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.
Наша команда занимается обработкой контента для сервиса VK Видео, это миллиардная база айтемов. Мы продуктовая команда — и от того, насколько хорошо мы обрабатываем видео, зависит дальнейшее качество рекомендаций, так как у нас есть инструменты для выделения ключевой информации.
Мы ищем ML-инженера, который поможет сделать сервис максимально удобным и привлекательным для пользователей. Вас ждёт работа с высоконагруженной системой, большими данными, проведение A/B-тестов, а также исследование и внедрение новых подходов к обработке контента.
Задачи
- Участвовать в улучшении продукта на всех этапах от формирования целей до технической реализации и проведения А/В-тестов
- Участвовать в проектах по обучению LLM/VLM для работы с видео
- Растить ключевые метрики портала
- Внедрять новые решения в нашу инфраструктуру
Требования
- Уверенное знание Python и опыт промышленной разработки
- Отличное владение одним из фреймворков: PyTorch, JAX или TensorFlow
- Глубокое понимание методов и концепций Deep Learning и умение применять их на практике
- Знание современных NLP/CV-подходов, в том числе Transformer-архитектур
Будет плюсом
- Опыт работы в рекомендательных системах, поиске, рекламе или других смежных областях
- Опыт работы с технологиями обработки больших данных (Hadoop, Hive, Spark, YTsaurus и другими)
- Знание Java
- Опыт внедрения ML-систем в продакшен
Основное направление работы команды Диалогового ИИ – разработка ML-решений, результаты которых направлены на удовлетворение потребности клиентов и операторов в консультации. Основной заказчик наших решений – Контактный Центр.
В списке наших проектов:
- Агенты для консультаций в чатах
- ML-решения для RAG-платформы (эмбеддеры, ретриверы, LLM)
- Ряд текстовых ботов, определяющих намерения клиентов (классификаторы, LLM)
- ML-решения для платформы текстовой аналитики (тренды обращений, семантический поиск, кластеризация, генерация)
- Помощники операторов (векторный поиск, классификаторы, LLM)
Наш стек: Python, asyncio, Pytorch, Transformers, Triton Inference Server, vllm, gRPC, Git, CI/CD , SQL, S3, Redis, Clickhouse, Kafka, ADK, LangChain, SGLang
Вы будете
- Разрабатывать агентов для консультации пользователей в чатах.
- Работать с LLM и RAG.
- Поддерживать полный цикл моделей от обработки сырого текста до выката в прод с пострелизным сопровождением.
- Выстраивать процессы оценки предоставляемых ML-решений.
Нам важно
- Опыт работы Data Scientist от 3 лет
- Опыт работы с NLP от 2 лет
- Опыт работы с агентами от 1 года
- Опыт работы с LLM и LLM app
- Умение писать продакшн-код
Привет! Это команда продуктовой аналитики ИТ Маркетплейса. Мы помогаем 2000+ разработчикам принимать решения и делать лучший продукт на рынке e-commerce, обеспечиваем аналитическую поддержку при внедрении новых фич и развитии технологических процессов.
В связи с ростом объёма задач мы расширяем команду и ищем дата сайентиста, который поможет выстраивать автоматизацию проектов через ML-пайплайны.
Вы будете
- Участвовать в составлении роадмапа разработки, проводить ресерч и формулировать гипотезы для решения задач.
- Взаимодействовать с аналитиками, продактами и разработчиками сервисов.
- Работать с текстовыми данными маркетплейса: обращения клиентов, чат-боты и общение с поддержкой.
- Строить и развивать NLP-решения: классификация текстов, суммаризация, извлечение сущностей, эмбеддинги и поиск.
- Исследовать и внедрять современные архитектуры — Transformer-модели, семантический поиск.
- Доводить модели до продакшна: от формулировки гипотезы и обучения до оценки качества и сопровождения.
Нам важно
- Уверенное знание Python и опыт разработки на нём.
- Понимание алгоритмов и структур данных.
- Знание математической статистики, линейной алгебры и теории вероятностей.
- Отличные знания в области машинного обучения: классический ML и DL, способность объяснить принципы работы алгоритмов и выбрать подходящий для задачи.
- Практический опыт работы в задачах NLP и/или CV, знание современных архитектур (Transformers, CLIP и др.).
- Понимание принципов работы с большими данными, знакомство с такими инструментами, как Hadoop, Spark, Airflow, SQL.
- Опыт ведения проектов: принятие технических решений, декомпозиция и распределение задач, координация разработки.
Мы — команда, создающая инновационные решения на базе больших языковых моделей (LLM) для трансформации процессов работы с нормативной и правовой документацией в Сбере.
Наша цель — упростить и автоматизировать работу методологов, заменить рутинные задачи интеллектуальными инструментами и открыть новые возможности для анализа, генерации и поиска правовой информации.
Обязанности
- Разрабатывать и оптимизировать промпты для генерации, классификации и извлечения информации.
- Проводить эксперименты с LLM и оценивать эффективность различных подходов.
- Создавать пайплайны обработки документов: структурирование, сегментация, подготовка данных.
- Применять NLP-модели (TF-IDF, CRF, BERT, T5) для анализа нормативной документации.
- Работать с поисковыми системами (ElasticSearch, векторный поиск, ранжирование).
- Подготавливать API и сопровождать интеграцию решений в продакшн.
Требования
- Высшее техническое/математическое образование.
- Опыт работы на аналогичной позиции не менее 1 года.
- Уверенные знания Python.
- Уверенное 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, matplotlib, scikit-learn, langchain или аналогичные библиотеки для работы с LLM).
- Опыт разработки RAG-пайплайнов.
- Опыт работы с документами разных форматов (docx, rtf, pdf и т.д.).
Условия
- Deep diving в предметную область, много разработки по задачам имеющим прямой эффект на бизнес.
- Возможность привносить новые идеи и нестандартные решения.
- Сообщество D-people– поддержка, развитие и возможность учиться у профессионалов.
- Достойную оплату труда.
- ДМС, сниженные ставки по кредитованию, программы лояльности для сотрудников.
- Современный офис рядом с метро Кутузовская, бесплатный фитнес в офисе.
- Возможность выбрать удобный формат работы — удаленка, гибрид или офис.
Мы в GigaChat делаем core-технологию генеративной языковой модели: она пишет тексты, генерирует изображения, пишет код, отвечает на вопросы и ведёт диалоги.
Прошлой осенью мы выпустили сильную русскоязычную модель GigaChat MAX уровня GPT-4 (метрики — в статье на Habr). Зимой выложили в открытый доступ одну из наших MoE-моделей. И на этом не остановились — двигаемся дальше!
Сейчас у нас фокус в несколько направлений:
- Исследования и эксперименты.
- Стабилизация и развитие архитектур (новые виды attention, улучшение тестового стенда изменений).
- Методы улучшения обучения (оптимизация, лоссы и режимы вроде FIM/MTP, балансировка MoE).
- Скейлинг-законы (для гиперпараметров, качества и стоимости).
- Постоянный разбор свежих статей и идей индустрии.
- Инфраструктура и параллельные тренировки.
- 5-D параллелизм, ускорение мультимодальных и гигантских MoE-моделей на больших кластерах.
- Фреймворк распределённого обучения.
- Разработка GigaFSDP, эксперименты с FP8/mixed-precision, устойчивость и эффективность обучения на больших масштабах.
- Низкоуровневые оптимизации.
- Оптимизация операций на уровне CUDA/triton ядер, улучшение производительности NCCL, профилирование и устранение узких мест.
- Качество и метрики.
- Развитие оценки GigaChat: от международных олимпиадных задач до метрик, специфичных для русского языка.
Ищем NLP Engineer, с которым будем делать GigaChat умнее. Для экспериментов у нас — кластер с большим числом A100/H100.
Чем предстоит заниматься
- Доводить качество на русском до уровня ChatGPT и выше.
- Придумывать и проверять идеи, которые дают практический выигрыш.
- Помогать решать задачи внутренних клиентов Сбера — с прицелом на внешних пользователей.
- Следить за индустрией: читать статьи, быстро проверять гипотезы, делиться результатами.
Что важно
- Уверенный Python и PyTorch.
- База по алгоритмам и математике (линейная алгебра, оптимизация, вероятности).
- Опыт обучения DL-моделей: от «просто моделей» до больших.
- Теоретическое понимание алгоритмов распределенного обучения.
- Представление о текущем ландшафте LLM и трендах.
Плюсом будет:
- Опыт с распределённым обучением (DDP/FSDP/параллелизмы), CUDA/NCCL/профилирование, MoE/FP8, мультимодальные модели, построение метрик качества.
Даже если у тебя нет опыта с LLM, но ты много занимался NLP исследованиями или инженерными оптимизациями — не стесняйся откликнуться!
Формат и условия
-
Удалённо по России.
-
Возможность оформления в аккредитованную IT-компанию.
- Годовая премия по итогам работы до 6 окладов.
- Регулярный пересмотр зарплат.
- Корпоративный спортзал и зоны отдыха.
- Более 400 программ СберУниверситета для роста.
- Программа адаптации и помощь руководителя на старте.
- Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы.
- Расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа.
- Ипотека для сотрудников по дисконтной программе.
- СберПрайм+ и скидки у партнёров.
- Бонус за рекомендации в команду.
Команда ценообразования для Кредитов ЮЛ.
Проекты:
- Индивидуальные модели эластичности клиентов к ставке по вкладам (uplift).
- Модели досрочного погашения кредитов физ. лиц (time series, tabular ML).
Обязанности
- Сбор и подготовка данных (Hadoop, PySpark, SQL).
- Тестирование различных гипотез.
- Согласование метрик и результатов с заказчиками.
- Полный пайплайн разработки модели.
- Поддержка разработанных решений.
Требования
- Опыт работы Data Scientist от 2 лет.
- Техническое образование (будет плюсом, если выпускник — МГУ, МФТИ, ВШЭ и других ведущих вузов страны).
- Понимание теории вероятностей и статистики.
- Опыт построения различных алгоритмов ML-моделей (регрессии, классификации и т.д.).
- Владение Python и ML-библиотеками (NumPy, scikit-learn, pandas, Matplotlib/Seaborn/Plotly, CatBoost/LightGBM/XGBoost и т.д.).
- Плюсом будет опыт работы с PyTorch, PySpark.
- Опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
- Инструментальное владение AI для анализа, генерации и автоматизации.
Условия
- Комфортный современный офис рядом с м. Кутузовская.
- Гибридный формат работы.
- Ежегодный пересмотр зарплаты. Годовая премия.
- Корпоративный спортзал и зоны отдыха.
- Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития.
- Программа адаптации и помощь руководителя на старте.
- Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
- Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ.
- Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
- Вознаграждение за рекомендацию друзей в команду Сбера.
Наша команда разрабатывает комплексные AI-решения (Classic NLP, LLM, AI-агенты) для ключевых продуктов и процессов Блока «Стратегия и развитие». Мы всегда находимся на переднем краю развития технологий и пробуем новое — первыми в Сбере разработали прототип мультиагентной системы для работы с обращениями, благодаря чему агентные решения стали одним из самых востребованных направлений в банке.
Наш технологический фокус выходит за рамки AI-агентов: мы решаем задачи классификации, кластеризации, мэтчинга, доменной адаптации (Metric Learning, PEFT), при необходимости используем SFT. Итог нашей работы — не отдельный e2e-пайплайн, а production-ready мультисервисные архитектуры, интегрированные во внутренние поверхности Сбера.
Недавние проекты: мультиагентная система для анализа организационной эффективности (доклад на AI Journey 2025), мультиагентный пайплайн для анализа документов об организационных изменениях, AI-агент-Copilot для постановки и мониторинга целей. Все направления активно растут и получают непосредственную поддержку руководства банка.
Основные направления деятельности
- Формируем рекомендации по повышению эффективности команд, продуктов и подразделений на основе классификации, кластеризации и тематического моделирования с использованием цифровых следов (Jira, встречи, письма и др.).
- Проводим комплексный анализ результативности в рамках сценарного моделирования деятельности по достижению целей руководства банка.
- Реализуем пайплайны обработки внутренних документов произвольной длины для построения рекомендаций по работе с ними и ускорения организационных изменений.
- Выявляем глобальные тренды и проводим анализ их влияния на численность ролей банка для Стратегии Сбера.
- Анализируем графы целей организации (связанность, каскадирование), а также рекомендуем амбициозные цели с учетом контекста и приоритетов Стратегии.
- Расширяем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.
- Участвуем в развитии глобального направления AI-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).
- Проверяем гипотезы любой сложности для получения Data-driven инсайтов для подготовки стратегических сессий руководства банка.
Наши глобальные приоритеты
- Разработка и внедрение AI-решений (Classic NLP, LLM-приложения, AI-агенты) для повышения эффективности приоритетных стратегических процессов банка с потенциалом использования на внешнем рынке.
- Создание SotA-решений с учетом специфики банка.
Почему нас выбирают
- Возможность использовать передовые AI-технологии и платформы банка.
- Участие в развитии инновационных сервисов стратегического блока, которые приносят реальную пользу процессам и продуктам всего банка и быстро попадают в поле зрения ключевых руководителей.
- Возможность участия в международных проектах и конференциях по AI и ML.
- Работа в дружной команде профессионалов, ориентированной на достижение самых амбициозных целей и постоянное развитие.
Обязанности
- Разработка и внедрение AI-сервисов (Classic NLP, LLM-приложения, AI-агенты, диалоговые системы) от этапа MVP до ПРОМ (CRISP-DM).
- Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, NER, Semantic Search, Clustering и др.
- Создание мультиагентных пайплайнов на основе фреймворков для работы с LLM (LangGraph, LangChain/GigaChain, LlamaIndex и др.).
- Адаптация и обучение языковых моделей на основе внутренних и внешних данных (Prompt Tuning, RAG, PEFT, SFT).
- Индексация и ранжирование текстовых документов.
- Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.
- Оптимизация AI-сервисов в промышленной среде.
- Участие в валидации и автомониторинге моделей, проведение A/B-тестирования.
Требования
- Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики и информатики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, Сколтех.
- Опыт в разработке NLP-моделей и рекомендательных систем.
- Понимание жизненного цикла моделей (CRISP-DM).
- Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.
- Высокий уровень владения ядром Python и SQL.
- Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers.
- WEB-фреймворки: FastAPI (async methods), Flask и др.
- Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).
- Знание агентных архитектур (ReAct, Blackboard, Multi-agent и др.).
- Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).
- Контейнеризация: Docker, OpenShift.
Условия
- Гибкий гибрид (обсуждаем индивидуально).
- Современный IT-офис вблизи Москва-Сити с фитнес-залом.
- Ипотека с выгодой для сотрудника и льготные условия кредитования.
- Бесплатная подписка СберПрайм+.
- Скидки на продукты компаний-партнеров.
- ДМС с первого дня и льготное страхование для близких.
- Корпоративная пенсионная программа.
- Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.
- Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира.
Доход и график обсуждаем с каждым индивидуально.
Мы разрабатываем AI-сервисы для всех продуктовых команд Блока "Стратегия и развитие", совмещая Classic NLP и LLM-based подходы для достижения максимального качества наших комплексных решений:
- Мэтчим разные сущности банка (продукты, поручения, цели, встречи, инициативы, комментарии и др.) для создания полной информационной картины, позволяющей руководителям принимать AI-driven решения.
- Формируем рекомендации по тайм-менеджменту и планированию задач в рамках стратегических направлений на основе разнообразных внутренних источников информации (встречи в календаре, поручения, внешние мероприятия).
- Классифицируем как короткие тексты (Jira-задачи, комментарии), так и длинные (внутренние документы Сбера) для оптимизации внутренних процессов банка.
- Развиваем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.
- Участвуем в развитии глобального направления ИИ-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).
- Проверяем гипотезы любой сложности для получения Data-driven инсайтов, которые становятся предметом обсуждения на стратегических сессиях руководства банка.
В наши глобальные планы входит:
- Шэринг наших решений для переиспользования другими командами банка.
- Работа над маркетплейсом ключевых AI-решений для быстрой проверки гипотез бизнес-заказчиками блока.
Обязанности
- Разработка и внедрение ML-моделей от этапа MVP до ПРОМ-решения (CRISP-DM).
- Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering.
- Разработка прототипов на основе LLM с использованием фреймворков для работы с LLM, таких как LangChain/GigaChain.
- Адаптация и обучение языковых моделей (LLM) Сбера на основе внутренних и внешних данных, Prompt Tuning, RAG.
- Индексация и ранжирование текстовых документов разной длины.
- Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.
- Определение ML SysDes решения с учетом разрешенного технологического стека.
- Участие в валидации и автомониторинге моделей, проведение A/B тестирования.
Требования
- Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики или статистики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, МИФИ.
- Опыт в разработке NLP моделей и рекомендательных систем (желательно).
- Понимание жизненного цикла моделей (CRISP-DM).
- Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.
- Высокий уровень владения ядром Python и SQL.
- Свободное владение базовыми библиотеками на Python, в том числе: pandas, numpy, matplotlib, seaborn.
- Знание фреймворков, библиотек, алгоритмов машинного обучения: Scikit-learn, PyTorch, XGBoost, CatBoost, TensorFlow, transformers.
- Опыт работы с NLP библиотеками: pymorphy2, NLTK, Gensim, spaCy, regexp.
- WEB-фреймворки: FastAPI (async methods), Flask и др.
- Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).
- Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).
- Контейнеризация: Docker, OpenShift.
Условия
- Удаленка или гибкий гибрид (обсуждаем индивидуально).
- Современный IT-офис вблизи Москва-Сити с фитнес-залом;
- Высокий уровень дохода (обсуждаем индивидуально), готовые премии.
- Ипотека выгоднее на 4% для каждого сотрудника и льготные условия кредитования.
- Бесплатная подписка СберПрайм+.
- Скидки на продукты компаний-партнеров.
- ДМС с первого дня и льготное страхование для близких.
- Корпоративная пенсионная программа.
- Обучение за счет Компании: онлайн-курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.
Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты.
Описание команды:
Мы разрабатываем AI-агентов для продуктовых команд и ТОП-процессов Блока "Стратегия и развитие", совмещая Classic NLP, LLM-based и мультиагентные подходы с целью повышения внутренней эффективности и автономизации задач на основе Leading Edge технологий в области AI.
Основные направления деятельности:
- Мэтчим разные сущности банка (продукты, функции, цели, встречи, письма, задачи Jira и др.) для создания полной картины в рамках анализа эффективности всей организации.
- Формируем рекомендации по повышению эффективности на основе классификации, кластеризации и тематического моделирования с использованием цифровых следов.
- Реализуем пайплайны обработки внутренних документов произвольной длины для максимального ускорения работы с ними (маршрутизация, рекомендация замечаний и генерация корректных документов с нуля).
- Проводим анализ графов целей организации (связанность, каскадирование, полнота и актуальность) для выравнивания стратегии банка на всех уровнях, а также рекомендуем амбициозные цели с учетом контекста и приоритетов стратегии.
- Расширяем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.
- Участвуем в развитии глобального направления AI-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).
- Проверяем гипотезы любой сложности для получения Data-driven инсайтов, которые становятся предметом обсуждения на стратегических сессиях руководства банка.
В наши глобальные планы входит:
- Разработка и внедрение AI-агентов для самых приоритетных стратегических процессов банка с потенциалом переиспользования на внешнем рынке.
- Создание SotA-решений с учетом специфики банка.
Обязанности
- Разработка и внедрение ML-моделей и AI-агентов от этапа MVP до ПРОМ (CRISP-DM).
- Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering и др.
- Создание мультиагентных пайплайнов на основе фреймворков для работы с LLM (LangChain/GigaChain).
- Адаптация и обучение языковых моделей (LLM) Сбера на основе внутренних и внешних данных (In-Context Learning, Prompt Tuning, RAG, PEFT).
- Индексация и ранжирование текстовых документов разной длины.
- Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.
- Определение ML SysDes решения с учетом разрешенного технологического стека.
- Участие в валидации и автомониторинге моделей, проведение A/B тестирования.
Требования
- Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики или статистики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, МИФИ.
- Опыт в разработке NLP моделей (обязательно) и рекомендательных систем (желательно).
- Понимание жизненного цикла моделей (CRISP-DM).
- Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.
- Высокий уровень владения ядром Python и SQL.
- Свободное владение базовыми библиотеками на Python: pandas, numpy, matplotlib, seaborn и др.
- Знание фреймворков, библиотек, алгоритмов машинного обучения: Scikit-learn, Pytorch, XGBoost, CatBoost, TensorFlow, transformers.
- Опыт работы с NLP библиотеками: pymorphy2, NLTK, Gensim, spaCy, regexp.
- WEB-фреймворки: FastAPI (async methods), Flask и др.
- Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).
- Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).
- Контейнеризация: Docker, OpenShift.
Условия
- Ипотека выгоднее на 7% для каждого сотрудника и льготные условия кредитования.
- Бесплатная подписка СберПрайм+.
- Скидки на продукты компаний-партнеров.
- ДМС с первого дня и льготное страхование для близких.
- Корпоративная пенсионная программа.
- Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.
- Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы.
Описание команды:
Мы разрабатываем AI-агентов для продуктовых команд и ТОП-процессов Блока "Стратегия и развитие", совмещая Classic NLP, LLM-based и мультиагентные подходы с целью повышения внутренней эффективности и автономизации задач на основе Leading Edge технологий в области AI.
Основные направления деятельности:
- Мэтчим разные сущности банка (продукты, функции, цели, встречи, письма, задачи Jira и др.) для создания полной картины в рамках анализа эффективности всей организации.
- Формируем рекомендации по повышению эффективности на основе классификации, кластеризации и тематического моделирования с использованием цифровых следов.
- Реализуем пайплайны обработки внутренних документов произвольной длины для максимального ускорения работы с ними (маршрутизация, рекомендация замечаний и генерация корректных документов с нуля).
- Проводим анализ графов целей организации (связанность, каскадирование, полнота и актуальность) для выравнивания стратегии банка на всех уровнях, а также рекомендуем амбициозные цели с учетом контекста и приоритетов стратегии.
- Расширяем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.
- Участвуем в развитии глобального направления AI-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).
- Проверяем гипотезы любой сложности для получения Data-driven инсайтов, которые становятся предметом обсуждения на стратегических сессиях руководства банка.
В наши глобальные планы входит:
- Разработка и внедрение AI-агентов для самых приоритетных стратегических процессов банка с потенциалом переиспользования на внешнем рынке.
- Создание SotA-решений с учетом специфики банка.
Почему стоит присоединиться к нам:
- Возможность использовать передовые AI-технологии и платформы банка.
- Участие в развитии инновационных сервисов стратегического блока, которые приносят реальную пользу процессам и продуктам всего банка, при этом быстро попадают в поле зрения ключевых руководителей.
- Возможность участия в международных проектах и конференциях по AI и ML.
- Работа в дружной команде профессионалов, ориентированной на достижение самых амбициозных целей и постоянное развитие.
Обязанности
- Разработка и внедрение ML-моделей и AI-агентов от этапа MVP до ПРОМ (CRISP-DM).
- Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering и др.
- Создание мультиагентных пайплайнов на основе фреймворков для работы с LLM (LangChain/GigaChain).
- Адаптация и обучение языковых моделей (LLM) Сбера на основе внутренних и внешних данных (In-Context Learning, Prompt Tuning, RAG, PEFT).
- Индексация и ранжирование текстовых документов разной длины.
- Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.
- Определение ML SysDes решения с учетом разрешенного технологического стека.
- Участие в валидации и автомониторинге моделей, проведение A/B тестирования.
Требования
- Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики или статистики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, МИФИ.
- Опыт в разработке NLP моделей.
- Понимание жизненного цикла моделей (CRISP-DM).
- Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.
- Свободное владение базовыми библиотеками на Python: pandas, NumPy, matplotlib, seaborn и др.
- WEB-фреймворки: FastAPI (async methods), Flask и др.
- Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).
- Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).
Условия
- Ипотека выгоднее на 7% для каждого сотрудника и льготные условия кредитования.
- Возможность выбрать удобный формат работы — гибрид, удаленка или офис.
- Бесплатная подписка СберПрайм+.
- Скидки на продукты компаний-партнеров.
- ДМС с первого дня и льготное страхование для близких.
- Корпоративная пенсионная программа.
- Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.
- Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы.
Кластер моделирования и исследования данных Блока «Стратегия и развитие» Сбера занимается разработкой AI-решений для различных бизнес-доменов подразделения: целеполагание и эффективность деятельности, управление численностью Группы, Data-driven инсайты для стратегии, анализ процессов и клиентских путей банка.
Обязанности
- Участие в автоматизации источников данных для ML моделей совместно с ML Engineer/Data Engineer.
- End2end-разработка ML-моделей, доведение моделей из стадии MVP до целевого решения (все этапы ЖЦ моделей по CRISP-DM от Data Understanding до Deployment с использованием тех. стека банка).
- NLP-задачи: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering и др..
- Domain Adaptation и дообучение (Lora SFT / SFT) большой языковой модели Сбера (GigaChat) с использованием внутренних / синтетических данных.
- LLM Plugins (multi-hop reasoning, поиск, генерация fuse blocks для вызова внешних API).
- Разработка Python back-end сервисов для обслуживания моделей в ПРОМ-среде. Сопутствующие обязательные стримы:
- Взаимодействие с бизнес-заказчиком для выявления требований к AI-компоненте продукта.
- Участие в разработке архитектуры решения в части AI-компоненты (тех. стек для развертывания моделей в средах исполнения).
- Участие в стримах по валидации моделей и постановке их на автомониторинг.
Требования
- Опыт в разработке NLP-моделей (обязательно) и рекомендательных систем (желательно).
- Высокий уровень владения ядром Python и SQL.
- Свободное владение базовыми библиотеками на Python, в том числе: pandas, NumPy, matplotlib, seaborn.
- Опыт работы с NLP-библиотеками: Pymorphy2, NLTK, Gensim, spaCy, RegExp.
- Индустриальный опыт разработки, обучения, тестирования, выведения моделей в эксплуатацию и мониторинга качества.
Условия
- Возможен удаленный, гибридный или офисный формат на выбор.
- Ипотека выгоднее для каждого сотрудника и льготные условия кредитования.
- Фитнес-залы в офисах.
- Бесплатная подписка СберПрайм+.
- Скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Delivery Club, Самокат, Сбер Еаптека и другие.
- ДМС с первого дня и льготное страхование для близких;корпоративная пенсионная программа.
- Курсы для будущих родителей, материальная поддержка и тематическое сообщество для молодых мам.
- Детский отдых и подарки за счет Компании.
- Обучение за счет Компании: онлайн курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.
- Реферальная программа для сотрудников: можно пригласить в команду знакомых профессионалов и получить вознаграждение до 100 тыс. рублей.
Мы ищем опытных специалистов по работе с большими языковыми моделями, готовых выступить в роли наставников и менторов для других членов команды. Если ты уже поднаторел в LLM и LangChain, и хочешь выйти на новый уровень владения NLP-экспертизой в одном из самых сложных доменов — юридическом, то давай к нам!
Наша междисциплинарная команда (юристы, лингвисты, разработчики и специалисты по Data Science) создаёт инновационные продукты на стыке искусственного интеллекта и права. Основной фокус — разработка ИИ-агентов для автоматизации юридических процессов, включая анализ договоров, сопровождение сделок и поддержку принятия решений.
Вам предстоит
- Разрабатывать и совершенствовать ИИ-агентов для решения юридических задач.
- Формализовать юридические процессы для их автоматизации.
- Создавать и оптимизировать промпты (prompt engineering) для LLM-моделей.
- Разрабатывать онтологии и структуры знаний в юридической области.
- Анализировать и улучшать работу NLP-сервисов.
- Готовить данные для обучения и дообучения языковых моделей.
- Взаимодействовать с юристами и разработчиками для интеграции ИИ-решений.
Мы ждем, что ты
- Обладаешь аналитическим и критическим мышлением — умеешь разбирать сложные задачи на составляющие и находить неочевидные решения.
- Имеешь опыт в Data Science/NLP или разработке ИИ-решений (от 3 лет).
- Знаешь основы юридической терминологии или готов быстро погружаться в юридическую тематику.
- Хорошо владеешь Python (pandas, NumPy, библиотеки для NLP).
- Имеешь опыт работы с LLM (GPT, Claude, Mistral и др.), включая prompt engineering и тонкую настройку.
- Умеешь работать с инструментами управления задачами (Jira, Confluence, Git).
Условия
- Годовая премия по итогам работы до 6 окладов.
- Регулярный пересмотр зарплат.
- Корпоративный спортзал и зоны отдыха.
- Более 400 программ СберУниверситета для роста.
- Программа адаптации и помощь руководителя на старте.
- Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы.
- Расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа.
- Ипотека для сотрудников по дисконтной программе.
- СберПрайм+ и скидки у партнёров.
- Бонус за рекомендации в команду.
Мы команда GigaChat — создаём и развиваем core-технологию генеративной языковой модели. Она может писать тексты, создавать изображения и даже код на Python. Она умеет отвечать на вопросы, вести диалог, сочинять стихи и рассказы, придумывать идеи для бизнеса, писать письма и многое другое.
Направления
- Разработка фреймворка распределённого обучения GigaFSDP, исследование обучений в FP8.
- Развитие метрик качества GigaChat-а, например, через оценку способности решать задачи олимпиад международного уровня.
- Команда инфраструктуры обучений, 5-D параллелизм, в том числе ускорение обучений мультимодальных моделей.
- Разработка низкоуровневых оптимизаций операций на аппаратном уровне.
На эти роли мы ищем талантливого NLP Engineer, с которым будем вместе совершенствовать и развивать GigaChat. Для всех этих экспериментов у нас есть кластер с большим числом A/H 100'ых.
Что делать
- Довести качество до ChatGPT на русском и дальше обогнать его.
- Помогать решать бизнес-задачи с помощью нашей технологии сначала для внутренних клиентов в Сбере, а потом и внешним.
- Придумывать и внедрять новые применения для LLM.
- Помогать выводить в прод всё, что мы обучим.
- Постоянно держаться up-to-date со свежими статьями.
Требования
- Уверенное владение Python, PyTorch.
- Знание базовых алгоритмов и математики.
- Знания в DL, опыт обучения простых и больших моделей.
- Опыт обучения моделей для продакшена.
- Понимание текущего состояния эволюции больших LLM'ов.
- C++ и CUDA.
- Будет плюсом наличие публикаций.
Условия
- Комфортный современный офис в Москве и Санкт-Петербурге.
- Возможность выбрать удобный гибридный график.
- Ежегодный пересмотр зарплаты и годовая премия.
- Зоны отдыха.
- Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития.
- Программа адаптации и помощь руководителя на старте (для стартовых позиций).
- Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
- Ипотека для сотрудников выгоднее до 7%.
- Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнёров.
- Вознаграждение за рекомендацию друзей в команду Сбера.
Группа НЛМК – лидирующий международный производитель высококачественной стальной продукции с вертикально интегрированной моделью бизнеса. Добыча сырья и производство стали сосредоточены в низкозатратных регионах, изготовление готовой продукции осуществляется в непосредственной близости от основных потребителей.
Чем предстоит заниматься:
- Поиском, проверкой и количественной оценкой цифровых гипотез в области технического обслуживания и ремонта (ТОиР) оборудования: предиктивной аналитикой отказов, повышением надежности и коэффициента технической готовности, снижением внеплановых простоев, оптимизацией ремонтных циклов и запасов запасных частей. Результат работы — модели, аналитика и подтвержденный экономический эффект, готовые к внедрению и масштабированию;
- Анализом истории отказов и ремонтов, журналов простоев, режимов работы оборудования и данных технической диагностики;
- Работой с данными с использованием инструментов статистического, регрессионного и факторного анализа;
- Анализом временных рядов с датчиков и систем диагностики (вибрация, температура, ток, давление): поиском аномалий, трендов и предвестников отказов;
- Построением моделей предиктивной аналитики: прогнозированием отказов, оценкой остаточного ресурса оборудования, оптимизацией интервалов технического обслуживания;
- Расчетом и анализом показателей надежности: наработкой на отказ, среднее время восстановления, коэффициент технической готовности, общая эффективность оборудования, структура и длительность простоев;
- Построением ML-моделей, применением LLM для проверки цифровых гипотез;
- Разработкой аналитических дэшбордов в Grafana: надежность оборудования, простои, выполнение плана ТОиР, состояние критичных агрегатов;
- Формированием гипотез по снижению простоев и затрат на ТОиР на основе данных и наблюдений в производстве;
- Количественной оценкой потенциального и достигнутого экономического эффекта цифровых инициатив, подтверждением эффекта по итогам пилотных внедрений.
Для нас важно:
- Высшее образование: техническое, компьютерные технологии, металлургическое, автоматизация, прикладная математика, системный анализ;
- Дополнительное образование в области Data Science, Data Analysis, машинного обучения будет преимуществом;
- Знание методологий управления надежностью и обслуживанием (RCM, TPM) будет преимуществом.
Работа в Группе НЛМК - это:
- Работа в международной сталелитейной компании с активами в России, США и странах Европы, с развитыми корпоративными ценностями и стандартами;
- Возможность работать удаленно или в гибридном формате;
- Оформление по ТК РФ, ежегодная индексация заработной платы, прозрачная система премирования;
- Открытая корпоративная культура для новых идей и предложений (Банк идей);
- Уникальные технологические и инновационные проекты;
- Корпоративные льготы: корпоративная сотовая связь, летние путёвки для детей, новогодние детские подарки, программы лояльности от партнеров, частичная компенсация стоимости питания, материальная поддержка сотрудников в различных жизненных ситуациях;
- Программы заботы о здоровье: (ДМС, страхование от НС и профессиональных заболеваний, диспансеризация, вакцинация);
- Программа бесплатных консультаций юриста, эксперта по здоровому образу жизни, психолога и финансового советника;
- Возможности для саморазвития и обучения – собственный Университет, электронные библиотеки МИФ, Альпина Диджитал, участие в конференциях, развитие наставничества и менторинга, содействие в повышении квалификации, программы профессионального и карьерного развития, изучение иностранного языка по специальным условиям для сотрудников компании;
- Программы поощрения сотрудников (конкурсы Лучший по профессии, Молодой лидер, Мастер года);
- Спортивные и культурные мероприятия (спортивные игры, день металлурга, юбилейные даты общества, Новый год).
Обязанности:
• Участие в проекте умного ценообразования банковских продуктов.
• Полный цикл разработки моделей: сбор и подготовка данных, исследовательский анализ, построение uplift‑моделей, их валидация и оценка.
• Планирование и анализ A/B‑тестов, оценка бизнес‑эффекта.
• Продуктивизация: контейнеризация, интеграция в микросервисы, мониторинг качества предсказаний.
• Сотрудничество с бизнес‑аналитиками, продукт‑менеджерами и инженерами данных.
• Подготовка и проведение demo с заказчиками.
• Поддержка и адаптация модели к изменяющимся данным и бизнес‑условиям.
Требования:
Требования:
• Middle DS с опытом разработки полного цикла (uplift модели как преимущество)
• Глубокие знания математики и статистики
• Опыт работы с библиотеками и фреймворками для машинного обучения
• Развитое критическое мышление. Умение формулировать гипотезы и их проверять.
• Навыки работы в команде и эффективное взаимодействие со смежными специалистами.
• Способность наглядно и понятно представлять результаты анализа, объяснять сложные вещи простым языком.
• Умение связывать технические решения с бизнес-задачами, учитывать специфику доменной области
Условия:
• Интересные задачи и дружный коллектив
• Заказчики с понятными задачами😊
• Feature Store и AutoML (baseline решения из коробки)
• Автоматизированные сервисы по выводу в пром моделей
• Максимум исследования и минимум бюрократии и рутины
Обязанности:
- Формировать стратегию, дорожную карту и приоритеты направления, защищать решения перед стейкхолдерами;
- Управлять двумя командами: бизнес-аналитики и дата-аналитики, включая KPI, найм, развитие и распределение ресурсов;
- Организовывать работу по Agile: управлять бэклогом, спринтами, планированием и ретроспективами, обеспечивать прозрачность через метрики поставки;
- Отвечать за эффективность правил и моделей по всем транзакционным потокам, оценивать предотвращённый ущерб через комплекс специализированных метрик;
- Оптимизировать нагрузку на алерты и качество их обработки, обеспечивать регулярный тюнинг правил без регресса детекции;
- Управлять процессом расследования мошеннических схем и выявлять уязвимости в продуктах, каналах и процессах;
- Инициировать создание новых инструментов, обогащать антифрод-правила атрибутами и событиями;
- Руководить разработкой специализированных, портфельных и операционных дашбордов, развивать data-driven культуру через гипотезы и A/B-тесты;
- Внедрять ML и LLM-инструменты в антифрод: скоринг, генерацию признаков, анализ кейсов и автоматизацию расследований;
- Контролировать качество данных и оценивать эффект, риски и объяснимость AI-моделей.
Требования:
- Высшее образование в области экономики, юриспруденции, ИБ, ИТ или прикладной математики;
- Опыт в антифроде, риск-менеджменте или комплаенсе от 5 лет;
- Опыт управления несколькими аналитическими командами от 2–3 лет;
- Практический опыт работы по Agile: управление бэклогом, спринтами, планированием и метриками поставки;
- Опыт работы в банке или финтехе;
- Понимание антифрод-систем: правила, сценарии, скоринг, маршрутизация, расследования;
- Знание мошеннических схем, уязвимостей платёжных каналов и социальной инженерии;
- Понимание ML, поведенческой и графовой аналитики на уровне постановки задач и оценки результата;
- Знание 161-ФЗ, 115-ФЗ и нормативных актов Банка России в необходимом объёме;
- Понимание BI-инструментов и data engineering: событийная модель, ETL, real-time пайплайны, витрины данных;
- Понимание ML lifecycle, возможностей и ограничений LLM/AI: качество данных, объяснимость, безопасность;
- Системность, аналитическое мышление, устойчивость к многозадачности и сильные коммуникативные навыки.
Условия:
- Стабильный прозрачный доход: заработная плата по итогам собеседования, премия по результатам работы;
- График с 9:00 до 18:00, по пятницам сокращённый день, гибрид (3 дня в офисе);
- Забота о здоровье: ДМС со стоматологией и телемедициной, льготное страхование для близких, полис путешественника;
- Бесплатный фитнес-зал A-Sport в офисах, сетка групповых занятий, турниры по киберспорту, теннису, футболу, волейболу, шахматам, корпоративные слоты на забегах;
- Безлимитные онлайн-консультации психолога, фитнес-тренера, юриста, нутрициолога и других специалистов;
- Карьерная траектория, менторство, курсы по ИИ, менеджменту, продукту и дизайну, доступ к внешнему обучению и конференциям;
- Доступ к ИИ-платформе AlfaGen, нейросетям «в кармане сотрудника» — сервису Alfa AI, конструктору ИИ-агентов;
- Мерч за вовлечённость, программа Приведи друга с выплатами без ограничений;
- 60+ сообществ по интересам, проект Non-Random Coffee, премия Alfa Award лучшим сотрудникам и проектам;
- Доступ к онлайн-библиотеке Alpina Digital, онлайн-курсам Синхронизация по искусству, кино, музыке и психологии.
Middle+ ML Engineer
#MiddleML #MLEngineer #Python #SQL #NumPy #Pandas #Polars #OpenCV #Matplotlib #Удалённо
Требования:
От 5 лет опыта в индустрии в направлении Machine Learning. Обязательный опыт разработки и внедрения Recommendation Systems (RecSys). Опыт в одной из областей Computer Vision / OCR будет преимуществом. Знание подходов, архитектур, типовых проблем и методов их решения в Speech-to-Text / NLP. Уверенное понимание статистики и Core ML. Отличное владение Python, ООП и принципами проектирования приложений. Практический опыт с DL-фреймворками TensorFlow / PyTorch. Уверенное владение стандартным стеком инструментов: SQL, NumPy, Pandas / Polars, OpenCV (cv2), Matplotlib.
Локация:📍Удалённо на территории РФ.
Контакт для отклика: •••••••• или •••••••• +CV
••••••••
Наши продукты — это миллионы пользователей ВКонтакте и Одноклассников, которые каждый день видят рекомендации: истории, друзей, сообщества, подарки, игры, стикеры, анкеты в знакомствах и многое другое. За этим стоят ML-алгоритмы, пайплайны обработки больших объёмов данных и множество A/B-экспериментов.
Сейчас мы активно переносим рекомендательные вертикали на единую контентную платформу (ЕКП) — единая на весь ВК платформа создания рекомендательных систем. Нам нужны сильные ML-разработчики для решения наших амбициозных задач.
О проекте
Команда социальных сервисов отвечает за ранжирование контента в продуктах ВК и ОК. Мы работаем с лентой, историями, рекомендациями друзей, сообществ и других социальных фич. Наша цель — помогать пользователям находить самое интересное, а авторам — новую аудиторию.
Мы строим end-to-end рекомендательные системы: от генерации идей до реализации факторов, обучения моделей и A/B-тестирования.
Задачи
- Разработка и оптимизация ML-моделей для рекомендаций
- Участие в переносе рекомендательных сервисов на ЕКП (единую контентную платформу)
- Построение пайплайнов обработки больших объёмов данных
- Эксперименты: проверка гипотез, анализ A/B-тестов, улучшение метрик
- Генерация идей по улучшению качества работы рекомендаций и участие в проектировании рекомендательных сервисов
Требования
- Опыт в ML от двух лет
- Опыт работы с большими данными (Hadoop, Spark)
- Опыт работы с realtime-сервисами
Будет плюсом
- Опыт с рекомендательными и поисковыми системами
- Опыт проведения и анализа A/B-экспериментов
- Опыт работы с ООП-языками (Java, С++)
Sputnik8 — аккредитованная IT-компания, развивающая сервис для бронирования экскурсий по всему миру.
Мы помогаем путешественникам находить и бронировать впечатления в 100+ странах: от классических обзорных экскурсий до необычного локального опыта. Более 7 миллионов человек уже отправились на экскурсии с нами! И мы продолжаем расти, запускать новые географии и проекты.
Сейчас в нашей команде более 200 профессионалов. Мы верим, что сильный продукт рождается там, где людям дают пространство для идей, экспериментов и влияния на результат. Поэтому создаём среду для роста, инициативы и комфортной работы вместе.
Сейчас мы ищем нашего первого Data Scientist. Вам предстоит с нуля развивать направление машинного обучения в нашем продукте. Это роль с высокой самостоятельностью, заметным влиянием на бизнес-метрики и большим пространством для принятия собственных решений.
Вы будете тесно работать с командой Data Engineering, которая уже развивает инфраструктуру данных и помогает с подготовкой датасетов для обучения и экспериментов.
Чем предстоит заниматься:
-
Формирование и уточнение бизнес-требований к ML-решениям
-
Внедрение ML-направления с нуля
-
Улучшение алгоритмов за счет методов машинного обучения
Что мы ждем от кандидата:
-
Опыт коммерческой разработки в Machine Learning от 3 лет
-
Понимание специфики рекомендательных систем и задач ранжирования
-
Самостоятельность: умение декомпозировать задачи, выбирать подход и принимать архитектурные решения в условиях автономности
Технический стек:
-
ML-алгоритмы: Практический опыт с градиентным бустингом (CatBoost / XGBoost / LightGBM)
-
RecSys-библиотеки: Опыт работы с Implicit, LightFM (или аналогами)
-
Работа с данными: Умение эффективно обрабатывать большие объемы данных (SQL, polars)
-
MLOps и деплой: Навык вывода моделей в продакшн (Docker, FastAPI, Airflow), обеспечение воспроизводимости экспериментов (MLflow / ClearML) и версионирования данных (DVC)
Будет супер, если есть:
-
Опыт дизайна A/B-тестов и анализа результатов
-
Уверенное владение PyTorch, понимание архитектуры трансформеров, опыт их обучения для задач рекомендаций
-
Опыт разработки LLM-агентов и их валидации (LLM-as-a-Judge)
Что мы предлагаем:
-
Работа в быстрорастущей компании над международным продуктом, который вдохновляет
-
Гибкое начало рабочего дня: будь на связи и работай в том ритме, который удобен именно тебе
-
Любой удобный график работы (офис/гибрид/удаленка)
-
Официальное оформление и льготы IT-компаний
-
Предоставляем необходимую технику для работы
-
Поддерживаем профессиональное развитие: оплачиваем курсы, книги и внешнее менторство
-
ДМС со стоматологией, психологом, психотерапией для пар и страхованием в поездках за границу (после испытательного срока)
-
Совместные походы по барам Васильевского острова, пробуем с командой разные кухни мира на обедах, поддерживаем местные бренды
-
Дважды за зиму выезжаем работать в тёплые страны!
-
Офис в пяти минутах от ст. метро Василеостровская в историческом здании Андреевского двора. Рядом прекрасные кофейни и вкусный фудкорт
Мы — команда GenBI and Agentization, разрабатывающая AI-ассистента для платформы Navigator BI — ключевой бизнес-аналитической системы банка. Наш проект уже решает задачи, значимые для всей экосистемы Сбера. Наша цель — создать интеллектуального помощника, который помогает пользователям:
-
находить нужные дашборды и отчёты
-
получать статистику и динамику показателей естественным языком
-
генерировать новые визуализации (графики, виджеты, таблицы) на основе сырых данных
-
отвечать на вопросы, касающихся бизнес-показателей.
-
повышать метрики качества AI-сервиса: дообучать и адаптировать модели, улучшать пайплайны обработки запросов
-
лидировать выделенное направление в команде: проводить code review, предлагать архитектурные решения
-
тестировать гипотезы по улучшению пользовательского опыта — от качества поиска до точности генерации визуализаций
-
интегрировать LLM в существующие процессы, развивать RAG-компоненты и агентную логику
-
взаимодействовать с командой разработки и бизнес-заказчиками для уточнения требований и постановки задач.
-
опыт разработки LLM-приложений и/или агентных систем
-
глубокое понимание современных NLP-архитектур (трансформеры, механизмы внимания)
-
уверенное владение PyTorch и LangChain
Будет плюсом:
-
опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных
-
опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов
-
знание MLOps-практик (CI/CD для ML, мониторинг моделей)
-
понимание архитектуры агентных систем
-
умение самостоятельно вести задачи от гипотезы до внедрения
-
опыт использования GigaChat, Kandinsky и аналогов в продуктах.
-
комфортный современный офис рядом с м. Кутузовская
-
гибридный формат работы
-
ежегодный пересмотр зарплаты. Годовая премия
-
корпоративный спортзал и зоны отдыха
-
более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
-
программа адаптации и помощь руководителя на старте
-
расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
-
гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
-
подписка Прайм с возможностью совместного использования на трёх близких
-
вознаграждение за рекомендацию друзей в команду Сбера.
Локация
Алматы; формат работы и ограничения по странам не указаны.
О компании
Крупная финансовая организация, развивающая цифровые сервисы и внедряющая современные AI-инструменты в свои продукты и внутренние процессы.
Что нужно делать
- Создавать и внедрять RAG-систему для корпоративной базы знаний, включая работу с векторными хранилищами
- Дообучать языковые модели под прикладные бизнес-задачи и разрабатывать AI-ассистента с интеграцией внешних API
- Строить систему автоматической генерации контента
- Оптимизировать производительность LLM в продакшене и оценивать качество моделей
Требования
- Высшее образование в области Computer Science, Data Science, математики, статистики или смежных направлений и не менее 2,5 лет опыта в Data Science, NLP и работе с языковыми моделями
- Понимание архитектур нейросетей (Transformers, BERT, GPT, T5), опыт fine-tuning и техник Transfer Learning и Few-shot Learning
- Владение методами оптимизации моделей (quantization, pruning, distillation), prompt engineering и fine-tuning через LoRA, QLoRA, PEFT
- Практический опыт с GPT, Claude, Llama, Mistral, Gemini, векторными базами Pinecone, Weaviate, Chroma, а также PyTorch, TensorFlow, Hugging Face, LangChain, LlamaIndex, vLLM, TGI, Python, SQL и Airflow
«История операций» — это один из самых высоконагруженных и посещаемых экранов в приложении. Наша цель — превратить сухие строчки чеков в умную, интерактивную ленту. Мы внедряем LLM, чтобы пользователь мог общаться со своими финансами на естественном языке, получать моментальные умные инсайты, автоматические теги и персонализированную аналитику расходов.
- Разрабатывать и внедрять ИИ-агентов (LLM Agents): проектировать логику рассуждений агентов на базе GigaChat, обучать и дообучать модели (Finetuning, LoRA/QLoRA), настраивать вызов внешних инструментов (Tool Calling, API, SQL-скрипты) под задачи банкинга.
- Проектировать и обучать классические ML-модели: разработать точечную ML-модель для анализа транзакционных и табличных данных (классификация, кластеризация или скоринг) для обогащения контекста агента.
- Строить RAG-системы: проектировать архитектуру контекстного поиска ответов по сложным финансовым логам, чекам и документам пользователя.
- Анализировать и дорабатывать корзину запросов: оценивать результаты ответов агентов на предмет качества и ошибок, согласовывать метрики (Guardrails, Ragas), защищать подходы перед бизнесом и показывать ценность данных на понятном языке.
- Обеспечивать надёжность и оптимизировать воркфлоу: минимизировать задержки (latency) ответов, настраивать мониторинг внедрённых решений и контролировать траекторию поведения агента, полностью исключая галлюцинации в продакшене.
Наш идеальный кандидат
- Имеет опыт в LLM от 2-3 лет: запускал языковые модели в продакшн (Transformers, BERT, GPT-подобные архитектуры).
- Мастерски владеет Python: знает библиотеки PyTorch, Hugging Face, LangChain, LlamaIndex.
- Понимает специфику работы с LLM: умеет эффективно настраивать Prompt Engineering, оптимизировать инференс (vLLM, TensorRT-LLM) и оценивать качество генерации (Ragas, TruLens).
- Обладает базой в классическом машинном обучении: понимает алгоритмы Classic ML, умеет работать с табличными данными и признаками (CatBoost / LightGBM / Scikit-learn).
- Дружит с Big Data: уверенно пишет сложные запросы на SQL (Hive/Spark) для подготовки датасетов.
Почему это вакансия-мечта
- Масштаб и влияние: ваш код и обученные модели будут работать в смартфонах каждого второго жителя страны.
- Топовый стек и ресурсы: доступ к мощным суперкомпьютерам Сбера для обучения крупнейших моделей.
- Минимум бюрократии: мы работаем по гибким методологиям внутри сильного DS-сообщества.
- Забота и бенефиты: конкурентная белая зарплата, годовые бонусы, ДМС
- Тренажерный зал (работает даже сейчас)
- Современный IT-офис с пуфами, игровыми зонами и т.д.
- Умопомрачительные виды на Москву
Профильное обучение, митапы, конфы, воркшопы внутри и вне компании
Если вы хотите быть у истоков создания принципиально новой, умной истории операций — давайте создавать будущее финтеха вместе!
AI VK — подразделение экспериментальных технологий, которое решает широкий спектр ML- и DL-задач в VK. Наша цель — находить решения в индустрии и внедрять их в продукты. Мы анализируем, как наши разработки можно переиспользовать и где применить, а затем масштабируем.
У нас есть успешные релизы мультимодальных контентных моделей и мультимодальных LLM для core-продуктов (рекомендации, поиск, реклама). Расширяем штат, чтобы решать основные и смежные задачи.
Главная цель — глубокая интерпретация контента (эмбеддинги и предсказание таргетов) с использованием различных архитектур (BERT, CLIP и GPT) всех модальностей:
- Текст
- Изображения и видео
- Аудио и речь
- OCR и другие
Стек: PyTorch Lightning, YTsaurus, YQL, Triton, TensorRT, Verl, VLLM.
Задачи
- Сбор данных, определение таргетов: работа с разметчиками и синтетическими материалами
- Разработка мультимодальных моделей
- Проведение экспериментов с архитектурами энкодеров
- Оценка качества моделей и их интеграция в продуктовые механики
- Конвертация и деплой моделей
- Сопровождение релизов: A/B-тесты, мониторинг, версионирование
Требования
- Уверенное знание архитектур DL. NLP и CV — в приоритете
- Понимание концепций metric-learning
- Опыт сборки prod-like пайплайнов на PyTorch
- Знание SQL
Будет плюсом
- Опыт внедрения DL-моделей в продакшен
- Работа с retrieval-задачами
- Релевантные публикации и выступления на конференциях
- Целевое образование: ФПМИ, ФКН, ВМиК, ШАД
Вакансия в дочернюю аккредитованную it-компанию Ак Барс Банка.
Предоставляем профессиональные услуги в области информационной защиты.
В связи с расширением штата находимся в поисках - ИИ Инженера.
Чем предстоит заниматься:
- развертыванием и обслуживанием локальных языковых моделей (Llama, Qwen, DeepSeek) через движки вроде vLLM, Ollama, и т.п;
- сборкой полного цикла RAG: от «вытягивания» текста из PDF/Word до настройки векторного поиска и ре-ранжирования;
- оптимизацией моделей (квантование, выбор архитектуры) под конкретные ресурсы GPU, имеющиеся в компании;
- интеграцией AI-моделей во внутренние сервисы через API и созданием агентов для автоматизации задач;
- контролем качества генерации и мониторингом стабильности работы системы.
Что нужно уметь:
- опыт работы AI/ML/системным инженером, backend-разработчиком AI-сервисов от 2-3-х лет;
- опыт локального развертывания SOTA-моделей (Llama, Qwen, DeepSeek) с использованием vLLM, Ollama, TGI, и т.п;
- умение создавать полноценные пайплайны поиска и генерации: от парсинга документов и выбора стратегии чанкинга до работы с векторными БД;
- свободное владение Python и опыт создания API для интеграции моделей в сервисы;
- опыт работы с Linux (Bash) и Docker, настройка драйверов NVIDIA, CUDA;
- знание методов квантования и умение рассчитывать потребность в VRAM/RAM под конкретные модели и длину контекста;
- практический опыт работы с LangChain/LlamaIndex/ и др.
- умение фильтровать запросы, чтобы избежать утечки коммерческой тайны или ПДн через модель;
- умение самостоятельно рассчитать потребности в железе (VRAM/CPU) под требуемые или новые модели.
Что нужно знать: Python, Docker, Linux (Bash), LangChain, LlamaIndex, Hugging Face Transformers, векторные БД (Qdrant, Milvus, PGVector) и классические СУБД (PostgreSQL).
Будет плюсом:
-
опыт работы с метриками качества.
Что мы предлагаем:
- работу в группе компаний холдинга, стабильность, развитую корпоративную культуру;
- уровень заработной платы обсуждается с успешным кандидатом;
- обучения по программе повышения квалификации за счет работодателя;
- ДМС, материальные выплаты;
- необходимую для работы технику;
- официальное трудоустройство по ТК РФ;
- график работы 5/2 с 8:30 до 17:30;
- работа в комфортном офисе в центре города, рядом метро и удобная транспортная развязка;
- офис расположен по адресу г. Казань ул. Кремлевская 6/20.
Ищем технически сильного Antifraud Team Lead / Senior Antifraud Engineer, который возьмёт на себя развитие собственного antifraud-решения компании на стыке backend, data analytics и ML.
Это hands-on роль с высоким уровнем ownership: предстоит не только определять стратегию и приоритеты, но и самостоятельно погружаться в исследования, данные, код и архитектуру.
Обязанности
-
Развивать antifraud-направление end-to-end: стратегия, roadmap, приоритеты и результат от исследования до production;
-
Строить и развивать собственную централизованную antifraud-платформу;
-
Исследовать fraud-сценарии и разрабатывать механизмы противодействия платёжному, игровому, SMS, affiliate и внутреннему фроду;
-
Разрабатывать и улучшать rule-based detection и ML-scoring, оценивать качество и финансовый эффект решений;
-
Проектировать fraud features, автоматизировать antifraud-процессы и обеспечивать высокую скорость принятия решений системой;
-
Технически лидировать работу на стыке backend, analytics и ML, при необходимости самостоятельно погружаясь в задачи команды;
-
Работать с бизнесом и владельцами доменов, превращая их задачи в конкретные antifraud-инструменты.
Требования
-
Практический опыт построения и развития antifraud-систем в high-load consumer-продуктах; опыт в iGaming будет преимуществом, также релевантны fintech, payments и marketplaces;
-
Опыт работы с разными fraud-сценариями и понимание стратегий их выявления и предотвращения;
-
Опыт внедрения как rule-based решений, так и ML/scoring-моделей;
-
Сильный технический бэкграунд и способность самостоятельно писать production-ready код;
-
Уверенные Python и SQL для исследований, анализа данных, разработки правил и моделирования;
-
Архитектурное понимание high-load и real-time систем;
-
Опыт технического лидерства разработчиков, аналитиков и/или ML/Data Science специалистов;
-
Способность самостоятельно проводить аналитические исследования и доводить решения до production;
-
Сильные stakeholder management и коммуникационные навыки;
-
Высокий уровень самостоятельности и ownership.
Что предлагаем
-
Высокий уровень заработной платы, performance-бонусы и регулярный пересмотр зарплаты;
-
Удалённый формат работы для сотрудников, не проживающих на Кипре; комфортный офис с видом на море для кандидатов из Лимасола. Для удаленных сотрудников может быть рассмотрена релокация;
-
График работы: понедельник–пятница, 8 часов в день, с гибким началом рабочего дня;
-
24 дня оплачиваемого отпуска;
-
Корпоративные занятия английским языком;
-
Интересные и сложные задачи с возможностями для профессионального роста и развития;
-
Сильная команда единомышленников, с которой вы сможете реализовывать амбициозные проекты, развиваться профессионально и обмениваться опытом.
Смотрите также в каталоге
Хотите персональную подборку?
Введите свои критерии — мы отфильтруем вакансии по вашим требованиям
Найти подходящие вакансии →