Data Science & ML — свежие вакансии

Мы ищем ML Engineer в команду развития ценности активных клиентов.

Мы отвечаем за персонализацию промо-механик в приложении «Магнит»: персональные предложения, цели и задания. Наша задача — не просто предсказать, что человек купит, а понять, какое воздействие действительно изменит его поведение, и направить промо-бюджет туда, где он даст максимальный эффект.

Чем придется заниматься:

• Разрабатывать, обучать и валидировать ML-модели для маркетинговых задач: классические предиктивные модели, uplift-модели и рекомендательные решения
• Готовить данные для моделирования: собирать данные из разных источников, формировать витрины и признаки, контролировать качество данных
• Оценивать модели по ML- и бизнес-метрикам, интерпретировать результаты и определять влияние моделей на эффективность кампаний
• Выводить модели в production совместно с MLOps-инженерами: участвовать в code review и настройке регулярных скорингов
• Поддерживать и развивать действующие ML-модели и пайплайны: отслеживать drift и деградацию качества, переобучать и улучшать решения
• Проектировать и анализировать A/B-тесты, проверять гипотезы и презентовать результаты и рекомендации бизнес-заказчикам
• Работать со стеком Python, SQL, PySpark, MLflow, Airflow, Docker, Git, Linux

• Коммерческий опыт в ML / Data Science от 2 лет и уверенные знания классического ML: алгоритмы, ML-метрики, валидация, feature engineering и интерпретация моделей
• Практический опыт построения моделей на табличных данных и уверенную работу с Python, pandas, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost
• Уверенный SQL и опыт работы с большими объемами данных; знание PySpark или аналогичных инструментов распределенной обработки будет преимуществом
• Знание статистики и опыт дизайна и анализа A/B-тестов; опыт uplift-моделирования, маркетинговой аналитики или рекомендательных систем будет большим плюсом
• Самостоятельность, умение вести задачу от постановки до результата, взаимодействовать с бизнес-заказчиками и понятно объяснять результаты нетехническим коллегам

• Трудоустройство в аккредитованную IT-компанию
• ДМС со стоматологией и льготными условиями для членов семьи
• Возможность работать удаленно, гибридно или в офисе
• Корпоративные скидки от компании и партнеров, бесплатная подписка Магнит Премиум с повышенным кешбэком по программе лояльности М+
• Поддержку в развитии через обучение, конференции и митапы, а также программу для руководителей - Leadership club
• IT‑комьюнити - среду, где быстрее находишь решения, делишься практиками, пробуешь новые роли и растешь от эксперта в стекe до лидера инициатив
• Социально - психологическую поддержку от >370 специалистов по направлениям: юристы, психологи, врачи, финансовые и ЗОЖ советники

Мы - команда Disrupt в Сбере, часть блока ГенИИ. Отвечаем за все новые воплощения Гиги на рынках и работаем в формате фабрики гипотез: ищем перспективные сценарии, запускаем MVP, масштабируем лучшие продукты.

Ищем Data Scientist или ML-инженера для игровых и рекомендательных систем.

Вы будете делать игры интереснее: создавать поведение агентов, подбирать контент и события под игрока (next-best-action), настраивать адаптивную сложность, давать персональные рекомендации и безопасно тестировать новые механики с помощью RL/bandit-подходов.

• Строить рекомендации и ранжирование для контента, заданий, событий и игровых режимов.

• Прогнозировать поведение игроков (вовлеченность, отток) и их следующий шаг; сегментировать аудиторию.

• Создавать прототипы агентов с памятью, планированием действий и взаимодействием со средой.

• Применять контекстные бандиты, офлайн-RL или обучение по примерам там, где они работают лучше обычных моделей.

• Проектировать симуляции и оффлайн-тесты, ставить ограничения безопасности и защиту от взлома наград (reward hacking).

• Готовить данные и пайплайны обучения, запускать батч-инференс в реальном времени, следить за дрейфом данных и качеством рекомендаций.

• Планировать A/B-тесты и оценивать их влияние на удержание, глубину сессии, разнообразие механик и удовлетворенность игроков.

• Работать вместе с геймдизайнерами: переводить игровые механики в формальные цели так, чтобы не ломать баланс.

• Опыт в Data Science или ML Engineering от двух лет, либо сильный production  или research портфолио.

• Уверенное владение Python, SQL и PyTorch. Понимание классического машинного обучения, теории вероятностей и методов оптимизации.

• Практический опыт хотя бы в одной из областей: рекомендательные системы (ranking), reinforcement learning, игровой ИИ, персонализация или моделирование пользователей.

• Знание устройства RecSys: генерация кандидатов, ранжирование, неявная обратная связь (implicit feedback), cold start, смещения данных (bias), офлайн-метрики и A/B-тесты.

• Умение довести модель с ноутбука до рабочего сервиса или пайплайна: покрыть тестами, настроить мониторинг и сделать обучение воспроизводимым.

• Навык четко формулировать метрику качества (reward) и заранее видеть способы, которыми модель попытается её «сломать».

Будет плюсом:

• Опыт с контекстными бандитами, офлайн-RL, обучением по примерам (imitation learning), мультиагентными системами или планированием.

• Создание LLM-агентов со структурированным использованием инструментов и контролируемой памятью для NPC или игровых помощников.

• Работа с Unity/Unreal (ML-Agents) или симуляторами на базе PettingZoo, Gymnasium, RLlib; либо опыт написания собственных симуляторов.

• Построение ранжирования в реальном времени, работа с feature store, векторным поиском или графовыми рекомендациями.

• Опыт работы в геймдеве, социальных сетях, UGC-платформах, развлечениях, беттинге или других продуктах с высокой частотой событий.

• комфортный современный офис рядом с м. Кутузовская

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

• расширенный полис ДМС с первого дня работы и страхование для семьи

• льготная программа ипотеки для сотрудников

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

• вознаграждение за рекомендацию друзей в команду Сбера.

Мы - команда Disrupt в Сбере, часть блока ГенИИ. Отвечаем за все новые воплощения Гиги на рынках и работаем в формате фабрики гипотез: ищем перспективные сценарии, запускаем MVP, масштабируем лучшие продукты.

Ищем ML-инженера, который будет запускать в продакшен и ускорять большие языковые модели на инфраструктуре NVIDIA.

• Запускать и поддерживать распределённый инференс LLM на кластере GPU.

• Тюнить движки (vLLM, SGLang, TensorRT-LLM или аналоги) для максимальной скорости и утилизации железа.

• Снижать задержки генерации, повышать пропускную способность и эффективно работать с длинным контекстом в MoE-моделях.

• Применять квантизацию (FP8/INT8), speculative decoding и другие оптимизации без потери качества ответов.

• Находить узкие места по памяти (VRAM/HBM) и сети (NVLink/InfiniBand), устранять OOM и сбои узлов.

• Упаковывать сервисы в Kubernetes/Docker, настраивать автоскейлинг, выкаты и откаты.

• Строить мониторинг метрик вывода (задержки, токены/сек, стоимость за 1М токенов).

• Проводить нагрузочное тестирование и планировать мощности.

• От двух лет опыта в ML Engineering, MLOps или высоконагруженном бэкенде. Обязательно хотя бы один свой GPU-сервис, доведенный до продакшена.

• Уверенное владение Python и Linux. Знание Docker, Git, CI/CD и базовая работа с Kubernetes.

• Практический опыт запуска моделей на PyTorch под NVIDIA GPU.

• Опыт работы минимум с одним production-стеком для инференса (vLLM, Triton, TensorRT-LLM, SGLang, TGI или аналоги).

• Понимание того, как устроена память GPU, что такое mixed precision, батчинг, KV-кэш и параллелизм моделей.

• Умение замерять производительность, читать профилировщики (PyTorch Profiler, Nsight, DCGM) и находить баланс между скоростью, качеством ответов и стоимостью вывода.

• Базовое понимание распределенных систем: таймауты, повторы запросов, отказоустойчивость при падении узла и выкат без простоев.

Будет плюсом:

• Умение писать CUDA/Triton kernels, работать с NCCL и быстрой связкой узлов (NVLink/InfiniBand, GPUDirect/RDMA).

• Опыт запуска MoE-моделей с экспертным параллелизмом и очень длинным контекстом.

• Знакомство с KServe или Ray Serve; сбор метрик через Prometheus/Grafana, GPU Operator или DCGM Exporter.

• Навыки конвертации весов моделей, проведения quantization-aware evaluation и сравнения разных движков инференса.

• Базовый C++ или Go для написания быстрых компонентов control/data plane.

• комфортный современный офис рядом с м. Кутузовская

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

• расширенный полис ДМС с первого дня работы и страхование для семьи

• льготная программа ипотеки для сотрудников

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

• вознаграждение за рекомендацию друзей в команду Сбера.

О команде:

Планирование движения автономного автомобиля и предсказание движения всех участников вокруг него - это сложная и крайне важная задача, учитывающая множество факторов. Качественно планируя и предугадывая будущее такой автомобиль сможет обеспечить комфорт пассажиров и избежать потенциальных коллизий.

Чем предстоит заниматься:

• Разработка и развитие масштабируемой инфраструктуры для подготовки и доставки данных в пайплайны обучения;
• Разработка и поддержка пайплайнов обучения, тестирования и оценки ML-моделей;
• Оптимизация процессов обучения моделей и проведения ML-экспериментов.

Что мы ждем от кандидата:

• Опыт разработки инфраструктуры для обучения или эксплуатации ML-моделей в production;
• Хорошее понимание процесса обучения моделей машинного обучения и базовых принципов работы нейронных сетей;
• Опыт в разработке и/или поддержке систем хранения и обработки данных в больших масштабах;
• Знание классических алгоритмов и структур данных;
• Уверенное владение Python и умение писать поддерживаемый, опыт работы с PyTorch, Polars, SQL, Docker, ClearML, Git, Ray, CI/CD.

Будет плюсом:

• Опыт разработки на C++;
• Опыт работы с ROS;
• Опыт работы в распределёнными системами.

ТРЕБУЕТСЯ СПЕЦИАЛИСТ С ОПЫТОМ УКАЗАННЫМ В ВАКАНСИИ

Обязательные технические требования (Hard Skills)

• Python на высоком уровне: написание чистого, оптимизированного кода, глубокое знание ООП и стандартов разработки. Уверенное владение базовым стеком (Pandas, NumPy, Scikit-learn).
• Опыт с Deep Learning фреймворками: уверенное практическое владение PyTorch (предпочтительно) или TensorFlow для проектирования и обучения нейросетей.
• Работа с данными и базами данных: отличный SQL (написание и оптимизация сложных запросов, агрегация данных, самостоятельный сбор и подготовка датасетов).
• Опыт работы с LLM / Generative AI: практический опыт интеграции больших языковых моделей через API (Claude, OpenAI) или развертывания open-source решений (Qwen, Llama). Понимание архитектуры Transformer, принципов Prompt Engineering и реализации подходов RAG.
• Инженерная база и Production: умение упаковывать разработанные модели в Docker-контейнеры и разворачивать их как стабильные API-сервисы (FastAPI / Flask). Базовое понимание работы брокеров сообщений (Kafka / RabbitMQ) для построения асинхронной архитектуры.
• Математический фундамент: четкое понимание теории вероятностей, математической статистики и линейной алгебры (необходимое для понимания внутренней логики работы алгоритмов и интерпретации результатов).
• Инфраструктурные инструменты: уверенная работа в среде Linux (Bash), Git, практический опыт распределения ресурсов на GPU-инстансах для эффективного обучения моделей.

2. Будет большим плюсом (Желательно)

• MLOps пайплайны: опыт построения и автоматизации MLOps-пайплайнов для управления жизненным циклом моделей (MLflow, ClearML или аналоги).
• Коммерческий опыт: наличие подтвержденного коммерческого опыта разработки в продуктовых IT-командах от 2 лет.

3. Мягкие навыки и продуктовое мышление (Soft Skills)

• Продуктовый подход: способность декомпозировать абстрактную бизнес-задачу или боль проекта на язык конкретных технических ML-гипотез.
• Самостоятельность и R&D: умение читать и разбирать актуальные профильные статьи (papers), быстро находить эффективные open-source решения и адаптировать их под задачи компании.

Мы создаем и применяем AI-технологии для развития финансовой экосистемы Т-Банка, внедряем машинное обучение в продукты и внутренние процессы компании, делаем решения качественнее, безопаснее и удобнее для пользователей, вкладываемся в долгосрочные исследования. Сейчас мы в поисках ML-инженеров, которые привнесут экспертизу и свой вклад в развитие Центра технологий искусственного интеллекта.

Наши технологии

• Диалоговые системы. Обучаем финансового ассистента поддерживать разговор и отвечать на запросы пользователей в чате с поддержкой
• Компьютерное зрение. Делаем безопасную авторизацию по лицу, оживляем фотографии для реалистичной анимации, распознаем документы и многое другое
• Рекомендательные системы. Учимся предугадывать желания пользователей, чтобы предлагать им именно то, что нужно
• Речевые технологии. Автоматизируем голосовое общение между бизнесом и клиентами
• ML-антифрод. С помощью алгоритмов оберегаем пользователей от мошенников, оперативно замечая подозрительные действия в личном кабинете
• Предиктивные технологии. Прогнозируем будущее клиентов, чтобы помогать им контролировать финансы.

Почему Т-Банк?

• Делаем жизнь миллионов людей лучше — ассистент Олег, социальная сеть Пульс, персонализированная lifestyle экосистема, предиктивные интерфейсы для finance management
• Даем возможность как закинуть наработки в прод на миллионы пользователей, так и делать исследования в своей области
• Развиваем и делимся опытом по всем областям ML: CV, NLP, RecSys, Speech и Time Series. Проводим внутреннием семинары, обсуждаем последние новости AI
• Есть выстроенные процессы и инфраструктура Т-Банка, но с отсутствием бюрократии больших организаций
• Фокус внутри компании на разработке в области искусственного интеллекта
• Есть лаборатория на Физтехе, с которой можно и нужно делать коллаборации
• Мало легаси и большой impact каждого разработчика

Обязанности:

• Изучение научных статей, генерирование гипотез, постановка экспериментов на их основе и донесение результатов до команды
• Улучшение качества моделей в различных сценариях
• Ускорение работы моделей с применением современных методов оптимизации и архитектур
• Написание воспроизводимого кода, оформление экспериментов в воспроизводимые пайплайны, включающие разметку и обработку данных, обучение моделей и валидацию системы в целом

Требования:

• Опыт разработки моделей машинного обучения с использованием современных DL фреймворков (Tensorflow, Pytorch, Keras, etc) и применения их в продакшене
• Глубокое понимание принципов работы современных алгоритмов машинного обучения
• Высокий уровень знания Python
• Умение декомпозировать задачу в переиспользуемые и тестируемые библиотеки и компоненты
• Хорошая теоретическая подготовка в областях математики, алгоритмов и структур данных, прикладной статистики
• Умение самостоятельно изучать научные статьи на английском языке и желание ставить эксперименты на их основе
• Практические знания Linux, Git, Bash, Docker

Мы предлагаем:

• Оплату участия в топ AI конференциях 2-3 раза в год
• Работу в офисе. График работы — гибридный
• Платформу обучения и развития Т-Банк Апгрейд. Курсы, тренинги, вебинары и базы знаний. Поддержка менторов и наставников, помощь в поиске точек роста и карьерном развитии
• Заботу о здоровье. Оформим полис ДМС со стоматологией и страховку от несчастных случаев. Предложим льготное страхование вашим близким
• Компенсацию такси и 50% затрат на спорт от стоимости абонемента
• Компенсацию обедов. А если захотите перекусить, есть кухня с чаем, кофе и фруктами
• Достойную зарплату — обсудим ее на собеседовании
• Возможность работы в аккредитованной ИТ-компании

Наша команда занимается созданием и развитием интеллектуальной системы ценообразования. Мы разрабатываем алгоритмы, которые помогают бизнесу принимать оптимальные решения на основе анализа больших объёмов данных. В нашей работе мы объединяем передовые методы машинного обучения с глубоким пониманием бизнес-процессов.

Тебе предстоит:

• разработка отдельных модулей рекомендательной системы ценообразования
• построение классических ML-моделей на основе табличных данных и временных рядов
• написание production-ready кода
• формулирование гипотез и предложений по развитию продукта.

Мы ждем, что у тебя:

• высшее техническое образование
• глубокое знание классического машинного обучения
• отличное владение Python и его экосистемой (catboost, pandas, numpy, sklearn, torch)
• хорошие знания теории вероятностей и математической статистики
• понимание статистических методов и их применения в нестандартных ситуациях
• знание методов решения задач оптимизации.

Что мы предлагаем:

• высокая конкурентная зарплата и корпоративные бонусы
• работа 5/2, возможность формировать под себя и свои привычки рабочий график
• современный и комфортный офис в центре Нижнего Новгорода (ул. Костина, д.6), рядом с метро
• корпоративное обучение в Виртуальной школе Сбера, регулярные внутренние митапы
• ДМС с первого дня работы для сотрудников и льготное страхование для близких
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• дружелюбный коллектив и либеральное руководство
• насыщенная корпоративная жизнь.

Команда занимается разработкой Disrupt-решений в сфере Безопасности Сбера

Цель команды – разработка инновационных решений, проверка гипотез, посредством подготовки MVP и PoC планируемых продуктов, поддержка продуктовых команд в части оперативной разработки.

• разработка ML-алгоритмов

• разработка ML-моделей

• поддержка существующих AI-решений

• разработка AI-Агентов

• проработка AI-архитектуры внедрения решений в целевой процесс

• генерация идей.

• высшее образование

• коммерческий опыт работы разработки\в сфере ИИ не менее 2 лет

• опыт самостоятельного лидирования

• готовность работы в условиях многозадачности и сжатых сроков, интенсивному обучению и повышению квалификацию

• опыт работы со следующим стеком:

Python, numpy, pandas, scipy, scikit-learn, XGBoost, PyTorch, OpenAI, LangChain, LangGraph, Chroma, prompt engineering, FastAPI, REST/gRPC, React, Docker, Kubernetes, GitLab.

• офисный формат работы, 5\2
• ипотека выгоднее для каждого сотрудника и льготные условия кредитования
• фитнес залы в офисах
• бесплатная подписка СберПрайм+
• скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Delivery Club, Самокат, Сбер Еаптека и другие
• ДМС с первого дня и льготное страхование для близких
• корпоративная пенсионная программа
• реферальная программа для сотрудников: можно пригласить в команду знакомых профессионалов и получить вознаграждение

Наша команда отвечает за ранжирование в международном Поиске, это базовая функция продукта «Найти релевантные документы и показать в оптимальном порядке». Поисковое ранжирование — это сложная многокомпонентная система, и наша задача — сделать её удобной и масштабируемой для качественной работы в разных странах.

Генеративное ранжирование

Вы будете создавать систему генеративных сигналов и метрик для поискового ранжирования. Вам предстоит пройти полный цикл разработки: от продуктовых требований до конечных LLM/VLM-моделей и процессов, интегрированных с ранжированием разных поисковых компонент.

Масштабирование

Вам предстоит строить и разрабатывать масштабируемые процессы и модели, позволяющие эффективно развивать Поиск вглубь (улучшая качество в текущих направлениях) и вширь (запуская на новых языках и в новых странах) за счёт SOTA-подходов.

* Сильный ML-специалист с опытом в NLP
* Разрабатывали стабильные ML-процессы
* Умеете анализировать данные
* Хорошо знаете Python
* Заботитесь о высоком качестве конечного продукта

* Разрабатывали LLM/VLM-модели
* Пишете на C++

Яндекс Плюс — это единая подписка на сервисы Яндекса, которая даёт доступ к музыке, фильмам, подкастам, книгам, играм, спортивному и другому контенту. Это большой экосистемный проект, где более 35 миллионов подписчиков каждый день используют разнообразные возможности во всех сервисах экосистемы: слушают «Мою волну» в Музыке, получают кешбэк в Такси, Еде, на Маркете и в других сервисах Яндекса, смотрят кино на Кинопоиске.

Одно из фокусных направлений — развитие сценариев лояльности. Количество предложений для пользователей растёт каждый день, и необходимо построить системы оптимального управления этим оферингом, скидками и баллами Плюса.

Механик лояльности довольно много, каждая их них должна быть оптимизирована и максимально эффективна без превышения расходов. При этом все механики должны работать в одном направлении, не противореча целям бизнеса.

Выдвижение гипотез и проведение экспериментов

Вам предстоит предлагать новые гипотезы и тестировать их, чтобы с помощью ML-моделей повышать эффективность механик лояльности для наших подписчиков в экосистеме Яндекса.

Написание продакшн-кода на Java

Мы работаем с классическими методами ML, оборачиваем наши модели в сервисы на Java и выводим в продакшн. Вам предстоит писать надёжный и эффективный продакшн-код на Java.

* Понимаете принципы классического ML
* Знаете традиционные алгоритмы и структуры данных
* Хорошо знакомы с Python и SQL
* Можете понятно продемонстрировать бизнесу результаты исследований, аргументированно отстаиваете свою точку зрения
* Готовы отвечать за продакшн-модели в runtime

* Выводили ML-модели в продакшн
* Разрабатывали на Java или C++
* Умеете решать задачи из области Causal Inference

Мы в 2ГИС развиваем технологии компьютерного зрения, которые помогают делать карту и карточки организаций максимально точными, актуальными и визуально понятными. Мы работаем сразу в двух больших доменах: 

Обрабатываем фото и видео от пользователей: модерируем и фильтруем нежелательный контент, улучшаем визуальное качество карточек заведений, делаем фото-поиск и извлекаем полезную информацию прямо из изображений

Используем внутренние данные, чтобы поддерживать актуальность дорожной инфраструктуры и объектов на карте: распознаем знаки, разметку, шлагбаумы и другие элементы; извлекаем объекты со спутниковых снимков

Что предстоит делать:

• Развивать текущие сервисы для пользовательский фотографий и видео: фото-поиск, модерация, дедупликация, оценка красоты, классификация для группировки по альбомам;
• Извлекать факты из фотографий для актуализации информации об организациях в справочнике;
• Распознавать и наносить на карту разные объекты со спутниковых снимков: деревья, парковки, бассейны/фонтаны и т.п.;
• Научиться ставить дорожные знаки на карту еще точнее за счёт классических методов 3D-реконструкции сцены (SfM, SLAM) или нейросетевых подходов;

Мы ждем от тебя:

• Опыт работы  в области CV от 5-х лет;
• Имеешь опыт работы не только с фото, но и с видео;
• Опыт разработки и внедрения моделей в рамках направления Image retrieval : поиск похожих изображений, сравнение с запросами пользователей, анализ и классификация атрибутов, оценка релевантности изображений для пользователя; 
• Навыки работы с большими объемами визуальных данных: умеешь выставлять требования к датасетам и готовить их для обучения моделей;
• Опыт взаимодействия с продуктовыми командами, формировал технических требований для реализации задач;
• Писал и деплоил ML сервисы, знаешь особенности эксплуатации;
• Опыт с foundational моделями: любые VLM, CLIP, DINO, SAM, etc;
• Работал с k8s, prometheus, grafana, kafka.

Будет плюсом:

• Участвовал в соревнованиях по машинному обучению: Kaggle, Boosters.pro;
• Любишь экспериментировать, и следишь за новыми SOTA подходами;
• Хорошо владеешь методами из классического CV.

Почему у нас классно:

• 2ГИС – аккредитованная IT-компания;
• У нас можно работать удалённо. Для нас важен специалист, а не его локация. Если хочешь работать в гибридном формате, у нас есть офисы в Москве, Санкт-Петербурге, два классных офиса в Новосибирске. А также коворкинги в разных городах;
• Само собой, полностью белая зарплата;
• Заботимся о здоровье: ДМС и возможность получать онлайн-консультации и терапевта, невролога, психолога и медицинского агента;
• Если хочешь делиться своим опытом, мы только за – поможем с выступлениями на конференциях и статьями для Хабра;
• Есть собственный учебный центр: курсы, тренинги и книги для прокачки скиллов.

Мы формируем новое стратегическое направление и ищем опытного технического лидера, который возглавит его.

Эта роль 60% hands-on инженерии и 40% управления и менторства.

Ключевые задачи:

• Проектировать и принимать ключевые архитектурные решения для production-ready AI-сервисов (от LLM-агентов до систем предиктивной аналитики). Участвовать в разработке наиболее сложных компонентов.
• Определять и развивать технологический стек, выстраивать процессы MLOps (CI/CD для моделей, мониторинг, версионирование).
• В тесном контакте с бизнес-юнитами превращать гипотезы в работающие AI-решения, которые напрямую влияют на P&L компании.
• Развивать экспертизу команды, задавать стандарты качества кода и подходов к разработке.
• Принять в работу существующую AI-инфраструктуру, оценить технический долг и разработать дорожную карту по оптимизации. Первая цель — полное понимание и документирование текущих решений.
• Возглавить разработку комплексной системы анализа работы персонала на основе аудио- и видеоданных. Создание MVP-моделей, разработку метрик качества моделей и дашбордов для бизнес-заказчиков.

Наши ожидания от кандидата:

• Опыт управления командой разработки от 3-х лет. Вы умеете нанимать, развивать и мотивировать
• Практическая экспертиза в Computer Vision и NLP/LLM (BERT, GPT и их аналоги). Вы не просто использовали готовые API, а строили решения на базе фреймворков вроде HuggingFace, LangChain, PyTorch.
• Уверенное владение Python и его экосистемой для ML/AI.
• Опыт вывода ML-моделей в production. Вы знаете, что такое Docker, Kubernetes, и понимаете принципы построения CI/CD пайплайнов для моделей.
• Системное мышление и продуктовый подход. Вы способны декомпозировать сложную бизнес-задачу до технической реализации.
• Опыт работы с системами мониторинга (Prometheus, Grafana) и понимание важности метрик качества моделей в реальном времени.
• Английский язык на уровне, достаточном для чтения технической документации и статей.

Что мы предлагаем:

• Мы нанимаем профессионалов и доверяем их экспертизе. Ваши решения — основа будущего направления.
• Гибридный формат работы.
• Мы готовы оплачивать ваше участие в ведущих конференциях, профильные курсы и обучение в нашем Корпоративном университете.
• Конкурентоспособная заработная плата и полное соблюдение ТК РФ в крупной, известной компании.
• Корпоративные скидки на ювелирные украшения для сотрудников.

Команда состоит из нескольких разработчиков. У нас есть несколько ключевых элементов работы:
* Граф метрик в виде DAG с оценёнными причинно-следственными связями. Большая часть блоков уже реализована — есть интерактивная визуализация и пайплайн, который оценивает связи
* Платформа A/B-экспериментов, которая включает pruning, winsoring и sanity checks. Сейчас в работе десятки экспериментов

Мы используем следующий стек технологий: Python, SQL, Airflow, MapReduce, BI-системы, VCS.

Есть research-стрим: в команде выделяем время на то, чтобы тестировать подходы без необходимости отчитываться за бизнес-результат. Можно пробовать новые методы, создавать прототипы и проверять идеи.

Развитие инфраструктуры графа метрик

Вы будете работать с пайплайном оценки весов рёбер, реализовывать процедуры прямого и обратного прохода и настраивать систему валидации версий графа. Вам предстоит автоматизировать регулярные прогоны, следить за качеством связей и настраивать CI для релизов новых версий графа.

Руководство разработкой

Нужно будет разбивать задачи по проектам — графу метрик, платформе экспериментов и техдолгу, проверять архитектурные решения, помогать новым разработчикам освоиться в команде и распределять рабочую нагрузку.

Платформа экспериментов

Ваша задача — развивать модули pruning/winsoring и sanity checks, а также систему расчёта доказанного эффекта. Вам нужно поддерживать работу платформы, на которой запускаются сотни экспериментов.

Инфраструктура и техдолг

Вы будете перемещать процессы между кластерами, поддерживать квоты и переносить код. Также вам нужно будет обеспечить стабильность пайплайнов и качество данных.

Больше об ML в Яндексе — в канале Yandex for ML

* Проектировали пайплайны обработки данных: Airflow, Luigi, Dagster или аналоги
* Работали с MapReduce, Spark и большими объёмами данных
* Руководили командой или выступали в роли ведущего разработчика с распределением задач
* Владеете Python на высоком уровне и SQL — на уверенном
* Понимаете, что такое А/Б-эксперименты, CUPED, регрессии — не как исследователь, а как инженер, способный реализовать методологию в коде
* Уверенно владеете системами контроля версий (VCS: Git, Bitbucket)
* Готовы разбираться в причинно следственном-выводе (causal inference) на инженерном уровне
* Проактивны, ориентированы на результат, умеете доводить работу до прода

* Работали с CI/CD для ML-пайплайнов
* Работали с распределёнными вычислениями на больших кластерах
* Знакомы с графовыми структурами данных
* Знаете основы причинно-следственного анализа (DAG, backdoor, instrumental variables); базовой эконометрики будет достаточно — если что, разберёмся на лету

МТС Web Services (MWS) — бигтех-компания, предоставляющая облачные, AI-сервисы и платформенные решения под разные задачи бизнеса: от работы с данными до разработки продуктов и оптимизации процессов. Также мы запустили новую публичную платформу собственной разработки — MWS Cloud Platform.
Big Data – один из ключевых юнитов МТС.
Сегодня Big Data – это: 20 петабайт данных, 5 000 метрик на профиль и 400 увлеченных профессионалов в команде.
Наша команда занимается созданием комплексного решения, которое позволяет гибко управлять ценами товаров/услуг/подписок в зависимости от профиля клиента/характеристик товара для достижения различных бизнес-целей. В рамках продукта предстоит не только строить точные ценовые модели, но и встраивать их в операционные процессы компании.

Задачи

Исследовать наборы сырых данных для поиска нужных фичей;
Строить модели персонализации параметров предложения (look-alike, mulitclass) для абонентов b2c на всех этапах их жизненного цикла: привлечение, адаптация развитие, работа с оттоком;
Строить классические модели спроса и response-модели;
Оценивать эластичность спроса и подбирать оптимальную цену для достижения различных бизнес целей компании;
Выполнять сегментацию пользователей и товаров для различных задач;
Поддерживать текущие решения на продукте, сопровождать постановки на регламент процессов в airflow и A/B-тесты моделей;
Участвовать в разработке собственных библиотек для автоматизации основных процессов подразделения

Требования

Глубокое понимание статистических подходов и методов (регрессия, свойства распределений, оценка максимального правдоподобия, проверка гипотез и их правильное использование), опыт их применения;
Коммерческий опыт применения классических алгоритмов машинного обучения (LR, RF, XGBoost/LGBM/CatBoost), их калибровки, понимание преимуществ, недостатков и ограничений;
Хороший уровень sql;
Опыт проведения A/B тестов;
Опыт работы с методами оптимизации и временными рядами (будет плюсом);
Опыт работы с big data стеком (hadoop, spark, airflow) (будем плюсом);
Опыт работы в телекоме (будет плюсом)

Условия

Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах;
Профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше;
Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации;
Участие во внешних IT конференциях. Мы выступаем на HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг и даже проводим собственную конференцию по архитектуре True Tech Arch;
Полезные курсы и вебинары в корпоративном университете и электронную библиотеку;
ДМС с первого месяца работы, включая стоматологию;
Страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях;
Отпуск 28 календарных дней (+3 дополнительных дня за ненормированный рабочий день);
Гибридный формат работы;
Прием врачей общей практики и массаж в офисе;
Мобильная связь за счет компании и льготные тарифы для близких;
Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

С помощью аналитики и ML мы участвуем в качественном росте бизнеса. Влияем на доходность кредитного бизнеса и правильно оцениваем склонность человека к невыплате кредита и другие факторы.

Наша команда разделена на две подкоманды:

— первая распределена по конкретным бизнес-линиям: коллеги много коммуницируют с бизнес-линиями, глубоко погружены в продукты и напрямую влияют на качественный рост каждого из них;

— вторая сконцентрирована на исследовании внутренних данных экосистемы Т‑Банка, внешних данных от партнеров и развитии методологии и инструментов построения скоринговых моделей.

Мы разрабатываем с нуля библиотеки, которые позволяют автоматизировать построение моделей и кратно сократить Time-To-Market. Так мы сможем еще быстрее подстраиваться под ситуацию на рынке и меняющийся поток клиентов.

Наш стек:

— SQL: PostgreSQL, Greenplum;

— other: Git, Airflow;

— Python и ML: Scikit-learn, pandas, NumPy, Plotly, Matplotlib, LightGBM, CatBoost, PyTorch.

• Искать точки роста в существующих моделях — за счет новых внутренних и внешних данных
• Доводить сырые данные до реального применения в процессах и получения бизнес-результата через ML
• Внедрять построенные модели в онлайн-скоринг всех кредитных продуктов Т‑Банка
• Автоматизировать регулярное улучшение моделей команды
• Участвовать в развитии внутренних инструментов для решения своих задач
• Улучшать мониторинг текущих моделей команды, настраивать триггеры
• Развивать свои решения и делать их применимыми для других бизнес-линий Т‑Банк

• Вы разбираетесь в ML и анализе данных
• Готовы глубоко погружаться в ML, бизнес-процессы, данные и причинно-следственные связи
• Готовы драйвить все вокруг себя и всегда ищете способы сделать процессы еще лучше
• Любите математику и говорите на языке чисел и теорем
• Вдохновляетесь реальным влиянием ваших действий на бизнес
• Будет плюсом навык разработки Python-библиотек, опыт управления проектами и умение грамотно презентовать результаты своей работы

• Работу в офисе у метро «Белорусская». График работы — гибридный
• Платформу обучения и развития «Апгрейд». Курсы, тренинги, вебинары и базы знаний. Поддержку менторов и наставников, помощь в поиске точек роста и карьерном развитии
• Комплексную программу заботы о здоровье. Оформим полис ДМС с широким покрытием и страховку от несчастных случаев. Предложим льготные условия страхования для ваших близких
• Бесплатный фитнес-зал в офисе или частичную компенсацию затрат на спорт. В фитнес-зале оборудованы зоны по разным направлениям. Можно заниматься самостоятельно или присоединиться к групповым занятиям с тренером
• Возможность работы в аккредитованной ИТ-компании
• Бесплатные завтраки и обеды в нашем кафе. А если захотите перекусить, на каждом этаже есть кухня с чаем, кофе и фруктами
• Линейку льготных тарифов на продукты Т‑Банка
• Well-being-программу, которая помогает улучшить психологическое и физическое здоровье, а также разобраться с юридическими и финансовыми вопросами
• Три дополнительных дня отпуска в год
• Достойную зарплату — обсудим ее на собеседовании

Яндекс Реклама — крупнейшая рекомендательная система в России. 300 тысяч раз в секунду на большинстве сайтов в рунете мы должны понять, что может заинтересовать пользователя, и порекомендовать ему товар или услугу из сотен миллионов вариантов.

Для решения столь сложной задачи мы используем передовые технологии:
* Обрабатываем знания о пользователе с помощью рекомендательных трансформеров, по сути, пытаясь сгенерировать его следующее действие в интернете
* Разбираем рекламное предложение и его сайт с помощью LLM и на лету генерируем текст объявления для пользователя
* Подбираем ставки для каждого рекламного блока с помощью технологий автобюджета, пытаясь предоставить бизнесам максимальную прибыль

Для работы этих технологий нам доступны петабайты данных про взаимодействия пользователей с рекламой и другими сервисами Яндекса.

Мы ищем сильного ML-разработчика, которому интересно работать с большими объёмами данных, внедрять ML-модели в продакшен, напрямую влияя на продуктовые и бизнес-метрики.

Улучшать ML-модели, которые играют ключевую роль в рекламной системе

Вы будете работать с моделями прогнозирования кликов, конверсий и их ценности; с моделями, которые участвуют в отборе кандидатов, ранжировании и помогают эффективно использовать бюджеты рекламодателей.

Внедрять решения end-to-end: от данных и фич — до запуска в продакшене

Искать точки роста, ставить цели и определять ограничения, проводить исследования, строить пайплайны и внедрять улучшения.

Проверять гипотезы через эксперименты

Все технологии мы проверяем в A/B-экспериментах онлайн, на реальных показах, и замеряем эффективность рекламы.

Больше об ML в Яндексе — в канале Yandex for ML

* Пишете на Python, знаете C++
* Имеете опыт промышленного применения ML
* Знаете алгоритмы классического ML и математическую статистику, умеете анализировать данные
* Можете быстро разобраться в чём угодно: в задачах, технологиях, инструментах, алгоритмах

Команда создает и поддерживает масштабируемое хранилище данных (Data Lake) и разрабатывает передовую интеллектуальную систему поиска, использующую AI/ML, чтобы пользователи могли легко находить нужную информацию во всем многообразии данных Блока

Технологии/инструменты

Python

PyTorch

FastAPI

RNN/LSTM/Transformers

LLM

RAG

AgenticRAG

PostgreSQL

Vector storage

LangChain

LangGraph

MLflow

Git

Docker

OpenShift

Kafka

Jenkins

Grafana

• Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости

• Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию

• Определение ML SysDes решения с учетом разрешенного технологического стека

• Участие в валидации и автомониторинге моделей, проведение A/B тестирования

• Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (таких как МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.)

• Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов

• Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений

• Умение переводить бизнес-постановку задачи в ML-постановку

• Высокий уровень владения Python и SQL

• Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers

• Знание принципов построения RAG, VisionRAG и AgenticRAG систем

• Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5)

• Знание агентных архитектур (ReAct, Multi-agent и др.)

• Знание фреймворков для работы с LLM (LangChain, LangGraph и др.)

• Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker)

• Понимание жизненного цикла моделей (CRISP-DM)

• Гибкий гибрид (обсуждаем индивидуально)

• Современный IT-офис вблизи Москва-Сити с фитнес-залом

• Ипотека с выгодой для сотрудника и льготные условия кредитования

• Бесплатная подписка СберПрайм+

• Скидки на продукты компаний-партнеров

• ДМС с первого дня и льготное страхование для близких

• Корпоративная пенсионная программа

• Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию

• Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

Центр изучения и сетевого мониторинга молодёжной среды – аккредитованная IT-компания, созданная по поручению Президента России в 2018 году.

Наша миссия – разработка социально значимых технологических решений для защиты детей и подростков от деструктивного контента в цифровом пространстве. Через создание комплексной мониторинговой системы мы формируем безопасную среду для нового поколения.

Мы ищем в команду ML-разработчика, ответственного за разработку NLP-моделей и работы с большими языковыми моделями (LLM). Мы работаем с колоссальным объёмом текстов, разрабатываем собственные NLP-модели и платформу использования LLM для автоматизации бизнес-процессов.

Стек технологий

• PyTorch, HuggingFace Transformers
• Python, NumPy, Pandas, Sci-kit Learn
• Docker, Kubernetes
• NVidia Triton, TensorRT, ONNX, vLLM
• Jira, Confluence, Git

Чем предстоит заниматься

• Разработка NLP-моделей для работы с данными социальных сетей и социальных медиа
• Разработка LLM-навыков для автоматизации различных задач
• Взаимодействие с отделом разметки данных и отделом DevOps
• Внедрение моделей в промышленную эксплуатацию

Ждем от кандидата

• Опыт работы от 3 лет
• Опыт работы или реализации практических проектов в области машинного обучения
• Глубокое понимание математических оснований машинного обучения и анализа данных
• Проактивность, готовность вникать в задачу
• Знание метрик оценки качества LLM-workflow (LLM-навыков)
• Опыт работы с реляционными базами данными
• Качественный чистый код

Что мы предлагаем

• Чёткие процессы разработки, взаимодействия с проектными командами и DevOps-инженерами
• Большой кластер GPU, включающий в том числе самые современные production-ready ускорители
• Официальное трудоустройство по ТК РФ в аккредитованной IT-компании
• Конкурентный уровень з/п, размер обсуждается по итогам собеседования и зависит от квалификации
• Формат работы - офис / гибрид
• Место работы - офис в центре Москвы
• Гибкое начало рабочего дня, график 5/2, выходные: суббота, воскресенье
• Непрерывное обучение и развитие профессиональных навыков

Мы расширяем нашу команду разработки и приглашаем опытного Back-end или Full-stack разработчика, чтобы принять участие в разработке новых продуктов на стыке электроники и софта. Проекты будут интересны разработчикам, которые могут выйти за рамки классических фреймворков и реализовать богатый и нестандартный функционал взаимодействия между устройствами и облачными сервисами.

Проект #1: Система мониторинга гольф-полей. Мы разрабатываем устройства со встроенными камерами и радаром для наблюдения за ударом по мячу и отслеживанием его попадания в лунку. Цель - дать игрокам возможность делать ставки на исход собственного удара. Back-end: NestJS, обработка стримингового видео, MQTT телеметрия, ML модели для распознавания мяча и лунки, моделирование физики полёта мяча, определение результата игры, биллинг, финансовые дэшборды, взаимодействие с платёжными шлюзами.

Проект #2: Интерфейс с виртуальными гольф-симуляторами. Перенос наработок из #1 в режим гибридного или виртуального гольфа. Сохраняя базовые функции системы, сделать возможность мониторинга исхода ударов по мячу в виртуальных гольф-симуляторах через захват экрана (HDMI sniffing), OCR-анализа стримингового видео для определения исхода игры.

Проект #3: Портативная система личной безопасности. Мы разрабатываем устройство размером с пачку сигарет со встроенной камерой, сенсорами движения, GPS, LTE и WiFi. Устройство можно перевести в режим охраны и оно будет сообщать о нештатной ситуации. Устройство можно взять с собой в путешествие, и мониторить свой номер в отеле, как пример. Разрабатываем электронику и все облачные сервисы. Стриминг видео, управление алертами, дэшборды для менеджмента и мобильное приложение для пользователей.

Мы ищем профессионального back-end разработчика, который может взять на себя роль архитектора и разработчика этих и других решений, которые мы создаём для наших заказчиков. Мы постоянно ищем новых людей и у нас постоянно появляются новые проекты. Они каждый раз необычные и интересные (ниже примеры).

Если у вас широкий набор навыков и длительный опыт разработки, если вам интересны нестандартные задачи, то будем рады побеседовать.

Требования:
- Длительный опыт в разработке. Уровень увлечённости софтом и разработкой далеко за рамками среднестатистического. Опыт хобби-разработок со школы. Будем рады вместе с вами посмотреть на код ваших личных проектов на собеседовании.
- Node/Nest.js. Django для пользовательских и админ-порталов.

Примеры задач:
- Спроектировать архитектуру стриминга видео с LTE камер безопасности и систему управления алертами
- Разработать видео-конвейер для монтажа RTMP видеопотоков, получаемых с различных устройств
- Натренировать ML модель для распознавания мяча и лунки
- Написать OCR конвейер, который позволит определять контекст игры в виртуальном симуляторе гольфа
- Написать сервис биллинга, которые будет внедрён во все наши проекты
- Реализовать систему мониторинга Grafana/Prometheus
- Написать генератор синтетических данных по результат игр, спроектировать BI дэшборды для менеджмента системы.
- Встроить процесс интеграционного и нагрузочного тестирования в процесс разработки.
- Создать эмулятор устройства (прокси для тестов и разработки), пока реальное устройство не до конца готово.

Кратко о нас:
Мы - инжиниринговая компания полного цикла. Мы создаем электронные устройства от идеи до массового производства для заказчиков в Америке и Европе. У нас есть офисы разработки в Москве и в Иваново, мы производим электронику в Тайване, разрабатываем софт во Вьетнаме.

Примеры недавних и активных в настоящий момент проектов:
- Несколько проектов носимых устройств на nRF54. 1) Терминал для общения с LLM в виде смарт-часов. 2) Устройство для бегунов, получающее пульс и ритм бега через ANT+ от смарт-часов Garmin, визуализирует в виде паттернов свечения на браслета на запястье. 3) Трекер для инвентаря игрока в гольф. Все проекты - полного цикла. Продуктовый дизайн, разработка конструктива и электроники, встроенного ПО, мобильного приложения.
- Система мониторинга для гольф-полей. Разработка кастомных панорамных камер на RK3588 со стримингом видео через LTE. Интеграция радара для отслеживания мяча. Продвинутый софт для управления сетью устройств на множестве гольф-полей. Очень сложный и масштабный full-stack проект (электроника, firmware, UX/UI, back/front, mobile, интеграция с 3rd party системами)
- Карманная система личной безопасности. Встроенная камера наблюдения, центральный процессор RV1106G3, система датчиков, сенсорный хаб на nRF54L15, спикер и микрофон. Интерфейсы BLE/WiFi/LTE. Full-stack разработка (hardware/firmware/mobile app, back/front, UX/UI).
- Голосовой ассистент на базе ИИ. Формат плоского кредла, вставляется в айфон. Активирует DP Alt Mode. Принимает видео с экрана телефона, конвертирует кадры в JPEG при помощи ПЛИС. Кадры отправляются в облако, в ответ генерируется последовательность нажатий мыши и клавиатуры, которое устройство ретранслирует на айфон. Фактически, OpenClaw для телефона. Всё в формате платы 53x9 мм.
- Система "умная яхта". Набор датчиков для применения на лодках и яхтах разного размера. Гейтвей Zigbee-to-LoRaWAN для лодок. LoRaWAN интерфейс для передачи данных на берег. Своя система мониторинга состояния лодок и предупреждения опасных ситуаций. Частная сеть LoRaWAN.
- Семейство электровелосипедов нового поколения. Цифровое управление steer-by-wire. Полное проектирование конструктива, схемотехники и встроенного ПО. Четыре процессорных узла. Бортовая шина CAN. Кастомные бутлоадеры и каскадное обновление встроенного ПО.
- Смарт-часы со встроенными картами, i.MX RT500, конкурент часам Garmin Fenix. Полная разработка электроники и конструктива, встроенного софта, облачных сервисов. Разработка велась в четырех странах.
- Кастомная материнская платы для Nvidia Orin NX (мы - официальный партнер NVidia).
- VR-шлем со встроенными электродами ЭЭГ (на базе Meta Quest Pro). Полная разработка конструктива, электроники, встроенного софта, интеграция с VR-приложением.
- Система диагностики спазмов мышц ротовой полости, сбора телеметрии о состоянии пациента. Разработка электроники, конструктива, встроенного ПО, мобильного приложения.
- 8-канальный портативный энцефалограф, возможность подключения пассивных и активных электродов.
- Система промышленного взвешивания с облачными сервисами управления запасами. Разработка электроники и встроенного ПО, web-сервисы.
- Интерактивный баскетбольный щит (Nvidia Orin / RK3588). Разработка конструктива, электроники, ML конвейеров для сегментации игровой площадки, распознавание игроков, мяча, определение траектории движения мяча, детекция промахов и попаданий в сетку.

Мы вовлечены во все стадии разработки - от создания PoC и pre-EVT прототипов до запуска в производство в Китае и Тайване. Если у вас есть интерес к новыми технологиям, к разработке инженерно-сложных продуктов, ориентированных на международный рынок, будем рады с вами побеседовать.

Условия:
- Full-time занятость на наших проектах
- Возможна работа удаленно или в одном из наших офисов
- Возможны командировки в г. Иваново и в Тайвань
- Конкурентная заработная плата
- Корпоративная поддержка повышения уровня английского языка

Мы развиваем GigaChat и ищем сильного ML-инженера в команду AI Quality. Наша команда — это главный навигатор развития модели. Мы не просто тестируем сборки, мы исследуем новые возможности GigaChat, сопоставляем его работу с реальными продуктовыми требованиями и находим точки для кратного роста качества. Публичные бенчмарки покрывают далеко не всё и часто оторваны от жизни, поэтому мы строим собственную инфраструктуру замеров, которая честно показывает, как модель решает настоящие задачи пользователей.

Это роль для человека, который возьмёт на себя ответственность за сквозной цикл оценки: от ресёрча ландшафта и проектирования датасетов под продуктовые вызовы до написания надёжного кода и внедрения бенчмарка в общий харнесс. Ищем не столько исполнителя, собирающий дашборды, сколько мотивированного инженера-исследователя. Тот, кто глубоко понимает, что нужно продукту, замечает узкие места именного базового качества модели, вспоминает актуальную статью с подходящим методом оценки и приходит с готовым планом: «давайте замерим вот так, потому что именно это покажет наш реальный прогресс».

Чем предстоит заниматься

Развивать инфраструктуру и пайплайны замеров (Evaluation Harness).

• Реализовывать и поддерживать бенчмарки: парсинг датасетов, промпт-шаблоны, постпроцессинг ответов, подсчёт метрик.
• Обеспечивать железобетонную воспроизводимость: версионирование конфигов, CI-интеграция. Любой замер должен выдавать идентичный результат и сегодня, и через полгода.
• Разбирать статьи и репозитории новых бенчмарков, понимать их методологию и встраивать в наш пайплайн с автоматическим запуском.

Строить и масштабировать LLM-as-a-Judge.

• Развивать пайплайны моделей-судей: глубокий промпт-инжиниринг, калибровка, контроль смещений (bias), оценка консистентности и сравнение судей между собой.
• Проектировать, настраивать и автоматизировать arena-style оценки.

Создавать целевые датасеты и анализировать данные.

• Проектировать новые арены и тестовые наборы под конкретные слабые места модели и проверяемые гипотезы.
• Вытаскивать сигналы о деградациях из пользовательских логов, собирать промпты, следить за актуальностью и контаминацией существующих датасетов.
• Проводить аналитику и быстро писать скрипты для ответа на вопрос: «почему просела метрика и что именно сломалось».

Проводить research и влиять на релизы.

• Самостоятельно отслеживать state-of-the-art в области evaluation, инициировать внедрение лучших подходов — не дожидаясь постановки задачи сверху.
• Готовить аналитические отчёты по замерам, формулировать жёсткие go/no-go рекомендации и аргументированно отстаивать их перед командой pretrain/post-train.

Для нас важно

• Уверенный Python и инженерная культура: код ревьюится, тестируется и не гниёт. Уверенное владение Git, CI/CD, Bash на уровне самостоятельной поддержки сервисов. Использование AI-ассистентов и знание best practices горячо приветствуются.
• Глубокое понимание устройства LLM: не на уровне обзоров, а на практике. Вы знаете, что такое chat template, почему ризонеры могут давать разные результаты при нулевой температуре, и почему один и тот же бенчмарк можно замерить тремя способами, получив три разных числа. Практический опыт инференса open-source моделей (vLLM, SGLang).
• Насмотренность и инициативность: вы умеете не просто следить за потоком статей, но в нужный момент вытащить из памяти релевантный подход, связать его с текущей задачей и конвертировать в конкретный план действий.
• Базовая статистическая грамотность: доверительные интервалы, bootstrap, чёткое понимание того, когда разница в метрике статистически значима, а когда — это просто шум.

Будет плюсом

• Опыт работы с evaluation-фреймворками (lm-evaluation-harness, HELM, BigCode Evaluation) или написания собственных харнессов.
• Опыт с LLM-judge подходами и глубокое знакомство с профильной литературой (MT-Bench, AlpacaEval, Chatbot Arena).
• Публикации или заметный open-source вклад в области evaluation.

Что предлагаем

• Сильные и сложные задачи на переднем крае развития русскоязычных LLM.
• Огромную степень влияния на продукт: от ваших метрик и рекомендаций зависит, пойдет ли флагманская модель в релиз.
• Команду сильных инженеров и исследователей, задающих высокую планку инженерной надёжности.
• Конкурентную компенсацию, премии и расширенный соцпакет.

Кратко о компании

Компания работает в сфере IT и специализируется на внедрении Корпоративных систем электронного документооборота. Основу компании составляет группа экспертов, которая в течение последних 15 лет представляла на российском рынке интересы компаний EMC Corporation (США), DELL (США) и OpenText Corporation (Канада) - мировых лидеров в данной отрасли ECM/EIM.

Кандидатам представляется возможность стать частью команды профессионалов, участвовать в интересных проектах по разработке и внедрению Информационных систем, освоить современную профессию и получать достойный доход.

Роль «ML-разработчик (middle/senior)»:

Мы ищем ML-разработчика для усиления команды, в составе которой присутствуют Senior Java-разработчик и Junior ML-инженер, и которая занимается внедрением ИИ в систему технического документооборота.

Обязанности:

• Внедрение и эксплуатация ML в продакшн (MLOps & Deployment).
• Деплой: интеграция обученной модели в рабочий код и обеспечение реального времени прогнозов через API.
• Создание API для взаимодействия модели с остальными компонентами системы.
• Оптимизация инференса (квантование, prune) и снижение потребления памяти.
• Мониторинг производительности и поддержка моделей в боевых условиях; настройка алертов и автоматическое дообучение.
• Дообучение: автоматизация процессов обновления модели на новых данных (CI/CD для ML).

• Высшее техническое образование.
• Реальный опыт внедрения ИИ в продуктивные решениях (не только прототипы чат-ботов).
• Опыт работы с RAG.
• Опыт использования в решениях сверточных нейросетей, LLM, VLM. Опыт обучения ML-моделей.
• Архитектурное мышление: проектирование гибридных систем (ML + детерминированные правила).
• Широкий кругозор в ML: понимание различий между ML, ИИ и LLM.
• Понимание принципов оценки работы ML-компонентов. Опыт разработки требований к датасетам.
• Опыт системной отладки и дебаггинга пайплайнов: анализ причин низкого качества, локализация слабых мест.
• Опыт проектирования распределённых систем: разделение ответственности между сервисами, проектирование контрактов. Опыт работы с продуктовой командой и интеграции ИИ-решений.
• Гибкость и устойчивость к неопределенности, умение отказаться от неработающего подхода.
• Английский язык уровня Intermediate (для чтения технической литературы).
• Стремление к профессиональному росту.
• Быть способным работать под минимальным контролем при выполнении поставленных задач.

• Работа удалённо; посещение офиса в Санкт-Петербурге или Екатеринбурге по необходимости.
• 40-часовая рабочая неделя.
• Долгосрочное трудоустройство с возможностью профессионального роста.
• Корпоративный ноутбук (или использование собственного).
• Оформление ДМС после прохождении испытательного срока на сотрудника и членов его семьи.

Программа вовлечения и испытательный срок:

• Программа адаптации под руководством опытных сотрудников
• Испытательный срок – 3 месяца

Big Data МТС — место, где телеком-данные превращаются в реально работающие IT-продукты. Мы создали и протестировали несколько десятков сервисов. Самые успешные из них уже стали частью экосистемы МТС. Например, МТС Маркетолог, рекомендации в KION (МТС ТВ), услуга “Кто звонит?” или Спам-blacklist.

Кого мы ищем?

Middle+/Senior Data Scientist в продукт Защитник

Описание продукта

Мы — data-команда продукта МТС Защитник, который защищает миллионы пользователей от телефонного спама и мошенников. Это живая и постоянно меняющаяся задача: спамеры адаптируются под фильтры, меняют поведение и тексты, а мошенники регулярно придумывают новые схемы, используя социальную инженерию и давление на эмоции. Мы работаем с большими объёмами данных и моделями, которые должны не просто хорошо считать метрики, но и стабильно работать в продакшене с жёсткими требованиями к latency и качеству — и реально влиять на безопасность людей.

Чем предстоит заниматься

• Поддерживать и развивать ML-модели для выявления телефонного спама и мошенничества (табличные модели и NLP: классификация текстов, анализ расшифровок звонков).
• Заниматься feature engineering, у нас много витрин и источников данных, важно извлекать из них полезные сигналы.
• Участвовать в построении pipeline от данных до production-инференса (обучение, оптимизация, мониторинг).
• Участвовать в постановке задач разметки и работе с качеством данных.
• Общаться с бизнес-заказчиками: помогать формализовать задачи, согласовывать метрики, объяснять ограничения и результаты моделей.
• Предлагать и проверять новые подходы к детектированию спама и мошеннических сценариев.

Что нужно для этой работы

• Опыт работы в Data Science / ML от 3 лет.
• Хорошее понимание классического ML и практический опыт feature engineering.
• Опыт продуктивизации ML-моделей и их сопровождения.
• Опыт в дообучении NLP-моделей под конкретные задачи: классификация, NER.
• Умение переводить бизнес-задачи в ML-формулировки и внятно объяснять результаты.
• Уверенные навыки Python и SQL.
• Опционально: PySpark, Hadoop, MLOps.

Что мы предлагаем:

• Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах.

• Профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше.

• Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации.

• Участие во внешних IT-конференциях. Мы выступаем на HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг и даже проводим собственную конференцию по архитектуре True Tech Arch.

• Полезные курсы и вебинары в корпоративном университете и электронную библиотеку.

А еще:

• ДМС с первого месяца работы, включая стоматологию.

• Страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях.

• Отпуск 28 календарных дней + 3 дополнительных дня по ненормированному графику.

• Прием врачей общей практики и массаж в офисе.

• Мобильная связь за счет компании и льготные тарифы для близких.

• Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

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

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

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

Задачи

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

Требования

• Имеете от года опыта разработки ML-решений
• Уверенно пишете код на Python, Java или C++
• Умеете работать с продуктовыми метриками и A/B-тестами
• Готовы брать на себя сложные технические задачи и доводить решения до продакшена

Будет плюсом

• Работали с рекомендательными, поисковыми или рекламными системами
• Работали с ML-системами в условиях высокой нагрузки
• Работали с видео, медиа, UGC или стриминговыми продуктами
• Сталкивались с задачами матчинга и дедупликации контента
• Имеете опыт оптимизации ML-рантайма и production-инфраструктуры

Мы развиваем GigaChat и ищем сильного руководителя направления ML pretrain больших языковых моделей. Недавно мы обучили MoE-модель на 700 миллиардов параметров и не собираемся останавливаться — обучение идёт на кластерах H100 и B200, а pretrain является ядром самого быстрорастущего AI-проекта Сбера.

Это роль для человека, который возьмёт на себя архитектурную часть pretrain: design моделей, законы масштабирования, выбор и адаптация attention / MoE / позиционных схем, а также все архитектурные решения, которые определяют, какой именно будет следующая флагманская модель GigaChat.

• развивать архитектуру моделей GigaChat

• определять, как должна развиваться архитектура pretrain-моделей: какие направления наиболее важны, как измерять прогресс и что в первую очередь ограничивает рост качества модели

• проектировать архитектуру флагманских моделей и отвечать за ключевые архитектурные решения: attention, позиционные схемы (RoPE и варианты), нормализации, активации, инициализация

• развивать MoE-архитектуру: маршрутизация, балансировка экспертов, устойчивость маршрутизатора, влияние на качество и производительность

• работать с long-context и мультимодальностью на уровне архитектуры: что именно нужно менять в модели, чтобы эти возможности работали стабильно

• изучать и применять законы масштабирования

• проводить scaling-эксперименты и на их основе принимать решения по размеру модели, ширине / глубине, числу и размеру экспертов, размерам батча и длительности обучения

• предсказывать, как архитектурные изменения поведут себя при переходе с небольших абляций на полный масштаб

• определять и развивать метрики, которые корректно отражают архитектурные изменения в обучении моделей

• определять, в каких случаях архитектурные изменения действительно дают прирост качества по сравнению с более простыми baseline'ами, а в каких — нет

• анализировать стабильность архитектурных решений

• разбираться с нестабильностью на больших прогонах со стороны архитектуры: почему конкретная конфигурация расходится, где проявляются артефакты маршрутизации, коллапс энтропии, неустойчивости в attention

• предлагать изменения в нормализациях, клиппинге, точности вычислений и структуре блоков, которые делают обучение более предсказуемым

• обеспечивать безопасное масштабирование при внедрении крупных архитектурных изменений в основной трейн

• писать ключевой код и оставаться сильным исследователем

• самостоятельно писать и дорабатывать архитектурные компоненты и абляции.

• Делать надёжные и воспроизводимые эксперименты: понятные версии данных, конфиги, сравнение запусков, контроль деградаций

• читать статьи, воспроизводить ключевые результаты и адаптировать лучшие идеи под наши задачи и инфраструктуру

• руководить сильной технической командой

• руководить командой исследователей и инженеров, работающих над архитектурой, задавать высокую планку по качеству решений, скорости работы и глубине проработки

• Паомогать команде превращать архитектурные идеи в работающие решения, которые можно встроить в основной цикл обучения

• удерживать баланс между глубиной исследований, инженерной надёжностью и практическим результатом для модели.

• отличное владение Python и PyTorch

• глубокое понимание устройства обучения нейросетей: не на уровне обзоров, а на уровне, где вы можете объяснить, почему конкретная архитектурная конфигурация расходится, глядя на кривые функции потерь, нормы градиентов и энтропии

• глубокое понимание архитектуры LLM: Transformer, attention (MHA/GQA/MLA), RoPE и варианты позиционных эмбеддингов, нормализации, инициализации, long-context, MoE

• практический опыт с обучением больших моделей (а не только инференсом) и проведением архитектурных абляций

• способность самостоятельно взять направление и довести его до результата: от чтения статей и постановки гипотез до внедрения в основной трейн

• умение ставить гипотезы, проектировать эксперименты и принимать решения на основе результатов

• опыт руководства сильной технической командой и готовность лично писать важные части системы руками.

• возможность выбрать удобный формат работы: гибрид или офис

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

• ипотека выгоднее до 7% для каждого сотрудника

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

• вознаграждение за рекомендацию друзей в команду Сбера.