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.
Ждём от кандидата:
- Базовые знания Python.
- Понимание основ машинного обучения и нейронных сетей.
- Знакомство с одной из библиотек: PyTorch или TensorFlow - будет плюсом.
- Базовое понимание принципов компьютерного зрения (Computer Vision).
- Умение работать с данными и анализировать результаты экспериментов.
- Желание развиваться в области машинного обучения и готовность изучать новые технологии.
Дополнительными плюсами будут:
- Наличие собственных учебных или pet-проектов в области ML/CV.
- Знакомство с Git и Linux.
- Опыт работы с OpenCV.
- Участие в ML-соревнованиях (например, Kaggle).
- Знакомство с Docker.
Что мы предлагаем взамен:
- Возможность получить практический опыт работы над реальными ML-проектами под руководством опытных специалистов.
- Наставничество и помощь в профессиональном развитии.
- Возможность применить теоретические знания на практике и познакомиться с полным циклом разработки ML-решений.
- Участие в интересных задачах в области Machine Learning и Computer Vision.
- Возможность дальнейшего трудоустройства по результатам стажировки.
- Поддержку в профессиональном развитии и возможность расти вместе с командой.
- Дружелюбную команду, готовую делиться опытом и помогать на старте карьеры.
- Разрабатывать и внедрять ML-модели для прогнозирования поведения клиентов-физических лиц и розничного продуктового портфеля Банка
- Рассчитывать ожидаемые денежные потоки по кредитным и пассивным продуктам Банка
- Высшее техническое, физико-математическое или экономико-математическое
- Опыт работы в банковской сфере в розничном бизнесеот 3-х лет
- Понимание особенностей розничных банковских бизнес-процессов
- Опыт разработки и внедрения ML-моделей от сырых данных до production
- Готовность работать с большими объемами данных
- Свободно владеть Python: Pandas, NumPy, Matplotlib (аналогичными инструментами визуализации)
- Свободно владеть SQL: оконные функции, сложные JOIN, оптимизация запросов к БД
- Свободно владеть ML-библиотеками: CatBoost / LightGBM / XGBoost / Scikit-learn
- Высокая автономность: способность самостоятельно найти необходимые данные
- Стрессоустойчивость при работе с legacy-кодом и неполными данными (грязным «data mining»)
- Будет преимуществом владение: MLflow, Airflow, Butch Scoring, Docker, Spark / PySpark
- Новая вакансия
- Удобное расположение офиса в центре Москвы
- В Москве корпоративный спорт: йога, футбол, хоккей, бег
- Корпоративная система скидок BestBenefits
- Высокий уровень ENPS - Банк хороший работодатель
#вакансия #удаленнаяработа #fulltime #remote #ML #Инженер #Машинное #Обучение #Middle+ #Senior #РФ #TopSelectionПозиция: Инженер машинного обучения (Middle+/Senior)💻Вилка: 250.000 - 270.000 руб gross💰Занятость: ПолнаяФормат работы: УдаленныйЛокация: РФОформление: ИПКомпания: Top Selection
Привет! Меня зовут Анастасия. Я представляю группу компаний Top Selection.
Мы занимаемся трудоустройством IT специалистов на проектную занятость.
На данный момент мы в поиске Инженера машинного обучения🔥
Готовность выполнить тестовое задание❗️
📝Задачи:
▪️Разработка и развитие модуля Demand Planning
▪️Проектирование и реализация высоконагруженных алгоритмов прогнозирования спроса и анализа рыночных сигналов
▪️Ответственность за компоненты работы с данными и качество прогнозов
✅Требования:
▪️Глубокое знание алгоритмов, структур данных, оценка сложности по Big O
▪️Python (Senior уровень)
▪️Библиотеки анализа данных: Pandas, Scikit-learn, Statsmodels
▪️ООП и принципы проектирования вычислительных систем
▪️SQL и реляционные базы данных (PostgreSQL)
▪️Юнит- и интеграционное тестирование, методология тестирования
➕Будет плюсом:
▪️Математическая статистика и основы машинного обучения: линейные модели, Random Forest, LSTM
▪️Работа с временными рядами: очистка, прогнозирование, кросс-валидация
▪️Библиотеки градиентного бустинга: XGBoost, LightGBM, CatBoost
▪️Глубокое обучение для временных рядов: LSTM, Prophet, DeepAR
▪️Работа в Unix-подобных системах, понимание принципов CI/CD
▪️C / C++ для оптимизации критичных узлов системы
▪️Высшее техническое образование (математика, информационные технологии, физика, прикладные науки) или релевантный опыт
▪️Сертификации по Python, анализу данных, машинному обучению или архитектуре программного обеспечения
📞Резюме направлять сюда
tl;dr: research scientist, $125k-170k/year, remote
В октябре interp-тусовка переругалась из-за •••••••• Neural Networks Are Already Clean. Автор утверждает, что нейроны внутри моделей вовсе не такие запутанные, как все думали, но многие не согласны. Проверить сложно: никто до конца не знает, какие признаки на самом деле есть внутри реальных моделей, а игрушечные датасеты слишком плоские — в признаках намного меньше иерархии, чем в настоящих данных 🎲
•••••••• (ex-PIBBSS) предложили подход в своей ••••••••: генерировать синтетические датасеты с помощью критической перколяции.
На пороге фазового перехода перколяция дает фрактальные кластеры всех размеров, каждый из которых можно разбить на подкластеры поменьше. Похоже на то, как общие понятия в данных делятся на более частные. Только здесь устройство данных известно заранее, и можно честно проверить, находят ли его инструменты интерпретируемости 🔎
Теперь •••••••• ищет ресерчера как раз на это направление!
Вы будете создавать искусственные данные, которые похожи на настоящие, но устроены заранее известным образом. Затем — обучать на них модели. Из лучших датасетов соберут бенчмарки, на которых инструменты смогут проверять все, кто занимается интерпретируемостью.
Что нужно:
🌟 mech interp бэкграунд;
💡 PhD или сопоставимый исследовательский опыт в математике, физике, ML, нейробиологии, CS или теории сложных систем;
🐍 опыт научных вычислений на Python;
🗺 умение доносить сложное даже нетехнической аудитории;
📺 знание DL и опыт обучения моделей.
И пламенный интерес к AI Safety, конечно же!
Хорошо, если у вас есть что-то из этого: опыт ведения исследовательского направления и менторства, публикации в ML или других точных науках, а также знание статфизики (особенно перколяции и ренормализации), коалесцентных процессов, комбинаторики, теории сетей и графов, фракталов, законов масштабирования или когнитивистики.
Удаленка, но приоритет тем, кто готов основательно тусить в Лондоне / Bay Area 🧋
Есть визовое спонсорство, бюджет на страховку и ништяки, команду ведет PhD по астрофизике и ex-постдок NASA 🐌 Платят $125k-170k.
Не откладывайте в долгий ящик, осталось дней десять: •••••••• 🦙
Альфа Банк – один из ведущих частных банков, который входит в число системно значимых банков Беларуси.
Мы работаем как финтех-компания, интегрируя в свою бизнес-модель успешные практики в области мобильных платежей, онлайн-кредитования, цифровых транзакций и других передовых технологий.
Сейчас в Альфе более 70 тысяч бизнес-клиентов и 1 100 000 клиентов-физлиц.
Сегодня в команде Альфа Банка более 2900 профессионалов.
Мы объединяем людей с разным опытом, взглядами и интересами.
Присоединяйся к команде. Вместе мы способны на большее!
Ключевые задачи:
- разрабатывать и внедрять ИИ-ассистентов, агентов и многоагентные решения для бизнес-процессов и корпоративных знаний;
- создавать RAG-системы и интеллектуальный поиск по документам, данным и внутренним источникам компании;
- интегрировать ИИ-решения с корпоративными системами, API, базами данных и внешними инструментами;
- исследовать, подбирать и внедрять модели для текстовых, мультимодальных и голосовых сценариев;
- разрабатывать сервисы и участвовать в проектировании архитектуры ИИ-решений;
- оценивать качество и производительность решений, проводить эксперименты и переводить успешные прототипы в production.
Пожелания к кандидатам:
- коммерческий или прикладной опыт разработки GenAI-приложений: ИИ-ассистентов, агентов, workflow и многоагентных систем; понимание tool calling, structured output, управления контекстом, памяти, состояния и выполнения сценариев;
- практическое знание RAG: document ingestion, chunking, embeddings, векторный поиск, retrieval, reranking, работа с метаданными и оценка качества ответа;
- понимание MCP и A2A, опыт или готовность работать с интеграцией агентов через инструменты, REST API, OpenAI-совместимые API, внешние сервисы и базы данных;
- уверенный Python и SQL; опыт разработки backend-сервисов на FastAPI или аналогах, асинхронного программирования, PostgreSQL и векторных БД;
- знание подходов к выбору и тестированию моделей: LLM, embedding и rerank; понимание параметров инференса, контекстных ограничений, latency, качества и стоимости запросов.
- понимание архитектуры production-систем: ООП, проектирование API, микросервисы, Docker, Git, логирование, обработка ошибок, unit- и integration-тестирование.
Будет преимуществом:
- опыт с LangChain, LangGraph, Langfuse, OpenAI Agents SDK и аналогичными фреймворками для оркестрации, трассировки и оценки LLM-приложений;
- практический опыт применения продвинутых RAG-техник: parent-child retrieval, contextual retrieval, agentic RAG, GraphRAG и прочие;
- опыт работы с Qdrant, Milvus, Weaviate, pgvector, Elasticsearch/OpenSearch, а также понимание ANN-индексации и гибридного поиска;
- опыт развёртывания моделей через vLLM, SGLang; понимание GPU-инференса, квантования, batching и оптимизации производительности;
- знакомство с VLM, OCR, TTS, STT, ETL-процессами, document processing, Airflow/n8n, а также инструментами оценки: Ragas, DeepEval, Promptfoo, LangSmith, Arize Phoenix;
- опыт работы с классическим ML: подготовка и анализ данных, обучение и валидация моделей, понимание задач классификации, регрессии, кластеризации, временных рядов и основных метрик качества;
- опыт работы с Deep Learning: Computer Vision, NLP.
Что предлагаем для твоего комфорта:
- работу в команде с высокой экспертизой;
- стабильный и прозрачный доход;
- среду роста и развития;
- сочетание стабильности банка и гибкости ИТ;
- крутую корпоративную культуру.
WSE — инжиниринговая компания, работающая в сфере высоких технологий. Мы создаём передовую технику полного цикла: от исследований, проектирования и моделирования до испытаний и серийного производства.
Приглашаем в нашу команду Разработчика искусственного интеллекта (AI/ML Developer), который будет заниматься разработкой и внедрением нейросетевых моделей и решений на базе машинного обучения.
Обязанности:
- Разработка, модификация и обучение нейронных сетей.
- Разработка, внедрение и оптимизация функционала на основе технологий машинного обучения (ML).
- Адаптация и оптимизация нейросетевых моделей для работы на встраиваемых вычислительных платформах.
- Интеграция ML-моделей в программные и аппаратные комплексы.
- Проведение тестирования, отладки и оценки производительности разработанных решений.
Требования:
- Опыт работы в сфере IT не менее 2 лет.
- Уверенное владение языками программирования C++ (стандарты C++11/17) и Python.
- Опыт коллективной разработки программного обеспечения.
- Знание и практический опыт применения основных подходов и методов разработки нейронных сетей.
- Знание фреймворка Qt и библиотеки STL.
- Опыт разработки, модификации и оптимизации нейронных сетей, в том числе для встраиваемых систем (NVIDIA Jetson, Forlinx).
- Опыт работы с NPU-ядрами на встраиваемых вычислительных системах.
- Опыт работы с системами сборки CMake и QMake.
- Высшее техническое образование по соответствующему направлению.
Мы предлагаем:
- Официальное трудоустройство в соответствии с ТК РК
- График работы: 5/2, с 09:00 до 18:00.
- Работу в команде квалифицированных инженеров и разработчиков.
- Возможность работать над интересными техническими проектами и современными технологиями.
Присоединяйтесь к команде WSE и участвуйте в создании передовых технологических решений!
#SeniorML #MachineLearning #Python #PyTorch #MLOps #vacancy #вакансия
Всем привет! 👋
Ищем Senior Machine Learning Engineer.
📍 Location: LATAM
💼 Experience: Senior, Python и SQL — от 5 лет
🇬🇧 English: B2
📅 Duration: Long-term
🔹 Требования:
• Сильный опыт работы с Python, SQL, PyTorch, Scikit-learn и Pandas.
• Практический опыт с FastAPI и Pydantic.
• Опыт полного цикла разработки ML-моделей: от постановки задачи и подготовки данных до внедрения в production и дальнейшей поддержки.
• Знание ML evaluation techniques: time-aware validation, backtesting, holdout datasets, calibration, error analysis.
• Опыт создания CI-based regression suites для контроля качества моделей.
• Опыт работы с model serving, MLOps, experiment tracking, model registries и containerization.
• Опыт мониторинга моделей, выявления data drift и model degradation, организации retraining.
• Понимание data privacy, PII, privacy leakage testing.
• Опыт uncertainty quantification и работы с prediction intervals.
➕ Будет плюсом: embeddings, retrieval systems, synthetic data generation, differential privacy, geospatial data, LangGraph, Airflow, Step Functions, real estate / finance domain.
🔹 Основные задачи:
• Разработка и внедрение ML-моделей для прогнозирования occupancy, headcount, rent и финансовых показателей.
• Оценка качества моделей, backtesting и анализ ошибок.
• Разработка и поддержка ML-сервисов, API и MLOps-процессов.
• Мониторинг production-моделей, контроль drift и degradation, переобучение.
• Работа с embedding и retrieval-системами, synthetic data pipelines.
• Взаимодействие с Product, Platform Engineering и Data Platform командами.
CV и ЗП ожидания ••••••••
❗️Только фрилансеры, аустафф и рекрутинговые компании не рассматриваем.
Наш продукт — это ИИ-помощник, который разработан для помощи сейлзам и трейдерам, снимая с них часть рутинных задач и процессов.
Чем предстоит заниматься:
- развивать промпты агентов: системные и ролевые промпты, few-shot, схемы рассуждения, tool calling, извлечение структурированных знаний из документов
- строить пайплайны эволюции промптов: версионирование, оффлайн-оценка (golden set, side-by-side, LLM-as-judge), итерации по ошибкам
- решать задачи классификации и маршрутизации документов: разделение входного пакета по классам, подготовка релевантного контекста для агента
- работать с RAG и эмбеддингами: chunking, выбор и тюнинг эмбеддингов, retrieval / rerank, оценка качества поиска
- опромышливание проекта, ведение релизного цикла от прототипирования до вывода в прод
- наблюдаемость. Langfuse, Phoenix, отладка по логам и трейсам, сбор метрик
- тестирование агентов по обе стороны нестабильности: детерминированные проверки логики (мокирование LLM и внешних сервисов, снапшоты промптов, контракты схем) и оценка качества ответа агента (эталонные кейсы, LLM as Judge).
Мы ожидаем, что вы:
- имеете опыт продакшн на Python 3.11+ от 5 лет: ООП, SOLID, async, типизация, Pydantic v2, структура сервиса. Умение читать, писать и менять чужой код
- имеете опыт FastAPI и интеграций по HTTP: контракты, таймауты, ретраи, ошибки внешних сервисов
- высшее техническое образование
- прикладной опыт с LLM: имеете опыт промпт инжиниринга, работы с контекстом, tool calling, structured output
- работали с агентными сценариями: Опыт с ReAct, LangChain, LangGraph. Работали с состояниями диалога, чекпонитами, ветвлением, вызовом инструментов, HITL, памятью сессии
- имеете опыт разработки AI агентов, мультиагентных систем, RAG систем. Протокол A2A или межагентское взаимодействие по контракту
- имеете опыт работы с Jenkins, OpenShift/DropApp, OpenSearch/Elasticsearch, S3.
Бкдет плюсом:
- опыт работы с GigaChat.
Что мы предлагаем:
- комфортный современный офис на Вавилова, 19
- формат работы – гибрид
- ежегодный пересмотр зарплаты, квартальная и годовая премия
- корпоративный спортзал и зоны отдыха
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- программа адаптации и помощь руководителя на старте
- расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
- гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
- подписка Прайм с возможностью совместного использования на трёх близких
- вознаграждение за рекомендацию друзей в команду Сбера.
Мы разрабатываем агентную систему и инструменты для объективной оценки её качества.
Ищем middle-инженера на стыке ML и Python, который понимает принципы работы агентных систем и имеет инженерную базу для их развития.
Обязанности:
- Проектировать evals для LLM-агентов, tool calling, поиска и итоговых ответов.
- Определять единицу оценки: ответ, вызов инструмента, trace/trajectory или итоговый артефакт.
- Создавать и поддерживать тестовые датасеты, разметку и ground truth.
- Разрабатывать детерминированные метрики и LLM-as-a-Judge evaluators.
- Калибровать автоматические оценки на человеческой разметке.
- Запускать и анализировать эксперименты, находить регрессии и недостатки покрытия.
- Работать с traces и наблюдаемостью в Langfuse.
- Совместно с командой определять quality gates для изменений агентов, моделей и промптов.
- Развивать агентов и агентную платформу: инструменты, навыки, интеграции.
- Развивать программную инфраструктуру на Python и интегрировать её с рабочей агентной системой, работать с существующими API и внешними сервисами.
- Разбираться в полном пути запроса через несколько сервисов и диагностировать проблемы по логам и traces.
- Проектировать явные контракты данных и устойчивую обработку ошибок.
- Писать unit- и интеграционные тесты, участвовать в code review.
- Работать с CI/CD и контейнеризированным окружением.
- Использовать coding agents для реализации задач и отвечать за качество итогового решения.
Требования:
- Production-Python: типизированный код, явные модели данных (dataclasses, Pydantic), понятная декомпозиция модулей.
- Практический опыт unit- и интеграционного тестирования, включая проверку ошибок и граничных случаев.
- Понимание `async`/`await`, HTTP API и корректной обработки сетевых ошибок.
- Опыт работы в сервисной или event-driven архитектуре.
- Умение ориентироваться в незнакомой кодовой базе и находить причину проблемы по коду, логам и трассам.
- Git и командная разработка через code review.
- Понимание принципов работы LLM и агентов, использующих инструменты.
- Умение превратить продуктовое требование в проверяемую гипотезу и дизайн эксперимента.
- Практика классификационных метрик и базовой статистики: precision/recall, срезы, уверенность в выводе.
- Понимание различий между детерминированными проверками и LLM-as-a-Judge.
- Умение задавать уточняющие вопросы, фиксировать критерии приёмки и объяснять результат разработчикам и владельцам продукта.
Будет преимуществом:
- Опыт с Langfuse, Phoenix, LangSmith, Opik или другой платформой наблюдаемости и оценки LLM-систем.
- Опыт с RAG, поисковыми системами или агентными фреймворками.
- Опыт работы с FastAPI, Pydantic и асинхронным Python.
- Знание Docker, CI/CD, S3-совместимых хранилищ, NATS или других event-driven систем.
- Опыт разработки eval- или regression-pipelines.
- Опыт эксплуатации распределённых сервисов.
- Опыт разработки агентных инструментов и навыков, доработки вычислительного окружения (harness) агентов.
- Опыт организации человеческой разметки и анализа согласованности экспертов.
- Опыт использования coding agents: постановка задач, проверка результата и доработка сгенерированного кода.
Условия:
- Работа на переднем крае технологий совместно с научной командой;
- Возможность влиять на архитектуру и развитие системы;
- Оформление по ТК, "белая" заработная плата;
- ДМС с 1 недели работы;
- Работу в аккредитованной IT-компании с полагающимися льготами;
- Благотворительные и эко-активности;
- Компенсацию обучения;
- Все необходимое для работы, комфортный офис и корпоративную технику.
Мы ищем опытного ML разработчика для выполнения проектных задач ПО МОДЕЛИ АУТСТАФФ (подключение специалиста в команду заказчика).
Наши условия:
Оформление по ИП/Самозанятости, удаленный формат работы, полная занятость❗️
Требования:
- Опыт разработки ML-решений для бизнеса от 3 лет;
- Опыт работы с CV на реальных проектах от 1 года;
- Опыт промышленной разработки на Python от 3 лет;
- Умение писать production-ready код на Python;
- Опыт работы с PyTorch;
- Умение обучать и дообучать модели, проводить тестирование;
- Опыт работы с Git;
- Умение версионировать данные и логировать эксперименты (DVC, MLFlow, ClearML);
- Опыт работы с Docker;
- Опыт проработки требований, опыт декомпозиции и приоритизации задач;
- Умение вести техническую документацию;
- Знание английского B2;
- Опыт работы с трехмерными данными.
Стек:
- python, pytorch, opencv, rasterio, laspy
Будет плюсом:
- Опыт работы с ГИС и специальными форматами данных (geotiff, las).
Обязанности:
- Разработка и обучение моделей для анализа изображений и облаков точек.
- Подготовка датасетов, анализ данных.
- Сбор, анализ и предобработка данных, составление датасетов;
- Обучение моделей и тестирование гипотез;
- Деплой полученных решений;
- Написание технической документации;
- Презентация результатов внутри команды и заказчику;
- Изучение новых подходов для решения поставленных задач;
- Взаимодействие с командой разработки и аналитиками.
Задачи
- Разрабатывать backend-сервисы на Python;
- Оптимизировать код по обработке больших массивов данных и атрибутивности для распознавания документов;
- Интегрировать LLM в существующие продукты компании;
- Разрабатывать векторные базы данных и разметку датасетов для обучения моделей RAG-поиска;
- Работать с API, базами данных и внутренними сервисами;
- Создавать и поддерживать AI-функциональность в production, проектировать и оптимизировать модели данных, взаимодействовать с базами данных;
- Обеспечивать качество кода через code review, автоматизированное тестирование и соблюдение лучших инженерных практик;
- Совместно с DevOps-инженерами участвовать в развитии CI/CD-процессов, мониторинга и обеспечения отказоустойчивости сервисов;
- Разрабатывать продакшен-пайплайны обработки данных;
- Промпт-инжиниринг и написание эффективного и масштабируемого кода инференса моделей и экспериментов на GPU-кластере;
Требования
- Хорошее знание Python и ключевых фреймворков для работы с данными (PySpark, PyArrow, Pandas);
- Работа с embedding'ами, глубокое понимание RAG, дообучение VLM, OCR, агентскими системами;
- Опыт написания качественного production-кода;
- Опыт написания промышленных пайплайнов обработки данных, содержащих множество шагов, зависимостей и сложную логику;
- Опыт использования Airflow (или другого industry-standard оркестратора пайплайнов, т.к. Luigi, Dagster и т.д.);
- Хорошее понимание баз данных SQL/NoSQL;
Условия и бенефиты
- Гибридный или полностью удалённый формат работы в РФ, с возможностью гибкого начала и окончания рабочего дня;
- Участие во внешних IT-конференциях;
- Полезные курсы и вебинары в корпоративном университете и электронные библиотеки;
- ДМС с первого месяца работы, включая стоматологию. А ещё оплачиваем 50% стоимости полиса ДМС для родственников;
- Мобильная связь за счёт компании и льготные тарифы для близких;
- Подписка на online-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.
Выводим цифровую медицину на космический уровень и приближаем к пациенту
МедРокет — уникальная платформа IT-решений для медицины.
- создаем удобные продукты для клиник, врачей и пациентов c 2011 года;
- развиваем открытую информационную среду в сфере здравоохранения;
- являемся аккредитованной IT-компанией.
Продукты:
ПроДокторов - всероссийский сайт отзывов о врачах и клиниках;
МедТочка - личный кабинет пациента;
МедЛок - медицинская информационная система;
МедФлекс - защищённая облачная платформа обмена данными.
У нас уже разработаны и внедрены десятки сервисов с использованием моделей классического ML, CV (компьютерное зрение) и NLP (обработка естественного языка). Ищем сотрудника для их совершенствования и создания новых.
Требования:
- знание и опыт применения методов Machine Learning (курсовые работы, научные статьи);
- знание Python;
- знание и опыт использования фреймворков Pandas, Numpy, Pytorch;
- навыки работы с источниками информации (находить информацию по решаемой проблеме, изучать различные подходы и способы решения, выполнять сравнительный анализ существующих подходов и выбирать лучший);
- математика - как минимум на уровне 3 курса университета (теория вероятностей, статистика, линейная алгебра, теория сложности алгоритмов);
- желание и стремление обучаться в сфере;
- английский - на уровне чтения научных статей и работы с документацией.
Чем предстоит заниматься:
- формирование требований к датасетам для программистов и самостоятельное формирование;
- обучение и дообучение моделей;
- мониторинг внедренных моделей;
- улучшение промптов (prompt engineering);
- иные задачи в ML от старшего специалиста.
Условия работы при получении оффера:
- справедливую и прозрачную систему вознаграждения (итоговая сумма обсуждается по результатам взаимодействия);
- уверенное завтра: соблюдение законодательства, гибкий график работы (от 20 часов в неделю), трудоустройство по ТК РФ с 1 дня, - полный социальный пакет
- заботу о вас: ДМС после прохождения испытательного срока, полезные завтраки, кофемашины, фруктовые дни, свободный дресс-код - в офисе можно ходить в тапочках :)
- возможность развития вместе с компанией: обучение в рамках индивидуальных планов развития, корпоративное обучение и большая библиотека
- атмосферу со здоровыми и прозрачными процессами: слушаем обратную связь, учимся на ошибках и горим общим делом
- работу над значимым делом: создаём и развиваем социально значимые проекты, которыми можно гордиться
Мы верим, что будущее медицины – за цифровыми технологиями.
Отправляйте свой отклик и присоединяйтесь к нам!
Команда прикладных исследований Sber AI Lab Центра практического ИИ занимается исследованиями на пересечении больших языковых моделей, агентных систем и современных методов машинного обучения. Цель — разрабатывать новые методы, которые обладают научной новизной и могут применяться в реальных AI-системах. Команда публикует результаты на ведущих международных конференциях, развивает open-source проекты и внедряет разработки в продукты Сбера.
Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в Сберчате, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!
Вы будете:
- возглавлять исследовательские направления: формировать научную повестку, определять перспективные задачи и отвечать за достижение исследовательских результатов
- предлагать оригинальные методы и алгоритмы, самостоятельно выстраивать исследовательский процесс от гипотезы до экспериментальной валидации
- руководить исследовательскими проектами, координировать работу небольших групп и менторить младших исследователей
- разрабатывать и исследовать современные LLM и агентные системы, включая fine-tuning, reinforcement learning и multi-agent workflows
- публиковать результаты на ведущих международных конференциях и представлять работы научному сообществу
- развивать open-source проекты и участвовать во внедрении исследовательских результатов в реальные AI-системы.
Мы ожидаем, у вас есть:
- практический опыт разработки и исследования LLM-агентов и агентных систем (tool use, planning, memory, multi-agent orchestration, agentic RL, evaluation)
- глубокие знания современных методов ML/DL, архитектур LLM, методов обучения и адаптации моделей
- умение самостоятельно принимать исследовательские решения, критически оценивать результаты и аргументированно защищать научную позицию
- подтверждённый опыт научного лидерства: самостоятельная постановка исследовательских задач, руководство проектами или группами
- уверенное владение Python, PyTorch и современным стеком разработки и обучения LLM.
Будет плюсом:
- публикации на ведущих международных конференциях (NeurIPS, ICML, ICLR, ACL, EMNLP, NAACL, AAAI, IJCAI, KDD, SIGIR или сопоставимого уровня)
- PhD в области Machine Learning, Computer Science или смежной дисциплине
- опыт post-training LLM (SFT, RL), создания open-source проектов и внедрения исследований в промышленные системы.
Мы предлагаем:
- комфортный современный офис г. Москва, рядом с метро Кутузовская
- возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 3х дней в неделю)
- 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.
Описание
Ищем сильного ML-инженера для продукта в горнодобывающей отрасли. Нейросеть на Python (многослойный перцептрон) строит блочную модель месторождения по данным буровых журналов и прогнозирует содержание полезных компонентов и литологию. Продукт успешно прошёл пилот на одном крупном горно-металлургическом предприятии, сейчас идёт пилот на втором. Вы будете работать экспертом в паре с техлидом проекта. Предметную часть закрывают геологи заказчика, к ним можно приходить за консультациями.Задачи
- Разобраться в существующей модели и коде, найти и устранить причину ошибок: на бедных месторождениях модель не попадает ни в содержание, ни в литологию (правильный ответ известен);
- Оптимизировать выдачу модели: на целом месторождении сеть выдаёт около 2 ТБ данных, которые специализированное ПО (Micromine) не обрабатывает;
- Разработать пред- и постобработку данных с адаптивным размером блока;
- Вместе с геологами определить правила обработки неинформативных участков;
- Обучать, дорабатывать и оптимизировать модели, предлагать улучшения;
- Консультировать команду по ML-решениям и участвовать в выборе архитектуры.
Требования
- Сильный Python;
- Глубокое понимание ML-моделей и нейросетей: обучение, анализ ошибок, оптимизация;
- Исследовательский подход: умение разобраться, почему модель ошибается, и найти решение;
- Опыт работы с большими объёмами данных;
- Умение быстро погружаться в чужой код и существующую архитектуру;
- Самостоятельность в ведении задач;
- Будет большим плюсом: опыт с данными реальных технологических процессов, геоданными, горнодобычей или металлургией;
- Будет плюсом: опыт интеграции ML-решений с внешним ПО, оптимизации ML-пайплайнов.
Условия
- Полностью удалённая работа по московскому времени;
- Оформление через ИП/самозанятость/ГПХ/Срочный трудовой договор;
- Долгосрочный проект: план модулей до конца 2027 года;
- Неполная загрузка на старте с ростом в дальнейшем;
- Без обязательного участия во всех дейли;
- Работа в паре с техлидом и консультантами-геологами;
- Возможность влиять на технические решения.
Центр Исследований занимается созданием SoTA технологий искусственного интеллекта для анализа финансовых данных и их применения для AI-трансформации Блока Риски. Наша задача разработать и обучить мультимодальную reasoning модель, объединяющей текстовые данные и цифровые следы клиентов для улучшения качества решений банковских задач.
- проводить генерацию и очистку синтетических данных с использованием LLM и LLM-as-a-Judge подходов
- обучать большую мультимодальную LLM (текст + цифровые следы клиентов)
- применять RL подходы для улучшения reasoning способностей модели
- выполнять валидацию на современных бенчмарках разработанного решения с точки зрения точности и корректности рассуждений
- оценивать решения на real-world данных.
Железо и данные:
-
выделенный кластер 500+ GPU A100 80GB
-
Spark/Hadoop для работы с Big Data
-
доступ ко всем банковским данным, необходимым для построения решения.
-
опыт работы от 3-х лет
-
глубокие знания ML/DL (трансформеры, большие языковые модели)
-
уверенный опыт обучения LLM моделей
-
уверенные знания Python: torch, transformers, peft
-
Английский B2+.
Будет плюсом:
-
опыт работы с мультимодальными моделями
-
знание методов RL для LLM (RLHF, DPO, GRPO, RLVR, GSPO)
-
опыт распределенного обучения больших моделей (FSDP, ZeRO, Mixed-precision, Tensor/Pipeline Parallelism)
-
публикации в топовых журналах (Q1) или конференциях (A-A*)
-
общее понимание современных ИИ-инструментов и их возможностей.
-
комфортный современный офис м. Кутузовский пр. или м. Волгоградский проспект
-
формат работы - офис
-
ежегодный пересмотр зарплаты и годовая премия
-
корпоративный спортзал и зоны отдыха
-
более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
-
программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
-
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.
Привет! Это команда вертикальных поисков.
Современный поиск на маркетплейсе — это не плоский список из тысяч карточек, а умная витрина, которая понимает намерение пользователя и сама группирует товары по тому, что ему важно. Покупатель, который вбивает «ноутбук», на самом деле ищет «игровой», «для учёбы ребёнку» или «тонкий для работы» — и наша задача показать ему эти тематические полки прямо в выдаче, без лишних кликов и фильтров.
Мы называем такие полки нави-колдунами — это автоматически собираемые кластеры товаров внутри поисковой выдачи, которые упорядочивают её по понятным пользователю осям: сценарий использования, ценовой сегмент, тип покупателя, ключевая характеристика. Каждый колдун имеет название, описание и подборку релевантных товаров. Мы ищем DS-специалиста, который будет развивать стрим нави-колдунов: от выделения семантических осей категории до продакшн-ранжирования полок в реальной выдаче Ozon.
Вы будете
Разрабатывать и внедрять модели кластеризации товаров для построения тематических полок в поисковой выдаче.
Проектировать пайплайны автоматической генерации названий и описаний кластеров (в т.ч. с использованием LLM).
Строить модели ранжирования полок и товаров внутри полок под интент пользователя.
Работать с товарными эмбеддингами, признаками поведения пользователей и атрибутами карточек для повышения качества кластеризации.
Заниматься построением пайплайнов обработки и сбора данных, разметкой и обучением моделей.
Участвовать в полном ML-цикле: от исследования и создания прототипов до продакшн-внедрения, A/B-тестов и мониторинга моделей.
Нам важно
Наличие фундаментальной математической базы, знание алгоритмов, математической статистики, классического ML и нейросетей.
Понимание методов кластеризации, построения эмбеддингов и алгоритмов ранжирования (LTR).
Опыт работы с современными архитектурами языковых моделей и эмбеддинг-моделей, в том числе обучение/дообучение своих моделей.
Опыт работы с продуктами в области поиска, рекомендательных систем или рекламных технологий.
Понимание принципов оценки качества ML-моделей в проде, постановки и анализа A/B-тестов.
Будет плюсом
Опыт построения ассистентов или продуктов на базе LLM, генерация структурированного контента (названий/описаний).
Знание технологий обработки больших данных, таких как Hadoop, Spark или аналогичные.
Навыки работы с инструментами автоматизации ML-пайплайнов.
Опыт работы с e-commerce данными: товарные графы, каталоги, пользовательские сессии.
* Участвовать в разработке моделей для продуктивной среды;
* Строить модели машинного обучения, улучшать качество прогноза;
* Заниматься аналитикой и проверкой гипотез;
* Развивать инструменты для проведения A/B тестов;
* Писать код, проводить code-review;
* Предлагать способы оптимизации и совершенствования существующих инструментов.
* Знание Python (Scala/Java могут оказаться плюсом);
* Знание классических алгоритмов и структур данных;
* Знание теоретических и практических продвинутых методов машинного обучения;
* Знание SQL, знакомство с hadoop-стэком (кандидаты уровня middle должны понимать, как выглядит план запросов и что происходит "под капотом");
* A/B тесты, генерация и проверка гипотез (будет плюсом опыт с variance reduction, CUPED, линеаризацией и методом бакетов);
* Опыт работы с (docker, kubernetes, pyspark, kafka, postgres, airflow);
* Наличие опыта вывода разработанных решений в прод.
* Официальное оформление с белой ЗП, ежеквартальные премии по результатам работы;
* Удобный офис м. «Добрынинская» БЦ «Оазис»;
* Гибкий график работы (с 8/9/10 утра) / График работы: 5/2, с 9:00 до 18:15 (в пятницу — до 17:00);
* Возможность работать удалённо или в гибридном формате.
- Сбор и очистка данных. Поиск источников информации, парсинг, фильтрация шумов, устранение пропусков и подготовка датасетов для обучения моделей.
- Разметка данных. Организация и контроль процесса разметки изображений, текстов или аудиозаписей, написание инструкций для асессоров.
- Feature Engineering. Выделение и генерация значимых признаков из сырых данных для повышения точности предсказаний алгоритмов.
-
Разработка и обучение моделей (ML / DL / LLM)
- Выбор архитектуры. Подбор подходящих алгоритмов машинного обучения или нейросетевых архитектур (трансформеры, сверточные сети) под конкретную бизнес-задачу.
- Обучение и дообучение (Fine-tuning). Тренировка моделей с нуля или адаптация готовых крупных языковых моделей (LLM) и моделей компьютерного зрения под специфику компании.
- Промпт-инжиниринг и RAG. Создание систем генерации с дополненной поисковой выдачей (RAG) для работы ИИ с корпоративными базами знаний без «галлюцинаций».
- Оценка качества. Тестирование моделей на контрольных выборках, расчет метрик точности (Precision, Recall, F1, ROC-AUC) и проведение A/B-тестов.
-
Внедрение и эксплуатация (MLOps)
- Интеграция в продакшн. Упаковка обученных моделей в микросервисы (REST API, gRPC, Docker) для взаимодействия с сайтами, приложениями или внутренними системами.
- Оптимизация производительности. Ускорение работы нейросетей (квантизация, дистилляция) для снижения нагрузки на серверы и уменьшения времени отклика.
- Мониторинг и поддержка. Отслеживание деградации моделей в реальном времени (Data Drift) и регулярное переобучение на свежих данных.
-
Бизнес-анализ и коммуникация
- Перевод бизнес-задач на язык математики. Оценка целесообразности применения ИИ для решения проблем заказчика и выбор критериев успеха.
- Исследования (R&D). Изучение новых научных статей, тестирование свежих open-source инструментов и внедрение передовых практик в работу команды.
-
Базовые технические навыки (Hard Skills)
- Языки программирования. Уверенное владение Python (основной язык разработки в ИИ), знание стандартных библиотек для анализа данных (NumPy, Pandas, Scikit-learn).
- Фреймворки глубокого обучения. Практический опыт работы с PyTorch или TensorFlow для создания, обучения и отладки нейронных сетей.
- Математическая база. Понимание линейной алгебры, теории вероятностей, математической статистики и методов оптимизации (градиентный спуск).
- Работа с базами данных. Знание SQL для извлечения и агрегации данных, а также опыт работы с векторными базами данных (Qdrant, Pinecone, Milvus, pgvector).
- Инструменты разработки. Уверенное владение Git, Docker, ОС Linux и навыками создания API (FastAPI, Flask) для интеграции моделей в продукты.
-
Профильные требования (в зависимости от задач)
- Для работы с текстом и генеративным ИИ (NLP / LLM). Опыт работы с трансформерами (Hugging Face), знание принципов промпт-инжиниринга, построения RAG-систем (LangChain, LlamaIndex) и дообучения моделей (LoRA, QLoRA).
- Для компьютерного зрения (Computer Vision). Знание библиотек OpenCV, опыт работы с архитектурами детекции и сегментации объектов (YOLO, Mask R-CNN, ViT).
- Для классического машинного обучения. Опыт работы с градиентным бустингом (CatBoost, XGBoost, LightGBM), анализа временных рядов и проведения A/B-тестирования.
-
Инженерная культура и MLOps (будет плюсом)
- Ускорение и оптимизация моделей. Знание инструментов оптимизации инференса (ONNX, TensorRT, vLLM) для снижения затрат на видеокарты (GPU).
- Трекинг экспериментов. Опыт использования систем мониторинга обучения и версионирования моделей (MLflow, Weights & Biases, DVC).
-
Образование, опыт и Soft Skills
- Образование. Высшее техническое или математическое образование (прикладная математика, информатика, анализ данных) либо сильное портфолио реализованных проектов.
- Английский язык. Уровень чтения научных статей (arXiv) и технической документации без словаря.
- Бизнес-мышление. Умение переводить абстрактные запросы бизнеса в конкретные ML-метрики и оценивать экономическую выгоду от внедрения ИИ.
- Официальное оформление, конкурентная заработная плата по итогам технического интервью .
- формат работы в современном офисе с гибким началом рабочего дня.
- Неограниченный доступ к мощным GPU-серверам для экспериментов и обучения моделей, современный рабочий ноутбук.
- Сильная команда R&D-инженеров, отсутствие лишней бюрократии и возможность напрямую влиять на развитие ИИ-продуктов компании.
Мы — команда Data Science Департамента «Занять и сберегать» (Управление искусственного интеллекта и исследования данных).
Направление нашей работы охватывает широкий спектр розничных банковских продуктов: кредиты (включая товарное кредитование), вклады, автокредитование и комиссионные продукты. Такая многогранность делает наши задачи по-настоящему разнообразными и нетривиальными — от прогнозирования спроса и оптимизации портфелей до автоматизации принятия решений и персонализации предложений.
Мы разрабатываем и внедряем сложные ML-решения, которые напрямую влияют на эффективность этих продуктов. Результаты нашей работы видят миллионы клиентов, получая более выгодные условия, релевантные сервисы и бесшовный опыт взаимодействия с банком в самых разных жизненных ситуациях — от покупки автомобиля до открытия вклада.
-
ценообразование
-
uplift-моделирование
-
задачи ранжирования
-
модели склонности
-
look-a-like
-
response модели
-
работа с регрессионными таргетами
-
кластерный и факторный анализ.
-
опыт в части ML-задач на табличных данных - не менее 2 лет
-
опыт работы и глубокое понимание классического ML
-
продвинутые знания статистики и машинного обучения
-
опыт оценки качества результатов (DS и бизнес-валидация)
-
опыт проведения A/B-тестов
-
хорошие знания Python, SQL, Bash, PySpark - критичное требование
Будет плюсом:
-
опыт работы с Transformers
-
успехи в ML-соревнованиях, хакатонов
-
навыки работы с генеративными AI-моделями
-
опыт создания AI-агентов и использования их в работе будет преимуществом
-
опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
-
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.
📑 Вакансия ML Engineer
Удалённо · Полная занятость
💎 •••••••• ищет ML Engineer с ключевым фокусом на классических ML-моделях на табличных данных и временных рядах. Задачи: разработка production-моделей для бизнес-задач — прогнозирование, классификация, детектирование аномалий, анализ временных рядов; участие в запуске ML-проектов полного цикла — от постановки задачи совместно с заказчиком и подготовки данных и признаков до обучения, валидации моделей, вывода в прод и оценки влияния на бизнес-метрики; проектирование и обучение моделей на классическом ML-стеке (gradient boosting, linear models, ensemble methods); разработка пайплайнов обработки данных, feature engineering и валидации моделей; оценка рисков применения ML-решений с учётом специфики бизнес- и технологических процессов; исследование современных подходов в области tabular ML, forecasting и anomaly detection.
🧩 Требования: уверенное знание Python; владение Pandas, NumPy, Scikit-learn; опыт с XGBoost/LightGBM/CatBoost; работа с временными рядами и прогнозированием — Statsmodels, Prophet/Sktime/Skforecast; знание классических методов ML — деревья решений, бустинг, линейные модели, кластеризация, снижение размерности; статистика и интерпретация экспериментов (A/B, hold-out, cross-validation); SQL для самостоятельной работы с данными; Git; опыт вывода ML-моделей в прод и построения воспроизводимых экспериментов; высшее техническое образование (Computer Science, прикладная математика, AI/ML или смежные области); опыт использования Apache Spark (PySpark) для подготовки и обработки больших объёмов данных; продуктовое мышление — понимание, зачем модель нужна пользователю и какую метрику она сдвигает; готовность искать точки роста, предлагать нестандартные решения и отстаивать их на встречах с заказчиком; хорошие навыки коммуникации и работы в команде. Будет плюсом: DVC, MLflow, Airflow, Docker/Kubernetes.
🌐 ••••••••
🔮 •••••••• — бесплатно постим IT-вакансии
S7 Techlab — IT-подразделение крупнейшей частной авиакомпании России. Мы разрабатываем собственные продукты для продажи авиабилетов, коммуникаций с путешественниками, учета финансов и обслуживания в аэропорту. Наши системы прогнозируют спрос и управляют предложением услуг, автоматизируют поддержку и улучшают пользовательский опыт на сайте и в приложении S7 Airlines.
В нашей команде работают талантливые увлеченные эксперты — каждый день мы создаем лучший тревел-опыт в России. Наши программные решения регулируют работу авиапарка, оптимизируют маршруты, оценивают потребности в обслуживании самолетов. Мы внедряем искусственный интеллект, машинное обучение и облачные технологии, исследуем большие данные и клиентский опыт. Наши разработки помогают миллионам людей экономить время и получать лучший сервис в полете и на земле. Мы превращаем идеи в инструменты — и меняем авиацию.
Сейчас мы находимся в поисках Lead ML-Engineer в продукт Forecast&Optimization. Ключевая задача продукта — прогнозирование спроса на авиабилеты и оптимизация загрузки рейсов с учётом прогноза, доступных ёмкостей и прочих бизнес-ограничений.
Forecast&Optimization — часть собственной RMS (Revenue Management System) и на сегодняшний день находится в стадии опытной эксплуатации. Построенный командой продукта прогноз уже используется в реальных бизнес-процессах компании в качестве рекомендаций. Цель команды на ближайший период — перейти из статуса «рекомендаций» в статус основного инструмента принятия решений.
Наш стек: Python, Airflow, MLFlow, PostgreSQL, S3, Kafka, Kubernetes, GitLab.
Чем предстоит заниматься:
- Создавать с нуля и развивать текущие модели прогнозирования спроса, настраивать их адаптивность;
- Тестировать различные методы в подготовке данных (feature engineering) и моделировании, выстраивать эксперименты, выбирать и аргументировать лучшие решения;
- Следить за метриками, выявлять выбросы и аномалии. Развивать инструменты мониторинга моделей и автоматизировать тестирование алгоритмов;
- Доводить алгоритмы до продакшена совместно с инженерами;
- Проектировать архитектуру для дальнейшего развития моделей и их объединения;
- Делиться экспертизой и best practices внутри команды, отвечать за профессиональное развитие команды;
- Участвовать в планировании и декомпозиции бизнес-целей совместно с владельцем продукта.
Что мы ждем от кандидатов:
- Уверенные знания математической статистики и теории вероятностей;
- Опыт анализа данных в Python и SQL, уверенное владение ML-библиотеками (sklearn, pandas, numpy, бустинг и др.);
- Знание принципов работы алгоритмов машинного обучения и успешное применение их в бизнес-задачах;
- Понимание всех стадий жизненного цикла моделей: от сбора данных для MVP до внедрения решения и контроля качества в оффлайне и онлайне;
- Умение объяснять свои решения коллегам по команде и бизнесу, быть ответственным. Умение интерпретировать результаты в бизнес-терминах;
- Опыт ведения долгосрочных DS/ML-проектов с высоким уровнем неизвестных от идеи до продакшена;
- Умение составлять долгосрочные планы (от года), реалистично оценивать сроки и соблюдать их;
Будет плюсом:
- Наличие опыта менторства и технического лидерства;
- Участие в хакатонах, соревнованиях;
- Наличие высшего образования (математическое/техническое).
Мы предлагаем:
- Работа в аккредитованной IT-компании;
- Гибридный/офисный формат работы;
- Работа в комфортном офисе по адресу ул. Петровка, 7;
- Интересные и амбициозные задачи, открытость к любым, даже самым смелым идеям и предложениям в своей зоне ответственности;
- ДМС со стоматологией после прохождения испытательного срока;
- Корпоративная жизнь, насыщенная разнообразными коллективными событиями;
- Подарки для детей к первому классу и на Новый год;
- Профессиональное развитие: проходить обучение в компаниях-партнерах, участие и выступление в конференциях;
- Полеты по корпоративным тарифам S7 Airlines;
- Корпоративные скидки в BestBenefits: скидки в рестораны, на обучающие курсы, товары и тд.;
- Программа комплексной поддержки «Понимаю» (бесплатные консультации юристов, психологов, нутрициологов, финансистов).
Мы создаём браузер, который помогает пользователям решать повседневные задачи: управлять вкладками, разбираться в содержимом страниц, заполнять формы и получать полезные подсказки в адресной строке. В работе мы объединяем LLM, классическое машинное обучение и программные инструменты.
Ищем ML‑разработчика, которому предстоит превращать продуктовые идеи в работающие решения: от подготовки данных и проверки гипотез до интеграции в Браузер и оценки качества на реальных сценариях.
Улучшение автозаполнения форм
Вы будете разрабатывать и оценивать способы определения назначения полей и подбора данных для заполнения, создавать воспроизводимую эмуляцию работы автофилла, выявлять причины ошибок и оценивать, насколько изменения улучшают работу.
Автоматизация тестирования Браузера
Вам предстоит разрабатывать агента, который будет воспроизводить пользовательские сценарии и проверять, исправлены ли ошибки. Также нужно создавать бенчмарки и автоматические оценки и проверять, насколько можно доверять выводам модели-судьи.
Контекстные подсказки Алисы
Вы будете классифицировать страницы и определять пользовательские задачи, чтобы в нужный момент предлагать полезные действия. Предстоит готовить разметку, строить модели и правила, оценивать точность и охват новых сценариев. Нужно будет исследовать и использовать перспективные инструменты классификации, например Jev, в сочетании с LLM.
Развитие подсказок
Вам предстоит улучшать классификацию запросов, ранжирование и смешивание подсказок из разных источников. Нужно готовить признаки и обучающие данные, проверять качество моделей и оценивать их влияние на пользовательский опыт.
Развитие агента управления Браузером
Вы будете учить агента понимать запросы пользователя и выполнять действия с вкладками, окнами и настройками. Вам предстоит подбирать модели, улучшать промпты и работу с инструментами, а также повышать надёжность сложных последовательностей действий.
Больше об ML в Яндексе — в канале Yandex for ML
* Работали над ML‑проектами, которые дошли до продакшена
* Знаете классические структуры данных и алгоритмы
* Хорошо ориентируетесь в инструментах для решения NLP‑задач
* Строили системы на базе LLM
* Активно используете агентов в повседневной жизни
Наша команда развивает ML-решения для B2C- и B2B-продуктов платформы «Авто.ру». Мы защищаем пользователей от спама и мошенничества, модерируем контент и автоматизируем работу со звонками.
- Развивать антифрод-системы и модерацию объявлений, чатов, журналов и бортжурналов
- Собирать данные, обучать модели, оценивать их качество и внедрять в продакшн
- Вместе с продуктовой командой выбирать задачи, определять метрики и оценивать бизнес-эффект
- Переносить ML-процессы в инфраструктуру Т-Банка и поддерживать их после запуска
- Развивать агентские решения для подбора автомобилей и консультаций пользователей
- У вас есть опыт вывода ML-моделей в продакшн и сопровождения работающих решений
- Владеете Python
- Знаете классические методы машинного обучения и математическую статистику, умеете оценивать качество моделей
- Умеете аргументировать технические решения с учетом продуктовых задач и бизнес-целей
- Интересуетесь генеративными системами и готовы работать с ними
- Работу в офисе или удаленно — по договоренности
- ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких. Еще — страховка от несчастных случаев и болезней
- Рост по карьерному треку: проходите курсы по софт- и хард-скиллам, развивайтесь с поддержкой ментора и повышайте уровень с матрицей компетенций и регулярным ревью
- Сильное комьюнити. Вы будете работать с экспертами в своей области, сможете делиться знаниями и выступать на конференциях, посещать митапы и писать статьи
- Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни
- Компенсацию затрат на спортивные абонементы, приложение Т-Спорта для онлайн-занятий и командные тренировки с коллегами
- Три дополнительных дня к отпуску — можно использовать для отдыха или получить компенсацию
- Специальные тарифы на продукты Т-Банка и широкую программу скидок от партнеров
- Достойную зарплату — обсудим ее на собеседовании
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:
-
знание классического ML
-
опыт построения uplift-моделей или моделей чувствительности
-
опыт работы с задачами ценообразования
-
промышленный опыт разработки и внедрения моделей на табличных данных
-
уверенное владение ML-стеком Python: lightgbm/xgboost/catboost, Scikit-Learn, Pandas, Numpy
-
умение работать с инструментами Spark, Hadoop, Hive
-
знание SQL/PySpark
Задачи:
-
заниматься построением моделей чувствительности и ценообразования для банковских продуктов
-
генерировать и тестировать гипотезы для улучшения процесса прайсинга юридических лиц с помощью моделей
-
оптимизировать существующие модели банка - тестировать новые источники данных для моделей
-
совместно с командами DE, MLOps, мониторинга внедрять модели в промышленные процессы
-
презентовать бизнесу результаты работы, обсуждать применение моделей
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
Наша команда создает и внедряет алгоритмы, которые улучшают экономику компании: предлагают клиентам более выгодные условия, увеличивают прибыль бизнеса и повышают доходность партнерских размещений. Мы развиваем решения в области кэшбэка, ценообразования, рекламы и финтеха.
Основные направления работы команды:
Динамическое ценообразование и оптимизация промо. Определяем, кому, на какие покупки и в каком размере предлагать кэшбэк и скидки, учитывая цели бизнеса. Например, разрабатываем алгоритмы, которые увеличивают выручку без снижения маржинальности. Переходим от простых эвристик к uplift-моделям и RL и развиваем инфраструктуру для работы этих решений.
Рекламные алгоритмы. Развиваем аукцион и алгоритмы принятия решений внутри него, внедряем CPA-модель в партнерские размещения, разрабатываем рекомендации по ставкам и лимитам кэшбэка.
Оптимизация маркетингового бюджета. Развиваем MMM, модели атрибуции и причинно-следственные методы оценки инкрементальности каналов. Оцениваем вклад маркетинга в рост бизнеса и перераспределяем бюджеты в каналы с максимальным ROI.
Поиск и создание новых механик роста. Формулируем гипотезы на основе продуктовых исследований и A/B-экспериментов, руководим разработкой новой функциональности и механик, доводим лучшие решения до запуска.
- Переводить бизнес-задачи в математические модели и ставить задачи для их решения с помощью методов Data Science
- Исследовать данные и определять, как развивать продукт и бизнес-направление
- Разрабатывать, валидировать и внедрять модели, которые влияют на продуктовые и бизнес-метрики
- Оценивать риски и контролировать качество решений, в том числе статистическую корректность моделей
- Адаптировать современные научные методы и подходы из исследований — SOTA — для использования в продукте
- Общаться с продуктовыми, инженерными и аналитическими командами
- У вас есть опыт внедрения моделей в продакшн вместе с MLE и разработчиками
- Работали с большими объемами данных с помощью SQL, Python и Spark, строили и оценивали качество моделей
- Знаете математическую статистику, теорию вероятностей и методы машинного обучения
- Умеете переводить бизнес-задачи в математические модели с учетом ограничений
- Оцениваете риски, контролируете ошибки и проверяете качество решений без внешнего ревью
- Можете объяснить сложные технические идеи коллегам без технического бэкграунда
- Работу в офисе или удаленно — по договоренности
- ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких. Еще — страховка от несчастных случаев и болезней
- Рост по карьерному треку: проходите курсы по софт- и хард-скиллам, развивайтесь с поддержкой ментора и повышайте уровень с матрицей компетенций и регулярным ревью
- Сильное комьюнити. Вы будете работать с экспертами в своей области, сможете делиться знаниями и выступать на конференциях, посещать митапы и писать статьи
- Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни
- Компенсацию затрат на спортивные абонементы, приложение Т-Спорта для онлайн-занятий и командные тренировки с коллегами
- Три дополнительных дня к отпуску — можно использовать для отдыха или получить компенсацию
- Специальные тарифы на продукты Т-Банка и широкую программу скидок от партнеров
- Достойную зарплату — обсудим ее на собеседовании
Смотрите также в каталоге
Хотите персональную подборку?
Введите свои критерии — мы отфильтруем вакансии по вашим требованиям
Найти подходящие вакансии →