Data Science & ML — свежие вакансии

Чем предстоит заниматься:

• разработка с нуля и доработка компонентов для обработки биометрических образцов (изображения лиц, голосовые файлы, видео-потоки);

• развитие ключевого продукта платформы, отвечающего за контроль качества биометрии (проверка "живости", четкости, шумов);

• борьба с техническим долгом: вы будете участвовать в миграции с устаревших монолитных решений на современный стек, улучшать архитектуру модулей и оптимизировать производительность (ускорение инференса);

• работа в многомодульной среде:

  • прикладной слой (API): интеграция алгоритмов в сервисы;

  • библиотечный слой (ML): работа с ML-моделями и алгоритмами анализа.

Мы будем рады, если у вас:

• опыт коммерческой разработки на Python от 2 лет и уверенное владение PyTorch;

• архитектурное мышление. Мы ценим умение писать чистый, поддерживаемый код (Type Hints, SOLID, паттерны) выше, чем знание конкретной библиотеки. Стек меняется, а навык проектирования — нет;

• опыт исследования open-source решений: вы умеете сравнивать архитектуры моделей, анализировать обучаемость и понимаете, как оценивать наличие и качество открытых весов;

• понимание жизненного цикла данных: сбор, подготовка, аугментация и разметка датасетов;

• навыки построения метрик для ML-моделей (ROC-AUC, EER, FAR/FRR) и умение интерпретировать их поведение.

Будет большим плюсом:

• опыт составления и анализа алгоритмов Computer Vision для обработки лиц (Landmarks, Liveness) или алгоритмов обработки голоса (VAD, ASR, Speaker Recognition);

• практика с библиотеками: OpenCV, dlib, ONNX Runtime, Matplotlib, Pandas;

• навыки Fine-tuning моделей под специфические прикладные задачи (дообучение на своих датасетах);

• опыт разработки на C++ (для написания высокопроизводительных биндингов или оптимизации);

• принципиальное знакомство с Docker и контейнеризацией;

• умение работать самостоятельно: разбирать требования, предлагать несколько решений с оценкой рисков и доводить задачи до релиза без постоянного контроля.

Мы предлагаем:

• работу в аккредитованной IT-компании, участие в развитии стратегической государственной системы;

• гибридный формат: 2 дня в офисе (Москва или Воронеж), 3 дня удалённо;

• официальное оформление по ТК РФ, «белая» заработная плата.

• квартальные и годовые премии;

• ДМС после прохождения испытательного срока;

• кафетерий льгот (дополнительные опции на выбор);

• возможности для обучения, повышения квалификации, участия в профильных конференциях;

• молодой, профессиональный коллектив и интересные задачи.

Мы ищем разработчика в команду рекомендательной системы.
Роль предполагает работу с высоконагруженными сервисами, рекомендательными системами и тесное взаимодействие с ML-инфраструктурой продукта.

Команда работает с пользовательскими событиями, real-time обработкой данных и алгоритмами персонализации, которые напрямую влияют на ключевые продуктовые метрики.

Чем предстоит заниматься:

Разрабатывать и развивать backend-сервисы рекомендаций на Python.

Участвовать в проектировании и эволюции архитектуры сервисов без детализированных ТЗ.

Интегрировать и поддерживать алгоритмы рекомендательных систем совместно с ML-командой.

Работать с потоками пользовательских событий и real-time обработкой данных.

Оптимизировать производительность, устойчивость и масштабируемость сервисов.

Участвовать в code review, технических обсуждениях и принятии архитектурных решений.

Мы ожидаем:

Уверенное владение Python 3.9+ и опыт промышленной разработки на нём.

Глубокое понимание system design и принципов построения масштабируемых сервисов.

Самостоятельность и способность работать в условиях неполных требований.

Опыт работы с Redis.

Понимание классических алгоритмов и структур данных.

Опыт работы с базами данных: запросы, миграции, оптимизация, профилирование.

4+ лет опыта разработки стабильных и масштабируемых web-сервисов и API (REST, JSON-RPC, gRPC).

Базовое понимание DS/ML для работы с лентами и рекомендательными системами.

Практический опыт взаимодействия с ML-моделями и их интеграции в backend.

Опыт или понимание принципов построения рекомендательных систем.

Будет плюсом:

Опыт работы с высоконагруженными системами.

Опыт работы с ClickHouse.

Опыт работы с event-driven архитектурой и streaming-данными.

Технологии и инфраструктура:

Языки: Python (FastAPI, Faust)

Cloud: AWS

Оркестрация: Kubernetes (легковесные сервисы), AWS SageMaker (ML-сервисы)

CI/CD: GitLab CI (линтеры и тесты до merge request)

Streaming: Kafka

Data: ClickHouse (Kafka Engine для аналитики)

Redis Stack (агрегации и online-данные)

ML: Jupyter Notebooks в SageMaker

Возможность поднимать инстансы с GPU / CPU / RAM по требованию

Monitoring & Logs: Prometheus, Grafana, Sentry, Kibana

Product Analytics: Datalens

Data governance: миграции и версионирование схем

Мы предлагаем:

Полностью удалённую работу из любой точки мира.

Современное корпоративное оборудование.

Работу над продуктом с реальной нагрузкой и масштабом.

Влияние на ключевые продуктовые метрики через рекомендации.

Взаимодействие с ML- и data-командами.

Команду с высокой степенью самостоятельности и ответственности.

Регулярные командные и неформальные встречи.

Алиса помогает миллионам людей решать повседневные задачи. В команде Алисы AI мы строим Мою Память — единое место для того, что важно пользователю: заметок, дел, списков, планов и файлов. Но наша цель — не просто сделать ещё один заметочник. Мы создаём контекстный слой Алисы: пользователь сможет без лишних усилий сохранить важное, найти это обычными словами и получить нужный контекст в подходящий момент — в чате, с помощью колонки или на другом устройстве с Алисой.

Например:

«Запомни код домофона»

«Добавь молоко в список покупок»

«Что педиатр написал про витамин D?»

«Напомни записаться к врачу через две недели»


В основе сценария — LLM, которая понимает намерение пользователя, вызывает нужные инструменты для создания, поиска и изменения записей и формирует итоговый ответ. Здесь особенно важны точность и надёжность: Алиса не должна забывать сохранить обещанное, менять не ту запись или уверенно говорить о действии, которого не произошло.

Ищем ML-аналитика, который поможет нам измерять и системно улучшать качество Моей Памяти — от первого решения модели до результата, который увидит пользователь.

Создание системы оценки качества AI-продукта

Вы будете формировать целостную картину качества сценария: определять ключевые метрики и раскладывать их по этапам — роутинг, поиск контекста, вызов инструментов, итоговый ответ и доставка результата. Нужно будет связывать офлайн-оценку моделей с поведением продукта в реальном потоке, проектировать мониторинги и дашборды, которые помогают вовремя замечать деградации. Предстоит находить срезы, в которых общая метрика скрывает проблемы: разные устройства, интенты, типы записей и сложность диалога.

Приёмка новых моделей и изменений

Вместе с ML-разработчиками, продуктом и редакторами вы будете отвечать на практический вопрос: можно ли выпускать новую модель пользователям? Для этого предстоит: собирать репрезентативные eval-наборы и приёмочные корзинки, сравнивать версии моделей и разбирать регрессии, развивать LLM-as-a-judge и проверять его согласованность с человеческой оценкой. Нужно будет определять критерии готовности к эксперименту и запуску, проводить постанализ после выкладки и проверять, подтвердился ли ожидаемый эффект.

Разбор ошибок модели и поиск точек роста

Вам предстоит много работать с живыми пользовательскими сценариями и текстовыми логами. Ваши задачи — искать срабатывания false positive и false negative; разбирать DSAT и проблемные диалоги; кластеризовать ошибки и отделять проблемы намерения, retrieval, tool calling и генерации ответа. Нужно будет выявлять повторяющиеся паттерны через data mining и эвристики, превращать наблюдения в проверяемые продуктовые и ML-гипотезы, оценивать масштаб проблемы и ожидаемый эффект исправления.

Подготовка данных для улучшения моделей и проверка изменений онлайн
Вы будете участвовать во всём цикле улучшения качества: формировать выборки для обучения, валидации и независимой приёмки; следить за покрытием сценариев и смещениями в данных; помогать определять разметку и таксономию ошибок. Нужно будет оценивать качество датасетов и автоматической разметки, делать воспроизводимые исследования, которыми сможет пользоваться вся команда.

После офлайн-приёмки предстоит оценивать работу продукта на реальных пользователях: проектировать и анализировать A/B-эксперименты, интерпретировать изменения продуктовых и качественных метрик, отделять эффект модели от изменений состава трафика, находить новые проблемы и удачные сценарии, которые проявляются только в живом потоке.

* Уверенно владеете SQL и Python и умеете самостоятельно проводить исследование от сырых данных до вывода
* Умеете работать с большими объёмами событийных данных и текстовых логов
* Знаете основы математической статистики и A/B-тестирования
* Умеете проектировать метрики, проверять их валидность и объяснять ограничения
* Способны превратить размытый вопрос о качестве продукта в измеримую постановку
* Умеете находить причины за агрегатами и проверять гипотезы на данных
* Понимаете базовые принципы работы ML-моделей и готовы разбираться в сложной LLM-системе
* Ясно формулируете выводы и можете обсуждать их с ML-разработчиками, инженерами, редакторами и менеджерами

* Работали с LLM-продуктами, NLP или голосовыми ассистентами
* Строили evals, LLM-as-a-judge или системы автоматической оценки моделей
* Оценивали качество ранжирования, поиска или классификации
* Собирали обучающие и приёмочные датасеты
* Строили аналитические дашборды и мониторинги
* Знакомы с retrieval, RAG, tool calling и агентными системами
* Умеете работать с неструктурированными данными и проектировать таксономии ошибок

Алиса — AI-ассистент, которым каждый день пользуются более 24 миллионов людей в Поиске, Браузере и на умных устройствах. Наша команда учит Алису работать с реальными сервисами (Почтой, Диском, внешними), чтобы она не просто отвечала на вопросы, а действовала: писала письма, заводила задачи, обновляла статусы, перемещала и находила файлы. Коннекторы, продукт нашей работы — это настоящие руки модели, которыми она может делать полезные вещи! Некоторые из них (например, коннектор почты) уже в проде и каждый день становятся ещё лучше.

Мы ищем инженера, который поможет расширить функциональность и свободу действий Алисы, чтобы люди с её помощью решали рутинные и даже сложные задачи в несколько запросов и хотели пользоваться Алисой каждый день.

У нас широкий, разнообразный research-продуктовый скоуп задач, включающий RAG-пайплайн, разнообразные агентные и нетривиальные подходы, RL и RLHF, alignment и «классический» NLP — он позволит вам не устать от однообразных вызовов. От самописного харнеса (при желании) до оптимизации и обучения — вы будете видеть импакт своих действий, не отказываясь от возможности использовать самые передовые и интересные методы из свежих статей!

Улучшать базовую самостоятельность модели

Продумывать масштабируемые модельные решения, методы оценки и ревардинга модели, подходы к агентности и интеграции с сервисами, а также улучшать качество ответов как таковое, включая человечность и, конечно же, красоту.

Развивать и строить новые инструменты и подходы

Мы делаем ставку на самостоятельность модели в решении задач: LLM должна уметь использовать инструменты реактивности там, где это нужно, а где-то генерировать код, искать документы и извлекать информацию RAG-методами. Наша задача — сделать модель, которая будет работать в среде внутренних и внешних сервисов, источников, «как у себя дома».

Интегрировать Алису с реальными сервисами

Разрабатывать новые коннекторы Почты, Диска, Календаря, трекеров задач и внешних API. Придумывать, как сделать так, чтобы взаимодействие модели с этими сервисами не просто работало, а решало задачу пользователя.

Проектировать и улучшать воркфлоу- и агентные пайплайны

Строить многошаговые сценарии: планирование, декомпозиция задачи, вызов инструментов, проверка результата и корректировка курса — всё это должно работать надёжно и предсказуемо даже в нестандартных ситуациях.

Разрабатывать системы оценки и ревардинга

Придумывать метрики, которые отражают реальную пользу, а не просто красивые цифры на бенчмарке. Строить reward-модели, запускать human-eval- и LLM-as-judge-эксперименты, закрывать петлю обратной связи.

Тюнить и оптимизировать поведение модели

Анализировать ошибки и сбои на живом трафике, собирать целевые датасеты и итеративно улучшать модель с помощью SFT, DPO, RLHF и других методов. Находить баланс между общим качеством и точечными улучшениями под конкретные сценарии — так, чтобы Алиса становилась лучше с каждым релизом.

Больше об ML в Яндексе — в канале Yandex for ML

* Обладаете глубокими знаниями в deep learning и NLP
* Работали с LLM и пайплайнами вокруг них
* Интегрировали LLM или агентные решения в прод

Привет! Мы команда разработки аппаратных проектов.

Мы делаем устройства, которые улучшают складские процессы в Озоне и ищем в свою команду CV инженера на проект "Разработка автоматических устройств измерения ОВХ товаров и постингов".

Вы будете

• Разрабатывать и поддерживать решения на основе компьютерного зрения для измерения габаритов товаров;
• Настраивать камеры и работать с SDK устройств;
• Разрабатывать микросервисы - Python, Docker;
• Проводить интеграции с внутренними системами заказчиков;
• Работать с ML моделями;
• Покрывать фичи тестами;
• Анализировать эффективность существующих решений, оценивать внедрение новых алгоритмов.

Нам важно

• Высшее образование (техническое, математическое);
• Знание Python 3;
• Навыки разработки качественного кода с применением паттернов ООП;
• Базовое знание теории алгоритмов и структур данных;
• Знание алгоритмов компьютерного зрения: классические и ML подходы;
• Знание git;
• Знание английского языка на уровне чтения технической литературы.

Будет плюсом

• Знание методов 3д реконструкции по фото и стерео зрения, основ проективной и эпиполярной геометрии, опыт работы с 3д облаками точек;
• Знание основных принципов и алгоритмов машинного обучения (регрессия, нейросети, градиентный спуск);
• Опыт применения алгоритмов детекции, классификации и сегментации изображений;
• Навыки разработки на C++;
• Опыт работы с БД и знание SQL;
• Опыт работы с web (бэкенд или фронтенд);
• Опыт написания качественных unit тестов.

Vs — R&D команда проекта GigaLegal в СБЕР, создающая решения в правовой сфере на основе LLM для автоматизации юридических процессов.

Наша цель — трансформировать работу юристов, бизнеса и госструктур через:

Автоматизацию анализа договоров и юридических документов

Интеллектуальную генерацию правовых текстов

Разработку специализированных юридических чат-ботов

Создание автономных юридических ИИ-агентов

• разработка и развитие LLM-проектов в юридическом домене — от прототипов до продакшена

• проектирование и обучение агентов-экспертов, решающих задачи правового домена (RAG-пайплайны, классификация запросов, генерация ответов, оценка релевантности)

• исследование и настройка multi-agent orchestration (LangGraph, LangChain, schema guided reasoning pipelines)

• работа с GigaChat как основной моделью, а также эксперименты с ChatGPT, Gemini, Qwen

• дообучение малых моделей (instruction-tuning, adapters, LoRA) для повышения качества юридического рассуждения

• разработка метрик качества

• взаимодействие с инженерами и аналитиками права — внедрение моделей в реальные кейсы (алиментные, потребительские, трудовые и т.д.)

• опыт работы DS/ML-инженером от 3х лет

• понимание архитектуры LLM и принципов prompt engineering

• опыт построения RAG-систем, fine-tuning и дообучения моделей

• умение проектировать пайплайны inference / retraining

Будет плюсом:

• опыт в LegalTech или смежных областях (финансы, документооборот, чат-боты).
• понимание структуры и логики российских нормативных актов
• опыт интеграции LLM с внешними API или базами знаний

Наш стек:

Python 3.10+, FastAPI, LangChain / LangGraph, OpenSearch, Redis, Kafka

• формат работы офис на испытательном сроке, локация офиса ул Вавилова д.19
• ежегодный пересмотр зарплаты, квартальная и 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 трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.

В работе мы ставим амбициозные цели и не останавливаемся на достигнутом. Поэтому для нас так важно, чтобы каждый участник большой команды "Авито" разделял культуру компании. Погрузиться в неё помогает Манифест, в котором собраны наши основные ориентиры — миссия, ценности, принципы работы.

О команде

Наша команда занимается обучением собственных базовых LLM и их внедрением в разнообразные бизнес-сценарии Авито. Цель команды — обеспечить все продукты оптимальными моделями как по качеству ответов, так и по стоимости применения (cost-efficiency).

Мы адаптируем лучшие open-source-решения под русский язык и доменную специфику Авито с помощью continual pretraining и подмены токенизатора.

Для постоянного улучшения моделей мы непрерывно исследуем новые методы, пайплайны, включая RL и синтетические данные, и датасеты. Чтобы оставаться на острие технологий, мы проводим регулярные LLM-семинары, где разбираем свежие статьи и тренды AI.

Наш технический фокус сегодня

• Построение оптимального и масштабируемого пайплайна для претрейна и дообучения LLM.
• Оптимизация инференса: работа с современными движками, квантованием, speculative decoding и другими методами ускорения.

Примеры будущих задач

• Масштабирование базовой модели A-vibe: исследование новых архитектур и подходов к обучению.
• Оптимизация скорости и стоимости инференса высоконагруженных моделей в продакшене.
• Проектирование и помощь в разработке внутренних LLM-платформ и multi-agent-систем.
• Построение надёжной инфраструктуры для оценки качества моделей (evaluation).

Мы ждём, что вы

• Хорошо понимаете основы машинного и глубокого обучения, знаете устройство Transformer и базовые подходы к работе с NLP-моделями.
• Имеете практический опыт обучения или дообучения нейросетевых моделей и работы с датасетами, метриками и валидацией.
• Уверенно пишете на Python, умеете работать с PyTorch и знакомы с базовыми инженерными практиками: Git, тестирование, Code Review.
• Умеете корректно ставить эксперимент, сравнивать подходы и объяснять, почему получился тот или иной результат.
• Можете самостоятельно доводить до результата задачу с понятной постановкой, вовремя подсвечивать риски и обращаться за помощью, когда она нужна.
• Интересуетесь LLM, читаете технические материалы и готовы быстро осваивать новые инструменты и подходы.

Будет здорово, если вы:

• Работали с Hugging Face Transformers, PEFT/LoRA или другими инструментами дообучения LLM.
• Имеете опыт с современными NLP-моделями либо участвовали в их внедрении в продакшен.
• Знакомы с инструментами распределённого обучения или оптимизации инференса: DeepSpeed, vLLM, SGLang, TensorRT-LLM и аналогами.
• Использовали MLOps-инструменты для трекинга экспериментов и версионирования данных: Weights & Biases, MLflow, DVC и другие.
• Участвовали в исследовательских проектах, open-source-разработке или соревнованиях по машинному обучению.

Работа у нас — это

• Возможность влиять на продукт: ваши решения будут улучшать опыт миллионов пользователей.
• Сложные технологические задачи на большом масштабе.
• Мощное железо: доступ к производительным GPU-кластерам для экспериментов.
• Сильное комьюнити: команда экспертов, с которой можно обсуждать идеи и подходы.
• Развитие: бюджет на обучение, курсы, конференции и профессиональную литературу.
• Забота о здоровье: ДМС со стоматологией с первого дня, в офисе принимают терапевт и массажист.
• Гибкость: возможность работать удалённо или из офисов в 4 городах России.

В работе мы ставим амбициозные цели и не останавливаемся на достигнутом. Поэтому для нас так важно, чтобы каждый участник большой команды "Авито" разделял культуру компании. Погрузиться в неё помогает Манифест, в котором собраны наши основные ориентиры — миссия, ценности, принципы работы.

О команде

Команда разрабатывает и поддерживает алгоритмы скоринга и проверки пользователей.

Наша главная цель — минимизировать действия, которые могут навредить пользователям и платформе. Мы выявляем и предотвращаем массовые авторегистрации, аренду аккаунтов, взломы учётных записей и другие проявления фрода.

Примеры будущих задач

• Разрабатывать и внедрять модели для детекции взломов, аренды аккаунтов и авторегистраций.
• Улучшать существующие эвристики и модели: от простых правил до ML-систем с онлайн-инференсом.
• Подбирать оптимальные санкции.
• Анализировать эффективность решений на исторических данных и в продакшене с учётом бизнес-метрик.
• Проводить A/B-тесты и выводить модели в продакшен.
• Улучшать алгоритмы поиска фрода в сервисе, который обрабатывает тысячи событий в минуту.
• Находить эффективные решения реальных бизнес-задач.
• Развивать существующие средства обнаружения фрода и адаптировать их к меняющейся внешней среде на основе данных и обратной связи от пользователей этих решений.
• Экспериментировать с SOTA-методами машинного обучения, когда их применение оправдано задачей.
• Проектировать и внедрять end-to-end ML-решения.
• Отслеживать деградацию, следить за метриками в продакшене и участвовать в непрерывном улучшении моделей после запуска.

Мы ждём, что вы

• Умеете проводить полный цикл ML-разработки: данные → модель → прод → мониторинг → проверка влияния (AB или эквивалентные подходы).
• Имеете большой опыт в NLP или значимый опыт вывода и сопровождения моделей в продакшене.
• Уверенно владеете Python и DS-стеком: NumPy / pandas, scikit-learn, CatBoost (или аналоги), и умеете работать с DL-фреймворками (например, PyTorch).
• Понимаете, как выбирать методы под задачу и аргументированно объяснять компромиссы между качеством, стоимостью, скоростью и рисками.
• Умеете оценивать качество моделей при запуске и отслеживать его изменение во времени (дрейф, деградации, проблемы данных).
• Пишете SQL-запросы на уровне, достаточном для анализа данных и диагностики качества.
• Читаете англоязычную техническую литературу.

Будет здорово, если вы:

• Имеете опыт в модерации, Trust & Safety, антифроде.

Работа у нас — это

• Возможность влиять на бизнес и развитие продукта.
• Интересные и разнообразные задачи: аналитики в Авито ищут точки роста бизнеса, изучают поведение пользователей, придумывают фреймворки и настраивают дашборды.
• Много качественных данных, мощная инфраструктура и инструменты, любое необходимое железо — всё готово для продуктивной работы.
• Талантливая команда, крутая аналитическая культура и сообщество профессионалов.
• Прозрачная система премий, достойная зарплата — размер обсудим на собеседовании.
• Личный бюджет на обучение, который можно тратить на книги, курсы и конференции.
• Забота о здоровье: с первого дня у вас будет ДМС со стоматологией, в офисе принимают терапевт и массажист.
• Удалёнка и замечательный офис в двух минутах от метро «Белорусская»: панорамный вид центр города, места для уединённой работы и зоны отдыха.

Мы - инженерная компания, развивающая направление робототехники, автономных и беспилотных систем. Формируем новый конструкторский отдел разработки полного цикла - от механики и электроники до алгоритмов автономности - и собираем команду, которая построит его с нуля.

Ищем CV-инженерf по VO и SLAM группы автономности и сервиса -

Чем предстоит заниматься:

1. Визуальная одометрия и SLAM​​​​​​​​​​​​​​ для автономного полета без GNSS

2. Автоматический взлет, посадка, удержание позиций, обход препятствий

3. Оптимизация алгоритмов под бортовые вычислители

4. Полевые испытания и доводка на реальных изделиях

Что для нас важно:

• Высшее техническое образование
• С++ и опыт CV от 3-х лет
• Практика VO/VIO/SLAM на реальном "железе"
• Калибровка и работа с камерами
• Опыт оптимизации под ограниченные ресурсы

Будет плюсом:

• БПЛА/мобильные роботы
• Стерео и depth
• ROS2

Предлагаем:

1. Возможность проявить себя в новом направлении - у первых сотрудников максимальное влияние на технические решения и процессы
2. Современное оборудование и приборный парк
3. Работу с реальными изделиями, а не только документацией
4. Выезды на испытания - локальные, в пределах рабочего дня. Редкие командировки
5. Только офисный формат, в графике 5/2 (вых.: сб и вс). Возможен проезд к месту работы и обратно КОРПОРАТИВНЫМ транспортом.
6. Оформление по ТК РФ, полностью белая заработная плата

• Отвечать за разработку, внедрение и сопровождение решений в области компьютерного зрения и искусственного интеллекта
• Участвовать во всем жизненном цикле разработки — от подготовки данных и обучения моделей до их интеграции в программные продукты и оптимизации производительности
• Разработка архитектуры сервисов видеоаналитики
• Интеграция AI/CV-моделей (лица, объекты, номера, забытые предметы, события и прочее)
• Разработка и доработка кастомной аналитики
• Подготовка датасетов, обучение и fine-tuning моделей
• Валидация и оптимизация моделей
• Оптимизация производительности и процессов обработки видео в реальном времени
• Интеграция решений с внешними системами и программными комплексами

• Высшее техническое образование (радиоэлектроника, автоматизация, вычислительные системы, электротехника)
• Опыт работы над проектами интеллектуального видеонаблюдения, работа с IP-камерами, интеграции с внешними системами
• Опыт реализации алгоритмов:
  детекции и классификации
  трекинга и реидентификации
  семантической сегментации
• Опыт работы с транспортной видеоаналитикой, дообучением готовых моделей и созданием собственных датасетов будет вашим преимуществом

Знание:

• Python, OpenCV, PyTorch, NumPy,
• RTSP, FFmpeg, обработка видеопотоков в реальном времени
• Linux, Docker, ONNX Runtime, CUDA
• YOLO, Object Tracking, Deep Learning
• Training Pipelines, подготовка датасетов, оптимизация моделей
• Многопоточность/многопроцессность

Личные качества:

• Внимательность к деталям и ответственность за результат
• Способность работать в команде
• Высокая обучаемость и интерес к новым технологиям

• Официальное трудоустройство, белая заработная плата

• Перспектива карьерного роста в быстроразвивающейся компании

• Достойный уровень заработной платы

Напоминаю о том, что в нашу команду анализа данных идёт отбор кандидатов.🚀

Локация: г. Алматы. Фулл-тайм в офисе, удалёнки нет.

Сейчас ищем:

▪ Middle Data Scientist

▪ BI аналитик

▪ Junior+ / Middle Data Scientist — Antifraud

Что будет интересно:

— реальные бизнес-кейсы и задачи с высоким влиянием на процессы компании;

— работа с ML-моделями, аналитикой и data-driven подходом;

— сильная команда и возможность профессионального роста;

— участие в развитии направлений скоринга, antifraud, computer vision и BI-аналитики.

Будем рады как опытным специалистам, так и тем, кто хочет активно расти в Data-направлении 🚀

Если вам откликается, пишите в личные сообщения или отправляйте CV.

Также будем благодарны за рекомендации и репосты 🙌

Ищем Middle+/Senior Data Scientist. Команда специализируется на разработке моделей машинного обучения для сегмента физических лиц и предоставлении модельных сервисов для бизнес-подразделений банка. 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

• 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

• Удаленный формат работы
• Оформление в штат Selecty
• Конкурентный оклад + ДМС со стоматологией

• Дообучение и адаптация нейросетевых моделей под задачи банка: извлечение данных из документов, классификация и маршрутизация сканов, проверка комплектности документов, задачи компьютерного зрения.
• Подготовка датасетов: организация и контроль разметки, предобработка изображений, аугментация, формирование эталонных наборов для оценки качества.
• Обучение моделей на GPU-инфраструктуре банка, подбор гиперпараметров, работа в условиях ограниченной памяти (LoRA/QLoRA и аналогичные подходы).
  Разработка пайплайнов на базе больших языковых и мультимодальных моделей: вызов внешних инструментов, структурированный вывод, многошаговые сценарии, оркестрация нескольких моделей.
• Построение и оценка систем поиска по внутренним документам (эмбеддинги, векторный поиск, реранкинг).
• Разработка методики оценки качества моделей и регрессионного тестирования: метрики, эталонные наборы, воспроизводимые эксперименты.
• Вывод моделей в промышленную эксплуатацию совместно с отделом Platform & MLOps, контроль латентности, стоимости запроса и стабильности качества.
• Взаимодействие с бизнес-заказчиками: уточнение постановки задачи, согласование метрик успеха, демонстрация результатов.
• Документирование решений и подготовка отчётности для руководства и контролирующих подразделений.
• Обеспечение работы моделей в контуре банка с учётом требований по локализации данных и информационной безопасности.

• Уверенный Python; опыт работы с фреймворками глубокого обучения (PyTorch или TensorFlow).
• Практический опыт обучения нейросетевых моделей в задачах компьютерного зрения или обработки естественного языка: подготовка данных, обучение, валидация, анализ ошибок.
• Понимание метрик качества и умение построить корректную процедуру оценки, а не полагаться на визуальную проверку.
• Математическая база: линейная алгебра, теория вероятностей и статистика, методы оптимизации.
• Linux, Git, SQL, Docker — на уровне уверенного практического применения.
  Опыт работы с удалёнными GPU-серверами, понимание ограничений по видеопамяти.
• Умение читать техническую документацию и научные публикации на английском языке и применять описанные подходы на практике.
• Высшее (бакалавр/магистр) в области компьютерных наук, информатики, прикладной математики, автоматизации и управления, инженерии или физики. Профильные сертификаты и подтверждённые проекты (GitHub, соревнования, публикации) рассматриваются как преимущество.

• Официальное трудоустройство согласно ТК РУ.
• Возможность построить карьеру в ведущем банке Узбекистана.
• Офис в Ташкент Сити.
• Достойная, конкурентоспособная оплата труда (обсуждается по итогам собеседования).
• Широкие возможности для профессионального развития (обучение, карьерный рост).
• Гибкое начало дня, сотрудник сам выбирает с 9.00-18.00, 9.30-18.30 или с 10.00-19.00.
• График работы: 5 / 2.

Ищем эксперта в нашу команду для участия внедрения рисковых моделей Банка на Индийском направлении. Внедряемые модели участвуют в процессах кредитования и имеют высокое влияние, поэтому с одной стороны - скорость внедрения, а с другой - обеспечение должного качества (корректность реализации, настройка их автоматического тестирования и мониторинга в ПРОМ) имеют исключительно важное значение.

Команда внедрения моделей использует в работе современный стек технологий: BitBucket, Jira, Confluence, Pycharm, Jenkins, Kubernetes, Spark 3.2+.

• внедрение готовых математических моделей в ПРОМ (анализ и оценка поступающих бизнес-требований, опромышливание моделей)

• настройка мониторинга моделей (используются как свое решение, так и смежные)

• развитие процесса внедрения моделей в рамках MLOps: CI/CD для ML - автоматизация тестирования качества кода, настройка автоматического деплоя

• настройка маппинга входящих полей из внешних систем во внутренние сущности хранилища данных модели с проработкой интеграции через API

• формирование требований к хранению результатов модели и сработавших правил платформы принятия решений

• составление бизнес-требований к системе АС Caldera для настройки входящего потока данных из систем кредитного конвейера/сопровождения жизненного цикла кредита

• написание технических спецификаций для системы принятия решений: описание контрактов API и формата входных JSON/XML сообщений

• управление выделением CPU/GPU мощностей для поддержания производительности работы моделей.

• высшее техническое или математическое образование.

• знание SQL на уровне сложных запросв (аналитические функции, подзапросы, в идеале - оптимизация запросов)

• уверенное владение Python (кодирование, отладка и тестирование кода, владение профилированием и оптимизацией, а также визуализация данных)

• знание английского на уровне B2 (upper-intermediate)

• владение техниками эффективной коммуникации

• готовность к командировкам в Индию (ориентир неделя 1 раз в квартал)

Будет плюсом:

• опыт работы с Kubernetes, микро-сервисной архитектурой

• опыт работы со стеком хранилища данных (Hadoop, Spark, Hive)

• инструментальное владение AI для анализа, генерации и автоматизации.

• комфортный современный офис рядом с м. Кутузовская

• возможные командировки в Нью-Дели (Индия)

• формат работы - офис, возможен гибрид

• ежегодный пересмотр зарплаты и 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 трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

Мы ищем ML Engineer в RnD подразделение для работы над специализированной моделью для агентного поиска. Наша цель — переход от статических RAG-пайплайнов к адаптивным агентным системам, управляющим процессом извлечения знаний. Вам предстоит работать на стыке инженерии и исследований: создавать датасеты, обучать модели (SFT/RL) и сравнивать эффективность кастомных решений с существующими фреймворками.

- Разработка тестовых корзин для оценки многошагового поиска (multi-step retrieval) и сложных запросов;

- Дообучение языковых моделей (SFT, LoRA) и применение методов Reinforcement Learning (GRPO) для оптимизации стратегий поиска;

- Сравнительный анализ производительности: кастомные модели управления поиском vs агентные подходы на базе фреймворков (ReAct);

- Проектирование и поддержка пайплайнов оценки качества поиска для агентных систем.

- Опыт от 1 года коммерческой разработки в NLP с фокусом на LLM и RAG-архитектуры;

- Понимание работы и стратегий поиска (векторные модели, реранкеры, ReAct);

- Умение оценивать качество поиска (Recall, MRR, NDCG) и проектировать эксперименты для сравнения гипотез;

- Владение экосистемой: PyTorch, HuggingFace, vLLM, LangChain/LangGraph;

Будет плюсом:

- Опыт дообучения эмбеддеров или LLM;

- Опыт реализации многошаговых агентных сценариев;

- Публикации, соревнования или пет-проекты, связанные с задачей поиска.

• Кластер с GPU A100 для экспериментов;
• комфортный современный офис рядом с м. Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• система обучения для профессионального и карьерного развития
• расширенный полис ДМС с первого дня работы и страхование для семьи
• программа ипотеки для сотрудников
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.

В связи с расширением команды приглашаем ML-разработчика на проект разработки ПО для защиты от распределенных сетевых атак (DDoS). Работа полностью удаленная.

Чего мы ожидаем:

• Готовность вникать во все этапы разработки ПО - от анализа требований и задач, анализа данных, выбора алгоритмов до тестирования, интеграции и разворачивания ML-решений в существующую инфраструктуру и контроля их работы;
• Самостоятельность, умение добиваться результата и решать возникающие проблемы и сложности;
• Способность находить решения нетривиальных задач и желание обучаться новому.

Требования:

• Уверенные знания ML принципов, алгоритмов, методов и библиотек; Практический опыт разработки и внедрения ML-решений (не менее 3 лет);
• Опыт разработки на Python с использованием библиотек для работы с данными и классическим ML;
• Опыт анализа и предобработки данных, проведения экспериментов; Практический опыт разработки ПО под Linux и владение Git.

Будет преимуществом:

• Знание языков программирования С/С++;
• Опыт работы c Spark, PySpark, Apache Flink, Apache Storm;
• Опыт работы с большими объемами данных, потоковыми данными и time-series;
• Опыт работы с СУБД (Clickhouse, PostgreSQL и т.п.) и SQL.

Обязанности:

• Разработка программируемых (правила формирует человек) систем анализа и фильтрации действий пользователей;
• Разработка самообучающихся автономных систем фильтрации данных: сбор, хранение, обработка, выявление закономерностей и формирование правил/моделей фильтрации данных;
• Все вышеуказанное надо будет проектировать, воплощать в код и тестировать с измерением метрик.

Предлагаем:

• Официальное трудоустройство в аккредитованной ИТ-компании;
• Введение в должность (адаптация, обучение продукту, поддержка на всех этапах); Возможность работать из любой точки мира. Нет ограничений по локации;
• ДМС (стоматология + мед. услуги);
• Оплата компанией занятий в языковой школе Skyeng;
• Компенсация занятий спортом;
• Отличные возможности для самореализации и карьерного роста;
• Слаженные процессы и сильная, дружная команда;
• Богатая корпоративная жизнь, совместные праздники, онлайн-встречи.

Юзтех – группа аккредитованных ИТ-компаний полного цикла разработки с многолетней экспертизой в передовых технологиях: DWH, BigData, AI/ML, Blockchain, BI, предиктивная аналитика, цифровые двойники производства и рисков.

ГК Юзтех является технологическим партнером таких компаний, как Mail.ru, 2Gis, НЛМК, Еврохим, Go Invest, Альфа-Банк, Сбер, ВТБ, МКБ, Самолет Девелопмент, Х5 Group, Газпромнефть, Лемана Про, Ситилинк, Ланит, IBS. Также, ГК разрабатывает собственные IT-продукты (Usebus, Octopus, Тил Эйчар) и флагманские проекты, которыми пользуется 70% населения страны.

Пожелания к опыту кандидатов:

Критично: Опыт разработки c LLM (RAG-пайплайны) и бэкенд разработки.

Ключевой стек Python, Airflow/ArgoWorkFlow, Mlflow, Hadoop, PySpark, Kafka, Seldon/Kserve, Kubernetes, Jenkins

• Опыт работы с моделями машинного обучения
• Опыт внедрения моделей машинного обучения как сервисы
• Опыт бэкенд-разработки, веб-разработки
• Опыт разработки с LLM, NLP-моделями
• Опыт с Docker, Kubernetes
• Больше разработчик, чем DS.
• Опыт работы в стеке от 3х лет

Задачи:

• Внедрять модели машинного обучения
• Сопровождать полный цикл сборки модели
• Обрабатывать и анализировать данные
• Поддерживать коммуникацию с разработчиками моделей
• Прорабатывать архитектуру моделей
• Тестировать и участвовать в разработке пайплайнов внедрения моделей

Мы предлагаем:

• Карьерную и профессиональную возможность в стабильной, аккредитованной ИТ-компании

• Расширенный полис ДМС со стоматологией, корпоративный психолог

• Удаленную работу и гибкий график

• Необходимую технику для комфортной работы

• Обучение, сертификацию, Usetech English Club – онлайн изучение английского

• Доступ к Корпоративной библиотеке и к Корпоративному университету

• Внутрикорпоративные профильные комьюнити

• Заботу о детях сотрудников: корпоративные скидки, подарки, детские дни

• Геймифицированную программу лояльности: поверь, ты будешь восторге от нашего корпоративного магазина!

• Корпоративную жизнь: мы много работаем и классно отдыхаем

Мы создаём и развиваем ML-решения и AI-агентов для продуктов банка, которыми пользуются юридические лица.

Ищем ML Engineer, который возьмёт на себя инженерную часть этих решений: разработку агентов, интеграцию моделей и данных, а также их вывод в промышленную эксплуатацию. Это роль для Python-разработчика, которому интересно работать на стыке ML, LLM и больших данных.

• проектировать и разрабатывать AI-агентов: реализовывать сценарии, оркестрацию, tool calling и интеграции с внутренними сервисами

• превращать прототипы и модели Data Science в надёжные промышленные решения: упаковывать, встраивать в сервисы и пайплайны, версионировать и сопровождать

• разрабатывать на Python сервисы, библиотеки и пайплайны, писать автотесты и участвовать в код-ревью

• проектировать, строить и сопровождать витрины данных для ML-моделей и агентов

• обрабатывать большие объёмы данных с помощью SQL, Hadoop и Spark, оптимизировать запросы и вычислительные задачи

• обеспечивать качество и наблюдаемость решений: логирование, мониторинг, обработку ошибок и контроль качества данных.

• опыт промышленной разработки на Python от 2 лет

• умение писать поддерживаемый код: типизация, тестирование, обработка ошибок, логирование и работа с зависимостями

• уверенное владение SQL: сложные запросы, оконные функции, оптимизация и работа с большими наборами данных

• опыт построения и сопровождения ETL/ELT-пайплайнов и витрин данных

• опыт вывода сервисов, моделей или data-продуктов в промышленную эксплуатацию

• понимание принципов работы AI-агентов: оркестрация, tool calling, управление состоянием и интеграция с API

• понимание жизненного цикла ML-модели — от артефакта и данных до инференса, мониторинга и обновления.

Будет преимуществом:

• опыт разработки AI-агентов с использованием LangGraph, LangChain, LlamaIndex или собственного оркестратора
• опыт работы с LLM, RAG и векторными хранилищами
• опыт оркестрации пайплайнов в Airflow или аналогичных системах
• опыт работы с Kafka и событийными архитектурами
• знание Docker, CI/CD и Kubernetes
• практический опыт работы с Hadoop и Spark
• опыт внедрения ML- или LLM-сервисов во внутреннем контуре
• опыт в банковском домене, продуктах для юридических лиц или документообороте.

• удобный офис в СПб на ул. Уральской, дом 1 (шаттлы от метро)

• гибридный формат работы

• регулярный пересмотр заработной платы и возможность получения годовой премии

• доступ к более чем 400 образовательным программам СберУниверситета

• программу адаптации и поддержку наставника на первых этапах работы

• расширенную медицинскую страховку (ДМС) и выгодные условия страхования для членов семьи

• ипотечные программы для сотрудников

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждения за рекомендации кандидатов.

Стань частью одной из лучших транспортных систем мира и управляй движением города в ИТ-команде с первого дня!

ИТ-стажировка в Московском транспорте — это 6 месяцев работы над проектами, которые ежедневно делают передвижение миллионов пассажиров умнее, безопаснее и удобнее. Присоединяйся и создавай технологии, которые меняют реальность.

Задачи:

• Сбор, обработка и подготовка данных для обучения моделей.

• Участие в разработке и тестировании нейросетевых моделей для решения транспортных задач.

• Проведение экспериментов и поиск оптимальных архитектур.

• Настройка хранилищ данных и построение пайплайнов обработки.

• Работа с 2D- и 3D-данными, включая облака точек с лидаров.

Навыки:

• Python, PyTorch / TensorFlow, SQL, Docker, Git.

Что предлагаем:

• Официальное трудоустройство, стаж с первого дня работы и выплаты 2 раза в месяц

• Заработная плата до 75 000 рублей до вычета налога (в зависимости от выбранного графика), выплаты 2 раза в месяц

• График 20 или 40 часов в неделю, работа в офисе или в гибридном формате

• Индивидуальная программа адаптации при поддержке опытного наставника

• Возможность остаться в команде по итогам стажировки

Откликнуться на вакансию можно до 14 сентября 2026 года. Стажировка начнется 15 октября.

Ждем тебя в нашей команде!

Мы – команда Kandinsky, создающая и развивающая core-технологии генеративных моделей изображений и видео. Наши модели умеют создавать фотореалистичные сцены, стилизованные иллюстрации и видеоролики по текстовому описанию, редактировать визуальный контент и работать в мультимодальных сценариях. Сейчас мы усиливаем направление оценки качества генеративных моделей и ищем для этой задачи сильных аналитиков.

• дообучение (fine-tuning, адаптеры) и интеграция генеративных моделей генерации изображений и видео для решения задач в проде.

• бенчмаркинг и валидация. Сравнение производительности, качества и скорости инференса opensource-моделей между собой и с моделями Kandinsky. Формирование аналитики.

• оптимизация пайплайнов. Доведение решений до production-ready уровня.

• коммуникация с Research-командой. Передача требований и инсайтов, полученных при экспериментах с opensource, для разработки собственных технологий.

• опыт работы ML Engineer от 4х-лет

• уверенное владение Python и фреймворками глубокого обучения (PyTorch)

• понимание внутреннего устройства актуальных CV-моделей

• знания архитектур и методов обучения SOTA моделей в генеративном CV

• умение работать с контейнеризацией (Docker, Kubernetes) и оркестрацией пайплайнов.

Будет плюсом:

• опыт интеграции генеративных моделей в существующие продуктовые контуры

• навык написания эффективного production-кода на Python

• опыт менторства менее опытных коллег и code review

• умение за возможностями модели увидеть потенциал для бизнес-фичей.

• 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.

• ипотека выгоднее до 7% для каждого сотрудника.

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

• вознаграждение за рекомендацию друзей в команду Сбера.

Привет! Это команда разработки ERP и учётных систем. Мы управляем финансами клиентов, миллионами договоров с контрагентами и зарплатами тысяч сотрудников через ЭДО.

Сейчас мы ищем Senior ML-инженера в команду разработки ML-инструментов.

Мы создаём ядро интеллектуальной обработки документов — систему, которая автоматизирует работу с сотнями типов документов на разных языках. Ежедневно десятки тысяч контрагентов предоставляют пакеты документов. Наша задача — не просто их распознать, а построить интеллектуальный пайплайн, который автоматически извлекает, структурирует и проверяет достоверность и принадлежность данных, интегрируя результат в бизнес-процессы.

У нас активно развиваются llm/vllm в применимости к документам:

• Cовременные OCR системы на базе Qwen, PaddleOCR и т.п.

• LLM модели для анализа и саммаризации документов.

• Агентские системы для автоматизации роутинга потока документов.

Вы будете

• Определять архитектуру и разрабатывать end-to-end ML пайплайны для обработки документов: от приёма сырого изображения до валидированного структурированного вывода.

• Проводить research, выбирать и дообучать state-of-the-art модели для задач CV и NLP: детекция и классификация документов, OCR (печатный/рукописный текст, таблицы), Key Information Extraction (KIE), верификация подлинности и т.п.

• Оптимизировать модели для production (квантизация, дистилляция, работа с Triton/OpenVINO) и обеспечивать их масштабируемость и надёжность в высоконагруженной системе.

• Проводить A/B-тесты новых алгоритмов, анализировать их влияние на бизнес-метрики (качество, скорость, стоимость).

• Заниматься не только обучением моделей, но и внедрением их в production.

• Интегрировать решения с ML-платформой и инфраструктурой Ozon.

• Быть наставником для других участников команды, делиться экспертизой, проводить обзоры архитектурных решений и методологий.

Наш стек

• Язык и данные: Python, PostgreSQL, Redis.

• CV/NLP: PyTorch, OpenCV, семейство моделей Qwen, LayoutLM, Donut e.t.c.

• ML-рантайм и оптимизация: NVIDIA Triton, TensorRT, ONNX, OpenVINO.

• MLOps: Airflow, платформа запуска и трекинга экспериментов (MLFlow/ClearML-like).

• Инфраструктура: Kubernetes, Docker.

Нам важно

• Глубокое экспертное понимание state-of-the-art подходов в Computer Vision.

• Способность аргументированно выбирать архитектуры для решения задач бизнеса.

• Опыт работы с задачами: OCR (распознавание текста), детекции объектов, сегментации изображений.

• Практический опыт внедрения CV-моделей в production: от research и прототипирования до оптимизации, развёртывания в high-load среде, настройки мониторинга.

• Готовность и интерес к решению не только CV-задач, но и смежных ML-проблем.

Будет плюсом

• Опыт дообучения моделей с использованием адаптеров (LoRA, PEFT и др.).

• Опыт работы с задачами few-shot/zero-shot обучения в CV.

• Знание методов генерации и использования синтетических данных для обучения.

Мы предлагаем

• Динамичный и быстроразвивающийся бизнес, ресурсы, возможность сделать вместе лучший продукт на рынке e-commerce.

• Свободу действий в принятии решений.

• Достойный уровень заработной платы.

• Прекрасную команду, которой мы гордимся.

• Возможность развиваться вместе с нашим бизнесом.

VK Реклама — платформа, которая объединяет все крупнейшие в России и СНГ социальные сети и сервисы с общим охватом более 140 млн человек. Благодаря VK Рекламе у рекламодателей есть единая точка доступа к аудитории рунета и колоссальному объёму мобильного трафика высокого качества.

Ядро рекламной системы — аукцион, обеспечивающий эффективную реализацию выбранных рекламодателями стратегий ставок и подбор рекламы для пользователей.
Мы ищем ML-специалиста, которому интересно глубоко погрузиться в механику аукциона, растить эффективность рекламных продуктов и стратегий ставок с помощью методов машинного обучения.
Что предлагаем:
Возможность внедрять решения, влияющие на ~100 млн пользователей ежедневно
Интересную предметную область - реклама сочетает в себе рекомендательную систему и аукцион со множеством дополнительных механизмов
Технологические платформы компании, упрощающие внедрения в рантайм

Задачи

• Разрабатывать и улучшать ML-модели ранжирования в аукционе
• Проводить AБ эксперименты с моделями в высоконагруженной системе
• Оптимизировать производительность существующих алгоритмов

Требования

• Знание классических методов машинного обучения (линейные модели, градиентный бустинг, матричные факторизации, методы NLP) и DL
• Понимание принципов и методов предобработки данных, feature engineering и оценки моделей
• Практический опыт разработки на Java, Python или C++
• Знание алгоритмов и структур данных
• Уверенное владение SQL

Будет плюсом

• Опыт разработки рекомендательных систем
• Опыт работы с большими данными (Spark, Hadoop, YTsaurus)