Data Science & ML — свежие вакансии

На проект 2-3 месяца требуется ML Engineer (Senior)

Обязанности:

- Проектирование и разработка production-ready ML, LLM, NLP и Computer Vision решений для автоматизации бизнес-процессов.

- Разработка моделей и пайплайнов для анализа документов и изображений, включая распознавание, классификацию и извлечение структурированных данных.

- Создание RAG-систем, AI-агентов и решений на базе локальных и облачных LLM.

- Разработка, обучение и оптимизация ML-моделей под задачи проекта, включая выбор архитектуры, функций потерь и стратегии валидации.

- Определение метрик качества, проведение экспериментов, валидации и анализа ошибок моделей.

- Оптимизация качества, скорости инференса, стоимости и потребления вычислительных ресурсов.

- Подготовка моделей к промышленной эксплуатации, мониторинг качества и организация переобучения.

Требования:

- От 3 лет коммерческого опыта в Machine Learning.

- Опыт создания и внедрения production ML, LLM, NLP или Computer Vision систем.

- Уверенное владение Python и опыт работы с PyTorch, Scikit-learn, CatBoost, LightGBM или XGBoost.

- Понимание метрик качества, методов валидации, анализа ошибок и оценки стабильности моделей.

- Опыт разработки LLM-приложений, RAG-систем и AI-агентов с использованием LangChain, LangGraph или аналогичных инструментов.

- Опыт проектирования retrieval-пайплайнов для RAG-систем и работы с векторными базами данных.

- Опыт решения задач OCR, анализа документов, изображений или разработки мультимодальных систем.

- Опыт оптимизации и сопровождения моделей в production.

Желательно:

- Знакомство с agentic tooling: Claude Code, Cursor или аналогичными инструментами.

- Понимание методов оптимизации локального инференса: квантизации, батчинга и управления вычислительными ресурсами.

- Опыт разработки решений для генерации текстового или мультимодального контента.

- Опыт развертывания и оптимизации локальных LLM с использованием vLLM или аналогичных решений.

Приглашаем студентов на стажировку по направлению машинного обучения. Вам предстоит работать с данными, участвовать в разработке и улучшении ML-моделей, проводить эксперименты и применять знания для решения практических задач.

Подготовка, обработка и анализ данных.

Обучение и тестирование моделей машинного обучения.

Оценка качества моделей и поиск способов их улучшения.

Проверка гипотез и проведение экспериментов.

Анализ и описание полученных результатов.

Обучение в ВШЭ, МФТИ или МИФИ.

Курс обучения: 3-6 курс бакалавриата и специалитета или 1-2 курс магистратуры.

Знание Python, опыт работы с NumPy, Pandas и Scikit-learn.

Понимание основных алгоритмов машинного обучения и метрик качества моделей.

Базовые знания математической статистики, теории вероятностей и линейной алгебры.

Базовое знание SQL и Git.

Готовность разбираться в новых задачах и работать в команде.

Будет преимуществом: опыт учебных или личных ML-проектов, знание основ Deep Learning и опыт работы с PyTorch или TensorFlow.

Оплачиваемая стажировка

Длительность стажировки: 3-6 месяцев

График работы: 20/40 часов

Гибридный формат

Комфортный современный офис

Автотаргетинг — это технология, которая помогает рекламодателям находить свою аудиторию в Поиске Яндекса без необходимости вручную перечислять все запросы, по которым должно показываться объявление. Автотаргетинг анализирует запрос пользователя и рекламное объявление, чтобы оценить, насколько рекламное предложение соответствует интересам пользователя. Сегодня на эту технологию приходится больше половины трафика поисковой рекламы, поэтому даже небольшие изменения в ней заметно влияют на пользовательский опыт на Поиске, продуктовые метрики и выручку Яндекса.

В основе автотаргетинга — NLP-модели, которые оценивают семантическое соответствие поискового запроса рекламному предложению. Развивая алгоритмы автотаргетинга, мы стремимся находить больше подходящих объявлений и сохранить высокое качество поисковой рекламы. Отдельный инженерный вызов — за короткое время, отведённое на ответ Поиска, выбрать несколько объявлений из многомиллионной базы и обеспечить работу моделей при нагрузке в десятки тысяч RPS.

Развитие технологии подбора рекламы по описанию запросов

В октябре у рекламодателей появляется новая возможность для более точной настройки автотаргетинга. Теперь рекламодатель сможет в свободной форме описать критерии, которым должны соответствовать запросы для показа его объявления, а система учтёт это описание при отборе рекламы. Вы будете улучшать модели, оценивающие соответствие запроса текстовому описанию, экспериментировать со способами его представления и разрабатывать алгоритмы генерации описаний на основе настроек и статистики рекламной кампании.

Развитие ML-моделей автотаргетинга

В автотаргетинге мы используем модели разного размера для разных задач: большие декодеры для офлайн-разметки, биэнкодеры и компактные кросс-энкодеры для рантайма. Вы будете экспериментировать с архитектурами моделей, добавлять новые фичи, собирать разметку с помощью асессоров и LLM. Основные направления на ближайшее время — повышение качества больших моделей и развитие кросс-энкодеров для адаптации алгоритмов автотаргетинга к отдельным срезам запросов и рекламным кампаниям.

Доведение ML-решений до продакшена

Вы будете проходить полный цикл разработки: находить точки роста, формулировать гипотезы, определять целевые метрики и ограничения, готовить данные и признаки, обучать модели и строить пайплайны. Предстоит также проверять решения в A/B-экспериментах на реальном трафике, анализировать их влияние на эффективность рекламы и внедрять успешные улучшения в продакшен.

Больше об ML в Яндексе — в канале Yandex for ML

* Хорошо разбираетесь в NLP и на практике решали NLP-задачи
* Хотите заниматься прикладными ML-исследованиями и доводить результаты до продакшена
* Можете самостоятельно формулировать и проверять гипотезы и анализировать результаты экспериментов

* Решали задачи семантического поиска
* Знакомы с современными подходами в рекомендательных системах

Команда центра аэрологистики, которая входит в состав департамента автономных решений, занимается научными исследованиями в области построения логистических маршрутов с применением отечественных моделей беспилотников и отдельных технологических решений. Научные достижения и технологические разработки в этом направлении открывают широкие перспективы для дальнейшего повышения конкурентоспособности отрасли.

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

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

• реализация сенсорного слияния на основе байесовской фильтрации и оптимизации

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

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

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

• Опыт работы с ROS/ROS2

• уверенный опыт работы с Python (PyTorch, NumPy, SciPy, OpenCV)

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

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

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

• умение читать научные статьи и находить подходящие методы под задачу

• Опыт работы с Git, Linux

Будет плюсом:

• умение реализовывать алгоритмы по публикациям

• опыт обучения/дообучения нейросетей

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

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

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

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

• знание C++/CUDA для высокопроизводительных вычислений

• опыт работы с реальными роботизированными платформами

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

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

• инструментальное владение AI для анализа, генерации и автоматизации.

• Комфортный офис в Сколтехе

• офисный формат работы

• конкурентная компенсация (оклад и премии по результатам деятельности)

• ДМС c первого рабочего дня, страхование от несчастных случаев и тяжелых заболеваний

• материальная помощь и социальная поддержка, корпоративная пенсионная программа

• дисконт-программы от компаний партнеров

• бесплатный фитнес на территории работодателя

• подписка Прайм с возможностью совместного использования на трёх близких

• внешнее и внутреннее профессиональное обучение: семинары, тренинги, конференции, корпоративная библиотека.

Аптечная сеть «ТАБЛЕТКА.РУ» — динамично развивающаяся компания, работающая на рынке с 2018 года. Мы входим в ТОП-25 аптечных брендов России по версии РБК, DSM Group и Vademecum.
Мы находимся в поисках Data Scientist / ML Engineer, который поможет нам строить умные модели для прогнозирования спроса, расчёта LTV, Churn Prediction, персонализации коммуникаций и клиентского опыта и прочих ML/AI задач.

Что вы будете делать:

• Разрабатывать и внедрять ML-модели.

• Работать с большими данными: формировать пайплайны, ETL, фичи, обучающие выборки.

• Тестировать гипотезы, запускать A/B-эксперименты.

• Внедрять модели в продакшен (в связке с разработчиками и BI).

• Работать в связке с CDO, BI и аналитиками.

Стек:

• Хранилища: ClickHouse, Hadoop, SQL.

• Инфраструктура: Git, Airflow, Jupyter, MLflow, Docker.

Что для нас важно:

• Опыт работы от 2–3 лет в роли Data Scientist или ML Engineer.

• Понимание основ статистики, теории вероятностей, математической логики.

• Навыки построения production-ready моделей: от гипотезы до внедрения.

• Способность говорить на языке бизнеса: объяснять метрики, обосновывать выбор моделей и оценивать экономический эффект.

Будет плюсом:

• Опыт в ритейле / e-commerce / аптечном сегменте.

• Опыт работы с большими объёмами данных (миллионы транзакций, сотни магазинов).

• Знание BI-инструментов или опыт взаимодействия с продуктовой аналитикой.

Что предлагаем

• Работа в data-driven-компании: прямое влияние на решения.

• Живые данные: миллионы клиентов, транзакций, тысячи SKU.

• Гибкий график/гибрид, оформление по ТК РФ, уютный офис.

• Адекватное руководство, короткий цикл от идеи до внедрения.

Мы в Kandinsky строим платформу для генерации изображений и видео. Команда Harness отвечает за слой инструментов и пайплайнов вокруг моделей: он превращает исследовательские чекпоинты в решения, которыми пользуются миллионы пользователей. Мы ищем ML-инженера, который будет развивать этот слой, автоматизировать сценарии работы с визуальным контентом, влиять на выбор моделей и подходов и помогать командам доводить модели до продукта.

• разрабатывать агентные системы: сценарии, инструменты, оркестрация вызовов

• решать прикладные задачи с помощью CV- и генеративных моделей: от постановки до работающего в проде решения

• собирать пайплайны обработки и генерации изображений и видео, автоматизировать сценарии работы с визуальным контентом

• адаптировать модели под конкретные домены и продуктовые кейсы

• искать причины деградаций качества и предлагать способы их устранения

• работать в связке с исследователями, продуктом и бэкендом, переводя продуктовые требования в технические решения.

• уверенное владение Python и фреймворками глубокого обучения (PyTorch)

• понимание разницы между agentless- и agentic-решениями, опыт написания обоих и умение понимать, когда что уместно

• понимание устройства актуальных CV- и GenCV-моделей

• умение работать с контейнеризацией (Docker, Kubernetes)

• опыт интеграции генеративных моделей

• понимание бизнес-метрик и их переноса на модельные метрики

• опыт работы с opensource-моделями: выбор под кейс, настройка гиперпараметров, дообучение

• комфортный современный офис рядом с м. Кутузовская

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

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

• льготная программа ипотеки для сотрудников

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

• вознаграждение за рекомендацию друзей в команду Сбера.

Middle+/Senior Data Scientist (3D Geometry / Hybrid Search / LLM / Python / Team Lead)

Ставка: до 220 000 руб. (Middle+) / до 270 000 руб. (Senior) на руки в месяц.

Грейд: Middle+ / Senior.

Загрузка: Full-time.

Срок привлечения: 3 месяца с возможностью пролонгации.

Формат: Удалённо.

Часовой пояс: UTC+3 (МСК).

Локация/Гражданство: РФ, РБ / РФ, РБ.

О проекте: ИТ-компания, решающая сложные R&D-задачи на стыке обработки 3D-данных, поисковых систем и ML-сервисов.

Ищем Middle+/Senior Data Scientist с сильным инженерным бэкграундом для работы над нетривиальными задачами. Это роль для специалиста, который не ограничивается Jupyter-блокнотами, а умеет внедрять ML-решения в продакшн, глубоко понимает 3D-геометрию, строит сложные пайплайны гибридного поиска (IR + LLM) и способен координировать небольшую команду разработки.

Ключевые задачи:

• Решение алгоритмических задач: обработка 3D-данных (полигональные сетки, воксели), разработка пайплайнов поиска.
• Проектирование архитектуры ML/DS-сервисов и внедрение готовых решений в инфраструктуру проекта.
• Профилирование производительности и снижение вычислительной сложности (в т.ч. при работе с 3D-структурами и векторными индексами).
• Координация подгруппы разработки: декомпозиция задач, оценка трудозатрат, планирование спринтов, исполнение функций тимлида в периоды его отсутствия.
• Проведение Code Review, контроль качества кода, менторинг Junior/Middle специалистов.
• Подготовка технической документации, фиксация архитектурных решений (ADR).

Обязательные требования (Hard Skills):

3D и пространственные данные (КРИТИЧНО!):

• Уверенное владение 3D-геометрией: работа с полигональными сетками, вокселями, триангуляцией, 2D/3D-объектами и понимание лежащей в основе математики.

Information Retrieval и LLM (КРИТИЧНО!):

• Построение пайплайнов гибридного поиска (сочетание dense- и sparse-подходов, включая BM25), работа с эмбеддингами, reranking (Reciprocal Rank Fusion).
• Опыт применения векторных баз данных: Qdrant, Milvus, pgvector, Weaviate и др.
• Навыки оценки качества генерации и поиска: LLM-evals (Ragas, TruLens, DeepEval) или умение разрабатывать собственные метрики.

Инженерная культура и Python (КРИТИЧНО!):

• Python 3.10+ (в т.ч. asyncio и typing), NumPy, SciPy, Pandas.
• Backend-разработка: FastAPI (микросервисная архитектура, REST, асинхронная обработка).
• Инфраструктура: контейнеризация (Docker), эксплуатация в среде Linux (Ubuntu).
• Профилирование: умение применять cProfile, Scalene, memory_profiler и аналоги для оптимизации кода под продакшн.

Лидерство и процессы:

• Подтверждённый опыт внедрения ML/DS-решений в промышленную эксплуатацию (за пределами прототипов).
• Опыт координации небольшой команды или технического руководства разработчиками.
• Способность переводить абстрактные бизнес-задачи в чёткие технические требования и разбивать их на реализуемые подзадачи.

Будет плюсом:

• Опыт публикации статей или выступлений на профильных конференциях по темам 3D ML или Advanced RAG.
• Знание C++ для оптимизации критичных по производительности участков кода.

Наша команда занимается разработкой computer-use-агентов, которые проходят тест-кейсы в интерфейсах и приложениях Яндекса — смотрят на экран, кликают, проверяют результат. Это помогает экономить время на рутинных тестах и сокращает время на выпуск версий.

Наша работа происходит на стыке harness и моделей, которых мы дообучаем через SFT/RL. Если вам интересно разрабатывать агентов, отвечая за весь стек технологий, используемых под капотом, — будем рады познакомиться!

Развитие harness

Нам важно строить эффективную (как по токенам, так и по скорости) обвязку вокруг модели. Разработка базы знаний по большой вариации тест-кейсов, улучшение планера, разработка верификаторов и тулов — это лишь малая часть задач, которые окружают harness.

Агентское планирование в модели

Уже сейчас наши модели неплохо справляются с автоматизацией. Но инструментов становится больше, тест-кейсы — сложнее. Чтобы сохранять эффективность и находить оптимальные пути решения задач, вам предстоит обучать модель таким эффективным стратегиям, а также работе в нашем harness.

Больше об ML в Яндексе — в канале Yandex for ML

* Понимаете, как строятся VLM-агенты и tool calling, работали с ними
* Разбираетесь с RL в интерактивных средах
* Хорошо знаете NLP/CV, особенно LLM/VLM
* Умеете решать ML-задачи полного цикла — от сбора разметки до внедрения в продакшен

* Понимаете ограничения современных VLM
* Следите за трендами в области агентов и tool-augmented-моделей

Нужен ML-инженер (LLM / RAG / Agents) для AI стартапа Pitchy

Pitchy

Есть контакты

Привет, это команда Pitchy! 👋🏻

Мы создаем Pitchy.pro - ИИ-платформу для проверки и развития продуктовых гипотез.

Наше главное направление - синтетический CustDev. Мы моделируем виртуальное общество из ИИ-агентов с разными ролями, доходом, интересами, характером и поведением, чтобы еще до запуска продукта проверить, как разные группы людей отреагируют на него.

Помимо этого, Pitchy помогает исследовать рынок и конкурентов, находить реальные боли аудитории, подбирать гранты, формировать заявки и собирать результаты исследования проекта в одном месте.

За последние месяцы мы успели:

привлечь грант от Фонда содействия инновациям;

получить грант от Yandex Cloud;

внедрить Pitchy в два акселератора;

стать продуктом недели №1 на Product Radar;

победить в стартап-интенсиве МТУСИ и МГУУ;

Сейчас нас 6 человек, продукт активно развивается, поэтому мы ищем ML-инженера, который усилит ИИ-часть Pitchy.

Кого мы ищем?

Нам нужен человек, которому интересно не просто подключать очередную языковую модель к API, а строить сложные системы вокруг LLM: многоагентные системы, RAG, симуляции поведения людей, поиск и обработку данных, оценку качества ответов и маршрутизацию между разными моделями.

Чем предстоит заниматься?

Развивать синтетический CustDev и систему симуляции поведения людей.

Работать с многоагентной архитектурой и взаимодействием агентов между собой.

Развивать RAG-систему: поиск, разбиение данных, переранжирование и повышение точности выдачи.

Улучшать генерацию профилей виртуальных респондентов и качество их поведения в симуляциях.

Работать с графами знаний и связями между агентами, рынками, проблемами и продуктами.

Разрабатывать агентов для поиска и анализа информации в интернете.

Настраивать маршрутизацию запросов между разными моделями в зависимости от задачи.

Снижать количество галлюцинаций и повышать достоверность результатов.

Проводить эксперименты с моделями, подсказками, контекстом и архитектурой системы.

Оптимизировать скорость и стоимость инференса.

Участвовать в развитии всей ИИ-архитектуры продукта.

Что мы можем предложить? 🚀

Размер оплаты обсуждаем индивидуально и привязываем к опыту, уровню вовлечения и формату работы.

Что еще:

🧠 Задачи на стыке LLM, RAG, многоагентных систем, графов знаний и моделирования человеческого поведения.

⚙️ Возможность экспериментировать с большим количеством современных моделей и подходов.

📈 Реальные пользователи и внедрения, на которых можно проверять свои решения.

🤝 Небольшая команда без нескольких уровней согласований - можно предложить идею и быстро проверить ее в продукте.

🌍 Полная удаленка и гибкий график.

🏗 Возможность расти вместе с проектом и в перспективе взять на себя руководство ИИ-направлением.

Нам не так важно количество лет опыта или громкие компании в резюме. Нам важнее, чтобы тебе действительно было интересно разбираться в современных ИИ-системах, экспериментировать и самостоятельно доводить задачи до результата.

📩 Пиши в Telegram: @homeboyjimmy

Контакты

homeboyjimmy

eat0703@gmail.com

Егор Фигурняк

·

568

·

0

·

2026-10-01

·

Обсудить в Telegram

• Формирование и развитие команды DS/ML: участие в найме, онбординг новых сотрудников;
• Распределение задач между специалистами, контроль нагрузки и сроков;
• Оценка эффективности сотрудников, разработка индивидуальных планов развития;
• Менторинг: код-ревью, повышение уровня компетенций команды;
• Определение технической стратегии направления: выбор моделей, фреймворков, инструментов и архитектурных решений;
• Проектирование и запуск ML-проектов полного цикла — от постановки бизнес-задачи до вывода модели в продакшн;
• Обеспечение качества решений: валидация моделей, A/B-тестирование, контроль метрик в проде;
• Разработка и внедрение стандартов: MLOps-практики, CI/CD для ML, версионирование данных и моделей, мониторинг;
• Декомпозиция задач, приоритизация бэклога.

• Глубокое понимание классического DS/ML: линейные алгоритмы, деревья и ансамбли (XGBoost, LightGBM, CatBoost), кластеризация;
• Хорошее знание статистики: A/B-тестирование, оценка статистической значимости, байесовский подход, причинно-следственный анализ и т.д.;
• Уверенный Python (numpy, pandas, scikit-learn) и продвинутый SQL (оконные функции, оптимизация запросов);
• Практика полного цикла: от формулировки бизнес-задачи до отбора признаков, обучения, валидации, калибровки и интерпретации моделей;
• Умение выбирать метрики под задачу и определять качество моделей;
• Построение ML-пайплайнов и data pipeline: Airflow, ETL / ELT-процессы
  MLOps: версионирование данных и моделей (MLflow, DVC), оркестрация экспериментов, воспроизводимость;
• Деплой и поддержка моделей: контейнеризация (Docker, Kubernetes), мониторинг (дрейф данных, качество предсказаний, алертинг), стратегии переобучения.

• Ежеквартальные премии;
• Корпоративные предложения по фитнесу;
• Корпоративные скидки на онлайн обучение в Skyeng для вас и ваших близких;
• Бесплатная подписка на библиотеку электронных курсов «LERNA.KZ», где собраны сотни электронных курсов от известных онлайн-школ SkillFactory, GeekBrains и Skillbox;
• Приятная рабочая атмосфера в современном офисе в деловой части города;
• Возможность строить карьеру в одном из крупнейших банков Казахстана.

X5 Tech — IT-компания и основной цифровой партнер торговых сетей и бизнесов X5. Команда из более 6000 специалистов разрабатывает решения, которые помогают 420 000 тысячам сотрудников группы работать с максимальным технологическим комфортом, а миллионам покупателей быстро и удобно покупать свежие продукты.

О команде

Мы — команда Data Science, которая развивает ML-решения для персонализации взаимодействия с миллионами покупателей X5. Наши модели помогают определять, кому, когда и какое предложение показать, какие товары и категории будут наиболее релевантны конкретному пользователю, какую механику коммуникации выбрать и как повысить эффективность промо. Мы решаем задачи персонализированного промо, uplift-моделирования, прогнозирования оттока и отклика, роста среднего чека и частоты покупок. Работаем с большими объемами данных и проверяем ML-гипотезы через A/B-тесты на реальных пользователях. В команде можно пройти весь путь ML-решения: от исследования данных и построения модели до проведения эксперимента, оценки бизнес-эффекта и запуска решения в промышленную эксплуатацию.

Обязанности:

• Исследовать большие объемы данных о покупательском поведении и находить закономерности для решения бизнес-задач;
• Разрабатывать и улучшать ML-модели для прогнозирования оттока и отклика пользователей;
• Решать задачи uplift-моделирования и выбора оптимального воздействия на пользователя;
• Подбирать персональные товары, категории, скидки, пороги и механики промо;
• Генерировать и проверять гипотезы, участвовать в подготовке и анализе A/B-тестов;
• Оценивать качество моделей не только по ML-метрикам, но и по влиянию на бизнес-показатели;
• Участвовать в развитии внутренних ML-инструментов и фреймворков команды;
• Участвовать в подготовке моделей к промышленному запуску и их дальнейшем развитии.

• Учишься на старших курсах бакалавриата, в магистратуре или недавно окончил техническую специальность;
• Хорошо знаешь Python и умеешь писать понятный и структурированный код;
• Знаешь основы машинного обучения и понимаешь принципы работы классических ML-алгоритмов;
• Умеешь работать с данными и знаешь SQL;
• Понимаешь основы математической статистики, теории вероятностей и проверки статистических гипотез;
• Понимаешь принципы проведения A/B-тестов и оценки результатов экспериментов;
• Умеешь самостоятельно разбираться в новой задаче, формулировать гипотезы и проверять их на данных;
• Интересуешься применением машинного обучения для решения реальных бизнес-задач.

Будет плюсом, если ты:

• Знаком с PySpark и понимаешь основные принципы распределенной обработки данных;
• Работал с PyTorch или другими библиотеками для глубокого обучения;
• Знаком с uplift-моделированием, рекомендательными системами или задачами персонализации;
• Имеешь опыт участия в ML-проектах, соревнованиях, исследовательских или учебных проектах;
• Знаком с Airflow, Docker, Kubernetes, Grafana, MLflow;
• Имеешь представление о жизненном цикле ML-модели и процессе вывода моделей в промышленную эксплуатацию.

• Официальное оформление с белой ЗП,
• Удобный офис с бесплатной парковкой на м. «Волгоградский проспект» / МЦД «Калитники», м. "Добрынинская".
• Возможность работать удалённо или в гибридном формате;
• Возможность учиться и развиваться за счёт компании: внешние тренинги и семинары по профессиональным тематикам, участие в крупнейших конференциях страны, программы развития цифровых и управленческих навыков (Цифровая академия, Школа Тимлидов), онлайн и офлайн мастер-классы, корпоративный университет «X5 Полка», школа наставников и многое другое;
• Программы мотивации для спикеров и авторов: внутренняя школа Speak Up School, Write Up, ачивки и баллы за выступления, подготовка спикеров к крупнейшим конференциям страны, сообщество авторов на Хабре, возможность шерить опыт с комьюнити внутренних и внешних экспертов;
• Обмен опытом через cообщества: 12 технических комьюнити от java до devops;
• Яркая корпоративная жизнь с большим количеством мероприятий, конкурсов и возможностей для творческой реализации: регулярные внутренние митапы, демо-дни, открытые микрофоны, день IT-специалиста, программы волонтерства, корпоративное предпринимательство X5 Idea Challenge.

​​​​​​​Присоединяйся к команде X5 Tech, чтобы создавать будущее ритейла вместе с нами!

🚀 Data Scientist (Computer Vision) — команда технического зрения Ozon

Развиваем CV-технологии для автоматизации складских процессов Ozon: работаем с реальными видеопотоками и ML-моделями в продакшене.

Ищем специалиста, который будет создавать CV-системы от выбора алгоритмов до внедрения в промышленную эксплуатацию.

Задачи:

— Разработка моделей CV (детекция, классификация, трекинг, сегментация)

— Проектирование inference-пайплайнов, включая real-time

— ML-сервисы на Python, микросервисная архитектура

— Работа с видеопотоками и high-load системами

Ждём:

— Уверенный Python, опыт промышленной разработки

— Практический опыт в CV/ML

— Крепкая алгоритмическая база

Плюсом:

— GPU (CUDA, TensorRT), real-time системы

— Docker, Kubernetes, MLOps

— C++, английский технический

Резюме и вопросы — Владимиру в Telegram: @cosmopartic

#DataScience #ComputerVision #Ozon #Hiring

Мы ищем талантливого AI-разработчика, который поможет создавать интеллектуальных чат-ботов и AI-агентов, интегрировать их с базами знаний и встраивать в них AI-алгоритмы.

Если тебе интересно разрабатывать AI-решения, работающие с текстами и данными, а также строить системы, которые понимают, учатся и помогают людям, мы будем рады видеть тебя в команде развития чата банковского приложения (СБОЛ).

Немного о направлении: Разработка и последующее развитие мультиагентной системы для единой ленты чатов.

• разработка, оптимизация промптов для генерации, классификации и извлечения информации

• тестирование и внедрение ассистентов и AI-агентов на базе LLM

• проведение экспериментов с LLM и оценка эффективности различных подходов

• сбор данных из разных источников, создание датасетов для анализа и разработки моделей, анализ данных

• оценка качества моделей, разработка метрик и проведение A/B-тестов

• настройка логирования и мониторинга приложения.

• знание Python

• знание теоретической базы ML (основные задачи и методы, метрики, типовые архитектуры моделей и т.д.) и NLP домена (токенизаторы, векторизаторы, transformers, BERT, LLM, RAG и т.д.)

• опыт применения ML-библиотек (pandas, numpy, scikit-learn, langchain или аналогичные библиотеки для работы с LLM)

• желателен опыт разработки RAG-пайплайнов

• будет плюсом владение SQL с использованием подзапросов, оконных функций, регулярных выражений.

• комфортный современный офис рядом с м. Кутузовская

• офисный формат работы

• ежегодный пересмотр зарплаты, квартальная и 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

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

Мебель Рус — мебельная компания с собственным производством корпусной и мягкой мебели. С 2019 года мы создаем мебель на заказ и сегодня являемся одной из ведущих компаний по производству корпусной мебели на побережье.

О проекте:

Мы создаём ИИ-ассистента для проектирования корпусной мебели.

Идея проекта — научить AI анализировать фотографии замеров помещения, распознавать стены, окна, двери, коммуникации и другие объекты, а затем автоматически создавать помещение и мебельный проект в Базис-Мебельщик с последующим просчётом конструкции.

Это проект на стыке Computer Vision, мультимодальных моделей, LLM/VLM и автоматизации CAD-систем.

Сейчас мы ищем AI/ML-инженера, который поможет превратить эту идею в работающий продукт.

Чем предстоит заниматься

• Дообучать мультимодальную модель Qwen3.8-27B с использованием LoRA/PEFT под задачи распознавания фотографий замеров, рукописных записей и планировок.

• Собирать, структурировать, размечать и аугментировать датасеты.

• Настраивать преобразование изображений в структурированные данные: геометрия стен, высота помещения, окна, двери, коммуникации, розетки, трубы, заметки и т.д.

• Разрабатывать AI/GUI-агента для Базис-Мебельщик через API программы и JavaScript, без примитивной эмуляции кликов мышью.

• Интегрировать Computer Vision и OCR для анализа фотографий замеров.

• Строить и развивать полный pipeline:

фото замеров → распознавание → структурированные данные → генерация скрипта → готовый проект в Базис-Мебельщик

• Тестировать решения на реальных замерах и оценивать качество моделей.

• Формировать метрики, находить ошибки и улучшать модель на основе результатов тестирования.

Что нам важно

• Уверенное владение Python.

• Опыт работы с PyTorch, Hugging Face Transformers, PEFT/LoRA.

• Практический опыт дообучения LLM/VLM — Qwen, LLaVA, InternVL или аналогичных моделей.

• Хорошее понимание Computer Vision: OpenCV, детекция, сегментация, OCR.

• Опыт работы с API и автоматизацией программ.

• Знание JavaScript.

• Понимание принципов работы AI-агентов, GUI-агентов или RPA.

• Опыт подготовки, разметки и аугментации датасетов.

Будет большим плюсом

• Опыт работы с Базис-Мебельщик или другими CAD-системами.

• Знание DXF и принципов работы с 2D/3D-геометрией.

• Опыт в мебельном производстве или проектировании мебели.

• Опыт разработки AI-агентов, работы с интерфейсами программ.

• Опыт с RL / Reinforcement Learning.

• Понимание задач автоматизации проектирования.

Что предлагаем

• Удалённая работа.

• Проектная или полная занятость — готовы обсуждать подходящий формат.

• Оплата по итогам собеседования, в зависимости от опыта и уровня экспертизы.

• Возможность долгосрочного сотрудничества.

• Проект с большим количеством задач, где можно непосредственно влиять на архитектуру и развитие продукта.

Важный момент!

Мы ищем не просто разработчика, который умеет запускать готовые модели.

Нам нужен специалист, которому интересно разобраться в задаче, экспериментировать с моделями, собирать pipeline и довести AI-решение до работающего продукта.

Если вам интересны мультимодальные модели, Computer Vision, AI-агенты и автоматизация реальных бизнес-процессов — будем рады познакомиться.

Мы разрабатываем Vision-Language-Action-модели для управления роботами. Учим их выполнять манипуляционные задачи по текстовым инструкциям, используя изображения с камер и данные о состоянии робота.

Наша команда занимается претрейном: разрабатывает архитектуры и методы обучения, работает с данными разных робототехнических платформ и масштабирует обучение. Среди задач — перенос навыков между роботами, обобщение на новые объекты и условия, подключение новых модальностей.

Ищем ML-разработчика, который будет развивать методы претрейна, проводить исследовательские эксперименты и доводить удачные решения до использования в основных обучающих запусках.

Разработка и претрейн VLA-моделей

Вам предстоит разрабатывать и обучать VLA-модели для манипуляционных задач. Вы будете экспериментировать с архитектурами, представлениями наблюдений и действий, функциями потерь и методами объединения модальностей, улучшать перенос навыков на новые объекты, условия и робототехнические платформы.

Работа с обучающими данными

Вы будете формировать смеси робототехнических и мультимодальных датасетов, настраивать семплирование и согласовывать данные роботов с разными сенсорами и пространствами действий. Предстоит оценивать влияние качества, объёма и состава данных на способности моделей и улучшать обучающие выборки.

Разработка пайплайнов контроля качества данных

Вам предстоит автоматизировать проверку и очистку данных перед обучением: выявлять рассинхронизацию видео, состояний и действий, пропуски и зависания кадров, аномалии в траекториях. Вы будете развивать инструменты визуального разбора эпизодов, формировать отчёты о качестве, настраивать исправление, фильтрацию и маскирование проблемных фрагментов. Предстоит проверять ложные срабатывания и оценивать влияние очистки данных на качество моделей.

Масштабирование и оптимизация распределённого обучения

Вам предстоит развивать распределённое обучение на нескольких GPU и узлах, повышать стабильность длительных запусков и эффективность использования ресурсов. Вместе с инфраструктурной командой вы будете профилировать обучение и устранять узкие места в вычислениях, коммуникациях и загрузке данных.

Исследования и оценка качества моделей

Нужно будет формулировать и проверять исследовательские гипотезы, воспроизводить подходы из статей и проводить абляционные эксперименты. Вместе с командой робототехники вы будете проверять модели на реальных роботах, анализировать ошибки и использовать результаты для улучшения претрейна.

Больше об ML в Яндексе — в канале Yandex for ML

* Разрабатывали и обучали трансформерные или генеративные модели в одном или нескольких направлениях: мультимодальное обучение, Computer Vision, NLP, генерация видео или Robot Learning
* Хорошо понимаете основы глубинного обучения, устройство трансформеров и методы оптимизации, умеете разбираться в причинах нестабильного обучения и ухудшения качества моделей
* Уверенно программируете на Python, работаете с PyTorch или JAX, умеете писать поддерживаемый обучающий код и разбираться в существующем
* Имеете опыт распределённого обучения с FSDP, DeepSpeed или аналогичными инструментами, понимаете принципы параллелизма данных и шардинга, умеете диагностировать проблемы производительности, потребления памяти и стабильности запусков
* Работали с большими датасетами и пайплайнами их подготовки, понимаете влияние качества данных, семплирования и организации загрузки на обучение
* Умеете самостоятельно ставить эксперименты, выбирать метрики, обеспечивать воспроизводимость результатов и аргументировать технические решения

* Работали с VLA, Imitation Learning, Behavior Cloning или обучали политики на данных разных робототехнических платформ
* Обучали диффузионные или flow-matching-модели, генеративные модели изображений и видео
* Оптимизировали многоузловое обучение: профилировали GPU и коммуникации, подбирали стратегии параллелизма, работали с mixed precision, activation checkpointing, сохранением и восстановлением состояния обучения
* Разрабатывали пайплайны автоматического контроля качества данных, инструменты визуализации и поиска аномалий в видео и временных рядах
* Внедряли обученные политики на реальных роботах и оценивали качество выполнения задач
* Имеете исследовательские публикации, участвуете в опенсорс-проектах или можете рассказать о собственных проектах с воспроизводимыми результатами

Ключевые задачи

• Полная ответственность за ML-проекты: вести ML-проекты от формулирования гипотез и постановки задач до получения измеримого бизнес-эффекта. Отвечать за весь цикл разработки, обеспечивая быстрый вывод решений в продакшен и поддерживая качество моделей в production.
• Кросс-функциональное взаимодействие: тесно работать с Data Engineers над построением надежных production-пайплайнов данных, а с Data Analysts — погружаться в бизнес-контекст, определять метрики и разрабатывать и оценивать A/B-тесты.
• Решение предметных задач: переводить бизнес-цели в математические модели. Решать ключевые задачи домена, в том числе.
• Предсказание метрик — временные ряды, классический ML.
• Альтернативный поиск — рекомендательные системы и ранжирование для поиска альтернатив недоступным тарифам.
• Многокритериальная оптимизация — балансировка максимизации маржинальности и минимизации количества инцидентов.
• Разработка моделей: разрабатывать, обучать и валидировать ML-модели для проверки продуктовых гипотез и проактивного улучшения пользовательского опыта B2B-клиентов.

Требования

• Опыт: от 4 лет практического опыта в роли Data Scientist или ML Engineer.
• Бизнес-мышление: умение глубоко погружаться в данные, находить первопричины бизнес-проблем и переводить бизнес-цели в понятные ML-задачи, а не просто оптимизировать метрики моделей в отрыве от бизнес-контекста.
• ML-стек и алгоритмы: уверенное знание классического Machine Learning: Gradient Boosting (CatBoost/LightGBM), классификация, регрессия.
• Рекомендательные системы и ранжирование: подтвержденный опыт решения задач entity matching, глубокое понимание подходов к построению рекомендательных систем и ранжированию — KNN, FAISS, Learning-to-Rank, pointwise / pairwise / listwise подходы.
• Big Data: уверенный опыт работы с большими объемами данных (мы обрабатываем терабайты данных ежедневно). Отличное знание SQL и практический опыт построения пайплайнов с использованием PySpark.
• Инженерная самостоятельность: умение писать production-quality код на Python, покрывать код тестами и самостоятельно доводить модели до продакшена. Опыт работы с Airflow и Python-микросервисами будет необходим.
• Английский язык: разговорный английский на уровне B1 (Intermediate) или выше.

Будет плюсом:

• Опыт в индустрии: опыт работы в TravelTech, E-commerce или с B2B API; понимание специфики отелей, тарифов и дистрибьюторов.
• NLP и эмбеддинги: базовые знания NLP, понимание принципов работы текстовых эмбеддингов и способов их обучения. Особенно полезно для задач сопоставления текстовых описаний тарифов, типов номеров и условий отмены бронирования.
• Оптимизация и ценообразование: опыт работы с динамическим ценообразованием, многокритериальной оптимизацией или системами Next Best Action (NBA).
• Математика и статистика: хорошая база по теории вероятностей и математической статистике для корректного проектирования экспериментов и оценки моделей.

Наши условия

• Интересные проекты: создаём продукты для путешественников, тревел-агентов и отельеров по всему миру.
• Полная свобода для достижения результатов: гибкий график, удалёнка или офис — ты сам решаешь, где и когда работать.
• Нестандартный подход к работе и жажда нового, например, мы решаем некоторые задачи с помощью AI.
• Техническое комьюнити Ostrovok! Tech проводит митапы, хакатоны, участвует в конференциях и поддерживает даже самые смелые идеи.
• Профессиональное развитие: помогаем сотрудникам выступать на конференциях — от подачи заявки до подготовки презентации.
• Забота о самочувствии команды: с первого месяца работы у наших сотрудников есть ДМС и скидки в сервисе «Ясно».
• Внутренние программы адаптации и обучения, развития soft skills и лидерских навыков, подобранные индивидуально для каждого сотрудника.
• Корпоративные скидки на занятия в Skyeng.
• Корпоративные цены на отели и другие тревел-услуги — чтобы наши сотрудники путешествовали чаще.
• Островок — аккредитованная IT-компания.