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.

В дайджест попадут вакансии на русском
Соц.сети

Senior Applied ML Engineer

Зарплата не указанаНе указана странаЛокация не указанаУдалёнка

📑 Вакансия Senior Applied ML Engineer

Удалённо · Полная занятость

💎 Компания-разработчик софта •••••••• с 1993 года, работающая с заказчиками в фармацевтике, здравоохранении, медиа и безопасности, ищет Senior Applied ML Engineer. Уже 5 лет компания развивает цифровые продукты для одной из ведущих российских авиакомпаний. Задачи на проекте динамического ценообразования дополнительных услуг авиакомпании (багаж, выбор мест, питание и другие сопутствующие услуги): разработка и развитие ML-моделей для прогнозирования вероятности покупки при разных ценах, оптимизация ценовых решений, построение нейросетевых моделей; проектирование контролируемого исследования в допустимом диапазоне цен — правила рандомизации, вероятности назначения ценовых вариантов, ограничения безопасности; дизайн A/B-тестов для сравнения новой политики ценообразования с текущей, определение primary- и guardrail-метрик, критериев остановки и условий rollout; полный жизненный цикл ML — обучение, валидация, инференс, периодическое переобучение, версионирование моделей, цикл обратной связи между предсказаниями и фактическими результатами; реализация сквозного ML-прототипа с минимальными HTTP API, хранением данных и имитацией внешней системы бронирования; корректное логирование назначенных цен, экспериментальных вариантов, фактов покупки и бизнес-метрик. Условия: удалённая работа, корпоративный ноутбук, официальное оформление по ТК РФ с белой зарплатой, ДМС и 100% оплата больничных, возможности профессионального роста.

🧩 Требования: уверенное владение Python, NumPy, pandas, scikit-learn, PyTorch или TensorFlow, а также C# для интеграции с бэкендом; опыт разработки, обучения и применения ML-моделей, включая нейронные сети, feature engineering и работу с табличными данными; понимание математических основ ML, теории вероятностей, статистики, методов оптимизации и принципов A/B-тестирования; способность проектировать controlled exploration — правила рандомизации, primary- и guardrail-метрики для ценовых экспериментов; опыт организации полного ML-цикла (обучение, валидация, инференс, переобучение, версионирование, обратная связь); уверенные SQL, PostgreSQL, Git, Docker и навыки разработки Python-приложений с автотестами. Плюсом будет опыт в динамическом ценообразовании и revenue optimization (прогнозирование спроса, ценовая эластичность, готовность платить), знакомство с методами causal inference и sequential decision making (contextual bandits, off-policy evaluation, IPW, doubly robust estimation), MLOps-инструментами (MLflow, оркестрация, мониторинг), опытом эксплуатации ML-сервисов и работы в авиации, e-commerce или revenue management.

🌐 ••••••••

🔮 •••••••• — бесплатно постим IT-вакансии

Сайты компаний
СБЕР

Стажер NLP Data Scientist

СБЕР
Зарплата не указанаРоссияМоскваГибрид

Центр практического ИИ — подразделение Сбера, которое занимается созданием AI-решений и агентных систем, а также их внедрением в бизнес-процессы банка. Сейчас мы ищем в команду DS-стажера на проекты по внедрению AI-агентов в hr-процессы Сбера (подбор, оценка и развитие компетенций сотрудников).

• Участвовать в E2E процессе разработки и внедрения AI-агентов в процессы банка: прототипирование, промпт-инжиниринг, оценка качества и итеративное улучшение агента

• Взаимодействовать с бизнес-заказчиком для определения требований к решению и с AI-инженерами в части вывода решения в пром

• Обучение в российском ВУЗе на 3-6 курсе бакалавриата и специалитета или 1-2 курсе магистратуры (очная форма)

• Знания в NLP (статистические методы, нейронные сети, трансформеры) и в классическом ML

• Понимание архитектуры LLM и принципов prompt engineering

• Практический опыт создания AI-агентов, знакомы с агентными фреймворками и архитектурами

• Уверенное знание языка Python

Будет плюсом:

• Опыт разработки RAG-систем, работа с векторными хранилищами

• Оплачиваемая стажировка

• Длительность стажировки: 3 месяца

• Формат работы - гибрид, занятость 40 часов в неделю

• Комфортный современный офис в г. Москва рядом с метро Кутузовская

• Корпоративный спортзал и зоны отдыха

• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

• Вознаграждение за рекомендацию друзей в команду Сбера

hh.ru
СБЕР

Tech Lead Data Science в платформу ГенИИ

СБЕР
Зарплата не указанаРоссияМоскваОфис

Мы строим Harness-платформу Сбера — слой между моделью и продуктом: агентный рантайм, инструменты, память, контекст, адаптация и оценка качества. На этой платформе продуктовые команды Сбера запускают свои AI-сценарии. Им не нужно писать всё с нуля: решение собирается из готовых проверенных блоков.

Ищем человека, который возьмёт на себя три ключевые части Harness:

  • Качество ИИ-помощника. Как понять, что помощник хорошо работает в реальных бизнес-сценариях, и как улучшать это от релиза к релизу.
  • Память. Как помощник запоминает пользователя, компанию и контекст задач (Mining) и правильно этим пользуется (Memory Usage).
  • LoRA-адаптеры как платформенный сервис. Как продуктовая команда за недели, а не за месяцы, получает модель, адаптированную под свой домен, с гарантиями качества.

Про роль: направление только формируется, поэтому первые решения вы будете проектировать и делать сами: писать код, собирать eval-пайплайны, запускать обучение адаптеров, разбирать трейсы. По мере роста направления вам предстоит расширять команду. Ищем человека, которому одинаково комфортно собрать датасет из логов и провести встречу с руководителем продукта.

Обязанности

  • Спроектировать и запустить систему оценки качества ИИ-помощника: eval-наборы по бизнес-сценариям, LLM-as-a-judge, human eval, регрессионные гейты на релиз.
  • Самостоятельно собрать первые рабочие версии пайплайнов из готовых компонентов платформы: обучение и оценку LoRA-адаптеров, версионирование, деплой, мультиадаптерный инференс.
  • Разработать архитектуру памяти: долгосрочную и сессионную память, персонализацию, память организации. Отвечать за качество извлечения и применения знаний, а также за приватность и разграничение доступа.
  • Сделать качество агентных сценариев измеримым: работу с инструментами и корпоративными системами, многошаговые задачи, сценарии с длинным контекстом.
  • Лично провести первые продуктовые команды через платформу и на их кейсах понять, что действительно нужно стандартизировать.
  • Собрать и вырастить команду направления
  • Превратить созданное в self-service: инструменты, стандарты и документацию, с которыми продуктовые команды справляются сами.
  • Связать технические метрики с продуктовыми и бизнес-результатами и защищать их на уровне руководства.
  • Формировать культуру, в которой о качестве судят по данным, а не по ощущениям.

Требования

  • Сильный инженерный бэкграунд в ML/LLM и готовность работать руками: Python, PyTorch, экосистема LoRA/PEFT, инференс-фреймворки (vLLM и аналоги).
  • Глубокое понимание современного AI-стека: post-training (SFT, DPO, RL), LoRA/PEFT, RAG, агентные архитектуры, оценка LLM.
  • Опыт доведения ML/LLM-решений до продакшена, а не только исследований.
  • Опыт технического лидерства: вы задавали архитектуру и направление для других инженеров. Опыт руководства командой — большое преимущество.
  • Готовность в перспективе расти в управлении: нанимать, развивать людей, договариваться с заказчиками и руководством.
  • Умение работать с внутренними заказчиками, переводить размытый запрос «чтобы помощник отвечал лучше» в измеримые критерии.
  • Опыт построения eval-систем для LLM-продуктов или агентов.
  • Опыт с системами памяти для LLM: retrieval, графы знаний, суммаризация и сжатие контекста, персонализация.
  • Опыт с multi-LoRA serving и дообучением моделей под домены в продакшене.
  • Опыт создания платформенных продуктов для других команд.
  • Понимание корпоративной специфики: безопасность, доступ к данным, регуляторные требования.
  • Опыт запуска направления с нуля.
  • Активное личное использование агентных продуктов (Claude Code, Cursor, Codex, ассистентов с памятью) и понимание, за счёт чего они хорошо работают.

Условия

  • крупнейшее DS&AI community — более 600 DS-специалистов банка
  • дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
  • возможность быть соавтором НИРов и статей для международных конференций
  • возможность выбрать удобный формат работы: гибрид или офис
  • ежегодный пересмотр зарплаты, годовая премия
  • корпоративный спортзал и зоны отдыха
  • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
  • расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
  • бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
  • вознаграждение за рекомендацию друзей в команду Сбера.
Эта вакансия также есть на:Сайт компании
hh.ru
СБЕР

Deep Learning/CUDA Engineer (GigaChat)

СБЕРАвтоподнятие
Зарплата не указанаРоссияМоскваОфис

Мы - команда инференса GigaChat. Всё, что модель отвечает пользователю, проходит через наш движок - и наша работа в том, чтобы это происходило быстро, дёшево и не падало никогда.У нас нет опции «подождём, пока это появится в vLLM». GigaChat - это свои архитектуры и свои мультимодальные модели, и когда исследователи приносят новую архитектуру, именно мы делаем так, чтобы она летала на проде: пишем ядра, придумываем, как разложить её по GPU, выжимаем токены в секунду там, где, казалось бы, выжимать уже нечего.Это работа, где результат меряется в миллисекундах и мегаваттах: каждый процент ускорения - это тысячи GPU-часов и реальные деньги. И где между «прочитал свежую статью» и «это крутится на проде под нагрузкой» проходят недели, а не годы.

Обязанности

Чем предстоит заниматься:

  • Заставлять новые архитектуры GigaChat (включая мультимодальные) работать на проде быстро
  • Ускорять всё, что можно ускорить: кастомные CUDA-ядра, квантизация, speculative decoding, оптимизации KV-cache, continuous batching — и то, чему ещё нет устоявшегося названия
  • Придумывать, как разложить большую модель по GPU и по кластеру так, чтобы ни один FLOPS не простаивал: тензорный/пайплайн-параллелизм, disaggregated prefill/decode, шедулинг запросов
  • Профилировать честно и глубоко: находить, куда на самом деле уходят миллисекунды — в ядре, в раскладке памяти, в сети или в планировщике — и убирать это
  • Держать прод: движок, через который проходят все запросы к GigaChat, должен успешно переживать абсолютно всё
  • Читать свежие статьи и код лучших движков (vLLM, SGLang, TensorRT-LLM) не как пользователь, а как конкурент: понимать, что у них хорошо, и делать у себя лучше — с поправкой на наши архитектуры

Требования

  • опыт работы в области глубокого обучения, в том числе с LLM
  • глубокое знание CUDA и Python
  • опыт использования GigaChat, Kandinsky и аналогов в продуктах
  • навыки создания и использования AI-агентов.

Условия

  • комфортный современный офис рядом с м. Кутузовская
  • возможность выбрать удобный график – офис/гибрид/удаленка (в РФ)
  • годовая премия
  • корпоративный спортзал и зоны отдыха
  • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
  • расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
  • ипотека для сотрудников по дисконтной прогамме
  • бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
  • вознаграждение за рекомендацию друзей в команду Сбера.
Сайты компаний
vk
Зарплата не указанаРоссияМосква

Отделу исследований AI VK скоро исполнится год. Сейчас нас семь человек, уже 13 принятых статей: четыре на WWW, SIGIR, CIKM и ICDM, восемь на воркшопах и одна в IEEE Access. Вот примеры наших творений:

  • Hierarchical Exponential-Gaussian Mixtures for Watch-Time Distribution Prediction. Предсказываем продолжительность просмотра видео, при этом моделируем всё распределение времени просмотра. На картинке — постер этой работы
  • Scaling Graph Neural Networks for Friend Recommendation: Multi-Hash User Embeddings and Temporal Neighbor Sampling. Рекомендуем друзей на социальном графе из 194 млн пользователей и 28 млрд связей. Эффективно обучаем и применяем графовые нейросети на таком масштабе
  • VK-LSVD: A Large-Scale Industrial Dataset for Short-Video Recommendation. Открыли данные промышленного масштаба: более 40 млрд взаимодействий, 10 млн пользователей и почти 20 млн коротких видео
  • PIEFS: Physics-Informed Eigenfunctions Features with Learnable Scaling. Учимся подстраивать геометрию данных под задачу — соединяем спектральные методы с нейросетями
  • Planning over Matrix-Factorization MDPs for Candidate Generation. Добавляем матричному разложению умение планировать. При подборе кандидатов моделируем, как выбор очередного объекта меняет представление о пользователе и следующие рекомендации
  • На подходе — работы по агентному моделированию, рекомендациям наборов и оптимизации

Задачи

  • Ведение научных исследований (от генерации идей до реализации экспериментов)
  • Написание статей (в том числе по результатам деятельности смежных команд) — это основной KPI
  • Выступление на научных конференциях
  • Участие в научном пиаре (написание текстов в корпоративные блоги, выверка текста, предложения для публикации, выступления на VK-мероприятиях), участие в образовательных проектах (например, VK-образования)
  • Auto Research (основной проект команды — идеи, реализация, эксплуатация)

Требования

  • Опыт исследовательской деятельности
  • Статьи в ведущих журналах (Q1), принятые на конференции (A/A*)
  • Глубокие знания современного машинного и глубокого обучения
  • Идеи для исследований, знания последних научных результатов
  • Практические знания реализации DL-моделей и написания библиотек

Будет плюсом

Опыт в рекомендательных системах или анализе поведения клиентов или моделировании социальных сетей.
Соц.сети

Senior Data Science (Document AI / IDP)

Неизвестный работодатель
Зарплата не указанаРоссияУдалёнка

ID 3942 — Senior Data Science

🌍 Локация: РФ
💼 Удаленно
🕔 Занятость: фулл тайм

🏢 Проект: Промышленность

💡 Требования:
• Коммерческий опыт в Data Science от 5 лет, из них от 2–3 лет в задачах Document AI / IDP
• Опыт ведения задач от постановки до промышленной эксплуатации (end-to-end)
• Опыт самостоятельного принятия архитектурных решений
• OCR: Tesseract, PaddleOCR, EasyOCR, ABBYY FineReader / Vantage или аналоги
• Layout analysis и извлечение структуры: LayoutLM / LayoutLMv3, Donut, DocTR или аналоги
• Классификация документов, извлечение сущностей (NER), извлечение ключевых полей и табличных данных
• Предобработка изображений (OpenCV, deskew, denoise, бинаризация)
• Работа с низким качеством сканов, рукописными пометками, печатями и подписями
• Опыт оценки качества: precision/recall/F1 по полям, accuracy на уровне документа, confidence scoring
• Уверенная работа с XML (XSD, XPath, XSLT, lxml), включая форматы электронных документов (УПД, форматы ФНС, EDI)
• Работа с табличными данными: pandas, SQL, parsing и нормализация
• Построение пайплайнов очистки, валидации и сопоставления данных (matching, дедупликация, сверка с справочниками)
• Python (продвинутый уровень): ООП, тестирование (pytest), типизация, профилирование
• ML-стек: scikit-learn, PyTorch или TensorFlow, Hugging Face Transformers
• SQL (PostgreSQL, MSSQL, Oracle или HANA)
• Git, CI/CD, Docker, написание документации
• Опыт построения REST/SOAP API (FastAPI, Flask) и работы с очередями сообщений (RabbitMQ, Kafka или аналоги)
• Практический опыт интеграции с RPA-платформами (UiPath, Blue Prism, Automation Anywhere, Primo RPA или аналоги): передача данных боту, обработка исключений, возврат результатов
• Понимание процесса загрузки данных в SAP (ERP, S/4HANA): BAPI, IDoc, OData, RFC, либо через RPA-сценарии
• Понимание первичной бухгалтерской документации и бизнес-процессов: Purchase-to-Pay, учет счетов, НДС, трёхстороннее сопоставление (счёт – заказ – приёмка)
• Умение работать с бухгалтерами и бизнес-аналитиками, переводить бизнес-правила в алгоритмы

➕Будет плюсом:
• Опыт работы с SAP (модули FI/CO, MM, SD) на уровне пользователя или аналитика
• Опыт с LLM / VLM для извлечения данных (GPT, Claude, Qwen-VL, локальные модели) и построения гибридных решений с rule-based подходом
• MLOps: MLflow, DVC, Airflow, мониторинг дрейфа данных и качества распознавания
• Опыт дообучения моделей на небольших размеченных выборках (active learning, weak supervision)
• Опыт с инструментами разметки (Label Studio, CVAT)
• Знание требований по информационной безопасности и защите персональных и коммерческих данных
• Опыт работы с облачными платформами или on-premise GPU-инфраструктурой
• Опыт наставничества и code review

📋Задачи:
• Проектирование архитектуры решения по распознаванию и валидации документов
• Разработка и обучение моделей классификации, извлечения полей и таблиц
• Разработка правил и алгоритмов валидации извлечённых данных (контрольные суммы, ИНН/КПП, суммы, НДС, сверка со справочниками SAP)
• Парсинг и нормализация XML и табличных данных
• Интеграция решения с RPA-роботами и SAP, проектирование обработки ошибок и исключений
• Мониторинг качества работы моделей в промышленной эксплуатации, анализ ошибок, доразметка и дообучение
• Определение метрик эффективности (доля STP — straight-through processing, точность, время обработки)
• Взаимодействие с командами RPA, SAP, бухгалтерией и ИБ
• Подготовка технической документации

📨 Отклик — через форму: •••••••• или напрямую рекрутеру: ••••••••

❗️Откликайтесь только при релевантном опыте.

❗️При первичном отклике:
ID вакансии / ФИО / локация / возраст / занятость (работаете/нет) / формат работы (удаленка, гибрид, офис) / стек / опыт / резюме / сверка с требованиями

❗️Повторный отклик: ID вакансии + сверка.

#Data #Scientist #Удаленно #вакансия

hh.ru
selecty

Data Scientist

selecty
до 370k ₽РоссияМоскваУдалёнка

Ищем Middle+/Senior Data Scientist. Полный цикл разработки ML/DL/NLP/LLM-based моделей и AI-агентов для привлечения, удержания клиентов, наращивания транзакционного оборота, управления удовлетворенностью и оптимизации процессов.

Обязанности:

  • Реализация полного цикла разработки моделей и ML-решений: от постановки задачи до передачи на внедрение и мониторинг
  • Генерация ML-решений для задач бизнеса, формирование БТ моделей и ТЗ для смежных команд
  • Выполнение проектных задач в установленные сроки
  • Подготовка отчетов, ТЗ для MLOps и DE, поиск данных
  • Стек: Big Data (Hadoop, AirFlow, Spark, Kafka), Python,LLM
Требования:
  • ML-опыт работы в банковском/финансовом/телеком/ритейл секторе от 5 лет
  • Уверенное владение Python, PySpark и глубокое знание алгоритмов ML/DL
  • Способность поддерживать full-stack разработку: от сбора требований до реализации, документации и мониторинга
  • Развитые soft-skills и опыт написания ТЗ, БТ, проектной документации
  • Высшее техническое / финансово-математическое / экономическое образование
Условия:
  • Удаленный формат работы
  • Оформление в штат Selecty
  • Конкурентный оклад + ДМС со стоматологией
hh.ru
Зарплата не указанаРоссияМоскваГибрид

Мы создаём светомузыкальные шоу фонтанов и развиваем собственное программное обеспечение для подготовки световых видео эффектов и работы с оборудованием управления светом по протоколу DMX512.

Ищем специалиста, который разработает ИИ-систему для анализа музыки и генерации световой динамики на основе примеров работы художника по свету.

Сейчас художник прослушивает музыкальную дорожку расставляет на ней акценты, создаёт световые (видео) эффекты и собирает световую музыкальную композицию.
Мы хотим автоматизировать значительную часть этого процесса, сохранив художественную выразительность и возможность ручной доработки.

Система должна обучаться на постановочных решениях человека: какие события в музыке он выделяет, как распределяет акценты между объектами сцены, выбирает эффекты и выстраивает развитие музыкальной и световой композиции.

Вам предстоит работать над двумя направлениями.
1. Интеллектуальная разметка музыкальной дорожки.
Разработать систему, которая находит значимые музыкальные события и предлагает маркеры для световой постановки: удары, ритмические акценты, переходы, паузы, начала частей и кульминации. Научить ИИ учитывать выбор и предпочтения художника на основе авторской разметки.
2. Генерация световых последовательностей по видеопрограмме и текстовому заданию.
Разработать модель или комбинацию моделей, создающую световую динамику для выбранного музыкального фрагмента с учётом промпта, конфигурации сцены и примеров готовых шоу.
Особенность задачи — работа со смысловой структурой сцены. Ячейки матрицы соответствуют реальным приборам и группам объектов: центральной композиции, фоновым струям, боковым элементам и другим зонам. Они различаются по назначению, геометрии, визуальной яркости и важности. Генерация должна учитывать эти различия и поддерживать художественную иерархию.

В рамках работы вам предстоит:
- Изучить текущий процесс создания шоу и предложить архитектуру ИИ решения.
- Провести аудит доступных примеров и определить требования к обучающему датасету.
- Организовать подготовку и синхронизацию музыки, маркеров, световых последовательностей и описаний сцены.
- Сравнить готовые модели, дообучение и разработку собственных компонентов; обосновать выбранный подход экспериментами.
- Создать прототип анализа музыки и генерации световых последовательностей.
- Обеспечить редактируемый результат: маркеры, группы, эффекты, параметры, временные кривые и переходы.
- Разработать интерфейс взаимодействия модели с нашим ПО через API или другой согласованный механизм.
- Организовать оценку качества совместно с художником по свету.
- Обеспечить воспроизводимость обучения, сохранение моделей и документирование решения.

Мы ожидаем:
- Практический опыт обучения или дообучения ML-моделей на собственных данных.
- Уверенное владение Python и PyTorch либо сопоставимым ML-стеком.
- Опыт работы с аудиоданными и временными последовательностями.
- Понимание методов условной генерации и объединения разных типов данных: видео, аудио, текста и структурированного описания объектов.
- Опыт подготовки датасетов, постановки экспериментов и проверки качества на данных, не участвовавших в обучении.
- Умение доводить исследовательский прототип до компонента, пригодного для интеграции в продукт.
- Способность обсуждать художественные критерии с постановщиком и переводить их в требования к данным и алгоритмам.
- Примеры выполненных проектов с объяснением вашей роли и полученных результатов.
Преимуществом будут:
- Опыт в Music Information Retrieval: анализ ритма, атак звука, музыкальной структуры и инструментальных партий.
- Проекты в области генерации анимации, движения, визуальных эффектов или сценического света.
- Знакомство с обучением на демонстрациях и предпочтениях пользователей.
- Опыт разработки инструментов для творческих специалистов.
Предметную область фонтанных шоу можно освоить в процессе работы. Основной приоритет — сильные компетенции в прикладном машинном обучении и подтверждённый опыт решения нестандартных задач.

Первый этап проекта — аудит данных и рабочий прототип на ограниченном наборе музыкальных примеров и одной описанной конфигурации сцены.

Результат этого этапа должен показать, насколько система точно предлагает значимые акценты, соблюдает роли групп и сокращает объём ручной работы при приемлемом художественном качестве. По итогам определим требования к дальнейшим данным и план развития.


В отклике просим кратко описать релевантные проекты, вашу роль в них, опыт работы с аудио и генеративными моделями. Приложите ссылки на портфолио, демонстрации, публикации или репозитории, если они доступны.

Условия:

  • Официальное трудоустройство, стабильная "белая" зарплата.
  • Уровень заработной платы обсуждается по результатам собеседования.
  • График 5/2 (выходные - суббота, воскресенье).
  • Работа в офисе компании, далее имеется возможность работать в гибридном формате.
  • Участие в уникальных проектах федерального уровня.
  • Профессиональное развитие и обучение за счёт компании.
  • Дружная команда экспертов, поддержка наставников.

О компании Группа компаний «Боронд» — лидер в проектировании, строительстве и реконструкции фонтанов в России. Более 35 лет мы создаём уникальные объекты, отмеченные престижными наградами и признанием профессионального сообщества. Присоединяйся к нам и стань частью команды, которая формирует будущее инженерии!

Соц.сети

ML Engineer (FinTech)

3 000–3 500 $ (≈ 246k–288k ₽)УзбекистанТашкентГибрид

#jobs #вакансия #гибрид #офис #remote #ML #Ташкент

Должность:ML Engineer (FinTech)
Тип занятости: full_time
Уровень: middle+
Страна: Ташкент
Локация: office\hybrid\remote
Компания: ••••••••
Зарплата: от 3 000 USD до 3 500 USD

ML Engineer (FinTech) Middle+ / Strong Middle

Ищем опытного ML Engineer уровня Middle+ / Strong Middle для развитияML-решений в финтех-продуктах.
Основное направление работы разработка и внедрение моделей классического машинного обучения на табличных данных, в первую очередь для задач кредитного скоринга.
Среди продуктов - BNPL (Buy Now, Pay Later), Marketplace и другие цифровые финансовые сервисы.

Чем предстоит заниматься:
-Разрабатывать, обучать и оптимизировать модели классического Machine Learning на табличных данных.
-Разрабатывать и совершенствовать модели кредитного скоринга для финансовых продуктов.
-Самостоятельно вести полный цикл разработки ML-моделей: от исследования и подготовки данных до внедрения в production.
-Проводить исследовательский анализ данных (EDA), Feature Engineering и отбор признаков.
-Подбирать алгоритмы и метрики, оценивать качество моделей, проводить эксперименты и улучшать их результаты.
-Интегрировать ML-модели в онлайн-сервисы через API.
-Участвовать в выводе моделей в production, мониторинге и поддержке их работы.
-Подключаться к задачам рекомендательных систем и других ML-направлений.
-Взаимодействовать с командой и помогать развиваться менее опытным ML-специалистам.

Мы ожидаем:
-Имеете от 2+ лет релевантного коммерческого опыта в Data Science / Machine Learning.
-Имеете практический опыт разработки и внедрения моделей кредитного скоринга.
-Уверенно владеете алгоритмами классического машинного обучения и работой с табличными данными.
-Хорошо владеете Python и SQL.
-Имеете опыт полного цикла разработки ML-моделей от подготовки данных до production.
-Имеете обязательный практический опыт интеграции ML-моделей в онлайн-сервисы через API.
-Понимаете принципы оценки качества моделей, выбора метрик и проведения экспериментов.
-Способны самостоятельно брать ответственность за технические задачи и доводить их до результата.

Важно:
-Опыт разработки антифрод-моделей.
-Опыт работы с ML-инфраструктурой и инструментами автоматизации ML-процессов (MLOps).
-Знание Kubernetes, Airflow, ClickHouse, Grafana, Sentry или OpenSearch.
-Опыт работы с финансовыми продуктами: BNPL, Lending, Credit Risk, Digital Banking.
-Опыт менторства и помощи в развитии Junior ML Engineers.
-Хороший разговорный русский язык.

Что мы предлагаем:
-Работу над реальными ML-задачами в международном финтех-продукте.
-Возможность влиять на развитие ML-решений и техническую архитектуру.
-Сложные технические задачи и профессиональную команду.
-Возможности для обучения и профессионального роста.
-Компенсацию профильного обучения и участие в профессиональных мероприятиях.
-Уроки английского языка с носителем.
-ДМС после испытательного срока.
-Гибкий формат сотрудничества: офис Ташкент, гибрид или удалённая работа (по согласованию).
-График 5/2, с 9:00 до 18:00.
📩 Для связи: ••••••••

Сайты компаний
СБЕР

Data Scientist|ML Engineer

СБЕР
Зарплата не указанаРоссияМоскваОфис

Наша команда занимается разработкой AI-агентов для работы с Вкладами физических лиц. Мы создаём интеллектуальные решения, которые помогают анализировать поведение клиентов, прогнозировать их потребности и формировать персонализированные рекомендации.

Ищем специалиста с сильной экспертизой в классическом Machine Learning, Deep Learning и математических основах машинного обучения, который сможет самостоятельно разрабатывать и внедрять ML-модели для решения реальных бизнес-задач.

Для нас важно, чтобы кандидат не просто умел использовать готовые библиотеки, а понимал математические принципы и ограничения алгоритмов, мог обоснованно выбирать подходящие модели, анализировать результаты и находить способы повышения их качества.

  • разрабатывать, обучать и оптимизировать ML-модели для анализа и прогнозирования поведения физических лиц

  • оздавать модели прогнозирования оттока клиентов, выявлять факторы, влияющие на клиентское поведение и принятие финансовых решений

  • разрабатывать рекомендательные системы для формирования персонализированных предложений и определения наиболее релевантных действий для удержания и развития клиентской базы

  • работать с большими массивами банковских данных: десятками миллионов записей, большим количеством признаков и сложными взаимосвязями между ними

  • выполнять полный цикл разработки ML-решений: сбор и подготовку данных, Feature Engineering, выбор алгоритмов, обучение, тестирование, оценку качества и оптимизацию моделей

  • участвовать в интеграции ML-моделей с AI-агентами и другими компонентами интеллектуальных банковских систем.

  • коммерческий опыт разработки на Python от 3 лет

  • коммерческий опыт в Data Science / Machine Learning от 3 лет

  • самостоятельное ведение ML-решения полного цикла: подготовка данных, feature engineering, обучение, валидация, оценка качества, внедрение

  • опыт запуска ML-задач с нуля: декомпозиция бизнес-потребности, выбор подхода и метрик, защита решения перед бизнесом и смежными командами

  • опыт кросс-функционального взаимодействия: бизнес, агентская команда, продукт.

  • работа в удобном и современном офисе недалеко от станции метро Кутузовская

  • ежегодный пересмотр зарплаты, годовая премия

  • корпоративный спортзал и зоны отдыха

  • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

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

  • подписка Прайм с возможностью совместного использования на трех близких

  • вознаграждение за рекомендацию друзей в команду Сбера.

Эта вакансия также есть на:hh.ru
hh.ru
арелаг консалт
Зарплата не указанаБеларусьМинскУдалёнка

Требования:

• Подтвержденный опыт от 1.5 года в области Machine learning, Data science;

• Глубокие знания в различных областях ИИ: Computer vision, NLP, data mining;

• Опыт разработки Data Science architectures;

• Хорошие навыки программирования на таких языках, как Python/R;

• Опыт работы с фреймворками машинного обучения (TensorFlow, PyTorch) и инструментами ИИ/машинного обучения (pandas, NumPy, scikit-learn, scipy, statsmodels, matplotlib и др.);

• Отличные коммуникативные навыки с возможностью объяснять сложные концепции различным аудиториям;

• Уровень английского языка B1+.

Будет плюсом:

• Экспертиза в Linux, Docker;

• Работа в аутсорс компаниях и прохождение стажировки;

• Опыт работы с облачными сервисами и пайплайнами развертывания машинного обучения.

Условия работы:

• Удаленная работа

• Обмен опытом и поддержка от опытных разработчиков

• Защищённая от инфляции заработная плата

hh.ru
kaspi.kz

NLP Engineer

kaspi.kz
Зарплата не указанаКазахстанАлматыОфис

Kaspi.kz – это место, где необыкновенные люди собираются вместе, чтобы проявить свои лучшие качества, как в работе, так и в жизни, потому что Kaspi – это не просто финансовое учреждение, а большая семья, которая объединила под своим крылом более 10 тысяч человек по всему Казахстану. Мы всегда ценим людей, которые стремятся к знаниям и великим победам, именно поэтому работа у нас – это шанс реализовать свой потенциал.

Работа полностью из офиса в городе Алматы, удалённого и гибридного формата нет.

Вам предстоит:

  • подготовка данных;
  • обучение и тестирование моделей;
  • запуск моделей в production;
  • разработка ML-сервисов и интеграций;
  • анализ качества и улучшение моделей;
  • настройка мониторинга;
  • проведение A/B-тестов.

Мы ожидаем от вас:

  • опыт разработки и запуска NLP/ML-решений в production;
  • знание Python и SQL;
  • опыт работы с BERT, Sentence-BERT, T5, FastText, Word2Vec или аналогами;
  • понимание LLM, RAG и AI-агентов;
  • опыт работы с Docker, Kubernetes и CI/CD;
  • умение анализировать качество моделей и продуктовые метрики

Мы предлагаем:

  • Развитие и карьерный рост;
  • Возможность стать частью профессиональной дружной команды Kaspi;
  • Обучение, тренинги и курсы за счет компании;
  • Бесплатный тренажерный зал в офисе;
  • Электронная библиотека - Kaspi Books и доступное приложение к нему;
  • Chill-зона - уютный дворик, workout-площадка, также удобные скамейки и качели, для полной релаксации :)
  • Отсутствие дресс-кода.
Сайты компаний
vk

Старший ML-разработчик

vkАвтоподнятие
Зарплата не указанаРоссияМосква

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

Мы ищем старшего ML-разработчика, который будет развивать киносериальные рекомендации: анализировать пользовательское поведение, формулировать и проверять гипотезы, развивать матчинг и дедупликацию контента, обучать модели, обеспечивать стабильную работу рантайма, проводить A/B-эксперименты и развивать систему метрик.

Об одном из наших релизов можно прочитать здесь.

Что предлагаем:

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

Задачи

  • Развивать рекомендации для фильмов, сериалов, детского контента, ТВ-шоу и тематических подборок, а также разрабатывать механизмы матчинга и дедупликации контента
  • Обеспечивать стабильную работу ML-решений в высоконагруженном рантайме 
  • Проводить A/B-эксперименты и принимать решения на основе данных
  • Взаимодействовать с продуктом, аналитиками, бэкендом и смежными ML-командами
  • Находить точки роста и формулировать продуктовые и ML-гипотезы

Требования

  • Вы имеете от трёх лет опыта разработки ML-решений
  • Уверенно пишете код на Python, Java или C++
  • Работали с ML-системами в условиях высокой нагрузки
  • Умеете работать с продуктовыми метриками и A/B-тестами
  • Готовы брать на себя сложные технические задачи и доводить решения до продакшена

Будет плюсом

  • Работали с рекомендательными, поисковыми или рекламными системами
  • Работали с видео, медиа, UGC или стриминговыми продуктами
  • Сталкивались с задачами матчинга и дедупликации контента
  • Имеете опыт оптимизации ML-рантайма и production-инфраструктуры
Эта вакансия также есть на:hh.ruGetmatch
Соц.сети

Senior Data Scientist (Document AI / IDP)

Неизвестный работодатель
Зарплата не указанаНе указана странаЛокация не указанаУдалёнка

.🚀 Ищем Senior Data Scientist (Document AI / IDP) на крупный промышленный проект!

Будем строить с нуля и выводить в прод систему интеллектуального распознавания и валидации первичной документации (счета, УПД, акты) с последующей интеграцией в RPA и SAP.

📌 Условия:
• Формат: удалённо, оформление как ИП
• Длительность: от 3-х месяцев
• Грейд: Senior

🛠 Чем предстоит заниматься:
• Проектировать архитектуру end-to-end решения для распознавания и валидации документов.
• Обучать и дорабатывать модели классификации, NER, извлечения полей и таблиц (в том числе из сложных сканов с печатями, подписями и рукописными пометками).
• Писать алгоритмы валидации данных (ИНН/КПП, НДС, контрольные суммы, сверка со справочниками SAP) и парсинг XML (УПД, форматы ФНС, EDI).
• Интегрировать решение с RPA-ботами и SAP (через REST/SOAP API, очереди сообщений).
• Мониторить качество в проде (метрики STP, precision/recall), анализировать ошибки и дообучать модели.🎯

Что мы ждем от тебя:
• Опыт в Data Science от 5 лет, из них от 2–3 лет в задачах Document AI / IDP.
• Уверенный стек OCR и Layout Analysis: Tesseract, PaddleOCR, ABBYY, LayoutLM/v3, Donut, DocTR или аналоги.
• Хорошее знание CV/ML: OpenCV (предобработка сканов), PyTorch/TF, Hugging Face, pandas, SQL.
• Продвинутый Python (ООП, pytest, типизация), опыт разработки API (FastAPI/Flask) и работы с брокерами (Kafka/RabbitMQ).
• Понимание работы с первичкой (Purchase-to-Pay, УПД, НДС) и опыт стыковки с RPA/SAP (или желание быстро в это погрузиться).
• Плюсом будет: опыт с VLM/LLM (Qwen-VL, GPT, Claude) для извлечения данных, MLOps (MLflow, Airflow) и активное обучение.

📩 Как откликнуться:
Пишите в личку: ••••••••

hh.ru
Зарплата не указанаРоссияМоскваГибрид

Обязанности:

  • Разработка и развитие корпоративных AI-решений: интеллектуальных помощников, поиска по документам и систем обработки текстовых данных;
  • Обучение и дообучение ML-моделей для решения бизнес-задач;
  • Разработка и совершенствование NLP-решений для извлечения сущностей, классификации текстов и структурирования информации;
  • Разработка и развитие RAG-систем, семантического поиска и решений на основе локальных языковых моделей;
  • Повышение качества моделей и улучшение бизнес-метрик разрабатываемых решений;
  • Анализ результатов работы моделей, оценка качества и формирование гипотез для дальнейших улучшений;
  • Внедрение моделей в production, проведение A/B-тестирования и оценка эффективности изменений.

Требования:

  • Коммерческий опыт работы в области ML/NLP от 2 лет;
  • Практический опыт внедрения и применения LLM в бизнес-процессах и процессах разработки ПО, включая автоматизацию отдельных этапов разработки;
  • Практический опыт обучения и дообучения языковых моделей, включая fine-tuning;
  • Понимание принципов работы RAG-архитектур, семантического поиска и векторного поиска;
  • Опыт работы с трансформерами и локальными LLM, понимание особенностей их развёртывания и оптимизации для инференса;
  • Опыт работы с векторными базами данных и поисковыми решениями: FAISS, Qdrant, Milvus, Weaviate или pgvector;
  • Практический опыт работы с открытыми языковыми моделями, например Llama, Mistral, Qwen или Gemma;
  • Уверенное владение Python и PyTorch, опыт работы с Hugging Face;
  • Навыки работы с SQL, Git, Docker и Linux;
  • Понимание методов оценки качества ML-моделей и умение анализировать результаты экспериментов.

Что мы предлагаем:

  • Гибридный формат работы 4/1 в пользу офиса (полностью удаленного формата нет).
  • Конкурентоспособная заработная плата.
  • Официальное трудоустройство по ТК РФ, бессрочный договор.
  • ДМС после испытательного срока, 31 день отпуска.
  • Корпоративное изучение английского языка.
  • Работа в профессиональной команде, открытой к сотрудничеству, идеям и инновациям.
hh.ru
Зарплата не указанаРоссияМоскваГибрид

Мы ищем ML-инженера для разработки с нуля решения по интеллектуальной обработке документов: от распознавания текста и анализа структуры до извлечения реквизитов и табличных данных.

Обязанности:

  • Проектирование и разработка ML-решений для распознавания документов, извлечения реквизитов, текста и табличных данных;
  • Выбор архитектур моделей и подходов к решению задач OCR, детекции, сегментации и анализа структуры документов;
  • Подготовка данных, обучение и дообучение моделей, проведение экспериментов и оценка качества;
  • Разработка алгоритмов обработки изображений и повышения качества распознавания;
  • Анализ ошибок, улучшение метрик качества и проверка гипотез;
  • Проектирование и реализация ML-решения для вывода моделей в Production, участие в проведении A/B-тестов.

Требования:

  • Коммерческий опыт разработки ML-решений в области Computer Vision, OCR или Document AI;
  • Опыт полного цикла разработки ML-моделей: от подготовки данных и выбора архитектуры до обучения, оценки качества и внедрения;
  • Практический опыт распознавания текста, извлечения структурированных данных и анализа структуры документов;
  • Знание методов детекции и сегментации объектов, обработки изображений;
  • Глубокое понимание архитектур нейросетей, классического ML и методов оценки качества моделей;
  • Уверенное знание Python, опыт работы с PyTorch или TensorFlow, NumPy, pandas и OpenCV;
  • Опыт работы с SQL, Git и Linux.

Будет плюсом:

  • Опыт работы с TrOCR, Donut, LayoutLM, YOLO, DETR, SAM, Mask R-CNN или аналогичными архитектурами;
  • Опыт работы с Hugging Face Transformers;
  • Опыт проектирования ML-систем и развёртывания моделей в Production;
  • Знание Docker, Kubernetes, Airflow, Spark, Prometheus и Grafana.

Условия работы:

  • График 5/2, 1 удаленный день в неделю (полностью удаленного формата нет).
  • Конкурентоспособная заработная плата.
  • Официальное трудоустройство по ТК РФ, бессрочный договор.
  • ДМС со стоматологией после испытательного срока, 31 день отпуска.
  • Корпоративное изучение английского языка.
  • Работа в профессиональной команде, открытой к сотрудничеству, идеям и инновациям.
Сайты компаний
ozon

Data Scientist, Модели матчинга

ozonАвтоподнятие
Зарплата не указанаРоссияМосква

Привет! Это команда Модели матчинга. Мы развиваем автоматический матчинг товаров в двух направлениях: между товарами Ozon и между товарами Ozon и других маркетплейсов.

Мы решаем сложные технологические задачи на стыке CV/NLP: повышаем полноту матчинга, развиваем мультимодальные модели и ищем новые способы находить соответствия между товарами. При этом наша цель – не исследование ради исследования, а реальные улучшения качества матчинга в production. Мы готовы экспериментировать с новыми подходами и моделями, но важно уметь доводить идеи до работающих решений и оценивать их бизнес-эффект.

У нас разные задачи и направления развития, поэтому мы готовы рассматривать кандидатов с разным опытом и специализацией в CV/NLP. Важнее всего техническая глубина, умение разбираться в сложных проблемах и стремление добиваться практического результата.

Вы будете

  • Анализировать текущие проблемы матчинга и находить возможности для улучшения качества моделей.

  • Работать над всем циклом ML-разработки: от аналитики и сбора датасетов до обучения, оценки качества и внедрения моделей в production.

  • Развивать текстовые, картиночные и мультимодальные модели для матчинга товаров.

  • Адаптировать и дообучать LLM/VLM под наши задачи, в том числе исследовать возможности использования этих моделей для разметки данных и улучшения качества матчинга.

  • Проектировать эксперименты, проверять гипотезы и оценивать эффект изменений на реальных данных в production.

Примеры задач

  • Конкретные задачи будут зависеть от вашего опыта и сильных сторон. С выкаткой моделей в production помогут опытные инженеры.

Нам важно

  • Коммерческий опыт в Data Science. Рассматриваем кандидатов с разным уровнем опыта – для нас важнее релевантные навыки и способность решать сложные задачи.

  • Опыт решения прикладных ML-задач в одной или нескольких областях: CV, NLP, мультимодальные архитектуры, LLM/VLM.

  • Знание Python и опыт работы с данными.

  • Умение проводить эксперименты, анализировать результаты и определять, какие изменения действительно улучшают качество решения.

  • Готовность брать ответственность за результат, разбираться в сложных технических проблемах и доводить решения до production.

Будет плюсом

  • Опыт в матчинге товаров, поиске или информационном поиске (Information Retrieval).

  • Опыт работы с LLM/VLM, в том числе их дообучения и использования для разметки данных.

  • Опыт проектирования протоколов разметки и формирования качественных обучающих датасетов.

  • Участие в ML-соревнованиях или открытых исследовательских проектах.

Сайты компаний
vk

Старший DL-инженер

vkАвтоподнятие
Зарплата не указанаРоссияМосква

Мы — группа мультимодальных контентных моделей в отделе экспериментальных технологий AI VK. Мы разрабатываем технологии глубокого понимания контента и применяем их для развития рекомендательных систем ВКонтакте.

Мы строим модели, которые извлекают содержательные представления из постов, клипов, длинных видео и музыкальных треков, объединяя информацию из текста, изображения, видеоряда, речи и звука. Эти представления используются для поиска похожего контента, построения признаков, классификации и улучшения качества рекомендаций в продуктах VK.

Основные направления нашей работы — базовые embedding-модели для представления контента, мультимодальные модели и контентные классификаторы. Мы исследуем современные архитектуры, обучаем собственные модели на больших внутренних датасетах и доводим их до применения в продуктовых рекомендательных системах.

Позиция находится на стыке ресёрча и инженерии: от чтения статей, построения датасетов и постановки экспериментов до масштабного обучения, оптимизации инференса и проверки моделей в A/B-тестах.

Стек:

  • PyTorch
  • YT (YTsaurus), YQL
  • NVIDIA Triton Inference Server, TensorRT, vLLM
  • Распределённое обучение и multi-GPU inference
  • Python, C++, Go

Задачи

  • Разрабатывать и обучать базовые embedding-модели для текста, изображений, видео, речи, звука и музыки
  • Разрабатывать мультимодальные модели и контентные классификаторы
  • Исследовать архитектуры и методы обучения представлений: metric learning, contrastive learning, self-supervised и supervised learning
  • Строить датасеты и бенчмарки для оценки качества моделей и проводить масштабные экспериментальные исследования
  • Адаптировать модели под задачи retrieval и рекомендательных систем
  • Интегрировать модели в продуктовые механики рекомендаций постов, клипов, видео и музыки
  • Оптимизировать и масштабировать обучение и инференс моделей
  • Деплоить модели и сопровождать их в продакшене: проводить A/B-тесты, анализировать метрики и мониторить качество
  • Постоянно разбирать свежие статьи и идеи из индустрии и академической среды, воспроизводить перспективные подходы и проверять их на наших задачах
  • Настраивать пайплайны сбора и разметки данных, работать с асессорами и синтетическими данными: проектировать инструкции, контролировать качество и проводить калибровки

Требования

  • Опыт разработки, обучения и внедрения DL-моделей
  • Уверенное знание теории машинного и глубокого обучения
  • Хорошее понимание алгоритмов и структур данных, линейной алгебры, теории вероятностей и статистики
  • Умение проектировать корректные эксперименты, выбирать метрики и интерпретировать результаты
  • Навык написания чистого и поддерживаемого кода, понимание принципов проектирования ПО
  • Владение современными практиками совместной разработки с кодовыми агентами: умение эффективно декомпозировать задачи для агентных инструментов, контролировать и ревьюить сгенерированный код
  • Умение самостоятельно разбираться в новых предметных областях, быстро ставить эксперименты и проверять гипотезы
  • Готовность работать как с исследовательской частью задачи, так и с её инженерной реализацией
  • Открытость, ответственность, самостоятельность и проактивность

Будет плюсом

  • Опыт разработки поисковых или рекомендательных систем в индустриальном масштабе
  • Опыт работы с embedding-моделями, metric learning, contrastive learning или representation learning
  • Опыт работы с мультимодальными моделями, VLM, audio-language моделями, video encoders или foundation-моделями
  • Опыт обучения моделей для аудио, музыки, речи, изображений или видео
  • Опыт self-supervised learning и обучения на больших слабоструктурированных датасетах
  • Опыт распределённого обучения на нескольких GPU или нескольких узлах
  • Опыт оптимизации DL-моделей: профилирование, квантизация, дистилляция, уменьшение размерности представлений
  • Опыт построения больших датасетов и систематических бенчмарков для ML-моделей
  • Публикации на профильных ML-конференциях или сильный исследовательский бэкграунд

hh.ru
детский мир. дм-тех

Middle ML Engineer

детский мир. дм-тех
Зарплата не указанаРоссияМоскваУдалёнка

«Детмир Тех» — команда, развивающая цифровую экосистему группы компаний «Детский мир». Делаем продукты для миллионов клиентов и сервисы, которые помогают бизнесу работать быстрее.

Кого ищем: Middle ML Engineer

Мы развиваем машинное обучение для задач ритейла в «Детском мире». ML помогает точнее планировать работу магазинов, прогнозировать спрос и принимать решения, влияющие на продажи, цены и наличие товаров.

Ищем Middle ML Engineer в команду прогнозирования и классического машинного обучения. Предстоит самостоятельно прорабатывать задачи, исследовать данные, разрабатывать модели и доводить решения до использования в бизнес-процессах.

Чем предстоит заниматься:

  • Разрабатывать решения для прогнозирования нагрузки магазинов: оценивать потребность в персонале с учётом планов продаж, заказов, чеков, трафика и особенностей магазинов.

  • Формировать прогнозы и профили потребности с детализацией до дня и 15-минутного интервала, учитывая бизнес-ограничения и нормативы.

  • Разрабатывать модели кластеризации магазинов и использовать сегментацию для настройки прогнозов и бизнес-правил.

  • Создавать и улучшать модели прогнозирования спроса на товары с учётом сезонности, промо, цен, ассортимента и доступности товаров.

  • Разрабатывать алгоритмы для задач динамического ценообразования: оценивать связь цены и спроса, прогнозировать эффект изменения цены и учитывать заданные ограничения.

  • Исследовать влияние промо и других факторов на спрос, строить сценарные прогнозы и оценивать их качество.

  • Проверять гипотезы и качество моделей на исторических данных, подбирать метрики и подходы к валидации.

  • Взаимодействовать с бизнесом, аналитиками и инженерами данных: уточнять постановку задачи и помогать внедрять результаты в рабочие процессы.

  • Поддерживать модели после внедрения и отслеживать качество прогнозов.

Что ожидаем от вас:

  • Опыт решения прикладных задач машинного обучения на реальных данных.
  • Уверенное владение Python и SQL.
  • Понимание классических методов ML, прогнозирования временных рядов и кластеризации.
  • Опыт работы с библиотеками для машинного обучения, например scikit-learn, CatBoost или LightGBM.
  • Понимание методов проверки качества моделей, временной валидации и типичных проблем вроде утечки данных.
  • Навыки исследования данных, построения признаков и проверки гипотез.
  • Умение объяснять выбранный подход и результаты коллегам из разных команд.
  • Готовность самостоятельно вести типовую ML-задачу от анализа данных до подготовки решения к внедрению.

Будет плюсом:

  • Опыт в e-commerce или ритейле.

  • Практический опыт прогнозирования спроса, продаж или операционной нагрузки.

  • Опыт работы с задачами ценообразования, оценкой эластичности спроса или эффектов промо.

  • Опыт внедрения и мониторинга ML-моделей в продуктивной среде.

  • Опыт работы с большими объёмами данных и распределёнными вычислениями.

Ключевые навыки:

Python • SQL • Machine Learning • Прогнозирование временных рядов • Кластеризация • CatBoost • LightGBM • Исследование данных • Валидация моделей

Мы предлагаем:

  • Официальное оформление в соответствии с ТК РФ в IT-аккредитованную компанию;

  • Совокупный доход: оклад + годовой бонус;

  • График работы: 5/2 (гибридный формат работы/ удаленный);

  • Вакансия открыта для кандидатов, проживающих в РФ, удалённый формат работы из других стран не рассматривается;

  • Техника для работы;

  • Полис ДМС;

  • Программа Best Benefits;

  • Внутреннее обучение;

  • Спортивные и развлекательные мероприятия, участие в корпоративной жизни компании.

Присоединяйтесь к нам и станьте частью истории бренда с историей!

hh.ru
Зарплата не указанаРоссияМоскваГибрид

Мы - Kaspersky DDoS Protection (KDP) - отдельное подразделение «Лаборатории Касперского», международного лидера в кибербезопасности. Мы создаём единую высоконагруженную платформу для защиты онлайн-активов. В основе - защита от DDoS-атак (L3/L4), которую мы активно усиливаем решениями уровня приложений (L7): WAF, защита от ботов, а также развиваем направление CDN.

Краткое описание:

Разработка и поддержка ML-систем для antiDDoS/antibot. Системы высоконагруженные, с жесткими SLA. Код нужно писать относительно низкоуровневый, заточенный под real-time прод, то есть from catboost import CatBoostClassifier не вариант. Многие алгоритмы придется реализовывать по пейперам (а в жизни as is они работают не всегда, нюансов много и нужно разбираться) или собственному озарению (обоснованному математической логикой).

Что делать:

- Реализовывать новые и улучшать имеющиеся алгоритмы детекции атак

- Вписываться в жесткие лимиты по задержкам и пропускной способности: профилировать и оптимизировать горячие пути, снижать latency, убирать аллокации, минимизировать gc-паузы и кэш-промахи, предотвращать утечки памяти - и всё это не за счет снижения обобщающей способности моделей

- Писать performance-бенчмарки и тесты - новые фичи не должны ломать SLA

- Внимательно и качественно документировать решения

Наши ожидания от вас:

- 2-3 года коммерческого опыта в ML/DS, практический опыт разработки и внедрения ML-решений

- Хорошая матбаза: статистика, теория вероятностей, линейная алгебра. Способность и желание самостоятельно разбираться в математике алгоритмов

- Интерес к производительности кода и алгоритмов, готовность реально вникать в происходящее "под капотом"

- Системное мышление и внимание к деталям, умение глубоко погрузиться в незнакомую задачу и довести решение до прода

- Английский, достаточный для чтения технической документации и оригиналов научных статей

- Высшее образование

- Python 3.x, SQL, Docker, Airflow, Git, DVC, S3, Grafana, bash

Будет плюсом:

- Опыт работы с высоконагруженными ML-системами

- Опыт в задачах обнаружения аномалий, антифрода, antiDDoS/anti-bot или смежных областях

- Общее понимание как устроен Интернет (модель OSI) и сетевое взаимодействие

- Отсутствие стремления перепоручить агентам вообще всё

Если с real-time еще не работали, но действительно хотите и перечисленное не пугает - откликайтесь

Сайты компаний
ozon

Старший разработчик Python, Рeкомендации

ozonАвтоподнятие
Зарплата не указанаРоссияМосква

Привет! Мы команда MLOps.
В команду рекомендаций Ozon мы ищем Senior специалиста в группу MLOps для работы над проектом внутреннего инструмента объяснения рекомендаций (Explainer). Наши пользователи это дата-сайентисты и продакт-менеджеры рекомендаций, которым мы помогаем отладить работу рекомендательных систем Озона. 

Наш стек: Python, Clickhouse, Kafka

Вы будете

  • Создавать стабильные отказоустойчивые и масштабируемые сервисы и системы обработки данных;

  • Проектировать и валидировать прототипы решений;

  • Писать тесты;

  • Проводить Code Review;

  • Договариваться со смежными командами разработки (и как клиенту, и как исполнителю)

Нам важно

  • Продвинутое владение Python и понимание ООП;

  • Опыт работы с базами данных, в идеале опыт с OLAP. Опыт оптимизации запросов;

  • Опыт работы с очередями сообщений;

  • Уверенный технический бэкграунд (вы представляете себе, что такое контейнеры, k8s и т. д)

Будет плюсом

  • Опыт работы именно с ClickHouse (знание движков таблиц, партиционирования, шардирования и т. д).

  • Опыт работы с FastAPI

  • Знание основ ML, ML-процессов и основных метрик качества ML-моделей

Сайты компаний
СБЕР

Senior Data Scientist

СБЕРАвтоподнятие
Зарплата не указанаРоссияМосква

Наша команда Департамента развития корпоративного бизнеса разрабатывает ML модели в следующих направлениях:

  • предотвращение оттока
  • оценка CLTV
  • омниканальная рекомендательная система
  • котирование кредитов и депозитов и т.д.
  • отраслевые модели
  • классификация комментариев, обратной связи
  • оценка силы связи в графе

В роли Senior Data Scientist вы будете отвечать за end-to-end процесс создания data-продукта, от исследования релевантных данных, построения и проверки гипотез, создания признаков до тестирования и подготовки готового продукта к промышленной эксплуатации

• Высшее образование в области компьютерных наук, статистики, прикладной математики или другой релевантной области

• Глубокое понимание статистических подходов и методов (регрессия, свойства распределений, проверка гипотез и их правильное использование) и опыт их применения

• Свободное владение основными DS библиотеками на Python (pandas, numpy, scikit-learn, pytorch, lightgbm)

• Опыт применения алгоритмов машинного обучения (GLM/Regression, Trees, Random Forest, Boosting), понимание их преимуществ, недостатков и ограничений

• Достойный уровень инженерной культуры (умение писать адекватный код за вменяемое время, использовать контроль версий)

• опыт с языком SQL, навыки работы с Apache Spark

• Английский язык (устный и письменный) как преимущество

• Опыт в распределённых/параллельных вычислениях с помощью следующих технологий: Hadoop, Spark, Dask и другие как преимущество

• Стремление вникнуть в бизнес соответствующей отрасли

• Умение общаться с бизнес-заказчиком, слышать собеседника и доказывать свою точку зрения

• Развитая IT архитектура

• Комфортный офис, большой выбор вариантов по питанию, бесплатный фитнес в офисе

• Скидки на продукты банка и экосистемы

• Постоянное развитие: обучающие курсы от лучших университетов и компаний (МФТИ, ВШЭ, NVIDIA и другие), участие в международных конференциях

• Развитое DS community, регулярные митапы, дайджесты и конференции

hh.ru
рсхб-интех

Data Scientist (РСХБ-Экосистема)

рсхб-интехАвтоподнятие
Зарплата не указанаРоссияМоскваГибрид

Команда РСХБ-Экосистема в поисках специалиста Data Scientist.


Команда занимается персонализированной коммуникацией с клиентами через цифровые каналы. Мы строим end-to-end персонализацию с помощью ML и AI:
Предсказываем, что нужно клиенту, ещё до того, как он это понял;
Разрабатываем мультиагентную систему для генерации контента в мобильном приложении.Прогнозируем транзакции и подбираем персональные категории кешбэка.
Оптимизируем показ предложений с учётом бизнес-ограничений и прогнозов моделей.
Ищем баланс между интересами клиента и целями банка — без перекоса в одну сторону.

ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:

  • Разрабатывать ML-модели (lookalike/response/uplift/recsys) для персонализации push/pull-коммуникаций, категорий кешбэка, рекламных материалов и других сценариев в цифровых каналах банка;
  • Визуализировать и интерпретировать результаты, дизайнить A/B-тесты, проводить пилоты;
  • Общаться с бизнесом и помогать решать задачи через данные и ML;
  • Проходить полный цикл разработки модели: от уточнения требований до продакшна и мониторинга качества (если каких-то навыков не хватает — поможем развить);
  • Разрабатывать AI-агентов.
НАШИ ОЖИДАНИЯ ОТ КАНДИДАТА:
  • Высшее техническое образование;
    3+ года опыта в Data Science (именно построение моделей, не только аналитика);
  • Уверенный математический аппарат: мат. статистика, теория вероятностей;
  • Продвинутый Python и SQL (оконные функции, подзапросы — на автомате);
  • Опыт работы со Scikit-learn, NumPy, Pandas/Polars, Matplotlib/Seaborn/Plotly, LightGBM/XGBoost/CatBoost, PyTorch/TensorFlow/Implicit/LightFM, Airflow, Git.

Будет большим плюсом:

  • PySpark, Hive, Hadoop, Docker, Kubernetes;
  • Опыт в банковской сфере и CVM;
  • Модели склонности и uplift-моделирование;
  • Рекомендательные системы (RecSys);
  • NBA/NBO оптимизаторы (Next Best Action / Next Best Offer);
  • ИИ-сервисы (real-time, near real-time или batch).

ЧТО МЫ ПРЕДЛАГАЕМ:

  • Гибридный формат работы, Москва, Москва-Сити (2 дня в неделю в офисе);
  • Комфортный и современный офис;
  • Обучение за счет компании (посещение конференций, курсов, помощь в написании статей на Хабр и т.д.);
  • Вертикальное и горизонтальное развитие: регулярные тренинги, вебинары, митапы;
  • Забота о вашем здоровье: ДМС с первого месяца работы, куда входит стоматология;
  • Прозрачный доход по итогам интервью;
  • Дополнительные бонусы от Россельхозбанка для сотрудников группы компаний (Скидки на спортзалы, рестораны, маркетплейсы и т.д.).
hh.ru
Зарплата не указанаРоссияКазаньМоскваСанкт-ПетербургУдалёнка

Удалённая работа — географически не привязана. Щёлкни по любой из локаций, чтобы открыть оригинальную карточку.

Функциональные обязанности

  • Развитие прод-сервисов компьютерного зрения полного цикла: детекция людей и объектов, multi-object tracking, ReID, action recognition, embedding-поиск по каталогу деталей.
  • Обучение и дообучение моделей: детекторы (YOLO11/YOLOv12, ultralytics), ReID-эмбеддеры (DINOv3 + LoRA, metric learning), видеомодели распознавания действий (VideoMAE/ViT).
  • Оптимизация инференса под прод: экспорт в ONNX, TensorRT (FP16/BF16, engine cache), батчинг, latency-бюджет, потребление GPU-памяти на многочасовых видео.
  • Доработка алгоритмического ядра трекинга (собственные реализации BoostTrack / BoT-SORT / ByteTrack): ассоциация, фильтр Калмана, компенсация движения камеры, восстановление треков по эмбеддингам.
  • Согласование со смежными командами и заказчиком контрактов API и сообщений.
  • Выезды на производственные площадки заказчиков: сбор данных, внедрение и сопровождение решений.

Требования

  • Коммерческая разработка на Python от 3 лет, уверенное владение numpy и OpenCV.
  • Решения в области компьютерного зрения, выведенные в прод. Детекция объектов обязательна; трекинг (MOT) и/или metric learning / ReID — сильный плюс.
  • Практический опыт обучения и дообучения нейросетей (PyTorch, ultralytics): аугментации, подбор гиперпараметров, диагностика переобучения, работа с несбалансированными данными.
  • Умение самостоятельно выстроить оценку качества: выбрать метрику под задачу, собрать ground truth, воспроизводимо измерить и подтвердить улучшение цифрами.
  • Опыт продакшн-инференса: ONNX Runtime и/или TensorRT.
  • Опыт работы с брокерами и хранилищами: RabbitMQ или Kafka, Redis, S3.
  • Инженерная культура: git-flow и code review, линтеры и типизация (ruff/black/mypy), структурированное логирование, конфигурация через YAML/env вместо хардкода.
  • Самостоятельность: команды небольшие, задача приходит в бизнес-формулировке, а не готовым ТЗ.
  • Готовность к командировкам.

Будет преимуществом:

  • опыт работы с ClearML;
  • Docker, Kubernetes, CI/CD;
  • video understanding и action recognition, работа с временными окнами и мультилейбл-постобработкой;
  • векторные БД (Qdrant) и задачи fine-grained retrieval, где классы визуально почти неразличимы;
  • геометрия камеры: калибровка по шахматке, гомография, дисторсия, fisheye;
  • gRPC и FastAPI, проектирование контрактов между сервисами.

Стек: Python 3.11+, PyTorch, ultralytics, ONNX Runtime, TensorRT, OpenCV, numpy, FastAPI, gRPC, RabbitMQ, Redis, PostgreSQL, S3, Qdrant, Docker, Kubernetes, GitLab CI, ClearML, CVAT.

Условия:

  • Ипотека, отсрочка, стабильность. Решайте важные жизненные вопросы с нашей поддержкой: ИТ-ипотека и отсрочка от службы для тех, кому это актуально.
  • Инвестиции в развитие. Компенсируем ваше обучение, английский (и не только), спортивные абонементы и билеты на конференции. Растите профессионально — мы поможем.
  • Социальная политика. Специальная программа поддержки в разных жизненных ситуациях, включая мамины дни, подарки детям работников при поступлении в первый класс и на Новый год.
  • Офис или удаленка. офисы в трех городах МСК, СПб и Набережные Челны или ваш собственный уютный домашний офис.
  • Встречаемся онлайн и офлайн. Наши активности — от классических викторин в офисе до киберспортивных баталий на удаленке — не дадут заскучать.
Соц.сети

Senior Applied ML Engineer (Python)

Зарплата не указанаНе указана странаЛокация не указанаУдалёнка

#senior #удаленка

••••••••
Senior Applied ML Engineer (Python)
Опыт работы: более 6 лет
Полная занятость
График: 5/2
Формат работы: удалённо

☑️ Чем предстоит заниматься
-Разработка ML-моделей: прогнозирование вероятности покупки дополнительных услуг при разных ценах, оптимизация ценовых решений, построение нейросетевых моделей
-Экспериментальная методология: проектирование контролируемого исследования (controlled exploration) в допустимом диапазоне цен, правил рандомизации, вероятностей назначения ценовых вариантов и ограничений безопасности
-A/B-тестирование: дизайн контролируемых экспериментов для сравнения новой политики ценообразования с текущей, определение основных (primary) и защитных (guardrail) метрик, критериев остановки и условий развёртывания (rollout)
-Полный жизненный цикл машинного обучения: обучение, валидация, инференс, периодическое переобучение, версионирование моделей, цикл обратной связи между предсказаниями, решениями и фактическими результатами
-Разработка: реализация сквозного ML-прототипа, включая минимальные HTTP API, хранение данных и имитацию внешней системы бронирования
-Логирование и данные: корректная фиксация назначенных цен, экспериментальных вариантов, вероятностей назначения, фактов покупки и бизнес-метрик

☑️ Наши пожелания к кандидатам
-Уверенное владение Python, NumPy, pandas, scikit-learn, PyTorch или TensorFlow, а также C# для интеграции с бэкендом
-Опыт разработки, обучения и применения ML-моделей, включая нейронные сети, инженерию признаков (feature engineering) и работу с табличными данными
-Понимание математических основ машинного обучения, теории вероятностей, статистики, методов оптимизации и принципов A/B-тестирования
-Способность проектировать контролируемое исследование (controlled exploration), правила рандомизации, основные и защитные метрики для ценовых экспериментов
-Опыт организации полного жизненного цикла машинного обучения: обучение, валидация, инференс, переобучение, версионирование и обратная связь
-Уверенное владение SQL, PostgreSQL, Git, Docker и навыки разработки Python-приложений с автотестами

Будет плюсом:
-Опыт в динамическом ценообразовании и оптимизации выручки (revenue optimization): прогнозирование спроса, ценовая эластичность, готовность платить
-Знакомство с продвинутыми методами причинно-следственного анализа (causal inference) и последовательного принятия решений (sequential decision making): контекстные многорукие бандиты (contextual bandits), off-policy evaluation, IPW, doubly robust estimation
-Знакомство с MLOps-инструментами (MLflow, оркестрация, мониторинг моделей) и опыт эксплуатации ML-сервисов
-Опыт работы в авиационной отрасли, электронной коммерции или управлении доходами (revenue management)

Контакты: ••••••••

Python Job •••••••• | •••••••• | ••••••••

Смотрите также в каталоге

Хотите персональную подборку?

Введите свои критерии — мы отфильтруем вакансии по вашим требованиям

Найти подходящие вакансии →