Data Science & ML — свежие вакансии

Автономные технологии — компания, которая разрабатывает инновационные решения, направленные на улучшение и совершенствование робототехники и технологий машинного обучения с применением передовых технологий искусственного интеллекта (ИИ) и уникальных инженерных решений.

Чем предстоит заниматься:

• Разработкой и внедрением SOTA алгоритмов RL для высокоскоростного маневрирования и прохождения гоночных трасс;
• Решением проблемы Sim-to-Real Gap: внедрение Domain Randomization, работа с динамикой модели;
• Дизайн функции вознаграждения (Reward Engineering) для сложных маневров;
• Взаимодействием с инженерами по Computer Vision для интеграции RL-агента с системами компьютерного зрения;
• Оптимизацией инференса нейросетей для работы на встраиваемых системах.

Будет плюсом:

• Опыт работы с C++ (уровень интеграции моделей);
• Понимание классической теории управления и умение комбинировать её с нейросетями;
• Опыт работы с реальным робототехническим железом;
• Понимание аэродинамики мульти роторных систем.

Мы ожидаем:

• Опыт коммерческой или научной работы в области RL / Robotics от 2-х лет;
• Знание основ RL (MDP, уравнение Беллмана, Value-function и т.д.) и понимание алгоритмов PPO, SAC, TD3, опыт их модификации под конкретные задачи;
• Опыт работы с физическими симуляторами (Isaac Gym/Sim, PyBullet, AirSim, RealFlight);
• Навыки программирования на Python (продвинутый уровень).

Мы предлагаем:

• Работу в аккредитованной IT-компании и Трудоустройство в соответствии с ТК РФ;
• Систему наставничества и комфортную адаптацию в компании;
• Возможности для профессионального и карьерного роста

В связи с расширением Центра исследований и разработок Агрохолдингу "СТЕПЬ" требуется разработчик моделей искусственного интеллекта

Обязанности:

• Мониторинг технологических трендов и инноваций в области ИИ, нейросетей;
• Разработка и внедрение моделей машинного обучения (классификация, прогнозирование, NLP/CV) в производственные процессы компании;
• Формулирование бизнес-метрик в ML-задачи и презентация результатов внутренним заказчикам.

Требования:

• Оконченное высшее образование (любое математическое, ИТ направление);
• Опыт коммерческой разработки ML-решений от 1 года;
• Готовность к командировкам (участие в профильных конференциях по мере необходимости);
• Уверенное владение Python и ML-стеками;
• Развитые коммуникативные навыки;
• Умение объяснять сложные вещи простым языком;
• Желание учиться, учить, а также развиваться и развивать.

Условия:

• Работа из офиса в центре Ростова-на-Дону;
• Оформление согласно ТК РФ;
• Белая заработная плата;
• Уровень заработной платы зависит от вашей квалификации, опыта участия в проектах, ответственности и готовности решать сложные, интересные и разноплановые задачи;
• Повышение квалификации за счет компании: курсы, семинары, тренинги;
• График работы 5/2., сб.-вс. - выходной.

Домклик — единственный в России продукт, обеспечивающий полный цикл операций с недвижимостью. Доступен на всех популярных платформах (Web, iOS, Android). Решаем любые вопросы с недвижимостью, делая сложное простым, с заботой о каждом клиенте. Мы ищем единомышленников, чтобы вместе помогать людям исполнять мечту о собственном жилье.

Чем предстоит заниматься:

• решать продуктовые задачи с помощью ML: от постановки гипотезы и исследования данных до запуска решения в production и оценки бизнес-эффекта;
• развивать ML-модели, влияющие на клиентский опыт и бизнес-метрики продукта. Работать с задачами рекомендаций, ранжирования, прогнозирования и персонализаци;
• самостоятельно проводить исследования: понимать данные, искать точки роста, формулировать и проверять гипотезы;
• проектировать эксперименты и оценивать эффект ML-решений — offline-метрики, A/B-тесты, продуктовые и бизнес-метрики;
• вместе с продуктом и бизнесом определять, где применение ML действительно дает ценность, а где задача лучше решается другим способом;
• доводить модели до промышленной эксплуатации совместно с ML/Backend-инженерами: продумывать требования к данным, inference, мониторингу и переобучению;
• улучшать существующие подходы и при необходимости предлагать новые архитектуры и модели;
• участвовать в развитии DS-практики команды: проводить ревью, делиться экспертизой и помогать принимать технические решения.

Мы ожидаем:

• уверенное владение Python и стандартным DS/ML-стеком;
• опыт построения рекомендательных систем: candidate generation, ranking/reranking, embeddings, two-tower модели;
• хорошее понимание классического ML и умение выбирать подход под задачу, а не под любимую библиотеку;
• опыт решения продуктовых ML-задач на реальных данных;
• понимание устройства рекомендательных систем и/или ranking-задач;
• умение работать с большими объемами данных и уверенное написание SQL-запросов.

Будет плюсом:

• опыт применения LLM и foundation models внутри продуктовых ML-систем;
• опыт работы с недвижимостью, маркетплейсами, классифайдами, e-commerce или другими продуктами с большим каталогом объектов.

Мы предлагаем:

• работу в аккредитованной IT компании;
• конкурентную заработную плату;
• полис ДМС с первого месяца работы;
• современную технику для работы;
• корпоративный университет, онлайн-курсы для повышения квалификации, конференции, митапы;
• фитнес-зал в здании офиса;
• льготную программу ипотеки для сотрудников;
• комфортный офис класса А в 5 минутах от станции метро и МЦК Кутузовская;
• гибкое начало рабочего дня и возможность работать в гибридном или удаленном формате в пределах РФ.

Сейчас мы ищем Стажера ML Инженера в наш продукт ArchOps.
ArchOps - архитектурный продукт, позволяющий наполнять и управлять ландшафтом предприятия

Задачи

дорабатывать текущий Copilot продуктового архитектора;
участвовать в обучении моделей;
разрабатывать новые AI-агенты.

Требования

понимание работы и построения AI агентов;
базовые навыки Python;
знание ООП.

Условия

Студенты 1 и 2 курсов бакалавриата или специалитета, и студенты колледжей, обучающиеся на любом курсе по ИТ-специальности;
​​​​​​​
график работы 30-40 часов в неделю;
развитие в командах профессионалов и опытный наставник, готовый делиться опытом;
мобильная связь за счет компании;
специальные предложения и скидки от продуктов экосистемы МТС;
собственный корпоративный университет, онлайн-библиотека, Best Benefits (приложение для сотрудников, где собраны различные скидки);
спорт: онлайн зарядки, йога, дыхательные практики.

Контур — экосистема для бизнеса. Наши сервисы помогают каждой третьей компании России делать рабочие процессы проще и эффективнее: вести бухгалтерию, сдавать отчетность в госорганы, обмениваться документами без бумаги, общаться друг с другом на удаленке и многое другое. С нами жизнь 3,1 миллионов предпринимателей и их сотрудников становится легче.

О направлении

Центр искусственного интеллекта создает и внедряет технологии искусственного интеллекта в продукты и внутренние процессы Контура. Команда развивает AI-платформу, которая позволяет продуктовым командам использовать ИИ в self-service формате и быстро создавать собственных агентов и ассистентов.

Работаем с технологиями машинного обучения, генеративного ИИ и обработки данных. Среди реализованных решений — чат-бот Сирена, который экономит около 25% времени консультантов технической поддержки, и технология распознавания речи, обрабатывающая миллионы записей ежегодно.

В Центре ИИ работают специалисты разных профилей: data science, разработчики, аналитики данных, DevOps-инженеры, QA, системные аналитики, продуктовые и проектные менеджеры. Команда развивает собственную инфраструктуру и инструменты MLOps, обеспечивая полный путь AI-решений от исследования и разработки до промышленной эксплуатации.

О команде

CV-лаборатория проводит исследования в области современного компьютерного зрения и продвигает их использование в Контуре. Команда решает текущие продуктовые задачи и проводит исследования на будущее. Самое приоритетное направление сегодня: сервис распознавания документов, на текущий момент у нас есть MVP, нам важно закоончить сервис до конца года.

Задачи

• Дорабатывать и развивать сервис распознавания документов.
• Создавать пайплайны классификации, пре- и постпроцессинга, распознавания текста.
• Разрабатывать алгоритмы пост‑процессинга для валидации и нормализации распознанных данных.
• Помогать продуктовым командам с проработкой гипотез и презентацией результатов.
• Проверять прикладные гипотезы с применением NLP, классического ML, LLM и агентных подходов.

Мы ожидаем

• Глубокую экспертизу в PyTorch.
• Опыт работы и глубокое понимание современных SOTA-подходов к задачам OCR и Key Information Extraction, а также классических методов их решения.
• Понимание ландшафта и опыт взаимодействия с актуальными LLM/VLM.
• Опыт работы в построении продакшен решений с высокой нагрузкой порядка нескольких десятков тысяч запросов в сутки.
• Опыт оптимизации и дистилляции DL моделей для продакшена.
• Навык работы со статьями — поиск и анализ решений.
• Опыт самостоятельного деплоя моделей в продакшен.

Мы предлагаем

• Уровень дохода, который зависит от ваших технических знаний и навыков. Регулярно пересматриваем зарплаты с учетом профессионального роста. Финансовые бонусы тоже есть.
• Заботу о вашем комфорте. Можете работать удаленно, гибридно или в офисе, в любом случае предоставим технику и все необходимое. Если вам по душе работать из офиса — обеспечим удобным местом, зонами отдыха, кухней с полезными перекусами.
• Сильное инженерное комьюнити. Регулярно проводим внутренние технические конференции, обмениваемся опытом между командами. Вы всегда найдете, с кем посоветоваться.
• Возможность сменить продукт, команду или предметную область внутри компании. Поддерживаем развитие в любом направлении.
• Общение на «ты» и максимум горизонтальных связей в коллективе, чтобы быстрее договариваться и решать рабочие задачи.
• Возможность делиться экспертизой. Помогаем выступать на конференциях, участвовать в подкастах или видео, писать статьи.
• Поддержку профессионального развития. Организуем внутреннее и внешнее обучение.

Яндекс Еда — сервис доставки из ресторанов и магазинов с миллионами пользователей и заказов. Для машинного обучения это означает работу с большими данными, быструю проверку гипотез в A/B-тестах и обработку данных в реальном времени под нагрузкой.

Наша команда занимается алгоритмической и ML-составляющей ранжирования. Мы определяем порядок отображения:
* ресторанов — на главной странице;
* блюд — как внутри ресторана, так и на блюдоцентричных поверхностях;
* ресторанов и магазинов вместе — в тех местах, где вертикали пересекаются (например, в поиске);
* подборок заведений для офлайна (в разделе «Сходить»).

От наших моделей зависит, какие позиции пользователь увидит первыми и что в итоге закажет. В работе мы используем как классические методы ML, так и нейросетевые подходы.

Над чем мы работаем сейчас

* Дискавери на главной. Историю заказов уже закрывает отдельная карусель, но и на остальных поверхностях главной пользователь встречает в основном знакомые ему рестораны. Хотим, чтобы эти поверхности открывали новое — места, где человек ещё не заказывал, но закажет.
* Блюдоцентричное ранжирование. Учимся ранжировать не рестораны, а сами блюда — на поверхностях вне карточки ресторана.
* Общий поиск Еды. Ищем баланс между семантической релевантностью и бизнес-метриками.
* Ядро ранжирования. Новые факторы и новые архитектуры — сквозная задача для всех поверхностей сразу.

Что у нас есть

* Стек: Python, C++, SQL.
* Инфраструктура Яндекса: общие фреймворки, собственная A/B-платформа и вычислительные мощности.

Узнайте про разработку Городских сервисов Яндекса на [dev.go.yandex](http://dev.go.yandex/?utm\_source=yandex\_jobs&utm\_medium=social&utm\_content=1&utm\_campaign=vacancies).

Цикл ML-проекта

Вы будете преобразовывать бизнес-требования в ML-задачи, собирать пайплайн, обучать и проверять модель, внедрять её в реалтайм-сервис и тестировать с помощью A/B-теста.

Развитие продукта

Вам предстоит искать точки роста, предлагать и отстаивать свои идеи, а также запускать рекомендации на новых поверхностях и вертикалях. При этом нужно не только ранжировать по предпочтениям, но и учитывать доступность и загрузку ресторана, скорость и стоимость доставки, а также балансировать органику с рекламным продвижением.

Работа со смежниками

Вам нужно будет сотрудничать с продуктовыми командами, аналитиками и MLOps — решать общие задачи, проводить совместные эксперименты и защищать результаты.

Больше об ML в Яндексе — в канале Yandex for ML

* Разрабатывали на Python или C++
* Хорошо знаете методы анализа данных и ML и применяли их на практике
* Готовы вести решение от обработки данных до внедрения в продакшен

* Делали рекомендательные системы или поиск
* Работали с высоконагруженными реалтайм-системами

Сейчас мы ищем Стажера ML Инженера в наш продукт ArchOps.
ArchOps - архитектурный продукт, позволяющий наполнять и управлять ландшафтом предприятия

Чем предстоит заниматься:

• дорабатывать текущий Copilot продуктового архитектора;
• участвовать в обучении моделей;
• разрабатывать новые AI-агенты.

Что мы ожидаем от кандидата:

• понимание работы и построения AI агентов;
• базовые навыки Python;
• знание ООП.

Что мы предлагаем:

• Студенты 1 и 2 курсов бакалавриата или специалитета, и студенты колледжей, обучающиеся на любом курсе по ИТ-специальности;​​​​​​​

• график работы 30-40 часов в неделю;

• развитие в командах профессионалов и опытный наставник, готовый делиться опытом;

• мобильная связь за счет компании;
• специальные предложения и скидки от продуктов экосистемы МТС;
• собственный корпоративный университет, онлайн-библиотека, Best Benefits (приложение для сотрудников, где собраны различные скидки);
• спорт: онлайн зарядки, йога, дыхательные практики.

WILIX - аккредитованная IT - компания. Мы создаем корпоративные системы, помогаем компаниям оптимизировать и развивать свой бизнес.

Сегодня мы в поиске ML инженера для работы на внешних проектах - потребность открыта на различные проекты в сферах финтеха, ритейла, эдтеха и пр.

Требования:

​​​​​
• Понимание принципов проектирования моделей, управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop.
• Глубокое понимание основных принципов машинного обучения: подготовка данных и признаков, выбор моделей, регуляризация, переобучение, data leakage, интерпретация результатов.
• Знание математической статистики: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов.
• Понимание принципов оценки качества ML-систем: offline- и online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных.
• Опыт работы хотя бы в одном из направлений: o классическое машинное обучение; o временные ряды и прогнозирование; o рекомендательные системы, поиск и ранжирование; o NLP, LLM и генеративный AI.
• Уверенное владение Python и основными библиотеками для анализа данных и машинного обучения: pandas или polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch или аналогичные инструменты. • Умение писать поддерживаемый production-код: модульная архитектура, тестирование, логирование, документация, работа с Git и участие в code review.
• Уверенное владение SQL • Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы. • Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента.
• Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков. • Умение оценивать стоимость, latency и масштабируемость LLM-решений.
• Опыт работы в e-commerce, retail или других продуктовых highload-системах. • Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.
• Опыт эксплуатации GPU-инфраструктуры и оптимизации inference.
​​​​​​​• Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT.
• Опыт проектирования agentic workflows или multi-agent-систем.
• Понимание принципов информационной безопасности, privacy и работы с персональными данными.

Условия:

• Интересные и разнообразные проекты
• Возможности карьерного и профессионального роста
• Работа в энергичной молодой команде, готовой обмениваться опытом
  
  Укажите, пожалуйста, в сопроводительном письме желаемый уровень финансовой мотивации

Группа Компаний Орбита - ведущий разработчик цифровых решений, российская аккредитованная ИТ-компания

Масштабный технологический проект с глубокой экспертизой в цифровизации бизнеса. Ключевые отрасли: государственный сектор, FinTech, HR Tech, коммуникации и медиа, услуги, рынок недвижимости, travel.

Нам доверяют крупнейшие компании РФ, среди них: Т1, ВТБ, Иннотех, Альфа Банк, ОИС и другие.

Более 6 лет мы ведем собственную продуктовую и заказную разработку высокоэффективных цифровых решений.

Проект

ИИ-инкубатор — единая платформа для проверки и запуска пилотов (PoC) на основе перспективных ИИ-идей. Команда помогает превращать идеи в работающие прототипы: от эксперимента и оценки качества до защиты результатов на ИИ-комитете и подготовки решения к дальнейшему внедрению.

Задачи:

• Разработка ИИ-ассистентов и функциональных AI-агентов в рамках PoC.
• Проработка и реализация agentic workflows: управление контекстом и состоянием, выбор инструментов, function calling, human-in-the-loop.
• Проведение экспериментов с LLM, NLP и BERT-подобными моделями.
• Разработка RAG-решений с использованием векторных баз данных и embedding-моделей.
• Построение evals для LLM-систем: оценка качества ответов, контроль галлюцинаций и мониторинг поведения моделей.
• Работа с эвристиками и алгоритмами повышения качества AI-систем.
• Fine-tuning и адаптация LLM, включая LoRA / PEFT.
• Квантизация моделей и оптимизация inference.
• Запуск и эксплуатация моделей на CPU/GPU, оптимизация latency и потребления ресурсов.
• Контейнеризация ML/AI-сервисов и подготовка решений к эксплуатации.
• Работа с Kubernetes и KServe для развёртывания моделей.
• Разработка production-кода на Python, написание тестов, логирование и документация.
• Интеграция AI-сервисов с существующими системами через API.
• Участие в CI/CD-процессах, работа с Jenkins и Git.
• Оценка стоимости, производительности и масштабируемости LLM-решений.
• Участие в разработке механизмов безопасности AI-систем: защита от prompt injection, некорректного tool calling, утечек данных и чрезмерных прав агентов.

Требования:

• Уверенное владение Python и основными библиотеками для анализа данных и ML: pandas/polars, NumPy, scikit-learn, CatBoost/LightGBM/XGBoost, PyTorch или аналогами.
• Глубокое понимание основных принципов машинного обучения: подготовка данных, признаки, выбор моделей, регуляризация, переобучение и data leakage.
• Практический опыт хотя бы в одном направлении: NLP/LLM/GenAI, классическое ML, рекомендательные системы, поиск и ранжирование, временные ряды.
• Практические знания NLP и опыт работы с современными языковыми моделями.
• Опыт работы с API языковых моделей, Hugging Face и хотя бы одним orchestration-фреймворком.
• Опыт разработки AI-агентов и понимание принципов agentic workflows.
• Опыт работы с RAG, embedding-моделями и векторными базами данных.
• Понимание принципов построения evals и оценки качества LLM-систем.
• Опыт fine-tuning/адаптации LLM, включая LoRA/PEFT.
• Опыт квантизации LLM и оптимизации inference.
• Понимание принципов работы и эксплуатации GPU-инфраструктуры.
• Уверенное владение SQL.
• Умение писать поддерживаемый production-код: модульная архитектура, тестирование, логирование, документация, Git и code review.
• Понимание математической статистики: проверка гипотез, доверительные интервалы, A/B-тестирование.
• Понимание offline- и online-метрик, подходов к валидации ML-систем и оценке бизнес-эффекта.
• Понимание принципов информационной безопасности, privacy и работы с персональными данными.
• Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.

Мы предлагаем:

• ​Удаленный формат работы по РФ;
• Белую заработную плату, оформление согласно Трудовому кодексу РФ;
• Комфортный старт: 3 месяца плавного погружения под присмотром HR;
• Поддержку: IT-отсрочку и консультации HR/юристов;
• Прозрачные процессы и открытую коммуникацию;
• Работу на лучшем оборудовании без логирования времени, с фокусом на доверии и результате;
• ДМС: медицинское страхование за счет компании;
• Развитие: индивидуальный план обучения, посещение конференций и митапов, поддержка в развитии карьеры;
• Личный бренд: возможность выступать на конференциях, митапах, публикация статей;
• Бенефиты: ежеквартальное обновление корпоративных скидок;
• Движ: организация вечеринок оффлайн и онлайн, предоставление мерча, проведение конкурсов и челленджей.

  Откликайтесь, будем рады познакомиться лично!

Мы — команда GigaChat ML. Делаем полный цикл обучения модели, от претрейна до алайнмента. Нам нужен руководитель, который будет фултайм владеть системой метрик качества GigaChat:

• Измерять качество на бенчмарках и реальных логах.
• Находить слабые места и причины деградаций.
• Развивать метрики и процессы, ускорять внедрение новых бенчмарков и системы замера.

Эта роль про фунадментальное качество модели и измерения (не про продуктовые метрики DAU/Retention и не про сбор данных как основной фокус).

Что предстоит делать

Владение системой качества и метрик (end-to-end ownership)

• Определять и поддерживать “quality scorecard” для GigaChat: что считаем качеством, какие метрики ключевые, какие — нет.
• Держать фокус на эффективности системы и снижать стоимость измерений.

Бенчмарки и регрессионное тестирование

• Постоянно актуализировать пакет бенчмарков под ключевые сценарии, чтобы успевать за быстро развивающейся сферой LLM.
• Внедрить регулярное сравнительное тестирование версий модели и конкурентов по единой.

Аналитика логов и диагностика слабых мест

• Анализировать логи и пользовательский фидбэк с позиции качества: кластеризация проблем, тематические срезы, частотность, тяжесть.
• Связывать проблемы в логах с бенчмарками: проблемы должны быть измеримы.

Разработка и внедрение метрик качества

• Разрабатывать новые метрики/прокси метрики (автоматические и полуавтоматические), калибровать их против эталонных оценок.
• Продумывать, где нужна человеческая оценка, где достаточно автоматики, как снижать стоимость измерений без потери достоверности.
• Внедрять метрики в процессы: CI/релизные проверки, мониторинг качества, алерты.

Эксперименты и принятие решений

• Проектировать и анализировать A/B-эксперименты качества (в онлайне и/или в контролируемых тестах), делать выводы: “что улучшилось/ухудшилось”, “почему”, “что делать дальше”, “можно ли катить в прод”.

Для нас важно

• Сильный Python (pandas, NumPy), уверенная аналитика данных, умение быстро превращать «сырые логи» в выводы.
• Хорошее понимание оценки качества LLM: какие типы метрик бывают, где они ломаются, как валидировать метрику, как избегать “gaming”.
• Понимание статистики и экспериментов: доверительные интервалы, тесты, множественные сравнения, дизайн A/B, интерпретация результатов.
• Практический опыт работы с LLM (Open Source и/или proprietary): понимание специфики инструкционного поведения, галлюцинаций, safety ограничений.
• Навыки продуктового и инженерного мышления: формулировать критерии качества так, чтобы они становились механизмом управления.

Будет плюсом

• Опыт построения evaluation фреймворков и “evaluation harness” (любые внутренние/внешние тулзы), интеграция оценок в CI/CD.
• Опыт с LLM based evaluation (LLM judge) и методами калибровки/контроля смещения судьи.
• Знание систем аналитики и хранилищ (SQL, ClickHouse/BigQuery/Spark/S3), мониторинг/дашборды (Grafana/Superset/Looker и аналоги).

Условия

• Удалённо по России.
• Возможность оформления в аккредитованную IT-компанию.
• Годовая премия по итогам работы до 6 окладов.
• Регулярный пересмотр зарплат.
• Корпоративный спортзал и зоны отдыха.
• Более 400 программ СберУниверситета для роста.
• Программа адаптации и помощь руководителя на старте.
• 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.
• Расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа.
• Ипотека для сотрудников по дисконтной программе.
• СберПрайм+ и скидки у партнёров.
• Бонус за рекомендации в команду.

Описание команды:

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.

Почему стоит присоединиться к нам:

• Возможность использовать передовые AI-технологии и платформы банка.
• Участие в развитии инновационных сервисов стратегического блока, которые приносят реальную пользу процессам и продуктам всего банка, при этом быстро попадают в поле зрения ключевых руководителей.
• Возможность участия в международных проектах и конференциях по AI и ML.
• Работа в дружной команде профессионалов, ориентированной на достижение самых амбициозных целей и постоянное развитие.

Обязанности

• 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.

Требования

• Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики или статистики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, МИФИ.
• Опыт в разработке NLP моделей.
• Понимание жизненного цикла моделей (CRISP-DM).
• Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.
• Свободное владение базовыми библиотеками на Python: pandas, NumPy, matplotlib, seaborn и др.
• 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.).

Условия

• Ипотека выгоднее на 7% для каждого сотрудника и льготные условия кредитования.
• Возможность выбрать удобный формат работы — гибрид, удаленка или офис.
• 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.

Наша команда создаёт и совершенствует системы распознавания речи в самых разных приложениях и сервисах Яндекса, в том числе мы работаем с уникальным доменом запросов к голосовому помощнику. Наши модели позволяют выводить Алису в новые регионы: ОАЭ, Саудовскую Аравию, Казахстан. Кроме того, мы решаем множество смежных задач понимания голоса. Мы уже достигли высокого качества распознавания для многих областей и сейчас хотим расширять наши технологии на новые языки.

Мы активно развиваем наши подходы и ищем опытного ML-разработчика, который сможет усилить нашу команду. Ценим глубокое понимание ML и DL, а работе со звуком готовы научить.

Расширять технологии на новые языки

Алиса уже работает на множестве языков в разных регионах мира, и на этой позиции главной задачей будет расширить её языковые возможности.

Участвовать в разработке новых проектов

Нужно будет изучать и применять научные публикации, строить гипотезы и проводить эксперименты.

Запускать в продакшн

Нужно будет собирать и анализировать данные для низкоресурсных языков, тренировать большие ASR-модели, внедрять свои результаты в продакшн.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Хорошо знакомы с Python и работали с PyTorch
* Обладаете опытом в области DL, например в CV или NLP
* Имеете базовые навыки в C++

* Работали с DL в области речевых технологий
* Внедряли нейросетевые модели в продакшн
* Работали с большими данными

Команда ценообразования для Кредитов ЮЛ.

Проекты:

• Индивидуальные модели эластичности клиентов к ставке по вкладам (uplift).
• Модели досрочного погашения кредитов физ. лиц (time series, tabular ML).

Обязанности

• Сбор и подготовка данных (Hadoop, PySpark, SQL).
• Тестирование различных гипотез.
• Согласование метрик и результатов с заказчиками.
• Полный пайплайн разработки модели.
• Поддержка разработанных решений.

Требования

• Опыт работы Data Scientist от 2 лет.
• Техническое образование (будет плюсом, если выпускник — МГУ, МФТИ, ВШЭ и других ведущих вузов страны).
• Понимание теории вероятностей и статистики.
• Опыт построения различных алгоритмов ML-моделей (регрессии, классификации и т.д.).
• Владение Python и ML-библиотеками (NumPy, scikit-learn, pandas, Matplotlib/Seaborn/Plotly, CatBoost/LightGBM/XGBoost и т.д.).
• Плюсом будет опыт работы с PyTorch, PySpark.
• Опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
• Инструментальное владение AI для анализа, генерации и автоматизации.

Условия

• 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.

Наша команда разрабатывает комплексные AI-решения (Classic NLP, LLM, AI-агенты) для ключевых продуктов и процессов Блока «Стратегия и развитие». Мы всегда находимся на переднем краю развития технологий и пробуем новое — первыми в Сбере разработали прототип мультиагентной системы для работы с обращениями, благодаря чему агентные решения стали одним из самых востребованных направлений в банке.

Наш технологический фокус выходит за рамки AI-агентов: мы решаем задачи классификации, кластеризации, мэтчинга, доменной адаптации (Metric Learning, PEFT), при необходимости используем SFT. Итог нашей работы — не отдельный e2e-пайплайн, а production-ready мультисервисные архитектуры, интегрированные во внутренние поверхности Сбера.

Недавние проекты: мультиагентная система для анализа организационной эффективности (доклад на AI Journey 2025), мультиагентный пайплайн для анализа документов об организационных изменениях, AI-агент-Copilot для постановки и мониторинга целей. Все направления активно растут и получают непосредственную поддержку руководства банка.

Основные направления деятельности

• Формируем рекомендации по повышению эффективности команд, продуктов и подразделений на основе классификации, кластеризации и тематического моделирования с использованием цифровых следов (Jira, встречи, письма и др.).
• Проводим комплексный анализ результативности в рамках сценарного моделирования деятельности по достижению целей руководства банка.
• Реализуем пайплайны обработки внутренних документов произвольной длины для построения рекомендаций по работе с ними и ускорения организационных изменений.
• Выявляем глобальные тренды и проводим анализ их влияния на численность ролей банка для Стратегии Сбера.
• Анализируем графы целей организации (связанность, каскадирование), 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 для подготовки стратегических сессий руководства банка.

Наши глобальные приоритеты

• Разработка и внедрение AI-решений (Classic NLP, LLM-приложения, AI-агенты) для повышения эффективности приоритетных стратегических процессов банка с потенциалом использования на внешнем рынке.
• Создание SotA-решений с учетом специфики банка.

Почему нас выбирают

• Возможность использовать передовые AI-технологии и платформы банка.
• Участие в развитии инновационных сервисов стратегического блока, которые приносят реальную пользу процессам и продуктам всего банка и быстро попадают в поле зрения ключевых руководителей.
• Возможность участия в международных проектах и конференциях по AI и ML.
• Работа в дружной команде профессионалов, ориентированной на достижение самых амбициозных целей и постоянное развитие.

Обязанности

• Разработка и внедрение AI-сервисов (Classic NLP, LLM-приложения, AI-агенты, диалоговые системы) от этапа MVP до ПРОМ (CRISP-DM).
• Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, NER, Semantic Search, Clustering и др.
• Создание мультиагентных пайплайнов на основе фреймворков для работы с LLM (LangGraph, LangChain/GigaChain, LlamaIndex и др.).
• Адаптация и обучение языковых моделей на основе внутренних и внешних данных (Prompt Tuning, RAG, PEFT, SFT).
• Индексация и ранжирование текстовых документов.
• Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.
• Оптимизация AI-сервисов в промышленной среде.
• Участие в валидации и автомониторинге моделей, проведение A/B-тестирования.

Требования

• Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики и информатики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, Сколтех.
• Опыт в разработке NLP-моделей и рекомендательных систем.
• 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.
• Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers.
• WEB-фреймворки: FastAPI (async methods), Flask и др.
• Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).
• Знание агентных архитектур (ReAct, Blackboard, Multi-agent и др.).
• Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).
• Контейнеризация: Docker, OpenShift.

Условия

• Гибкий гибрид (обсуждаем индивидуально).
• Современный IT-офис вблизи Москва-Сити с фитнес-залом.
• Ипотека с выгодой для 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.

Доход и график обсуждаем с каждым индивидуально.

Разработка ИИ-агентов для извлечения инсайтов и формирования рекомендаций на базе неструктурированных данных (транскрипты встреч, документы).

Обязанности

• Разработка методов выявления латентных паттернов личностных качеств (склонность к инновациям, лидерские качества, коммуникативные навыки) из массивов неструктурированных данных.
• Создание end-to-end ИИ-сервиса: от proof-of-concept до промышленной эксплуатации.
• Проектирование промптов и цепочек вызовов LLM для извлечения психометрических характеристик.
• Валидация результатов через A/B-тестирование и сравнение с экспертными оценками.

Требования

• Глубокая экспертиза в LangChain, LangGraph для построения multi-agent систем.
• Практический опыт вывода ИИ-сервисов в промышленную эксплуатацию.
• Опыт в sentiment analysis, emotion detection, personality assessment через NLP.
• Знание методов unsupervised learning для pattern mining (topic modeling, clustering).
• Опыт prompt engineering и chain-of-thought reasoning для LLM.
• Понимание психометрических моделей (Big Five, DISC) и их применения через ИИ.
• Опыт работы с long-context LLM и методами обработки больших документов (MapReduce, summarization chains).
• Знание методов оценки качества извлеченных инсайтов и построения метрик.

Условия

• Удаленка или гибкий гибрид (обсуждаем индивидуально).
• Современный IT-офис вблизи Москва-Сити с фитнес-залом.
• Высокий уровень дохода (обсуждаем индивидуально), готовые премии.
• Ипотека выгоднее на 4% 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 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, 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.

Улучшение качества поиска по корпоративным данным через внедрение GraphRAG в систему Agentic RAG (DeepResearch) (ИИ помощник для руководителей Сбера).

Обязанности

• Проектирование и настройка пайплайна извлечения сущностей и связей из структурированных и неструктурированных данных (NER, relation extraction).
• Координация работы команды DE/DS для реализации end-to-end сервиса GraphRAG и вывода в промышленную эксплуатацию.
• Разработка стратегий построения и обновления knowledge graph для RAG-системы.
• Оптимизация graph traversal алгоритмов для улучшения релевантности поиска.

Требования

• Опыт работы с графовыми СУБД (Neo4j, ArangoDB, Neptune) и graph embeddings.
• Глубокая экспертиза в LangChain, LangGraph для построения RAG-систем и AI-агентов.
• Практический опыт вывода AI-сервисов в промышленную эксплуатацию.
• Опыт в Named Entity Recognition (NER) и Relation Extraction с использованием LLM.
• Знание методов graph neural networks (GNN) и их применения в RAG.
• Опыт работы с embedding моделями (sentence transformers, OpenAI embeddings) и векторными БД.
• Понимание архитектур RAG: naive RAG, advanced RAG, modular RAG, GraphRAG.

Условия

• Возможен удаленный, гибридный или офисный формат на выбор.
• Ипотека выгоднее для каждого сотрудника и льготные условия кредитования.
• Фитнес-залы в офисах.
• Бесплатная подписка СберПрайм+.
• Скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Delivery Club, Самокат, Сбер Еаптека и другие.
• ДМС с первого дня и льготное страхование для близких; корпоративная пенсионная программа.
• Курсы для будущих родителей, материальная поддержка и тематическое сообщество для молодых мам.
• Детский отдых и подарки за счет Компании.
• 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.
• Реферальная программа для сотрудников: можно пригласить в команду знакомых профессионалов и получить вознаграждение до 100 тыс. рублей.