Вакансии ML-разработчика и Data Scientist

Анализ данных, обучение и оценка моделей машинного обучения. Разработка приложений поверх готовых AI-моделей и эксплуатация ML представлены отдельно. Обновляется каждый час. Найдено: 160 вакансий за последнюю неделю.

Вакансий за неделю:
160
Медиана:
400 000 ₽
Вилка:
267 600 ₽ — 550 000 ₽

Зарплаты — по 172 вакансиям с указанной вилкой за 30 дней

Поиск вакансий

HireSeeker — агрегатор вакансий. Собираем вакансии со всех основных площадок и показываем по вашей специальности. Подпишитесь на ежедневную подборку только релевантных.

В дайджест попадут вакансии на русском
hh.ru
codeinside

Стажёр/ML Engineer

codeinside
Зарплата не указанаРоссияПензаОфис

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.
hh.ru
А

Data Scientist (розничное кредитование)

Азиатско-Тихоокеанский БанкАвтоподнятие
Зарплата не указанаРоссияМоскваОфис
Формирование подразделения для реализации новой функции – предиктивного моделирования с использованием алгоритмов машинного обучения
Чем предстоит заниматься:
  • 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
Что для нас важно:
  • 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
Что мы предлагаем:
  • 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
Другие площадки
top selection

Инженер машинного обучения

top selection
250k–270k ₽Не указана странаЛокация не указанаУдалёнка

#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

Соц.сети

Research Scientist (mech interp)

125 000–170 000 $ (≈ 10373k–14107k ₽)ВеликобританияLondonУдалёнка

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: •••••••• 🦙

hh.ru
Альфа-Банк: блок рисков

Data Scientist

Альфа-Банк: блок рисков
Зарплата не указанаБеларусьМинскГибрид

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.
hh.ru
Зарплата не указанаКазахстанАлматыОфис

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:

  1. Разработка, модификация и обучение нейронных сетей.
  2. Разработка, внедрение и оптимизация функционала на основе технологий машинного обучения (ML).
  3. Адаптация и оптимизация нейросетевых моделей для работы на встраиваемых вычислительных платформах.
  4. Интеграция ML-моделей в программные и аппаратные комплексы.
  5. Проведение тестирования, отладки и оценки производительности разработанных решений.

Требования:

  1. Опыт работы в сфере IT не менее 2 лет.
  2. Уверенное владение языками программирования C++ (стандарты C++11/17) и Python.
  3. Опыт коллективной разработки программного обеспечения.
  4. Знание и практический опыт применения основных подходов и методов разработки нейронных сетей.
  5. Знание фреймворка Qt и библиотеки STL.
  6. Опыт разработки, модификации и оптимизации нейронных сетей, в том числе для встраиваемых систем (NVIDIA Jetson, Forlinx).
  7. Опыт работы с NPU-ядрами на встраиваемых вычислительных системах.
  8. Опыт работы с системами сборки CMake и QMake.
  9. 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!

Соц.сети

Senior Machine Learning Engineer

Неизвестный работодатель
Зарплата не указанаLATAMМексикаПанамаАргентинаБразилияЧилиКолумбияПеруУругвай

#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.

Сайты компаний
СБЕР
Зарплата не указанаРоссияМоскваГибрид

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.
Эта вакансия также есть на:hh.ru
hh.ru
црт | группа компаний

Научный сотрудник (Data Scientist)

црт | группа компанийАвтоподнятие
Зарплата не указанаРоссияСанкт-ПетербургУдалёнка

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.
Другие площадки
extyl

ML разработчик / Проектная работа / АУТСТАФФ

extylАвтоподнятие
Зарплата не указанаНе указана странаЛокация не указанаУдалёнка

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.
Другие площадки
mts web services

Senior ML/NLP Engineer [МТС Веб Сервисы]

mts web servicesАвтоподнятие
Зарплата не указанаРоссияМоскваГибрид

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.
hh.ru
медрокет

Младший специалист по машинному обучению (Machine Learning)

медрокетАвтоподнятие
от 77k ₽РоссияКраснодарОфис

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!

Сайты компаний
Зарплата не указанаРоссияМоскваОфис

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.
Эта вакансия также есть на:hh.ru
Другие площадки
Зарплата не указанаРоссияУдалёнка

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.
Эта вакансия также есть на:Hirify
Сайты компаний
СБЕР

Senior Researcher

СБЕРАвтоподнятие
Зарплата не указанаРоссияМоскваОфис

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.

Сайты компаний
ozon

Data Scientist, Вертикальные поиски

ozonАвтоподнятие
Зарплата не указанаРоссияМосква

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.

Сайты компаний
x5 tech

Data Scientist middle/senior

x5 techАвтоподнятие
Зарплата не указанаРоссия

* 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.

hh.ru
8 000 000–10 000 000 UZS (≈ 55k–69k ₽)УзбекистанЧирчикОфис
Обязанности:
  • 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.
Требования:
  • 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.
Условия:
  • 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.
Сайты компаний
СБЕР

Middle Data Scientist

СБЕР
Зарплата не указанаРоссияМосква

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.

Соц.сети

ML Engineer

Зарплата не указанаНе указана странаЛокация не указанаУдалёнка

📑 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

hh.ru
s7 group

Lead ML-Engineer (FaO)

s7 group
Зарплата не указанаРоссияМоскваГибрид

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).
Сайты компаний
яндекс

ML-разработчик в Браузер

яндекс
Зарплата не указанаРоссияМосква

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

Сайты компаний
т-банк

ML-инженер

т-банк
Зарплата не указанаРоссия

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
hh.ru
usetech

Data Scientist

usetech
Зарплата не указанаРоссияМоскваУдалёнка

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

Сайты компаний
т-банк

Продуктовый аналитик DS

т-банк
Зарплата не указанаРоссия

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:

  1. 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.

  2. Рекламные алгоритмы. Развиваем аукцион и алгоритмы принятия решений внутри него, внедряем CPA-модель в партнерские размещения, разрабатываем рекомендации по ставкам и лимитам кэшбэка.

  3. 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.

  4. 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 →