения в команду Рекомендательных систем и персонализации Центра практического ИИ. Центр практического искусственного интеллекта - стратегическое подразделение Сбера, создающее наукоемкие технологии.

Мы создаем новые алгоритмы рекомендательных систем и адаптируем SOTA-подходы для задач банка и компаний-партнеров, помогаем бизнесу внедрять новые технологии. Также мы разрабатываем собственные open-source фреймворки и публикуем результаты наших исследований на международных конференциях уровня A/A*. Приглашаем присоединиться к исследованиям и прикладным проектам в области рекомендательных технологий, DL-моделей для последовательных данных и подходов на стыке LLM и RecSys.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Наши задачи:

• развиваем библиотеку для рекомендательных систем RePlay https://github.com/sb-ai-lab/RePlay
• разрабатываем и улучшаем алгоритмы рекомендательных систем
• разрабатываем и обучаем трансформерные модели на последовательностях событий
• проводим исследования в области sequential recommendations, LLM для рекомендаций, foundation models для событийных данных
• пишем статьи и выступаем на ведущих мировых и российских конференциях.

Мы ожидаем:

• что вы сейчас студент последних курсов бакалавриата или студент магистратуры или аспирантуры технического ВУЗа
• что вы обучаетесь на очном отделении
• умение писать код на python и знание стандартных библиотек и фреймворков (numpy, pandas, scikit-learn, pytorch, pytorch-lightning)
• знание математики, классического ML и основ глубокого обучения
• знание ключевых рекомендательных подходов и методов их оценки
• умение читать, анализировать и воспроизводить научные статьи
• желание экспериментировать и реализовывать новые алгоритмы.

Будет плюсом:

• опыт работы в RecSys или в смежной области (Information Retrieval, NLP)
• опыт успешного участия в ML соревнованиях и хакатонах
• опыт написания научных статей, наличие публикаций
• наличие пет-проектов
• умение работать с git, писать читаемый и хорошо структурированный код
• понимание принципов работы современных LLM и LLM-агентов.

Условия:

• оплачиваемая стажировка
• длительность стажировки: 3 мес., 40 часов в неделю с 9:00 до 18:00
• гибридный формат работы с посещением офиса не менее 3х дней в неделю
• комфортный современный офис по адресу: г. Москва, Кутузовский пр.32.

Приглашаем начинающих исследователей в области машинного обучения в команду Рекомендательных систем и персонализации Центра практического ИИ. Центр практического искусственного интеллекта - стратегическое подразделение Сбера, создающее наукоемкие технологии.

Мы создаем новые алгоритмы рекомендательных систем и адаптируем SOTA-подходы для задач банка и компаний-партнеров, помогаем бизнесу внедрять новые технологии. Также мы разрабатываем собственные open-source фреймворки и публикуем результаты наших исследований на международных конференциях уровня A/A*. Приглашаем присоединиться к исследованиям и прикладным проектам в области рекомендательных технологий, DL-моделей для последовательных данных и подходов на стыке LLM и RecSys.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Наши задачи:

• развиваем библиотеку для рекомендательных систем RePlay https://github.com/sb-ai-lab/RePlay
• разрабатываем и улучшаем алгоритмы рекомендательных систем
• разрабатываем и обучаем трансформерные модели на последовательностях событий
• проводим исследования в области sequential recommendations, LLM для рекомендаций, foundation models для событийных данных
• пишем статьи и выступаем на ведущих мировых и российских конференциях.

Мы ожидаем:

• что вы сейчас студент последних курсов бакалавриата или студент магистратуры или аспирантуры технического ВУЗа
• что вы обучаетесь на очном отделении
• умение писать код на python и знание стандартных библиотек и фреймворков (numpy, pandas, scikit-learn, pytorch, pytorch-lightning)
• знание математики, классического ML и основ глубокого обучения
• знание ключевых рекомендательных подходов и методов их оценки
• умение читать, анализировать и воспроизводить научные статьи
• желание экспериментировать и реализовывать новые алгоритмы.

Будет плюсом:

• опыт работы в RecSys или в смежной области (Information Retrieval, NLP)
• опыт успешного участия в ML соревнованиях и хакатонах
• опыт написания научных статей, наличие публикаций
• наличие пет-проектов
• умение работать с git, писать читаемый и хорошо структурированный код
• понимание принципов работы современных LLM и LLM-агентов.

Условия:

• оплачиваемая стажировка
• длительность стажировки: 3 мес., 40 часов в неделю с 9:00 до 18:00
• гибридный формат работы с посещением офиса не менее 3х дней в неделю
• комфортный современный офис по адресу: г. Москва, Кутузовский пр.32.

Разработка и настройка моделей машинного обучения, оптимизация производительности моделей.
Проект по разработке помощника аналитика.

Обязанности:

• Разработка и настройка моделей машинного обучения для обработки естественного языка (NLP), в том числе крупных языковых моделей (LLM)
• Оптимизация производительности моделей, включая ускорение вычислений и снижение времени отклика
• Настройка API и пайплайнов для интеграции LLM в бизнес-приложения, обеспечение их надежного развертывания и масштабируемости
• Использование инструментов Triton и библиотек для параллелизации и оптимизации вычислений на GPU
• Мониторинг, улучшение и оптимизация моделей с учетом показателей производительности и использования ресурсов
• Поддержка инфраструктуры для отслеживания экспериментов и версий моделей (например, MLFlow или Airflow)

• Опыт работы ML-инженером — от 3 лет, с фокусом на NLP и большими языковыми моделями
• Глубокое понимание архитектуры LLM и опыта работы с библиотеками PyTorch, Huggingface или аналогичными
• Опыт работы с инструментами и методами оптимизации вычислений на GPU, знание параллельных вычислений и работы с крупными батчами данных
• Опыт создания и развертывания ML-решений с использованием Docker
• Знание Python и опыт работы с фреймворками для создания API (FastAPI, Flask, Django)
• Понимание CI/CD процессов для ML-моделей и опыт автоматизации пайплайнов
• Навыки вывода моделей в прод (Важно!!)

• Желательные:

  - Опыт работы с Triton и другими инструментами оптимизации для LLM.
  - Навыки развертывания и использования систем мониторинга и трекинга экспериментов, версионирования данных (например, MLFlow, ClearML, Grafana, Prometeus, DVC).
  - Опыт квантизации моделей.

• Оформление по ТК РФ, полностью "белая" зарплата
• Гибкий график: 5/2, 8-часовой рабочий день
• Удалённый формат работы из любой точки России
• Доступ к масштабным проектам и современным технологиям
• Возможности для профессионального роста и обучения
• Дружная команда экспертов, готовых делиться опытом

Чем предстоит заниматься:

• Участие в создании продуктов B2C в подразделении Movix Lab.
• Разработка программных продуктов с применением ML.
• Сопровождение и развитие существующих проектов: классификатор интентов, NER, поиск, сбор, очистка и версионирование датасетов, подготовка hard negatives/hard cases, анализ ошибок на пользовательских запросах.
• Построение повторяемых train/eval/release-пайплайнов, ведение метрик, отчетов, regression-тестов и release checklist.
• Поддержка model runtime: HTTP API, readiness, метрики, логи, мониторинг качества, интеграция с backend-сервисами.

Стэк технологий с которыми мы работаем:

• Python: pandas, numpy, scikit-learn, PyTorch, Transformers, sentence-transformers.
• CatBoost, Optuna, embeddings, ONNX, BM25/KNN, vector search.
• NER/CRF, XLM-RoBERTa/RuBERT, нормализация сущностей, CSV-словари.
• Flask/Hypercorn HTTP API, Prometheus, ClickHouse, логирование и health/readiness endpoints.
• Docker, GitLab CI/CD, Manticore/Sphinx, интеграция с Java/Spring Boot сервисами.

Мы ждём от тебя:

• Уверенную разработку на Python для ML/NLP-пайплайнов.
• Знание алгоритмов, структур данных, математики, статистики и метрик качества ML-моделей.
• Практический опыт обучения, дообучения и валидации моделей NLP: intent classification, NER, semantic search.
• Опыт работы с embeddings, vector/KNN search, BM25/lexical features, CatBoost, Transformers/sentence-transformers.
• Умение собирать и чистить датасеты, формировать hard negatives/hard cases, вести regression/evaluation reports.
• Опыт разработки и сопровождения HTTP runtime-сервисов для моделей, логирования, метрик и мониторинга качества.
• Умение анализировать ошибки на реальных пользовательских запросах и итеративно улучшать модель.
• Опыт работы с Docker, CI/CD.
• Понимание production lifecycle модели: подбор threshold, экспорт артефактов, rollback.

Будет плюсом:

• Опыт внедрения ML/NLP-решений в production-системах.
• Опыт работы с русскоязычными запросами в кинодомене: фильмы, сериалы, персоны, жанры, страны, даты.
• Опыт экспорта моделей в Java/DJL runtime и понимание различий Python evaluation и production inference.
• Опыт работы с GitLab CI/CD, ClickHouse, Prometheus, Manticore/Sphinx.
• Опыт оптимизации inference: ONNX, кэширование, latency, CPU/GPU deployment.

Мы предлагаем:​​​​

• Возможность присоединиться к профессиональной, высоко мотивированной и результативной команде, перспективы карьерного роста;
• Официальное трудоустройство в аккредитованный IT-актив, оплачиваемые отпуск, командировки, больничные;
• График работы офис;
• Рыночную заработную плату по результатам собеседования;
• ДМС со стоматологией после испытательного срока, 100% компенсацию больничного;
• Комфортные офисные условия;
• Корпоративные программы от наших партнеров;
• Бонусное подключение к телеком-услугам Дом.ru по тарифу «Сотрудник»;
• Яркую корпоративная жизнь и дружелюбную атмосферу в коллективе профессионалов!

Мы ищем специалиста по работе с искусственным интеллектом и машинным обучением, готовых решать амбициозные задачи в сфере HR-технологий Сбербанка. Если ты хочешь создавать инновационные продукты и сервисы, влияющие на развитие сотрудников крупнейшей финансовой организации страны - эта позиция для тебя!

Вам предстоит работать над внутренней платформой ядра, которая занимается интеллектуальной оркестрацией задач: от автоматического распределения входящих запросов и нагрузки до глубинного анализа данных и автоматического формирования должностных инструкций на основе актуальных бизнес-потребностей.

Наш основной технологический стек включает:

• язык программирования Python (среда JupyterLab)
• базы данных PostgreSQL и GreenPlum
• библиотеки и фреймворки: PyTorch, NumPy, Pandas, LightGBM, LangChain, LangGraph

Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него в Сберчате, диалог зайдёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

• реализация интеллектуальных ассистентов и агентов для автоматизации процессов внутренней платформы ядра (распределение задач, маршрутизация, обработка данных)

• разработка алгоритмов для анализа текущего состояния процессов и прогнозирования потребностей в ресурсах

• создание моделей и генеративных решений для автоматического формирования должностных инструкций и регламентов на основе корпоративных данных

• оптимизация производительности моделей и интеграция их в производственные среды

• участие в исследованиях новых технологий и методик машинного обучения для повышения интеллектуальности ядра

• мониторинг работоспособности внедренных моделей и поддержка их функционирования в контуре платформы.

• опыт работы в области Data Science от 2 лет с успешными проектами в production. Знание python / SQL / LightGBM / CatBoost

• опыт работы с LLM агентами, будет плюсом разработка мультиагентных систем (LangChain, LangGraph)

• глубокое понимание алгоритмов машинного обучения и статистического анализа

• способность проектировать и реализовывать end-to-end ML-системы от этапа сбора данных до внедрения и поддержки в производственных условиях

• навык самостоятельной работы и умение декомпозировать сложные задачи

• навыки работы с генеративными AI-моделями, опыт создания AI-агентов и использование их в работе будет преимуществом

• опыт использования GigaChat, Kandinsky и аналогов в продуктах

• инструментальное владение Ai для анализа, генерации и автоматизации

• будет преимуществом наличие опыта работы с технологиями Big Data (Apache Spark, GreenPlum, Hadoop, ClickHouse).

• гибридный формат работы Кутузовский проспект 32

• позитивная и заряженная команда профессионалов

• интересные, сложные, амбициозные задачи

• создание нового уникального продукта

• возможность профильного обучения за счет компании

• стабильная, конкурентная «белая» заработная плата (оклад + достойные премии)

• льготные условия по ипотеке и кредитам Сбербанка

• ДМС, социальные гарантии, корпоративные мероприятия.

ML-инженер (Machine Learning Engineer) в проектный бенч / аутстафф

О компании:

ИТ-ИМПЛАНТ — аккредитованный системный интегратор с экспертизой в заказной разработке и внедрении индивидуальных ИТ-решений для бизнеса. Мы не просто пишем код — мы встраиваем наши команды в процессы клиентов, чтобы закрывать их самые сложные задачи.

Сейчас мы расширяем штат и формируем бенч ML-инженеров для работы на аутстафф-проектах наших заказчиков. Это значит, что вы будете в штате нашей компании, но работать над внедрением моделей машинного обучения в бизнес-процессы внешних бизнесов — от финтеха до промышленных предприятий.

Чем предстоит заниматься:

• Разработка и дообучение моделей машинного обучения под задачи бизнеса (временные ряды, классификация, NLP, компьютерное зрение — в зависимости от проекта).

• Полный цикл внедрения ML-решений: от исследования данных (EDA) до вывода модели в продакшн.

• Написание высоконагруженных микросервисов для инференса моделей (FastAPI / Flask).

• Работа с контейнеризацией и оркестрацией (Kubernetes / OpenShift) для масштабирования ML-пайплайнов.

Мы ожидаем:

• Уверенное владение Python и стеком DS/ML (pandas, numpy, scikit-learn).

• Опыт коммерческой разработки с использованием фреймворков глубокого обучения (PyTorch / TensorFlow / Keras).

• Опыт работы с MLOps-инструментарием: MLflow, DVC или аналоги (понимание версионирования данных и моделей).

• Опыт работы с реляционными и NoSQL базами данных (PostgreSQL / ClickHouse / Mongo).

• Опыт работы с Kubernetes или OpenShift (развертывание сервисов инференса, управление подами) и Docker.

Будет плюсом:

• Опыт работы с большими данными (Spark, Hadoop).

• Навыки оптимизации моделей (ONNX, TensorRT) для ускорения инференса.

• Опыт в продуктовых командах и навыки написания production-ready кода (чистая архитектура, тесты pytest).

Мы предлагаем:

• Прозрачный договор и удобный формат (договор с ИП/СЗ).

• Удаленный формат работы или гибрид (в зависимости от проекта).

• Работа с крупными брендами и проверенными заказчиками.

• Конкурентная зарплата (обсуждается в процессе трудоустройства).

• Возможность профессионального роста внутри агентства (мы закрываем проекты от Middle+ до Team Lead уровня).

Как попасть в бенч:

1. Откликнитесь на вакансию.

2. Мы проведем собеседование (оценка навыков стека и ML-кейсы).

3. После подтверждения экспертизы вы попадаете в наш резерв и получаете доступ к проектам.

О компании:

ИТ-ИМПЛАНТ - аккредитованный системный интегратор, специализирующийся на заказной разработке и внедрении индивидуальных ИТ-решений для бизнеса.

Миссия компании:

Для компаний: Дать возможность сильным компаниям увеличиваться, благодаря аутстаффингу эффективных IT-специалистов.

Для соискателей: Дать возможность трудоустройства сильным соискателям в передовые компании на выгодных условиях труда.

Мы ищем ML-инженеров на наши проекты!

Обязанности:

• Полный цикл разработки ML-моделей: от исследований и прототипирования до промышленного внедрения, мониторинга и поддержки (MLOps).

• Участие в создании и оптимизации пайплайнов данных (data pipelines) для обучения и инференса моделей.

• Разработка, тренировка, валидация и оптимизация ML-моделей для решения задач: [укажите направление, например: прогнозирование, классификация, рекомендательные системы, NLP, Computer Vision].

• Интеграция ML-моделей в production-окружение (микросервисы, API, стриминг).

• Работа с облачной инфраструктурой (Yandex Cloud / AWS / GCP / Azure) для развертывания и масштабирования ML-сервисов.

• Автоматизация процессов обучения, тестирования и деплоя моделей (CI/CD для ML).

• Создание и поддержка инструментов мониторинга качества моделей и данных (data/concept drift).

• Тесное взаимодействие с Data Scientists, аналитиками и продуктовыми командами.

Требования:

• Опыт коммерческой разработки на позиции ML Engineer / Data Scientist от 3-х лет.

• Уверенное владение Python и основными библиотеками для ML/DL: Scikit-learn, Pandas, NumPy, PyTorch / TensorFlow.

• Понимание основных алгоритмов машинного обучения, их применимости и ограничений.

• Опыт работы с инструментами контейнеризации и оркестрации: Docker, Kubernetes.

• Умение писать эффективный, поддерживаемый и документированный код (знание Git обязательно).

• Опыт построения и оптимизации ETL/ELT-пайплайнов.

• Навыки работы с базами данных (SQL, понимание NoSQL).

• Способность самостоятельно доводить задачи от идеи до работающего production-решения.

Будет сильным преимуществом:

• Опыт работы с одним из облачных провайдеров (Yandex Cloud, AWS Sagemaker, GCP Vertex AI, Azure ML).

• Практический опыт в одном из направлений: LLM (Large Language Models), NLP, Computer Vision, Recommendation Systems, Time Series Forecasting.

• Знание фреймворков для MLOps: MLflow, Kubeflow, Airflow, Feast.

• Опыт работы со стриминговыми данными (Apache Kafka, Spark Streaming).

• Понимание принципов разработки высоконагруженных и отказоустойчивых систем.

• Знание дополнительных языков (Go, Java, C++).

Мы предлагаем:

• Удалённый формат работы
• Оформление по Самозанятости или ИП (По ТК РФ ставка будет ниже)
• Фултайм
• График работы с гибким началом рабочего дня
  
  Стеки на проектах разные, отликайтесь!

Наша команда занимается оценкой и управлением модельного риска в розничном кредитовании.Мы анализируем и улучшаем модели машинного обучения, а так же оптимизируем их применение в бизнес-процессах Сбера. Открытая вакансия находится на стыке валидации архитектур LLM, адаптированных под банковские данные, и Classic ML (бустингов).

Наш новый коллега значительно расширит кругозор в части того, какие ML-модели работают в ПРОМ процессах и как влияют на бизнес Банка.

Обязанности

• разбор результатов работы различных моделей DS, анализ влияния моделей на кредитный портфель Банка, поиск возможных ошибок и проблем в моделях
• тестирование корректности модели, разработка альтернативных алгоритмов
• автоматизиция алгоритмов валидации для внедрения в процессы автовалидации.

Требования

• профильное it/ техническое образование
• знание современных архитектур нейронных сетей (LLM), уверенное владение библиотекой torch
• уверенное знание машинного обучения и статистического анализа, понимание как работают алгоритмы и метрики «под капотом»
• знание математической статистики, алгоритмов, структур данных
• знание Python и основных библиотек анализа данных
• знание SQL/PySpark, навыки работы с базами данных.

Будет плюсом:

• опыт модельной аналитики и управления модельным стэком в бизнес-процессе
• опыт работы в рисках, знание основ управления рисками в Банке.

Условия

• комфортный современный офис рядом с м. Волгоградский проспект
• формат работы - офис
• годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• регулярные митапы и развитое DS-community
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.

Мы развиваем платформу обратной связи клиентов и создаем AI-решения для своевременного выделения инсайтов из клиентских опросов и обращений. Наша цель – превратить сырые отзывы в структурированную аналитику, доступную в том числе через AI-ассистента, и сократить путь от фидбэка до продуктового решения.

Обязанности

• Разрабатывать систему обработки опросов CSI: автоматическое выделение тем, динамическое обновление базы знаний и классификацию комментариев с поддержкой новых классов
• Проектировать и разрабатывать AI-агента для аналитики: агент должен отвечать на запросы продуктовых специалистов, опираясь на данные CSI и историю обращений клиентов
• Строить, тестировать и оценивать LLM-пайплайны и RAG-системы, внедрять метрики качества и механизмы обратной связи
• Интегрировать решения в production, писать чистый, поддерживаемый и тестируемый код, участвовать в код-ревью.

Требования

• Опыт в NLP и LLM: от классических алгоритмов до трансформеров и генеративных моделей
• Практическая разработка AI-агентов, чат-ботов и LLM-пайплайнов в коммерческих проектах
• Опыт обучения NLP-моделей в задачах классификации и суммаризации.
• Уверенное владение PyTorch, NumPy, Pandas, LangChain, LangGraph (или аналогами)
• Понимание ML-фундамента: опыт работы с динамически расширяемыми классами, few-shot learning или online-learning подходами
• Уверенный Python, Git, SQL, Bash, Docker
• Навык перевода бизнес-требований в технические решения.

Будет плюсом:

• Микросервисная архитектура, проектирование REST API, асинхронная разработка (FastAPI, asyncio, aiohttp, multiprocessing)
• Опыт работы с PostgreSQL, Redis и векторными БД (PGVector, OpenSearch)
• Настройка CI/CD-пайплайнов (GitLab CI, Jenkins, ArgoCD) и деплой в Kubernetes.

Условия

• Комфортный современный офис рядом с м. Кутузовская
• Декретная ставка - срочный ТД
• Формат работы - гибрид после испытательного срока
• Ежегодный пересмотр зарплаты, годовая премия
• Корпоративный спортзал и зоны отдыха
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• Вознаграждение за рекомендацию друзей в команду Сбера.

АТОН - старейшая инвестиционная компания России.
На протяжении вот уже 30 лет мы помогаем принимать верные инвестиционные решения и формируем сообщество успешных инвесторов.

Мы развиваем внутреннюю LLM-платформу и создаем AI-продукты для бизнеса на базе современных языковых моделей и мультиагентных систем. Ищем разработчика, который будет участвовать в проектировании, разработке и внедрении production-grade LLM-решений в тесном взаимодействии с техническим лидером и командой инженеров.

Чем нужно будет заниматься:

• Разрабатывать и развивать сервисы на базе LLM и RAG.
• Участвовать в создании мультиагентных решений и интеграции внешних сервисов.
• Реализовывать function calling, tool use и интеграции с корпоративными системами.
• Разрабатывать и поддерживать data pipeline для AI-продуктов.
• Участвовать в выводе решений в промышленную эксплуатацию.
• Оптимизировать качество, производительность и стоимость работы LLM-сервисов.

Наши ожидания от кандидита:

• Опыт коммерческой разработки от 3 лет.
• Уверенное владение Python.
• Практический опыт работы с LLM, RAG или AI-ассистентами.
• Опыт работы с LangChain, LangGraph, AutoGen, CrewAI или аналогичными инструментами.
• Понимание принципов построения агентных систем.
• Опыт разработки и поддержки production-сервисов.

Nice-to-have:

• Опыт работы с OpenAI, Anthropic или YandexGPT.
• Опыт разработки мультиагентных систем.
• Знание MCP, LangSmith, RAGAS или TruLens.
• Опыт работы в финтехе или других регулируемых отраслях.

Мы предлагаем:

• Конкурентоспособную заработную плату по результатам собеседования + годовую премию;
• График работы: с понедельника по пятницу, 8-часовой рабочий день (возможность гибкого начала рабочего дня);
• Возможность удалённой работы, но у нас есть отличный офис на Садовнической улице, куда можно приезжать, если хочется;
• ДМС со стоматологией и страхование жизни с первого рабочего дня;
• Оплачиваемое корпоративное обучение;
• Льготный фитнес, английский язык и корпоративное кредитование;
• Возможность карьерного и профессионального роста.

Что ценят наши сотрудники:

• Мы поощряем инициативу – можно смело предлагать свои идеи и создавать продукты с нуля;
• Отсутствие бюрократии и гибкость компании позволяют нам быстро реализовывать проекты;
• Интересную сферу, в которой ты можешь быть частью крутых глобальных сделок;
• Много амбициозных целей, которые позволяют тебе расти и самореализовываться;
• Современные технологии, творческие задачи и нерутинную работу;
• Дружескую атмосферу и открытые двери к руководству – у нас все на «ты», вне зависимости от иерархии.

Наша команда находится в поиске прикладного ML разработчика, который будет участвовать в проектах, связанных с демонстрацией и апробацией новейших технологий, созданием прототипов и MVP на базе LLM и других передовых моделей. Вам предстоит работать в обстановке крайней неопределенности с проектами и технологиями начальной стадии зрелости. Если вам интересны нестандартные подходы и инновационные задачи, то наша команда вам идеально подходит.

Обязанности

• собирать прототипы и MVP технологических пайплайнов, в том числе агенты и агентные системы
• подбирать необходимый технологический стек из внутренних наработок или opensource, собирать пайплайны, дообучать технологии
• договариваться со смежными командами о выполнении работ, поставке функционала или данных, добиваться нужного результата
• совместно со смежными командами и разработчиками определять способ реализации и оценивать трудоемкость задач.

Требования

• наличия опыта работы с технологически сложными IT-сервисами (AI, ML);
• широкий кругозор и понимание спектра современных технологий, умения искать подходящие;
• готовности самостоятельно организовывать свою деятельность и погружаться в технические детали;
• наличия хорошего технического бэкграунда, понимания современных технологий и инструментов разработки;
• желания развиваться в сфере новейших технологий, готовность к обучению и восприятию большого количества новой информации.

Условия

• комфортный современный офис - м. Кутузовская
• ежегодный пересмотр зарплаты, годовой бонус
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера
• корпоративная пенсионная программа.

О компании и проекте

ООО «ЦИМУС» - производители удобрений. В 2026 году мы запускаем собственную систему контроля качества на базе машинного зрения на действующих линиях.

Задача системы - автоматически выявлять брак (перекос крышки, кривая этикетка, сколы и царапины, недолив, дефект шва упаковки) и останавливать линию до того, как дефектная продукция дойдёт до клиента.

Мы ищем инженера, который доведёт эту систему от концепции до стабильной промышленной эксплуатации. Старт - прототип на действующем производстве; далее - масштабирование на другие линии и площадки.

Суть роли

Вам ставят проблему, а не пошаговое задание: «нужно ловить брак и останавливать линию». Дальше вы сами определяете решение - какие камеры и освещение использовать, где их разместить, какую модель обучить, как завести сигнал остановки на линию.

Программную часть вы реализуете самостоятельно, а монтаж выполняют специалисты на производстве, по вашим требованиям.

Это роль для самостоятельного инженера, который сам формирует техническое решение, а не ждёт детального ТЗ на каждый шаг.

Зона ответственности

• Разработка программной части системы машинного зрения: обучение нейросетевых моделей детекции дефектов и реализация классических (rule-based) алгоритмов - измерение крышки, геометрия шва, метрология в кадре.

• Построение рабочего пайплайна: захват кадра по датчику или энкодеру, предобработка изображения, инференс, принятие решения «годен / брак».

• Интеграция с линией: передача сигнала на ПЛК для остановки линии и управления отбраковкой (дискретные сигналы, реле, «сухой контакт»), привязка весового контроля и сигнализации постов.

• Выбор технического решения: подбор камер, оптики и схемы освещения, проектирование схемы размещения и постановка задач монтажной бригаде.

• Ввод системы в эксплуатацию: запуск, отладка (борьба с ложными срабатываниями, бликами, задержкой останова), доведение до стабильной работы по целевым показателям.

• Сбор и разметка датасета непосредственно на производстве, дообучение модели по мере накопления данных.

Требования (обязательно)

• Реальный опыт ввода систем машинного зрения в эксплуатацию на производстве - не лабораторное обучение моделей, а доведение системы до устойчивой работы на действующей линии.

• Уверенный Python и OpenCV; обучение нейросетей (PyTorch / Ultralytics, семейство YOLO или аналоги). Умение работать как с нейросетевым, так и с классическим зрением.

• Опыт интеграции зрения с ПЛК и линией: дискретные сигналы, реле, сигнал на привод или отбраковыватель.

• Работа с промышленными камерами (GigE Vision и аналоги), подбор оптики и освещения под конкретную задачу.

• Самостоятельность: способность вывести техническое решение из постановки проблемы без пошагового ТЗ.

Будет преимуществом

• C++ для ускорения инференса на контроллере.

• Опыт с контроллерами машинного зрения (например, Hikrobot).

• Понимание промышленных протоколов (Modbus / OPC UA, цифровой I/O).

• Чтение компоновочных схем, базовые навыки CAD.

• Опыт в розливной, упаковочной, пищевой или химической промышленности.

Это не ваша роль, если

• Вы чистый ML-исследователь: обучаете модели, но ПЛК, линию и пусконаладку никогда не трогали.

• Вы инженер АСУ ТП без опыта в машинном зрении.

• Вам нужно детальное ТЗ на каждый шаг - здесь вы сами ставите задачи.

Условия

• Формат - удалённая работа.

• Выезды на производственную площадку (Москва / Пенза) - разовые, по необходимости: познакомиться с процессом, помочь с установкой и запуском, разобрать проблему на месте. Постоянного присутствия в этих городах не требуется.

Как откликнуться

В отклике коротко ответьте на один вопрос: расскажите про систему машинного зрения, которую вы лично вводили в эксплуатацию - от выбора камеры и освещения до сигнала на линию. Что пошло не так и как вы это исправили?

Развёрнутый ответ на этот вопрос для нас важнее формального резюме.

«Петрович-Тех» строит и развивает цифровую экосистему для крупного ретейла в области строительства и DIY (коротко о «Петровиче»: 30 лет на рынке, №1 среди DIY-магазинов в России (по версии DIY&Household awards 2019), а наш интернет-магазин ­входит в топ-20 крупнейших интернет-магазинов России (E-Commerce Index TOP-100)).

Специфика предметной области определяет основные направления ИТ-экспертизы: построение высоконагруженных систем, прикладная часть Machine Learning и Data Science, проектирование микросервисной архитектуры и многое другое. А ещё с нами у тебя будет возможность влиять на конечный продукт и видеть результаты своей работы в реальном мире, действовать без многоступенчатых согласований; и возможности для развития, не уступающие тем, что есть ИТ-корпорациях.
И, конечно, в первую очередь, «Петрович-Тех» — это люди, наш продукт и компания для людей и про людей. Сегодня в нашей команде уже больше 350 крутых специалистов, и, возможно, мы ищем именно тебя!

В команду машинного обучения ищем еще одного ML инженера

Чем предстоит заниматься:

• участвовать в полном цикле DS/ML-проектов: от сбора данных до внедрения готового ML-решения в production;
• решать бизнес-задачи с помощью ML и LLM: предлагать подходящие решения, проверять гипотезы, обосновывать выбор;
• проводить анализ данных: сбор, чистка, визуализация, подготовка отчётности;
• создавать и обогащать фичи для ML-моделей;
• обучать и внедрять ML-модели (open-source и кастомные решения);
• участвовать в разработке и автоматизации пайплайнов: от данных до внедрения моделей (в том числе через API и в чат-ботах);
• интегрировать LLM для автоматизации внутренних процессов и клиентских взаимодействий (боты, ассистенты, поиск, генерация).

Что для нас важно:

• понимание и практический опыт полного ML-цикла: от идеи до внедрения;
• знание подходов обучения с учителем и без учителя (classification, clustering и пр.);
• умение формулировать и проверять гипотезы, объяснять результаты и доносить их до бизнеса;
• уверенная работа с большими объёмами данных (в том числе SQL + Python);
• опыт работы с open-source LLM или интеграцией LLM API (YandexGPT, Claude, LLaMA, Mistral и пр.);
• навыки визуализации данных (matplotlib, seaborn, plotly);
• опыт внедрения ML-решений в production (API, Docker, CI/CD — будет плюсом);
• умение работать в команде и самостоятельно вести проект от задачи до результата;
• высшее образование (математика, прикладная информатика, ИТ или смежные области);
• опыт в Data Science / ML от 3 лет;
• владение Python, средний уровень SQL;
• плюсом будет опыт разработки и запуска ML-бэкендов, чат-ботов, ML-ассистентов или систем на основе LLM.

Мы предлагаем:

• Официальное трудоустройство в аккредитованную ИТ-компанию.
• Конкурентную полностью белую ЗП, вилку обсуждаем с успешными кандидатами.
• Полис ДМС через 3 месяца, ДМС+стоматология через год;
• Топим за развитие: оплачиваем курсы, программы повышения квалификации, участие в топовых конференциях.
• Ценим комфорт: поэтому удалёнка/гибрид/офис, удобный формат выбираешь сам. Можно работать из нашего классного офиса в СПб (с зонами отдыха, с выходом на крышу и лучшими видами на Финский залив). По доброй традиции раз в год обязательно встречаемся со всеми удалёнными командами на большом очном корпоративе в Питере.
• Локация офиса: м. Беговая, для удобства сотрудников есть развозка от и до м. Чёрная речка и м. Выборгская.
• Семейные фестивали, корпоративы, спортивные марафоны, творческие мастер-классы, пилатес, подарки для сотрудников и детей, welcome-бокс.
• Возможность получить премию по акции "Приведи друга".
• Для нас важно, чтобы твой путь в компании был комфортным. Поэтому мы подготовили план адаптации: в первые три месяца с тобой будет работать наставник. Он поможет разобраться в процессах и влиться в команду. Кстати, работа наставника у нас оплачивается — мы ценим время и вклад сотрудников.
  
  Оставляй отклик, до встречи!)

Привет! Это GigaChat Reasoning — команда, которая даёт модели суперсилу размышлять. Мы придумываем среды, тренируем через online RL, ускоряем обучение и доводим решения до продакшна.

Улучшение GigaChat Reasoning: полный цикл обучения от холодного старта до вывода модели продакшн. Добавление новых доменов, создание датасетов и функций оценки ответов.

Развитие агентских навыков и tool calling с помощью Online RL: создание сред для обучения LLM, обучение и тестирование моделей.

Улучшение продукта Deep Research

На эти роли мы ищем талантливого NLP Engineer со знанием и опытом в Reinforcement Learning. Для всех этих экспериментов у нас есть кластер с большим числом A/H 100'ых.

Обязанности

• улучшать качество работы GigaChat Reasoning на русском и английском языках
• ускорять пайплайн обучения: профилирование узких мест, эффективный сэмплинг
• тестировать новые Loss-функции и подходы к обучению
• помогать выводить в прод всё, что мы обучим
• постоянно держаться up-to-date со свежими статьями.

Требования

• опыт в online RL и хорошие теоретические знания
• уверенное владение Python, PyTorch
• знание базовых алгоритмов и математики
• знания в DL, опыт обучения простых и больших моделей
• опыт обучения моделей для продакшена
• понимание текущего состояния эволюции больших LLM'ов
• будет плюсом наличие публикаций.

Условия

• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• ипотека выгоднее до 7% для каждого сотрудника
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.

Гаскар Групп – это российский разработчик и интегратор собственных ИТ решений, разработчик и производитель беспилотных летательных аппаратов для обеспечения их автономности. Продукция применяется для мониторинга территорий, доставки легковесных грузов и других миссий.

Производство полного цикла, от создания идеи и разработки до выпуска готовой продукции в серии!

Мы производим: БВС, оптику, литий-ионные аккумуляторы, электродвигатели, модемы, контролеры связи, пульт управления, СКС и программируем своей собственный СОФТ для наших продуктов.

Мы предлагаем погрузиться в мир инноваций и технологических разработок.

Мы разрабатываем программно-аппаратные комплексы для беспилотных авиационных систем. В состав решений входят средства обнаружения, сопровождения и перехвата воздушных целей, а также собственное бортовое программное обеспечение.

Ищем инженера по компьютерному зрению, который будет на постоянной основе развивать направление машинного зрения: заниматься обучением и внедрением моделей, работать с датасетами, улучшать качество детекции и сопровождения целей, а также адаптировать решения под встраиваемые вычислительные платформы.

Нам нужен специалист, который будет полностью сфокусирован на данном направлении и сможет отвечать за весь жизненный цикл моделей — от данных до внедрения на изделие.

Чем предстоит заниматься :

• Разрабатывать и дорабатывать алгоритмы обнаружения и сопровождения объектов.
• Обучать, валидировать и тестировать модели компьютерного зрения;
• Анализировать качество работы моделей и улучшать метрики;
• Подготавливать и оптимизировать инференс для целевых вычислителей на базе Rockchip;
• Интегрировать модели в существующую программную платформу;
• Организовывать процессы разметки данных и контролировать качество датасетов;
• Формировать требования к новым датасетам и участвовать в планировании сбора данных;
• Проводить исследования и сравнительные испытания различных архитектур;
• Готовить технические отчеты по результатам испытаний и качеству моделей;
• Взаимодействовать с разработчиками бортового ПО, алгоритмистами и испытателями.
  
  Наши требования:
• Уверенное владение Python и хорошее знание C++;
• Практический опыт разработки решений в области Computer Vision;
• Умение работать с системами контроля версий: git;
• Опыт работы с Jira или аналогичными системами управления задачами;
• Отличное понимание современных подходов к детекции объектов;
• Глубокое знание семейства YOLO и опыт его применения в реальных проектах;
• Понимание принципов работы камер и компьютерного зрения: (Дисторсия, калибровка камер, intrinsic и extrinsic параметры, системы координат, проективная геометрия);
• Опыт подготовки и обучения собственных моделей;
• Опыт оптимизации моделей для встраиваемых вычислителей;
• Опыт работы с RKNN Toolkit и NCNN;
• Понимание особенностей квантования, конвертации и ускорения нейронных сетей на платформах Rockchip;
• Опыт работы с Linux.
  

• Наши условия для тебя:

• Официальное трудоустройство, полностью "белая" заработная плата;
• Соц. пакет по ТК РФ;
• Заработная плата обсуждается с финальным кандидатом;
• Офис расположен в шаговой доступности от станции м. Войковская, бизнес-центр уровня А-класса;
• Уютный современный офис, оснащенный по последнему слову техники;
• График работы с 09:00 до 18:00. Пятница сокращенный день;
• Дружный коллектив и хороший психологический климат;
• Открытая, демократичная культура. Возможность реализовать свои идеи.
  
  Просьба в сопроводительном письме указывать свои зарплатные ожидания!

Мы ищем специалиста по валидации моделей кредитного риска, который поможет нам развивать ключевые модели банка — PD, LGD и EAD. Наша команда отвечает за то, чтобы модели работали точно, прозрачно и эффективно, а бизнес получал надежный инструмент для принятия решений. Мы совмещаем глубокие знания теории вероятностей, машинного обучения и банковских процессов, программируем на Python и создаём методологии тестирования моделей.

Если тебе интересно работать на стыке математики, анализа данных и финансовой экспертизы — тебе точно к нам. Ты сможешь влиять на качество и развитие моделей, от которых зависит устойчивость банка.

Обязанности:

• Проверять качество и корректность математических моделей кредитного риска
• Разрабатывать программный код для валидационных тестов на Python
• Строить понятные графики и визуализации результатов анализа
• Изучать особенности применения моделей в бизнес-процессах и формировать рекомендации по их улучшению
• Анализировать отраслевые стандарты и требования регуляторов в области модельного риска

Ты нам подходишь, если:

• Имеешь опыт построения моделей классификации и регрессии от 2 лет (опыт работы с PD/LGD/EAD, понимание банковских требований — большой плюс)
• Хорошо понимаешь, как создаются и оцениваются математические модели, знаешь, какие ошибки возникают и как их исправлять
• Уверенно владеешь Python и готов писать качественный аналитический код
• Готов взаимодействовать с разработчиками моделей, аргументировать свою позицию и глубоко разбираться в бизнес-процессах
• Хочешь развиваться в теме кредитных рисков, изучать регуляторные требования и лучшие практики в области управления модельным риском

Мы предлагаем:

• Работу в офисе у метро «Белорусская». График работы — гибридный
• Платформу обучения и развития «Апгрейд». Курсы, тренинги, вебинары и базы знаний. Поддержку менторов и наставников, помощь в поиске точек роста и карьерном развитии
• Комплексную программу заботы о здоровье. Оформим полис ДМС с широким покрытием и страховку от несчастных случаев. Предложим льготные условия страхования для ваших близких
• Бесплатный фитнес-зал в офисе или частичную компенсацию затрат на спорт. В фитнес-зале оборудованы зоны по разным направлениям. Можно заниматься самостоятельно или присоединиться к групповым занятиям с тренером
• Бесплатные завтраки и обеды в нашем кафе. А если захотите перекусить, на каждом этаже есть кухня с чаем, кофе и фруктами
• Линейку льготных тарифов на продукты Т-Банка
• Well-being-программу, которая помогает улучшить психологическое и физическое здоровье, а также разобраться с юридическими и финансовыми вопросами
• Три дополнительных дня отпуска в год
• Достойную зарплату — обсудим ее на собеседовании

• Разрабатывать two-tower модель для рекомендаций;
• Валидировать гипотезы и экспериментировать;
• Считать и интерпретировать результаты;
• Исследовать данные, искать аномалии и инсайты.

• 3+ лет коммерческого опыта в Data Science / Machine Learning;
• Опыт разработки и внедрения ML-моделей в production;
• Опыт работы с рекомендательными системами (коллаборативная фильтрация, two-tower модели, learning-to-rank) или динамическим ценообразованием (эластичность, causal inference, временные ряды);
• Опыт A/B-тестирования и оценки бизнес-эффекта моделей (офлайн- и онлайн-метрики);
• Deep Learning: PyTorch или TensorFlow;
• SQL - написание сложных запросов для сбора данных и диагностики;
• Статистика и математика: теория вероятностей, математическая статистика, causal inference;
• ML Ops: понимание жизненного цикла модели, мониторинг дрейфа, CI/CD для ML;
• Cloud / Big Data: опыт работы с облачными платформами и big data инструментами.
• Бизнес-ориентированность: умение переводить бизнес-задачи в ML-постановку;
• Data-driven подход: принятие решений на основе данных и экспериментов;
• Коммуникация: способность объяснять сложные модели продактам и стейкхолдерам;
• Прагматизм: готовность искать рабочие решения, а не идеальные, но нереализуемые модели;
• Системное мышление: понимание, как модель влияет на всю экосистему платформы.

• Опыт работы с LLM-эмбеддингами и векторными базами данных;
• Опыт в gig-экономике, маркетплейсах, HR Tech, логистике или ритейле;
• Опыт внедрения reinforcement learning или bandit-алгоритмов для ценообразования.

Пикварио - ведущая российская компания, специализирующаяся на разработке и внедрении решений для управления цифровыми активами (Digital Asset Management, DAM). Наша миссия — помогать компаниям и медиа раскрывать полный потенциал своего цифрового контента.

Среди наших клиентов десятки крупнейших компаний страны, СМИ и медиа, спортивных команд и федераций, а также гос. структур.

КОГО МЫ ИЩЕМ И ДЛЯ КАКИХ ЦЕЛЕЙ

Наш флагманский продукт - Picvario DAM (Digital Asset Management).
Это система для хранения, поиска и управления медиа файлами. Продукту 7 лет, и он активно развивается: постоянно растет штат сотрудников и база клиентов (спортивный портал Чемпионат.com, РБК, Полиметалл, ХК "Авангард" и др.). Продукт экономически успешен на рынке РФ.

В рамках расширения команды мы ищем опытного ML-инженера с сильным опытом в Computer Vision.

ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ

• Разработка, обучение, валидация, тестирование и оптимизация моделей машинного и глубокого обучения для анализа визуальных и мультимодальных данных, включая задачи обнаружения, классификации, сопоставления, кластеризации, трекинга и построения векторных представлений

• Разработка моделей представления данных, поиска и ранжирования

• Разработка системы оценки качества моделей: выбор метрик, построение воспроизводимых схем валидации, анализ ошибок и граничных случаев

• Внедрение моделей в промышленную эксплуатацию

Технический стек проекта

• Бэкенд: Python 3.8+, Django 4.x, Django REST Framework, Celery, Aiohttp
• Фронтэнд: Vue.js, Nuxt.js
• Хранилища: PostgreSQL, Elasticsearch, Redis
• Очереди: RabbitMQ
• Инфраструктура: Kubernetes, Docker

ЧТО МЫ ИЩЕМ В КАНДИДАТАХ

• Уверенное знание Python, практический опыт с PyTorch / TensorFlow, NumPy, OpenCV

• Понимание современных подходов к решению задач в области Computer Vision

• Опыт решения как типовых CV-задач (фото и видео), так и реализации нестандартных проектов

• Умение оценивать качество работы моделей и подбирать соответствующие метрики, а также оптимизировать потребление ресурсов

• Способность самостоятельно разобрать продуктовую задачу, предложить подход, проверить гипотезу и довести решение до внедрения

• Умение работать совместно с backend-разработчиками и инженерами QA

Плюсом будет опыт работы с одной или несколькими профессиональными областями из следующего списка: видеоаналитика, трекинг, визуальный поиск, векторные базы данных, корпоративные продукты, медиаархивы, большие объемы визуальных данных.

ЧТО ПРЕДЛАГАЕМ ВЗАМЕН

• Комфорт в работе. Ориентируемся на результат, предпочитаем правильные коммуникации

• Удаленку из любой точки РФ. Можно работать полностью удаленно, а при желании есть возможность посещать наш офис в Москве

• Программу компенсаций и льгот (аналог ДМС), которая действует после прохождения испытательного срока. Ты можешь выбрать компенсацию по спорту, профессиональному обучению, английскому языку и медицине

• Адекватных коллег. У нас работают по-хорошему «простые» люди

• Профессиональное развитие. Мы ценим рост, поэтому всегда предоставляем обратную связь и применяем практики, помогающими становиться лучше: one-to-one и performance review

• Официальное трудоустройство по ТК РФ

КАК ПРОХОДИТ ПРОЦЕСС НАЙМА

1. Онлайн-интервью с СTО
2. Онлайн-интервью с командой
3. Проверка и сбор обратной связи от бывших работодателей
4. Оффер

Большая просьба, в сопроводительном письме напиши, пожалуйста, ответ на следующий вопрос: как ты использовал AI в своей работе за последний год?

Ответ на этот вопрос существенно повысит твои шансы в рамках данной позиции!

Обязанности:

• Разработка и интеграция алгоритмов компьютерного и машинного зрения для систем самонаведения: детекция, трекинг, классификация объектов на видеопотоке.
• Разработать и внедрить алгоритм трекинга (сопровождения) цели с видеопотока, устойчивый к вибрациям, временной потере объекта и работе в условиях однородного фона (одинаковые цвета/текстуры).
• Анализ и обработка данных с различных типов сенсоров и датчиков (оптических, инфракрасных, радиолокационных, лазерных и др.) для повышения надёжности и точности трекинга.
• Построение, оптимизация и доводка CV-пайплайнов: выбор методов детекции и трекинга, настройка метрик качества (precision/recall, MOTA, IDF1) и их улучшение на реальных данных.
• Использование RKNN-Toolkit для конвертации, квантизации и оптимизации нейросетевых моделей (ONNX, TensorFlow, PyTorch → RKNN) для последующего запуска на NPU встроенных систем (без погружения в низкоуровневую отладку самого железа).
• Работа с нейросетевыми архитектурами: выбор, дообучение, облегчение (pruning, distillation) и конвертация моделей для достижения требуемой скорости и точности.
• Разработка и развертывание стендов для тестирования алгоритмов, реализация имитации движения цели и различных сценариев работы (потеря видимости, помехи, засветка, однородный фон).
• Проведение испытаний алгоритмов на реальных данных: обработка записанных видеопотоков, анализ ошибок, итеративная доработка методов.
• Взаимодействие с кросс-функциональными командами: инженерами по embedded, системными архитекторами, конструкторами для согласования интерфейсов и требований к алгоритмам.
• Подготовка технической документации, отчётов по результатам разработки и испытаний, визуализация работы алгоритмов.

Требования:

• Высшее техническое образование (информатика, прикладная математика, компьютерное зрение, оптика, робототехника или смежные направления).
• Глубокие знания в области компьютерного зрения: методы обработки изображений (фильтрация, сегментация, выделение признаков), трекинг (KCF, MOSSE, CSRT, DeepSort, оптический поток), детекция (YOLO, SSD, Faster R-CNN).
• Опыт разработки и оптимизации CV-пайплайнов под реальные условия: работа с шумными изображениями, вибрацией, частичными перекрытиями и временной потерей объекта.
• Опыт программирования на Python и C++: уверенное владение OpenCV, NumPy, библиотеками для работы с видео и изображениями.
• Опыт работы с нейросетевыми фреймворками: TensorFlow, PyTorch, Keras — обучение, дообучение, оценка качества моделей.
• Практический опыт с RKNN-Toolkit: конвертация моделей из ONNX/TF/PyTorch в RKNN, квантизация (INT8/FP16), профилирование скорости инференса без необходимости низкоуровневой отладки.
• Понимание основ цифровой обработки сигналов: методы фильтрации, подавления шумов, интерполяции, сглаживания траекторий.
• Опыт работы с реальными видео-данными, умение обрабатывать большие объёмы данных и настраивать пайплайны для пакетной обработки.
• Опыт развертывания стендов тестирования: написание скриптов для имитации движения цели, генерации синтетических данных, воспроизведения записанных сценариев.
• Опыт работы в Linux, уверенное владение Git, навыки написания чистого и документированного кода.