Вакансии ML-разработчика и Data Scientist
Анализ данных, обучение и оценка моделей машинного обучения. Разработка приложений поверх готовых AI-моделей и эксплуатация ML представлены отдельно. Обновляется каждый час. Найдено: 160 вакансий за последнюю неделю.
- Вакансий за неделю:
- 160
- Медиана:
- 400 000 ₽
- Вилка:
- 267 600 ₽ — 550 000 ₽
Зарплаты — по 172 вакансиям с указанной вилкой за 30 дней
Поиск вакансий
HireSeeker — агрегатор вакансий. Собираем вакансии со всех основных площадок и показываем по вашей специальности. Подпишитесь на ежедневную подборку только релевантных.
Команда оценки благосостояния занимается разработкой алгоритмов оценки платёжеспособности клиентов, чтобы принимать более точные и честные решения по кредитам. Наша работа лежит в основе скоринга, верификации и персонализации финансовых продуктов. Мы стремимся повысить эффективность процессов, снизить риски и одновременно расширить доступ к кредитам для добросовестных клиентов
- Оценивать платёжеспособность клиентов, исследовать источники данных, строить модели оценки дохода и кредитной нагрузки, внедрять их в скоринг
- Сегментировать клиентов по уровню благосостояния, использовать данные экосистемы для ранжирования и персонализации решений.
- Проверять гипотезы, применять A/B-тестирование, методы прикладной статистики и ML-подходы
- Оптимизировать ручные проверки — определять, кто действительно нуждается в ручной верификации, чтобы снизить нагрузку на операции и повысить прибыль
- Строить модели оценки дохода и благосостояния клиентов
- Знание теории вероятностей
- Знание математической статистики и классических методов машинного обучения
- Владение SQL, Python (pandas, sklearn)
- Умение анализировать бизнес-процессы
- Умение адаптировать скоринговые модели под стратегию
- Гибридный график и офис у метро «Белорусская», в котором есть все что нужно: Т-Клиника, салон красоты, фитнес-зоны, комнаты для сна и медитации. Если захочется поработать на свежем воздухе — терраса с панорамным видом
- 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
- Завтраки и обеды в Т-Кафе. В офисе есть ресторан и кофейни, на каждом этаже — кухня, где можно перекусить
- 3 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
Senior Machine Learning Engineer (Supply Network Planning / Operations Research) 🧠📦
Ставка: до 305 000 руб. на руки в месяц.
Грейд: Senior.
Загрузка: Full-time (полная занятость).
Старт: ASAP.
Длительность: До конца года + опция продления.
Формат: Удалённо.
Часовой пояс: МСК (UTC+3).
Локация/Гражданство: РФ, РБ.
О проекте: крупная ИТ-компания. Разработка модулей планирования снабжения и производства для оптимизации запасов и календарного планирования в крупном ритейле (сектор FMCG).
О роли: ищем сильного Senior-специалиста на стыке Machine Learning, Operations Research и Software Engineering. Вы будете формализовать сложные бизнес-задачи в математические модели, строить алгоритмы оптимизации и интегрировать современные ИИ-агенты в процессы планирования цепочек поставок.
Ключевые задачи:
- Проектирование и реализация компонентов для календарного и производственного планирования.
- Оптимизация запасов.
- Формализация бизнес-задач как задач математической оптимизации (LP, MILP).
- Разработка и анализ математических моделей линейного и смешанно-целочисленного программирования.
- Постановка задач ИИ-агентам, управление контекстом, проверка и интеграция результатов в кодовую базу.
Обязательные требования (Hard Skills):
Python и разработка (КРИТИЧНО!):
- Опыт промышленной разработки на Python уровня Senior.
- Глубокое знание алгоритмов, структур данных, оценка сложности по Big O.
- Шаблоны ООП и проектирование сложных вычислительных решений.
- Навыки юнит- и интеграционного тестирования.
Математическая оптимизация и OR (КРИТИЧНО!):
- Опыт работы в области Operations Research, систем планирования производства (APS), логистики или Supply Chain Management.
- Практический опыт построения моделей дискретной и линейной оптимизации для реальных бизнес-задач.
Инструменты и процессы:
- SQL и работа с PostgreSQL (уровень Middle+).
- Агентная разработка с использованием ИИ (уровень Middle+).
- Уверенное владение Git (Middle+): работа с ветками, управление изменениями, разрешение конфликтов, создание Merge Requests, участие в Code Review.
Будет весомым плюсом:
- Инструменты оптимизации: Pyomo, OR-Tools, PuLP, COIN-OR.
- Решатели (Solvers): Gurobi, CPLEX, SCIP, COPT, GLPK.
- Опыт декомпозиции крупномасштабных задач оптимизации.
- Знание CP / CP-SAT и других методов дискретной оптимизации, многокритериальная оптимизация (multi-objective optimization).
- Навыки настройки решателей (solver tuning) и оптимизации математических моделей.
- Опыт конкурентных и параллельных вычислений (многопоточность, многопроцессность), профилирование и управление памятью.
- Опыт разработки REST API приложений.
- Знание принципов CI/CD, работа в Unix-подобных системах, Docker.
- Наличие специализированных курсов по Discrete Optimization, Operations Research или алгоритмам.
Образование:
- Высшее техническое или математическое (прикладная математика, кибернетика, информационные технологии).
Важно: Заказчик предоставляет собственное оборудование, на котором будет работать специалист.
Просим обратить внимание перед откликом!
Мы — страховая компания, не имеющая государственной аккредитации в области информационных технологий (IT-аккредитации)
Данное обстоятельство должно быть учтено при рассмотрении вакансии и принятии решения об отклике
В настоящий момент мы находимся в поиске ML/LLM/EVAL разработчика
Обязанности:
- Разработка, проектирование и описание RAG-архитектуры (Retrieval-Augmented Generation)
- Разработка и внедрение решений на базе ML/LLM для поиска, обработки и анализа документов
- Реализация и оптимизация механизмов поиска информации, работы с embeddings и векторными базами данных
- Разработка backend-сервисов на Python, работа с SQL и интеграция языковых моделей в существующую архитектуру программных продуктов
- Разработка систем оценки качества AI-решений (Evaluation): формирование тестовых наборов, измерение точности поиска и ответов, выявление ошибок и проведение сравнительного тестирования моделей и версий системы
- Анализ причин ошибок и оптимизация качества, производительности и стабильности ML/LLM-решени
- Разработка механизмов контроля качества и предотвращения регрессий при изменении моделей, промптов и компонентов RAG-системы.
- ML/LLM: практический опыт работы с большими языковыми моделями, RAG-архитектурой, поиском и обработкой документов, embeddings и векторными базами данных
- Разработка: уверенное владение Python и SQL, опыт разработки backend-сервисов, интеграции моделей и работы с существующей архитектурой программных продуктов
- Evaluation: опыт построения систем оценки качества AI, формирования тестовых наборов, измерения точности поиска и генерации ответов, выявления ошибок и сравнительного тестирования моделей
- Оптимизация: опыт повышения точности, производительности и стабильности ML/LLM-решений, анализа причин ошибок и предотвращения регрессий
- Знание английского языка, (опыт кодинг на английском) b1-b2, фокус на письменную речь
- Официальное трудоустройство с соблюдением всех требований ТК РФ
- Фиксированная окладная часть +годовой бонус по результатам работы
- Гибридный формат работы;
- График работы 5/2, пн-чт: c 9.00-18.00, пт: с 9.00 до 16.45
- Офис в шаговой доступности от ст. м Павелецкая/Новокузнецкая/Третьяковская (Озерковская наб.,30)
- Полис Добровольного медицинского страхования со стоматологией после полугода работы - медицинское обслуживание в лучших клиниках города
- Корпоративные скидки на страхование для сотрудников
- Активная корпоративная жизнь: конкурсы, тимбилдинги, участие в социальных мероприятиях
Мы ищем ML инженера, который будет помогать команде превращать ML-модели и исследовательские прототипы в production-ready сервисы. Основной фокус роли: разработка API для инференса моделей и подготовка сервисов к эксплуатации в промышленной среде.
Обязанности
- Разработка backend-сервисов на Python для оборачивания ML-моделей в production API;
- Подготовка сервисов к production эксплуатации;
- Работа с БД, очередями, внешними API и внутренними сервисами
- Написание unit/integration-тестов, участие в code review и технической декомпозиции задач;
- Взаимодействие с DS, MLOps по вопросам производительности, стабильности и деплоя моделей.
Требования
- Опыт backend-разработки на Python;
- Опыт внедорения ML моделей в production;
- Опыт разработки API на FastAPI или аналогичных фреймворках;
- Опыт работы с PostgreSQL или другой реляционной БД;
- Опыт работы с контейнеризацией и оркестрацией (Docker, Kubernetes);
- Понимание принципов логирования, мониторинга и диагностики backend-сервисов;
- Понимание CI/CD-практик;
- Понимание работы ML моделей;
- Опыт интеграции ML-моделей в backend-сервисы;
- Опыт работы с MLflow, S3, model registry или artifact storage;
- Опыт с Kafka, RabbitMQ, Redis, Celery или другими механизмами асинхронной обработки;
- Опыт оптимизации inference-сервисов по latency, throughput, CPU/RAM/GPU;
- Опыт обучения DL моделей.
Условия
- Гибридный формат работы (современный офис м.Проспект Мира);
- Льготные ипотечные условия кредитования;
- Подписка Прайм с возможностью совместного использования на трёх близких, скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Delivery Club, Самокат, Ситимобил, Сбер Еаптека и другие;
- ДМС с первого дня и скидки на страхование для близких;
- Корпоративная пенсионная программа;
- Детский отдых и подарки за счет Компании;
- Обучение за счет Компании, Онлайн курсы, неограниченный доступ к библиотеке и обучение на базе Корпоративного университета, тренинги, митапы и возможность получить новую квалификации.
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.
• 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
• Обучение в российском ВУЗе на 3-6 курсе бакалавриата и специалитета или 1-2 курсе магистратуры (очная форма)
• Python, Linux
• Глубокое понимание теоретических и практических аспектов LLM: архитектура, токенизация, построение пайплайнов, batching, mixed precitions, распределенное обучение
• Подтвержденный практический опыт обучения LLM (pre-training, fine-tuning, aligment) в учебных проектах, статьях или курсах
• Опыт разработки на Python, опыт работы в Linux системах, знание стандартных bash команды
• Умение работать как с кодовыми ассистентами, в том числе в изолированном окружении без интернета
• Оплачиваемая стажировка
• Длительность стажировки: 3 месяца
• Формат работы - гибрид, занятость от 20 часов в неделю
• Комфортный современный офис в г. Москва рядом с метро Кутузовская
• Корпоративный спортзал и зоны отдыха
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• Вознаграждение за рекомендацию друзей в команду Сбера
Data Scientist
Местоположение: Москва
Формат работы: Удаленно
Опубликована: ••••••••
Требования:
• Опыт разработки и внедрения ML/LLM-решений в продакшен
• Разработка ИИ-агентов на LangChain / LangGraph
• Опыт реализации enterprise RAG
• Параллельные и конкурентные задачи: asyncio, threads, процессы
Контакт: ••••••••
•••••••• опубликована в ••••••••
Aston — аккредитованная аутсорсинговая IT-компания, работающая с 2007 года. Наш штат насчитывает 2500+ специалистов. Мы разрабатываем программное обеспечение и IT-решения в сферах Finance, Healthcare, eCommerce, IoT, Media, Big Data, ML и многом другом.
Предлагаем присоединиться в роли Data Scientist и работать над проектом заказчика.
Заказчик - крупнейший коммерческий банк страны, лидер по объему активов и цифровому развитию. Активно продвигает мобильные сервисы, ценит скорость, гибкость и неформальный подход внутри команд. Многократно отмечен престижными наградами, в том числе «Bank of the Year in Russia 2019» (The Banker) и «Best Mortgage Bank in CEE» (Global Finance).
Чем предстоит заниматься?
- заниматься построением моделей чувствительности и ценообразования для банковских продуктов;
- генерировать и тестировать гипотезы для улучшения процесса прайсинга юридических лиц с помощью моделей;
- оптимизировать существующие модели банка - тестировать новые источники данных для моделей;
- совместно с командами DE, MLOps, мониторинга внедрять модели в промышленные процессы;
- презентовать бизнесу результаты работы, обсуждать применение моделей.
Чего мы ждем от специалиста?
- опыт работы в роли Data Scientist от 5-ти лет;
- знание классического ML;
- опыт построения uplift-моделей или моделей чувствительности
- опыт работы с задачами ценообразования;
- промышленный опыт разработки и внедрения моделей на табличных данных;
- уверенное владение ML-стеком Python: lightgbm/xgboost/catboost, Scikit-Learn, Pandas, Numpy;
- умение работать с инструментами Spark, Hadoop, Hive;
- знание SQL/PySpark.
Будет плюсом:
- опыт работы с банковскими продуктами;
- опыт построения рекомендательных систем.
Что мы предлагаем?
-
Хорошая зарплата: уровень обсуждается индивидуально, есть доплаты за менторство и профактивности.
-
Развитие: долгосрочные проекты от российских заказчиков, возможность менять направления, прозрачная система Performance Review.
-
Комфорт и свобода: релокейт между офисами, выбор формата работы (удалённо, офис, гибрид), адаптация для новых сотрудников.
-
Обучение: доступ к корпоративному порталу, митапам, конференциям (и как гость, и как спикер).
-
Социальный пакет: ДМС со стоматологией, частичная компенсация спорта, бесплатный английский, оплачиваемый отпуск и больничные.
-
Корпоративная жизнь: тимбилдинги, детские праздники, внутренние мероприятия.
Наши офисы:
-
Москва (ул. Вильгельма Пика, 11, БЦ «Ботаника», 13 эт., оф. 1310),
-
Санкт-Петербург (Владимирский проспект, д. 23, 8 этаж),
-
Казань (Н. Ершова, 76/1),
-
Нижний Новгород (ул. Новая, 28, коворкинг "VMESTE"),
-
Самара (IT парк Монте Роза).
Откликайтесь, если вы готовы расти и развиваться вместе с командой ASTON!
Наш рекрутер свяжется с вами, чтобы обсудить детали.
Крупнейший универсальный коммерческий банк Казахстана приглашает тебя в свою команду. Мы ищем талантливых людей, готовых развиваться и расти вместе с нами.
Группа Halyk – это более 17 000 сотрудников в Казахстане и ряде других стран. Наш банк успешно работает на благо своих клиентов уже 100 лет. Мы оказываем услуги во всех сегментах финансового рынка: банковском, страховом, ценных бумаг, лизинговом.
Что ты будешь делать:
- Разработка, внедрение и сопровождение ML-моделей для выявления и предотвращения мошенничества;
- Оценка эффективности ML-моделей, проведение валидации, бэк-тестирования, рекалибровки.
- Проведение анализа клиентской базы на основе транзакционных, поведенческих и иных признаков с целью выявления аномалий, оценки мошеннических рисков;
- Разработка и оптимизация признаков (Feature Engineering), включая поведенческие, агрегированные и графовые характеристики.
Что мы ждем от тебя:
- Высшее техническое, математическое или экономическое образование;
- Опыт работы в Data Science/Machine Learning от 4 лет;
- Уверенное владение Python и библиотеками Pandas, NumPy, Scikit-Learn, практической опыт работы с алгоритмами машинного обучения CatBoost, LightGBM, XGBoost, Random Forestm Logistic Regression;
- Глубокое понимание методов классификации, обнаружения аномалий, Feautre engiinering и Feature Selection;
- Знание математической статистики, теории вероятностей, методов проверки гипотез и экспериментального анализа;
- Опыт работы с несбалансированными выборками и редкими событиями;
- Опыт построения, валидации, интерпретации и мониторинга ML-моделей (регрессия, классификация, кластеризация);
- Понимание принципов MLOps, жизненного цикла ML-моделей, версионирования и воспроизводимости экспериментов;
- Опыт работы с Git, MLflow или другими аналогичными инструментами;
- Способность самостоятельно вести полный цикл разработки ML-модели - от исследования данных до внедрения и оценки бизнес-эффекта.
Мы предлагаем:
- Уникальный опыт, интересные задачи и проекты;
- Применение инновационных технологий в работе;
- Обучение и тренинги;
- Конкурентная оплата труда в соответствии с международными стандартами.
Заинтересовала вакансия? Откликайся!
Наша команда занимается развитием клиентского опыта. Мы анализируем обратную связь и помогаем делать сервис «Кредитный потенциал» лучше.
• Вычитка и анализ комментариев CSI
• Анализ жалоб и консультаций по сервису «Кредитный потенциал»
• Обучение в российском ВУЗе на 3-6 курсе бакалавриата и специалитета или 1-2 курсе магистратуры (очная форма)
• Excel
• Поиск и анализ информации
• Оплачиваемая стажировка
• Длительность стажировки: 3 месяца
• Формат работы - гибрид, занятость 40 часов в неделю
• Комфортный современный офис в г. Москва рядом с метро Кутузовская
• Корпоративный спортзал и зоны отдыха
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• Вознаграждение за рекомендацию друзей в команду Сбера
Machine Learning Engineer в ••••••••
📍Барселона (нужен work-permit)
💎Python, NumPy, pandas, scikit-learn, PyTorch/TensorFlow, SQL
🚀•••••••• — Владимир Лупенко, партнер Financial Consulting Group и сооснователь CarPrice, и Диляра Лупенко, ex Акватон.
•••••••• — сеть стоматологий и разработчик технологий, в том числе невидимых элайнеров. •••••••• вошел в топ самых быстрорастущих компаний health-tech по версии Forbes.
Размер команды — 1000+ | Инвестиции — $110M🔥
Узнать подробнее и откликнуться: ••••••••
Другие вакансии:
— ••••••••
— ••••••••
ВОДОВОЗ.RU — лидер в сфере доставки чистой питьевой воды в Москве и области. Мы ценим командную работу, развитие сотрудников и технологичность. Наша миссия — делать жизнь людей удобнее и лучше. Присоединяйтесь к нам и станьте частью сильной, заботливой и амбициозной команды!
Ваши задачи:
- Собрать и структурировать всю информацию о водителях: данные по доставкам, количеству претензий, качеству работы, внешнему виду и другим параметрам;
- Проанализировать собранные данные с помощью BI-инструментов и ML;
- Разработать и внедрить модели искусственного интеллекта для построения объективного рейтинга водителей;
- Визуализировать результаты анализа и готовить понятные отчёты для руководства и смежных отделов;
- Совместно с командой предлагать улучшения бизнес-процессов на основе аналитических выводов;
- Следить за актуальностью и корректностью данных, обеспечивать их безопасность и конфиденциальность.
Наши ожидания:
- Опыт работы в аналитике данных или BI от 1 года.
- Уверенное владение инструментами анализа данных (SQL, Excel, Power BI, Tableau или аналогичными).
- Практические навыки работы с Python или другим языком для анализа данных и построения моделей машинного обучения.
- Понимание принципов построения рейтинговых систем и оценки качества работы сотрудников.
- Умение работать с большими объёмами информации, структурировать и визуализировать данные.
- Аналитический склад ума, внимательность к деталям, самостоятельность и инициативность.
- Готовность к командной работе и открытость к новым знаниям.
Условия и преимущества:
- График работы 5/2, 8-часовой рабочий день.
- Возможности для профессионального роста и развития в сфере AI/ML.
- Работа в сильной команде, где ценят идеи и поддерживают инициативу.
- Корпоративная культура, ориентированная на заботу, уважение и командную работу.
- Современный офис и комфортные условия труда.
Удалённая работа — географически не привязана. Щёлкни по любой из локаций, чтобы открыть оригинальную карточку.
О компании
ООО «НейроЗрение Групп» — дочерняя компания ООО «Цифровая платформа КАМАЗ» и ООО «Университетская стартап-студия». Работает под общим брендом «КАМАЗ Диджитал». Компания находится в Набережных Челнах и разрабатывает систему промышленного компьютерного зрения «Оптера». Аккредитация ИТ-организации в процессе оформления.
«Оптера» анализирует видео с рабочих мест: потоки с камер (RTSP, API систем видеонаблюдения) и архивные записи. Основные функциональные блоки:
– анализ производительности: классификация действий по заданным категориям, фиксация простоев, лишних перемещений и выполнения технологических операций, диаграммы загрузки и маршрутов перемещений, выявление отклонений от рабочего процесса. Применяется в том числе для балансировки линий;
– эргономика: оценка рабочих поз по методике REBA, выявление рабочих мест с повышенной физической нагрузкой;
– охрана труда: контроль наличия средств индивидуальной защиты;
– работа с деталями: детекция и подсчёт, идентификация детали по фотографии с выдачей обозначения, чертежа и 3D-модели (веб-интерфейс и мобильное приложение), контроль качества лакокрасочного покрытия с привязкой к 3D-модели;
– оповещения о событиях и отклонениях на почту и в корпоративные мессенджеры.
Данные обрабатываются в обезличенном виде, без биометрии. Система разворачивается в закрытом контуре предприятия или в облаке и строится на отечественных и свободно распространяемых компонентах. Внешние системы подключаются через REST API. Решения проходят апробацию на производстве ПАО «КАМАЗ».
Развитие продукта
Концептуально «Оптера» должна стать частью единого контура цифрового производства «КАМАЗ Диджитал». Интеграция планируется к реализации, и её архитектуру предстоит выстроить техлиду:
– связка с MDC-системой «Сигнал» (мониторинг оборудования): сопоставление простоев оборудования с действиями персонала на тех же рабочих местах и в те же интервалы времени;
– связка с MES-системой «Пульс» (оперативное управление производством): привязка видеоаналитики к сменам, производственным заданиям и технологическим операциям, сравнение плана и факта;
– общая модель данных и единые справочники (участки, рабочие места, смены, операции), обмен событиями через брокер сообщений и REST API;
– слой интерпретации данных на базе ИИ поверх трёх систем: поиск первопричин потерь и подготовка рекомендаций по изменению участка.
Цель — единая картина по оборудованию, персоналу и производственным заданиям вместо трёх отдельных систем.
Мы ищем технического лидера, который возглавит разработку «Оптеры»: CV/ML-сервисы, серверную часть, веб-интерфейс и развёртывание. Продукт состоит из нескольких десятков сервисов на Python и Vue, работает на GPU и разворачивается в Kubernetes, в том числе в закрытом контуре заказчика на Astra Linux. Техлид отвечает за архитектуру, качество и сроки, растит команду и сам пишет код на ключевых участках. Подчинение — владельцу продукта.
Функциональные обязанности
– Руководство командой (CV/ML, backend, frontend, DevOps): роли, зоны ответственности, распределение задач.
– Найм: профиль вакансий, технические интервью, онбординг.
– Организация процесса: Scrum или Kanban, планирование спринтов и релизов, бэклог, демо и ретроспективы.
– Декомпозиция требований заказчика в задачи с критериями приёмки и оценкой трудоёмкости.
– Контроль сроков и качества: риски, блокеры, приёмка перед выпуском.
– Развитие команды: встречи один на один, обратная связь, планы развития, оценка результатов.
– Обмен знаниями: code review, технические разборы, документация решений.
– Согласование приоритетов и сроков со смежными командами, подрядчиками и заказчиками.
– Отчётность перед владельцем продукта: статус, загрузка, риски, потребность в ресурсах.
– Архитектура платформы: границы сервисов, контракты API и сообщений, схема данных, конвейер обработки многочасовых видео от приёма до отчёта, требования к производительности и отказоустойчивости.
– Технические решения по ML-контуру: выбор и замена моделей, путь от обучения до продакшн-инференса (ONNX, TensorRT), бюджет GPU и задержек, воспроизводимость экспериментов.
– Инженерные стандарты: code review, git-flow, тестирование, линтеры и типизация, CI/CD, наблюдаемость, разбор инцидентов, управление техническим долгом.
– Развёртывание у заказчиков: облако и закрытый контур без интернета, собственные реестры образов (Nexus, Harbor), сертифицированные ОС (Astra Linux).
Требования
Опыт и уровень:
– Коммерческая разработка от 6 лет, из них не менее 2 лет в роли техлида, тимлида или ведущего разработчика с командой от 4 человек.
– Опыт вывода в продакшн и сопровождения продукта.
– Опыт проектирования распределённой системы из нескольких сервисов с очередями и долгими фоновыми задачами.
– Готовность к командировкам на площадки заказчиков.
Технические компетенции:
– Python 3.11+ на уровне эксперта: asyncio, FastAPI, Pydantic, SQLAlchemy + Alembic, PostgreSQL, Redis.
– Очереди и фоновые задачи: RabbitMQ (или Kafka), Celery. Ретраи, идемпотентность, задачи, которые идут часами.
– Компьютерное зрение в продакшене будет плюсом: важно уметь принимать решения по ML-части и проверять работу CV-инженеров, но не обязательно самому обучать модели каждый день.
– Работа с видео: FFmpeg, OpenCV, RTSP, обработка больших файлов в S3-совместимом хранилище – как плюс
– Docker, Kubernetes и Helm на уровне понимания развёртывания: ресурсы и лимиты, GPU-узлы, обновления без простоя.
– CI/CD в GitLab, наблюдаемость (Prometheus, Grafana, Elastic APM), структурированное логирование.
– Безопасность: Keycloak, OAuth2/JWT, LDAP/AD заказчика, хранение секретов в Vault, ролевая модель доступа.
– Понимание frontend-части на уровне архитектуры и ревью: Vue 3, TypeScript, Vite.
Будет плюсом:
– Опыт развёртывания в закрытом контуре без интернета и на отечественных ОС (Astra Linux, РЕД ОС).
– Опыт подготовки ПО к включению в реестр российского ПО или к сертификации.
– Понимание открытых лицензий (MIT, Apache, GPL, AGPL, CC BY-NC, source-available) и их последствий для коммерческого продукта.
– MLOps: ClearML или MLflow, версионирование данных и моделей, разметка в CVAT.
– Векторные БД (Qdrant) и задачи поиска по эмбеддингам.
– Опыт в промышленности, MES или видеоаналитике: смены, техпроцессы, такт, балансировка линий.
– Опыт работы с LLM в продукте: слой интерпретации данных, RAG, агентные сценарии.
Стек: Python 3.11+, asyncio, FastAPI, Pydantic, SQLAlchemy, Alembic, PostgreSQL, Redis, RabbitMQ, Celery, S3, Qdrant, PyTorch, ultralytics, ONNX Runtime, TensorRT, CUDA, OpenCV, FFmpeg, ClearML, CVAT, Vue 3, TypeScript, Vite, Keycloak, Docker, Kubernetes, Helm, GitLab CI, Nexus, Harbor, Vault, Prometheus, Grafana, Elastic APM, Astra Linux, Яндекс.Облако.
Условия:
- Ипотека, отсрочка, стабильность. Решайте важные жизненные вопросы с нашей поддержкой: ИТ-ипотека и отсрочка от службы для тех, кому это актуально.
- Инвестиции в развитие. Компенсируем ваше обучение, английский (и не только), спортивные абонементы и билеты на конференции. Растите профессионально — мы поможем.
- Социальная политика. Специальная программа поддержки в разных жизненных ситуациях, включая мамины дни, подарки детям работников при поступлении в первый класс и на Новый год.
- Офис или удаленка. офисы в трех городах МСК, СПб и Набережные Челны или ваш собственный уютный домашний офис.
- Встречаемся онлайн и офлайн. Наши активности — от классических викторин в офисе до киберспортивных баталий на удаленке — не дадут заскучать.
ВКонтакте — крупнейшая российская социальная сеть, ежедневно ею пользуются десятки миллионов человек. Перед нами стоит амбициозная задача — развивать социальную сеть №1 в России и внедрять новые технологии. Мы ищем сильных ML-инженеров, которые помогут сделать наш продукт ещё более приятным и увлекательным для пользователей.
Сейчас наша команда работает над ростом социального графа и улучшением качества в разных компонентах продукта:
- Рекомендации историй
- Ранжирование комментариев
- Рекомендации каналов в мессенджере
Задачи
- Улучшать базовое качество рекомендаций и ранжирования
- Внедрять новые технологии — нейроранжирование, трансформеры, SID, авторские технологии
- Анализировать потребление контента, выдвигать и проверять гипотезы, проводить А/B-тесты
- Принимать участие в разработке сервисов (внедрять алгоритмы в бэкенд на Java)
Требования
- Совокупный опыт работы в ML от двух лет
- Знание классических алгоритмов ML и опыт их промышленного применения
- Знание алгоритмов и структур данных
- Уверенное владение Python, базовые знания SQL
- Открытость, самостоятельность и проактивность
Будет плюсом
- Опыт в сфере рекомендаций или смежных областях (поиск, реклама, маркетинг и другое) на позиции уровня middle и выше
- Опыт разработки сервисов на объектно ориентированном языке (C++, C#, Java, Python и другое) или Go
- Опыт работы с технологиями обработки больших данных (Hadoop, Hive, Spark, YT и другое)
Новый R&D проект по созданию AutoML для оптимизации системы Антифрод-правил.
Эффективность нашей системы Антифрод очень высока, однако этот результат достигается в том числе за счет мощной, но крайне сложной системы ветвистых правил и условий, которые годами создавались и поддерживались экспертами вручную.
Мы создаем инновационный механизм автоматической оптимизации и генерации антифрод-правил. Перед нами стоит амбициозная цель - перестроить сложные бизнес-правила с помощью автоматических алгоритмов, удерживая и улучшая метрики качества. Под капотом - симбиоз классического машинного обучения, методов оптимизации и извлечения знаний из данных. Это чистый R&D с прямым путем в Production
-
Исследования и R&D: Формулировать гипотезы, проводить эксперименты и искать новые математические и алгоритмические подходы к оптимизации и генерации правил
-
(rule learning, set cover, извлечение правил из ансамблей деревьев, кластеризация и тд).
-
Разработка ML-решений: Полный спектр задач классического машинного обучения для покрытия сложной логики принятия решений в Антифроде.
-
Работа с данными: Самостоятельно добывать, готовить и исследовать данные в хранилище Hadoop.
-
Внедрение: Разрабатывать решения на Python, встраивать компоненты в общий пайплайн AutoML.
-
Опыт: От 2 лет коммерческого опыта в роли Data Scientist или ML-инженера.
-
Широкий ML-кругозор: Уверенное практическое применение классического ML для задач классификации, регрессии и кластеризации (sklearn, Catboost и тд).
-
Инструментарий: Отличные практические навыки работы с Python и SQL. Уверенное владение библиотеками для анализа данных (Pandas, Polars).
-
Mindset: Пытливый ум, любовь к решению нестандартных задач и высокая толерантность к неопределенности. Готовность проводить много экспериментов, из которых не все будут успешными, но каждый будет давать новое знание.
Будет значительным преимуществом
-
Опыт работы с Big Data стеком: PySpark, Hadoop, Hive.
-
Опыт разработки AutoML-фреймворка, методов оптимизации с помощью ML-решений
-
Знание домена антифрод или информационной безопасности (финтех, телеком): понимание признаков и схем мошенничества
-
комфортный современный офис рядом с м. Кутузовская, формат работы - офис
-
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
-
бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
-
вознаграждение за рекомендацию друзей в команду Сбера.
Чем вы будете заниматься
Ваша задача — стать наставником нейросети в вопросах зоологии. Нам нужен ваш профессиональный опыт, чтобы модель научилась корректно отвечать на запросы, связанные с позвоночными и беспозвоночными животными. Вы будете проектировать эталонную логику ответов, находить ошибки и пробелы, а также повышать качество решений модели
Только ваша экспертность
Мы понимаем, что погружение в нюансы ИТ-продукта отнимает слишком много времени. Поэтому мы организовали процесс так, чтобы вы могли сосредоточиться на задачах своего профиля. Вам не нужно разбираться в коде или настраивать алгоритмы вручную: вы будете выступать как специалист по зоологии, а наша команда — внедрять ваши знания в логику модели
Какие задачи вас ждут
- Оценивать ответы ИИ на запросы по зоологии, указывать нейросети на явные и скрытые ошибки
- Сравнивать ответы и выбирать из них наиболее точный и обоснованный
- Определять качество источника, на который опирается ИИ для ответа на запрос
- Создавать эталонные ответы с помощью нейросети
Мы ждём, что вы
- Работали в НИИ, биофармацевтике или преподавании от 2 лет
- Получили высшее образование в области биологии, медицины или биотехнологий
- Умеете работать с базами данных (PubMed, NCBI, UniProt)
- Знаете английский на уровне Upper-Intermediate и выше
Для работы потребуются
- Компьютер с операционной системой Windows 10 или macOS версии 12 и выше
- Смартфон или планшет с операционной системой Android 10 или iOS 15.0 и выше
- Стабильное интернет-соединение со скоростью не менее 20 Мбит/с
- Тихое рабочее место, где вам никто не будет мешать
Что мы предлагаем
- Полную или частичную занятость от 10 часов в неделю
- Оформление по трудовому договору
- Удалённую работу
- Удобный график, который вы формируете самостоятельно. Главное — выполнять задачи, соблюдать дедлайны и быть на связи в рабочее время
- Возможности роста и развития
- Онлайн-консультации врачей и страхование от несчастных случаев (доступны через три и шесть месяцев соответственно)
- Скидки от партнёров и на продукты Яндекса
Эта вакансия может быть интересна тем, кто ищет работу по направлениям: научный сотрудник, старший научный сотрудник, младший научный сотрудник, преподаватель зоологии, доцент, профессор, ассистент кафедры зоологии/биологии, лаборант, инженер‑исследователь в области изучения животных, специалист R&D, биоинформатик с фокусом на систематике и филогении животных, специалист по таксономии и номенклатуре животных, исследователь в области физиологии, анатомии и поведения животных, специалист по экологии и охране фауны, эксперт по биоразнообразию и мониторингу популяций, аналитик зоологических данных, специалист по полевым зоологическим исследованиям, куратор зоологической коллекции, ментор или наставник
Мы – команда Центра компетенций искусственного интеллекта, часть ИТ-функции «Газпром нефти». Внедряем AI/ML-решения на всех этапах нефтегазового цикла: от разведки месторождений до нефтепереработки и логистики топлива. Наша цель – повысить эффективность производственных и бизнес-процессов с помощью передовых моделей на основе данных.
Обязанности:
1. LLM и агенты
- Разработка агентных систем для решения инженерных задач: работа с технической документацией, регламентами, расчётными методиками
- Проектирование и внедрение RAG-систем для извлечения знаний из технической документации и внутренних баз данных;
- Дообучение и адаптация открытых моделей под отраслевую специфику, оценка качества, построение бенчмарков на доменных данных
2. Оптимизация
- Расстановка скважин и планирование программы бурения
- Оптимизация логистики: маршрутизация, планирование поставок, управление запасами
- Оптимизация инфраструктуры и режимов работы объектов
- Постановка задач как MILP / нелинейных / стохастических, гибридные подходы «оптимизация + ML»
3. Классический ML и предиктивная аналитика
- Прогнозирование временных рядов: добыча, отказы оборудования, спрос
- Анализ изображений: интерпретация карт и сейсмических данных, дефектоскопия
- Видеоаналитика на промышленных объектах — контроль безопасности и технологических операций
Требования:
- Модели, доведённые до продакшена, а не только до ноутбука
- Опыт в одном из наших направлений (LLM, оптимизация, CV, временные ряды) и готовность освоить смежные
- Умение самостоятельно декомпозировать задачу от бизнес-формулировки до метрики
- Фундаментальные знания: Высшее техническое или математическое образование. Вы уверенно ориентируетесь в линейной алгебре, теории вероятностей, математической статистике и методах оптимизации
- Опыт в ML/DL: Понимаете принципы работы классических алгоритмов и ключевых архитектур нейронных сетей (CNN, RNN, Transformers)
- Production-ready код: Умеете работать с Git, Docker и консолью Linux. Пишете чистый, тестируемый код (ООП, CI/CD)
- Базовый MLOps: Docker, CI/CD, версионирование экспериментов
- Базы данных: Знаете основы SQL и можете самостоятельно получить нужные данные
Технологический стек
- Язык: Python
- Библиотеки: NumPy, Pandas, Scikit-learn, PyTorch, TensorFlow, Hugging Face Transformers
- LLM-фреймворки: LangChain, LangGraph, LlamaIndex, Haystack
- RL-фреймворки: RLlib, Stable Baselines3 и др.
- Инструменты: Git, Docker, Kubernetes, MLflow, Prometheus, Grafana, SQL
- Вычисления: собственный GPU-кластер
Не обязательно знать всё — важно, чтобы часть стека была вам знакома, а остальное вы были готовы освоить.
Будет преимуществом
- Знания в нефтегазовой отрасли (разработка месторождений, геология)
- Опыт применения Reinforcement Learning для решения прикладных задач
- Опыт работы с Kubernetes и облачными платформами
- Публикации, выступления, менторство
Условия:
- Гибридный формат работы;
- Официальное трудоустройство в аккредитованной ИТ-компании;
- Срочный трудовой договор от 6 месяцев с последующим продлением;
- Годовая премия по результатам деятельности, дополнительная материальная мотивация (премия из фонда руководителя);
- Качественная программа ДМС со стоматологией, социальный пакет;
- Конкурентоспособная заработная плата по результатам интервью;
- Корпоративные курсы, конференции, внутренние хакатоны;
- Дружная команда профессионалов и возможность расти вместе с лидером отрасли
Команда Рассрочек и Daily Credit Banking отвечает за кредитные продукты и связанные с ними риск-стратегии. Мы учитываем потребности клиентов, цели бизнеса и доходность кредитных продуктов.
Наша команда оценивает продуктовые гипотезы и экономику новых инициатив, ищет возможности для улучшения кредитного портфеля. С помощью финансового моделирования и продуктовой аналитики мы принимаем решения о развитии продуктов, изменении тарифов, лимитов и риск-стратегий.
- Разрабатывать и поддерживать финансовые модели NPV/LTV, следить за их актуальностью и качеством
- Адаптировать финансовые модели к изменениям продуктовых и рисковых стратегий: лимитно-тарифной политики, условий кредитования, стоимости фондирования, требований к капиталу, резервирования и других финансовых предпосылок
- Разрабатывать и актуализировать поведенческие кривые, учитывать результаты работы скоринговых моделей при прогнозировании денежных потоков и доходности кредитных продуктов
- Рассчитывать и анализировать ключевые показатели доходности продуктов и кредитного портфеля — NPV, IRR, ROE и другие, выявлять причины их изменения
- Моделировать разные сценарии развития продуктов, оценивать, как на доходность влияют изменения продуктовых условий, риск-профиля клиентов и макроэкономических предпосылок
- Разрабатывать и проводить продуктовые A/B-тесты: формулировать гипотезы, оценивать финансовый эффект инициатив и анализировать результаты экспериментов
- Анализировать клиентские и продуктовые сегменты с точки зрения рисков и доходности, оптимизировать рисковые стратегии и повышать эффективность продуктов
- Работать с продуктовыми и финансовыми командами, разработкой, юристами и другими коллегами над запуском инициатив и развитием продуктов
- У вас есть опыт построения моделей и автоматизации расчетов, опыт работы с SQL и Python
- Строили, развивали или адаптировали финансовые модели NPV/LTV, оценивали финансовый эффект продуктовых изменений и проводили стресс-тестирование
- Знаете математическую статистику и теорию вероятностей, умеете проводить и анализировать A/B-тесты
- Понимаете экономику кредитных продуктов: как формируются доходы и расходы, что влияет на стоимость фондирования, резервирование, требования к капиталу и доходность
- Знаете альтернативные методы оценки эффекта продуктовых изменений: когортный анализ, методы причинно-следственного анализа, базовые ML-подходы
- Умеете анализировать клиентское поведение и продуктовые процессы, выявлять причины изменения ключевых метрик
- Знаете методологию NPV/LTV: понимаете структуру денежных потоков, связь финансовых и поведенческих характеристик продукта, принципы расчета IRR и ROE
- Понимаете принципы работы скоринговых моделей, умеете оценивать их качество и калибровать
- Умеете интерпретировать результаты анализа и финансового моделирования, формулировать рекомендации по изменению продуктовых и рисковых стратегий
- Гибридный график и офис у метро «Белорусская»
- 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-Спорт» 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
Мы развиваем LLM Platform — внутреннюю платформу Т-Банка для создания и промышленной эксплуатации решений на базе больших языковых моделей. Она дает командам доступ к моделям, инструментам разработки AI-агентов, корпоративным данным, оценке качества, мониторингу и средствам безопасности.
Вместе с командами находим процессы, в которых ИИ может дать измеримый эффект: увеличить доход, сократить затраты или время выполнения операций, повысить качество и снизить количество ошибок. Проектируем решения, собираем их ключевые части, доводим до промышленного запуска и подтверждаем полученный результат.
Работаем на стыке инженерии, бизнеса и AI: принимаем технические решения, взаимодействуем со смежными командами и заказчиками и объединяем специалистов вокруг общего результата.
Обязанности
- Самостоятельно вести техническую реализацию AI-проектов: от исследования бизнес-процесса и выбора сценария до промышленного запуска и подтверждения эффекта.
- Вместе с бизнес-заказчиком и продуктовой командой определять проблему, ограничения, критерии успеха и способ измерения результата.
- Проектировать архитектуру агентных систем, выбирать модели, источники данных, инструменты, интеграции и механизмы контроля.
- Писать воспроизводимый код, оформлять эксперименты в воспроизводимые пайплайны, которые включают разметку и обработку данных, обучение моделей и валидацию системы в целом.
- Доводить первую рабочую версию до надежной эксплуатации: тестировать, настраивать мониторинг, разбирать сбои и обеспечивать необходимый уровень безопасности.
- Строить систему оценки качества AI-систем, анализировать ошибки и улучшать решение через изменение контекста, данных, инструментов, логики агента или используемой модели.
- Принимать решения о компромиссах между качеством, сроками, стоимостью эксплуатации и надежностью.
- Работать внутри команды-заказчика, задавать техническое направление и передавать ей код, знания и ответственность за дальнейшее развитие решения.
- Возвращать команде LLM-платформы опыт внедрений и превращать повторяющиеся решения в общие компоненты, инструкции и инженерные практики.
Требования
- У вас есть опыт работы ML-разработчиком в NLP-домене с использованием современных DL-фреймворков от 4 лет.
- Имеете опыт создания продукта на базе LLM или сервиса с нуля.
- Уверенно пишете и проверяете промышленный код на Python.
- Умеете самостоятельно пройти путь от неструктурированной задачи до работающей системы: разобраться в предметной области, сформулировать технический план, определить приоритеты и довести решение до результата.
- Умеете строить NLP-решения в продакшене: разрабатывать пайплайны, настраивать мониторинг, работать с деградациями и проводить A/B-тесты.
- Создавали и запускали в промышленную эксплуатацию агентные и другие решения на базе LLM.
- Понимаете, как устроены вызов инструментов, RAG, управление контекстом и состоянием, обработка ошибок, трассировка и оценка качества AI-систем.
- Умеете находить причины недостаточного качества: отличать ограничения модели от проблем в данных, контексте, инструментах, архитектуре или постановке задачи, последовательно проверять и применять способы улучшения.
- Умеете самостоятельно проектировать эксперименты, собирать наборы проверочных примеров и доказывать, что изменения действительно улучшили результат.
- Умеете вести техническое обсуждение с инженерами, руководителями продуктов и бизнес-заказчиками, объяснять ограничения и договариваться о критериях успеха.
- Регулярно используете AI-инструменты в разработке, понимаете их ограничения и проверяете полученный результат.
- Будет преимуществом опыт работы в ML-командах внедрения или технического лидерства в проектах с несколькими участниками.
- Будет преимуществом знание LangGraph, LangChain, LangFlow или аналогичных инструментов и опыт работы с LangFuse или другими системами трассировки и оценки качества.
- Будет преимуществом знание Go, Docker, Kubernetes, Helm и GitLab CI/CD.
- Будет преимуществом опыт внедрения решений в крупных продуктах с высокими требованиями к безопасности, доступам и надежности.
- Будет преимуществом умение самостоятельно собрать целое решение — от серверной части и интеграций до простого пользовательского интерфейса.
Мы предлагаем
- Работу в офисе или удаленно — по договоренности.
- 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.
Команда Управления аналитики по расходам и Process Mining создает сервис для подготовки финансово-экономической оценки объектов строительства.
В составе решения будет использоваться прогнозная модель, результаты которой должны быть встроены в общий расчётный процесс.
Ищем Data Scientist уровня Middle, который сможет разработать прогнозную модель и вместе с backend-разработчиком довести её до промышленного использования.
Чем предстоит заниматься:
- совместно с аналитиками формализовать задачу прогнозирования, целевые показатели, ограничения и критерии качества
- исследовать доступные данные, оценивать их пригодность и выявлять риски для построения модели
- разрабатывать базовые и улучшенные варианты модели, выбирать подход на основании измеримого качества и требований продукта.
- проверять устойчивость модели, отсутствие утечек данных и корректность процедуры проверки качества
- формировать требования к составу, качеству и обновлению входных данных
- реализовать подготовку признаков и работу модели как версионируемые программные компоненты, а не как набор несвязанных блокнотов и SQL-скриптов
- применять объектно-ориентированное проектирование для разделения этапов обработки, расчёта признаков, запуска модели и формирования результата
- покрывать критичную логику модульными и интеграционными тестами.
- вместе с backend-разработчиком проектировать контракты входных и выходных данных, порядок запуска модели и обработку ошибок
- участвовать в проектировании процессов регулярного и повторного расчёта
- обеспечивать воспроизводимость результата: для каждого расчёта должны быть известны версии исходных данных, подготовки признаков, модели, настроек и программного кода
- участвовать в организации проверок качества данных и результатов модели
- настраивать наблюдение за качеством модели после её запуска
- документировать принятые решения, ограничения модели и порядок её использования.
Мы ждем, что вы:
- имеете коммерческий опыт работы Data Scientist
- участвовали хотя бы в одном проекте, где модель была доведена до промышленного использования
- уверенно владеете Python
- хорошо понимаете объектно-ориентированное программирование и модульное проектирование
- умеете превращать исследовательский код в поддерживаемый программный компонент
- имеете опыт работы с табличными данными и задачами прогнозирования или регрессии
- понимаете методы проверки качества моделей, построения базового решения и предотвращения утечек данных
- имеете опыт работы с SQL и понимание того, какую логику следует оставлять в запросах, а какую переносить в программный код
- имеете опыт использования Git, проверки кода и автоматических тестов
- умеете работать совместно с backend-разработчиками и договариваться об интерфейсах между моделью и продуктом.
Что мы предлагаем:
- комфортный современный офис рядом с м. Кутузовская
- ежегодный пересмотр зарплаты, годовую премию
- корпоративный спортзал и зоны отдыха
- уникальную систему обучения Сбера для профессионального и карьерного развития
- расширенный ДМС и льготное страхование для семьи
- гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
- подписку Прайм с возможностью совместного использования на трёх близких
- вознаграждение за рекомендацию друзей в команду Сбера
- корпоративную пенсионную программу
• Проводить мониторинги бизнес моделей Альфы;
• Реализовывать и поддерживать процессы мониторинга моделей согласно требованиям бизнес-заказчиков и разработчиков;
• Регулярно формировать материалы для заинтересованных сторон о состоянии моделей;
• Разрабатывать и поддерживать методологию мониторинга и модельной аналитики;
Требования:
• Опыт валидации/мониторинга классических рисковых ML моделей;
• Владение Python (statsmodels, seaborn, pyspark и т.п.) и SQL в связке с Hadoop, Spark, Hive;
• Опыт работы с инструментами визуализации, желательно PowerBI;
• Хорошие знания в области математической статистики, классического ML (алгоритмы, метрики);
• Умение доносить сложные математические идеи до бизнес-заказчиков;
• Не обязательно, но будет здорово, если есть опыт работы с Airflow;
Условия:
• Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
• Гибкий график работы: вы сможете планировать время так, как удобно вам и вашей команде
• Полную удалёнку или гибрид на выбор, а также уютный ИТ-хаб в Москве, Санкт-Петербурге, Екатеринбурге и сезонный коворкинг в Сочи
• Сложные и интересные задачи, современный стек технологий
• Заботу о вашем здоровье: программа ДМС с первых дней работы, куда входит стоматология, обслуживание в лучших клиниках города, страхование и компенсация 10-ти дней больничного
• Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни
• Оплату посещения профильных конференций и курсов, помогаем с подготовкой к публичным выступлениям и написанием статей на Хабр
• Доступ к бесплатным корпоративным библиотекам Alpina Digital, МИФ и бизнес-изданий
• Работа у трижды лучшего работодателя РФ по версии hh.ru, Forbes, РБК
• Программа развития AI-грамотности: треки по работе с нейросетями от базового до продвинутого уровня
Мы — команда, которая разрабатывает решения для антифрода и антиспама и развивает единую антифрод-платформу. Используем ML/DL и графовые методы для выявления подозрительной активности и защиты продуктов VK.
Разрабатываем ML-пайплайны, интегрируем решения с продуктами, проверяем гипотезы и проводим эксперименты на больших объёмах данных.
Задачи
- Анализировать данные и находить новые угрозы и возможности для улучшения антифрода и антиспама
- Обеспечивать качество, стабильность и развитие решений в продакшене
Требования
- Уверенное владение Python
- Знание SQL (YQL)
- Знание ML и DL
- Понимание методов предобработки данных и feature engineering
- Опыт развёртывания и сопровождения ML-моделей
Будет плюсом
- Графовые методы и модели
- Большие данные: Spark, YTsaurus
- Оркестрация ML-пайплайнов: Airflow, OneFlow
- Мониторинг и BI: Grafana, Horizon/DataLens, Superset
Senior Quantitative Researcher ••••••••
Зарплата: $6500–8000
Местоположение: Весь мир
Формат работы: Удаленно
Опубликована: ••••••••
Требования:
• 2–3 Quant/ML-проекта от задачи до кода и решения
• Python, статистика, временные ряды
• Понимание микроструктуры рынка и механики исполнения
• Умение отличать реальный сигнал от оверфита
Контакт: ••••••••, ••••••••
•••••••• опубликована в ••••••••
-
Разработка, обучение и дообучение моделей машинного обучения (ML) для решения бизнес-задач, включая NLP, LLM, классификацию и прогнозирование
-
Сбор, обработка, очистка и подготовка данных для обучения моделей, проведение разметки данных и feature engineering
-
Проведение ML-экспериментов, подбор и оптимизация архитектур моделей и гиперпараметров, оценка качества с использованием профильных метрик
-
Работа с большими языковыми моделями (LLM): fine-tuning, разработка RAG-решений, prompt engineering и оценка качества генерируемых ответов
-
Интеграция и внедрение ML-моделей в промышленную эксплуатацию совместно с командой backend-разработки, оптимизация производительности и потребления вычислительных ресурсов
-
Мониторинг качества моделей в production, проведение A/B-тестирования, анализ бизнес-эффективности, выявление деградации и организация переобучения моделей
-
Уверенное знание Python, опыт работы с библиотеками NumPy, Pandas, Scikit-learn и SQL для обработки и анализа данных
-
Практический опыт разработки и обучения ML/DL-моделей с использованием PyTorch или TensorFlow, знание алгоритмов классического машинного обучения
-
Опыт работы с NLP и LLM: Hugging Face Transformers, fine-tuning, RAG и векторными базами данных
-
Понимание математической статистики, теории вероятностей, линейной алгебры, методов валидации и оценки качества ML-моделей
-
Опыт внедрения и сопровождения ML-моделей в production, знание принципов MLOps, инструментов MLflow, Docker, Git и Linux
-
Навыки проведения A/B-тестирования, анализа результатов экспериментов, умение работать в команде и доносить технические решения до бизнес-заказчиков
ДЛЯ ВАС МЫ ПРЕДЛАГАЕМ
- Официальное трудоустройство: оформление с полным пакетом социальных гарантий, включая отпуск и больничные
- Комфортные кафе и столовые: уютные пространства для общения с коллегами за чашкой кофе, обсуждения совместных проектов и последних корпоративных новостей
- Уникальная атмосфера в команде: разнообразие поколений и культур, способствующее созданию вдохновляющей рабочей среды
- Инвестиции в ваше будущее: повышение компетенций и внедрение лучших мировых практик для вашего профессионального роста
- Возможность посещения бизнес-мероприятий: участие в мероприятиях, способствующих расширению профессиональных связей и знаний
- Корпоративные фитнес-услуги: на площадке корпорации доступны фитнес-залы, залы для занятий йогой, SPA-центры и массажные кабинеты с персональной скидкой для сотрудников
- Поддержка на этапе адаптации: вас будет сопровождать наставник и руководитель, которые помогут вам бережно интегрироваться в коллектив.
ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:
- Разработка моделей машинного обучения
- Формирование гипотез улучшения качества работы моделей
- Проведение экспериментов по проверке гипотез и оценке качества моделей
- Подбор OpenSource и облачных моделей и алгоритмов под поставленные задачи
- Проведение анализа качества и репрезентативности данных
- Очистка и подготовка данных перед обучением моделей
- Feature engineering
- Формирование бенчмарков для обучения и тестирования моделей под поставленные задачи
- Определение метрик оценки качества моделей
- Подготовка моделей для production-использования
- Участие в разработке inference-pipeline
- Поддержка качества работы моделей
- Подбор OpenSource и облачных моделей и алгоритмов под поставленные задачи
- Проведение анализа качества и репрезентативности данных
- Очистка и подготовка данных перед обучением моделей
- Feature engineering
- Формирование бенчмарков для обучения и тестирования моделей под поставленные задачи
- Определение метрик оценки качества моделей
- Подготовка моделей для production-использования
- Участие в разработке inference-pipeline
- Поддержка качества работы моделей
НАШИ ПОЖЕЛАНИЯ К КАНДИДАТУ:
- Опыт работы в области машинного обучения и разработки AI-систем
- Глубокое понимание классических алгоритмов машинного обучения
- Глубокое понимание NLP, от классических методов до трансформеров и LLM
- Понимание метрик классификации, регрессии, ранжирования и информационного поиска
- Уверенное знание Python, ООП, структур данных и основных паттернов разработки
- Опыт работы с библиотеками машинного обучения и NLP
- Понимание принципов работы эмбеддингов и методов оценки их качества
- Опыт построения RAG-систем
- Опыт работы с векторными базами данных, например Qdrant или Milvus
- Опыт развертывания и оптимизации LLM
- Опыт работы с vLLM или SGLang
- Опыт работы с реляционными базами данных и SQL
- Опыт работы с Docker и Docker Compose
- Понимание REST API и клиент-серверной архитектуры
- Опыт работы с Git
Нard-skills:
- Python
- PyTorch
- Scikit-learn
- Hugging Face Transformers
- vLLM или SGLang
- Qdrant или Milvus
- PostgreSQL или MySQL
- Docker и Docker Compose
- Git
- Jupyter Notebook
- Linux
Будет плюсом:
- Опыт разработки AI-агентов
- Опыт работы с MCP
- Опыт работы с LangChain, LangGraph, LlamaIndex или аналогичными фреймворками
- Опыт работы с микросервисной архитектурой
- Опыт работы с системами мониторинга и логирования
ЧТО МЫ ПРЕДЛАГАЕМ:
- Конкурентный уровень заработной платы + премирование по итогам работы в соответствии с утвержденными внутренними политиками
- Оформление по ТК РФ
- Расширенная программа ДМС
- Возможность работать в гибридном формате
- Активная социальная жизнь (спортивные и культурные мероприятия, различные бонусы пространства Москва-Сити
#junior #гибрид #офис
••••••••
Junior CV инженер
Опыт работы: 1–3 года
Полная занятость
График: 5/2
Формат работы: гибрид или офис (Москва)
☑️ Чем предстоит заниматься
-Подготовка и анализ датасетов для задач компьютерного зрения
-Разметка и контроль качества данных
-Обучение и тестирование моделей компьютерного зрения
-Проведение экспериментов с архитектурами и параметрами моделей
-Анализ качества моделей и поиск причин ошибок
-Подготовка моделей к выводу в production совместно с командой разработки
☑️ Наши пожелания к кандидатам
-Базовое понимание машинного обучения и компьютерного зрения
-Уверенное владение Python
-Понимание процесса обучения и оценки моделей
-Желание разбираться в реальных промышленных задачах и данных
-Будет плюсом:
-Опыт работы с PyTorch или TensorFlow
-Опыт работы решения задач сегментации или трекинга
-Опыт работы с OpenCV
-Опыт разметки данных и работы с CVAT
-Участие в исследовательских или pet-проектах по CV
-Публикации, участие в хакатонах или соревнованиях
Контакты: ••••••••
🔥 •••••••• / •••••••• / ••••••••
Смотрите также в каталоге
Хотите персональную подборку?
Введите свои критерии — мы отфильтруем вакансии по вашим требованиям
Найти подходящие вакансии →