Data Science & ML — свежие вакансии

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.

Качество Поиска

Вам предстоит пройти полный цикл разработки ML-моделей: от аналитики и работы с данными до обучения моделей, проведения A/B-экспериментов и внедрения в продакшен. Ваши модели улучшат качество отдельных компонент и Поиска в целом, что повлияет на миллионы его пользователей.

Масштабирование

Вам предстоит создавать масштабируемые системы моделей и процессов, применимые для разных языков и стран. Вы будете использовать лучшие практики Поиска и внедрять SOTA-подходы, чтобы сделать Поиск по-настоящему международным.

* Сильный ML-специалист
* Разбираетесь в NLP, DL и классическом ML
* Умеете анализировать данные
* Пишете код на Python и C++
* Заботитесь о высоком качестве конечного продукта

* Разрабатывали поисковые или рекомендательные системы

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.

Управление командой

Вы будете руководить командой из 5+ человек и развивать её: ставить глобальные цели, декомпозировать и достигать их, организовывать работу команды и смежников, контролировать весь процесс от постановки задач до внедрения в прод.

Масштабируемое поисковое ранжирование в новых странах

Вам с командой предстоит создавать поисковое ранжирование в новых странах почти с нуля до конкурентоспособного продукта. На этом пути вам нужно будет выстроить масштабируемую систему моделей и процессов, используя лучшие практики ранжирования, а также внедряя новые решения (например, большие языковые модели (LLM) или другие SOTA-подходы) в условиях малого числа пользователей и данных.

Качество Поиска

Ваша работа будет напрямую влиять на качество Поиска для миллионов человек, ежедневно пользующихся Яндексом в самых разных странах на самых разных языках. Рост качества Поиска — важнейшая задача, для достижения которой вам также предстоит заниматься аналитикой и помогать развивать онлайн- и офлайн-метрики Поиска.

* Руководили командой ML-разработчиков
* Сильный ML-специалист с опытом в классическом ML или NLP
* Умеете проектировать и развивать многокомпонентные ML-системы
* Хорошо знаете C++ и Python
* Заботитесь о высоком качестве конечного продукта

* Разрабатывали поисковые или рекомендательные системы
* Работали с LLM

Команда информационной безопасности VK защищает данные пользователей, продукты, сети и серверы. Мы создаём сервисы безопасности для пользователей, а внутри команды — обучаем правилам ИБ и развиваем киберкультуру.

Задачи

• Разработка мультиагентной AI-системы для автоматизации DAST/Pentest-процессов
• Интеграция AI-агентов с внутренними инструментами
• Построение RAG-пайплайнов по внутренней базе знаний
• Снижение false positives в результатах работы AI-агентов
• Участие в проектировании датасетов для тестирования LLM/agentic security-сценариев

Требования

• Уверенно владеете Python и используете его не только для экспериментов, но и для практической работы с пайплайнами и ML-инструментами
• Есть опыт коммерческой разработки и внедрения ML-решений в production
• Опыт работы с LLM API и (или) локальными LLM
• Понимание agentic workflows, tool calling и multi-step reasoning
• Опыт работы с RAG, embeddings, vector search
• Понимание принципов построения evals для LLM/AI-систем
• Понимание базовых принципов backend-разработки
• Умение объяснять ML-подходы простым инженерным языком

Описание

Задачи

Вы будете создавать и совершенствовать производственные конвейеры ML и инфраструктуру ML многократного использования. Эта роль в основном сосредоточена на традиционном ML и прогнозировании запланированных партий. Вы будете работать с специалистами по обработке данных над внедрением моделей в производство, автоматизацией процессов обучения и валидации, а также интеграцией результатов моделирования в последующие бизнес-системы. Ключевая цель состоит в том, чтобы объединить несколько похожих конвейеров в единую настраиваемую платформу, которая поддерживает различные продукты и варианты использования без дублирования кода.

Требования

• Обязанности;
• Проектируйте и создавайте сквозные конвейеры ML, охватывающие разработку функциональных возможностей, обучение модели, тестирование на основе данных, валидацию, создание отчетов и пакетный вывод;
• Преобразуйте прототипы data science в надежные и обслуживаемые производственные решения;
• Разработайте настраиваемый фреймворк ML с использованием повторно используемых компонентов и рабочих процессов, управляемых параметрами;
• Создавайте и поддерживайте рабочие процессы ML на основе Python, используя существующую кодовую базу;
• Поддерживайте рабочие процессы подготовки и преобразования данных в Snowflake и dbt Cloud;
• Внедряйте проверки качества данных, автоматизированное тестирование, управление версиями, мониторинг и CI/CD;
• Интегрируйте выходные данные модели в последующие бизнес-системы и рабочие процессы;
• Участвуйте в принятии архитектурных решений и предлагайте практические подходы к реализации;
• Поддерживайте производственные операции, устраняйте неполадки, обновляйте модели и постоянно совершенствуйте;
• Сотрудничайте со специалистами по обработке данных, инженерами по обработке данных, архитекторами и заинтересованными сторонами в бизнесе;
• Чего мы ожидаем;
• 6-8 лет опыта работы в области машинного обучения, разработки программного обеспечения, обработки данных или смежных областях;
• Сильные навыки разработки программного обеспечения на Python, включая опыт работы с повторно используемым и объектно-ориентированным кодом;
• Опыт создания производственных конвейеров ML;
• Практический опыт работы с традиционными методами ML и библиотеками (pandas, NumPy, scikit-learn, PyTorch);
• Практический опыт работы с Docker;
• Сильные навыки работы с SQL и инженерией данных;
• Практический опыт работы с Snowflake и dbt Cloud;
• Опыт работы с AWS;
• Опыт работы с рабочими процессами CI/CD на основе Git, такими как GitHub Actions;
• Понимание тестирования, мониторинга, управления версиями, воспроизводимости и производственной поддержки;
• Хорошие навыки общения, владения, устранения неполадок и решения проблем;
• Приятно иметь;
• Опыт работы с конвейерами прогнозирования запланированных пакетов;
• Опыт создания настраиваемых платформ, поддерживающих несколько продуктов или бизнес-подразделений;
• Знакомство с CRM или другими интеграционными бизнес-системами;
• Знакомство с Kubernetes, организацией рабочих процессов или инфраструктурой в виде кода;
• Опыт работы с приложениями на базе искусственного интеллекта или LLM;
• Опыт работы в фармацевтической, биотехнологической, медицинской или медико-биологической сферах.

Условия

• Конкурентоспособная заработная плата;
• Гибкий график работы;
• Программы непрерывного образования, наставничества и повышения квалификации;
• Команда с отличным техническим опытом;
• Контракт рассчитан до конца года с возможностью продления в зависимости от потребностей проекта и результатов его работы.

Описание

Задачи

• Разрабатывать и развивать алгоритмы динамического ценообразования (Surge Pricing) для оптимизации баланса спроса и предложения (нагрузка на кухни, утилизация курьеров);
• Моделировать ценовую эластичность спроса и прогнозировать поведение клиентов при изменении стоимости продуктов или доставки;
• Строить и выводить в продакшн модели прогнозирования спроса (временные ряды), которые ложатся в основу ценовых решений;
• Проводить A/B-тесты ценовых стратегий и оценивать их прямого влияния на выручку, маржинальность и объём заказов;
• Обеспечивать полный жизненный цикл ML-моделей прайсинга (от R&D до мониторинга в продакшене), используя MLOps-инструменты (MLflow, Feature Store).

Требования

• 2+ года коммерческого опыта в Data Science с фокусом на задачи Dynamic Pricing и Demand Forecasting. Опыт в e-commerce, ритейле, такси или фудтехе будет решающим плюсом;
• Глубокое понимание эластичности спроса и математических подходов к оптимизации цен;
• Опыт работы с временными рядами и прогнозированием спроса на больших массивах данных;
• Уверенное владение Python, SQL и PySpark для подготовки фичей и работы с транзакционными логами;
• Отличные знания теории и практики A/B-тестирования: умение дизайнить и анализировать ценовые эксперименты;
• Понимание юнит-экономики: способность четко связать технические метрики моделей (MAPE, RMSE) с бизнес-метриками (выручка, EBITDA, средний чек, маржа).

Условия

• Работу в глобальной компании с амбициозными целями и масштабными задачами (планируем кратный рост пиццерий и кофеен к 2030);
• Культуру свободы и ответственности. Мы ценим тех, кто готов принимать решения и брать за них ответственность;
• Гибкий формат. Можно работать из дома или офиса в Москве/Санкт-Петербурге/Алматы;
• Прозрачные условия. Конкурентная зарплата, возможности для роста и развития;
• Оплачиваемое обучение. Курсы, конференции, профильная литература и софинансирование английского в Skyeng;
• Заботу о сотрудниках. ДМС с первого дня, включая стоматологию, и поддержка ментального здоровья через Alter.

О нас

Мы разрабатываем собственную cloud-native платформу потоковой обработки данных и на её основе создаём решения в области текстового и сетевого анализа.

Работаем с большими объёмами данных — порядка 10 млн событий и 10 ТБ в сутки — и разрабатываем собственные state of the art алгоритмы.

Ищем ML/NLP-инженера в команду, которая занимается AI-сервисами на собственной инфраструктуре.

У нас нет жёсткого разделения между исследованием, разработкой моделей и их внедрением: можно исследовать новый подход, обучить модель, встроить её в pipeline и довести до production.

Чем предстоит заниматься

В зависимости от проекта задачи могут быть разными:

• разрабатывать и дообучать Transformer-модели для задач NLP — классификация, суммаризация, извлечение сущностей;
• работать с LLM и строить RAG и мультиагентные системы: retrieval, embeddings, формирование ответов, оценка качества и борьба с галлюцинациями;
• работать с документами и OCR, строить пайплайны подготовки и обработки данных;
• экспериментировать с новыми моделями и подходами, проводить бенчмарки и анализировать ошибки;
• интегрировать модели в существующие сервисы и асинхронные пайплайны, доводить решения до production;
• участвовать в проектировании AI-архитектуры и развитии внутренних AI-сервисов.

Часть задач связана с оптимизацией моделей и production-инфраструктурой, в том числе внедрение собственного MLOps-движка.

Что для нас важно

• Высшее техническое образование;
• уверенно владеть Python и SQL;
• иметь практический опыт работы с ML/NLP и Transformer-моделями;
• понимать устройство LLM и принципы работы и архитектуры RAG;
• иметь опыт работы с PyTorch и Hugging Face Transformers;
• уметь самостоятельно строить пайплайны подготовки данных и проводить эксперименты;
• понимать, как оценивать качество моделей и анализировать ошибки;
• иметь опыт интеграции ML/LLM-решений в production.

Для LLM-задач используем LangChain, LangGraph, LlamaIndex, vLLM, llama.cpp.

Для потоковой обработки и production-интеграции — Kafka,Pulsar, Python, Kubernetes, GitLab.

Будет плюсом

• Опыт разработки LLM-агентов и с использованием LLM-агентов;
• Fine-tuning и оптимизация моделей: квантование, дистилляция, ускорение инференса
• Опыт работы с BI/DWH/корпоративными данными
• Опыт с Docker/Kubernetes, GitLab CI
• Английский на уровне чтения технической документации, в числе умение читать научные статьи на английском (ICML, NeurIPS, KDD, IJCAI, ICLR) и быстро прототипировать новые подходы
• Готовность разбираться в новых как для себя, так и для компании технологиях, внедрять новые практики и подходы;
• Способность самостоятельно отвечать за задачу от уточнения требований и до выкатки на продакшен.

Наш стек:

Задачи ведём в таск-трекере собственной разработки, код храним в GitLab, сервисы работают в Kubernetes, деплой — через ArgoCD.

В работе используем PostgreSQL, Elasticsearch, ClickHouse, Kafka/Pulsar, RabbitMQ, а для мониторинга — LGTM-стек (Loki, Grafana, Tempo, Mimir).

Условия

• Официальное трудоустройство в аккредитованную ИТ-компанию в соответствии с ТК РФ
• График 5/2 с гибким началом рабочего дня
• Возможность гибридного формата работы по результатам испытательного срока
• Офис в шаговой доступности от м. Марьина роща

Компания ЕМЕ – разработчик и интегратор решений для управления логистикой. Мы в ТОП-3 вендоров и интеграторов WMS в России.

● 34 года в области разработки систем управления логистикой ● 2 500 000 кв.м.+ складских и производственных площадей под управлением EME.WMS ● 450+ внедрений на крупных и средних складах по всей России и СНГ ● В 2024 г. у нас произошло создание лаборатории AI и ML

Наше ПО каждый день генерирует десятки ГБ информации о работе складов, персонала и др.

Наш стэк: FastAPI, Docker, Langchain, Langgraph, PostgreSQL, Qdrant, sklearn, pandas, numpy и д.р.

Что вы получите:

• Работа над реальными интересными задачами, которые помогают работе бизнеса. Возможность быстрого роста.
• Гибкий график работы в удобном и уютном офисе (м. Сокольники);
• Оформление в соответствии с ТК РФ (обязательно наличие военного билета или печати в приписном об отсрочке для военнообязанных);
• Официальный доход;
• Дружный коллектив, неформальная атмосфера с оценкой работы по результатам ваших достижений.

Что будете делать:

• Формулировка и проверка гипотез;
• Построение Machine Learning моделей;
• Анализ и обработка больших объемов данных с целью выявления закономерностей и зависимостей;
• Написание алгоритмов обработки и подготовки данных;

• Организация сбора данных (проработка необходимых параметров отчета, ТЗ на составление кастомизированного отчета для выгрузки данных из различных БД – SQL, noSQL);
• Интерпретации данных в отчетах (выводы, графики, зависимости);
• разработка ИИ-агентов и MCP.

Что нам важно:

• Python на среднем уровне и выше;
• Опыт использования LLM и разработки MCP;
• Знания ООП и умение применять на практике;
• Базовые знания по backend;
• Опыт с SQL базами данных (PostgreSQL, SQLlite и д.р.);
• Базовые знания Linux;
• Опыт работы с Git;
• опыт работы с Docker, опыт построения агентов и цепочек на Langgraph/Langchain, опыт построения RAG систем.

Описание

Задачи

• Разрабатывать и поддерживать AI/ML-решения на базе LLM: настраивать модели, проектировать пайплайны обработки и хранения данных;
• Работать с промптами, RAG-системами и оценкой качества ответов моделей;
• Разрабатывать и улучшать OCR-решения для автоматической обработки и валидации документов;
• Проводить эксперименты и A/B-тесты для оценки и улучшения качества AI-систем;
• Участвовать в решении технических задач, проводить код-ревью и обеспечивать качество решений.

Требования

• Опыт работы с LLM, промпт-инжинирингом и ML-пайплайнами;
• Опыт оценки качества моделей и проведения экспериментов;
• Умение проектировать и внедрять эффективные AI-решения;
• Опыт разработки и сопровождения production-сервисов;
• Уверенное владение Python;
• Опыт работы с коммерческими и open-source LLM;
• Знакомство с инструментами для разработки и оценки RAG-систем;
• Сильные коммуникативные навыки;
• Английский язык на уровне B1и выше.

Условия

• Гибкий формат работы из офиса;
• Медицинскую страховку с первого дня;
• Бюджет на обучение: языковые курсы, тренинги, сертификации;
• Компенсацию расходов на спорт и ментальное здоровье;
• 20 рабочих дней отпуска и оплачиваемые больничные.

Описание

Задачи

• Разрабатывать и развивать AI-продукты на базе LLM;
• Строить системы оценки качества и мониторинга моделей;
• Разрабатывать RAG- и агентные решения;
• Обеспечивать безопасность, надёжность и качество ответов моделей;
• Проводить эксперименты и внедрять улучшения на основе данных;
• Работать в кросс-функциональной команде над выводом решений в продакшен.

Требования

• Глубокое понимание ML и LLM;
• Опыт разработки AI-продуктов для продакшена;
• Опыт работы с RAG, поиском и агентными системами;
• Опыт оценки качества, мониторинга и сопровождения моделей;
• Понимание принципов безопасности и надёжности AI-систем;
• Уверенное владение Python;
• Знакомство с современным AI/LLM-стеком;
• Сильные коммуникативные навыки;
• Английский язык на уровне B1 и выше.

Условия

• Гибкий формат работы из офиса;
• Медицинскую страховку с первого дня;
• Бюджет на обучение: языковые курсы, тренинги, сертификации;
• Компенсацию расходов на спорт и ментальное здоровье;
• 20 рабочих дней отпуска и оплачиваемые больничные.

Описание

Задачи

• Обучать, дообучать и адаптировать модели компьютерного зрения и vision-language модели для задач обработки документов и изображений;
• Работать с данными на всех этапах: определять требования к датасетам, участвовать в подготовке данных, разметке и повышении качества;
• Оптимизировать модели для промышленного использования с точки зрения качества, производительности и устойчивости к реальным данным;
• Взаимодействовать с инженерами для внедрения моделей.

Требования

• Практический опыт работы с deep learning и Transformer-моделями;
• Опыт работы с OCR: распознавание текста, анализ структуры документов, извлечение данных;
• Опыт обучения, дообучения или адаптации CV-моделей под прикладные задачи;
• Уверенное владение PyTorch, OpenCV, torchvision или аналогичными инструментами;
• Понимание влияния качества данных и разметки на качество модели;
• Знание методов обучения и дообучения LLM-моделей;
• Английский язык на уровне B1 и выше.

Условия

• Гибкий формат работы из офиса;
• Медицинскую страховку с первого дня;
• Бюджет на обучение: языковые курсы, тренинги, сертификации;
• Компенсацию расходов на спорт и ментальное здоровье;
• 20 рабочих дней отпуска и оплачиваемые больничные.

Описание

Задачи

• Разработка и внедрение моделей машинного обучения для прогнозирования, оптимизации и анализа данных в энергетической отрасли;
• Интеграция ML-решений в существующие корпоративные системы на базе .NET;
• Обработка и очистка больших объёмов данных из MSSQL/PostgreSQL;
• Создание ETL-процессов для подготовки данных;
• Оптимизация производительности запросов и пайплайнов обработки данных;
• Разработка API-сервисов для взаимодействия моделей с фронтенд-приложениями (Angular);
• Документирование кода, алгоритмов и экспериментов;
• Участие в проектировании архитектуры данных и ML-компонентов.

Требования

• Опыт работы с одной из БД: MSSQL / PostgreSQL / MySQL;
• Уверенное владение Python или R (дополнительно C# — будет преимуществом);
• Опыт работы с библиотеками для DS: pandas, numpy, scikit-learn, statsmodels;
• Навыки написания production-кода с использованием OOP и best practices;
• Опыт работы с REST API (разработка и интеграция);
• Понимание принципов многопоточности и оптимизации вычислительных процессов;
• Опыт написания Unit-тестов для кода обработки данных и моделей;
• Умение работать с Git (GitLab) и системами CI/CD (TeamCity);
• Опыт контейнеризации приложений (Docker);
• Навыки визуализации данных;
• Практический опыт оптимизации производительности SQL-запросов.

Условия

• Официальное трудоустройство в соответствии с ТК РК;
• Доход: заработная плата + премии по итогам работы, уровень обсуждается с успешным кандидатом по результатам собеседования;
• Интересные задачи, масштабные проекты в энергетике;
• Сертификация, обучение и развитие за счёт компании;
• Гибкое начало трудового дня;
• Режим работы: удалённо.

Selecty — аккредитованная IT-компания, оказывающая услуги в сфере IT-аутсорсинга.

Работаем на рынке более 10 лет, с 2013 года успешно решая задачи любой сложности в рамках цифровой трансформации для крупного бизнеса. Среди заказчиков Selecty — более 300 компаний из списка РБК Топ-500.

Задачи

• Реализация полного цикла разработки моделей и ML-решений от постановки задачи до передачи модели на внедрение и мониторинг.
• Генерация подходящих ML-решений для задач бизнеса, формирование БТ-моделей и тех. заданий смежным стримам и командам.
• Выполнение проектных задач в установленные сроки.
• Подготовка отчетов о разработке моделей, ТЗ для MLOps и DE, поиска данных.

Требования

• ML-опыт работы в банковском/финансовом/телеком/ритейл-секторе от 5 лет.
• Уверенное владение Python, PySpark и глубокое знание алгоритмов ML/DL.
• Способность поддержки full-stack-разработки от сбора требований к задаче до реализации, документации и последующего мониторинга моделей.
• Развитые soft-skills и опыт написания ТЗ, БТ, проектной документации.
• Высшее техническое / финансово-математическое / экономическое образование.
• Приветствуется: опыт разработки ИИ-агентов, LLM-based решений, публикации и выступления на конференциях, участие в соревнованиях по ML/DL.

Selecty — аккредитованная IT-компания, оказывающая услуги в сфере IT-аутсорсинга.

Работаем на рынке более 10 лет, с 2013 года успешно решая задачи любой сложности в рамках цифровой трансформации для крупного бизнеса. Среди заказчиков Selecty более 300 компаний из списка РБК Топ-500.

Чем предстоит заниматься

• Профилирование и сегментирование клиентов, анализ интересов, склонностей к определенным видам кредитных и некредитных продуктов, к категориям транзакций, к каналам коммуникации (next best action, best channel, best time to call), системы рекомендаций продуктов и услуг.
• Прогнозирование уровня удовлетворенности клиентов сервисами банка и каналами взаимодействия, аналитика точек продаж, анализ инвестиционного риск-аппетита, задачи оптимизации, выявление родственных связей, анализ отзывов в сети Интернет и суммаризация текстов обращений, задачи поиска шаблонов в SMS, прогнозирование LTV.

Требования

• Опыт работы в банковском/финансовом/телеком-секторе/ритейл-секторе от 2 лет в роли аналитика/DS, понимание банковских бизнес-процессов, опыт в моделировании.
• Уверенное владение Python, Spark.
• Знание алгоритмов ML: деревьев решений и случайных лесов, регрессии, бустингов, кластеризации, временных рядов и др., понимание принципов работы рекомендательных систем и лежащих в основе алгоритмов, опыт работы с текстовыми данными приветствуется.
• Умение работать в условиях многозадачности, самостоятельность.
• Знание DL приветствуется: опыт обучения и использования нейросетей и предобученных моделей (RNN, LSTM, BERT, GPT).

Дорогой кандидат, мы – команда экспертов, объединенных общей страстью к искусственному интеллекту и рекомендательным системам (RecSys). Нашей главной задачей является создание современной, масштабируемой рекомендательной платформы, способной предвосхищать ожидания пользователей и предлагать персонализированные рекомендации на каждом этапе их взаимодействия с экосистемой Сбер.

Наши решения охватывают широкий спектр отраслей: от финансов и e-commerce до индустрии развлечений и здравоохранения. Если вам близка идея участия в развитии рекомендательной системы, которая помогает миллионам пользователей, присоединяйтесь к нам!

Сейчас в команду мы ищем Junior Data Scientist / ML Engineer!

Стек технологий:

Python, PySpark, PyTorch, Airflow, MLflow, Kubernetes, Redis, Kafka, S3, FastAPI и др.

Первый этап отбора на эту вакансию — общение с AI- рекрутером. После отклика вам на почту придёт приглашение пройти первичное интервью с ГиаРекрутером. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГиаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

• разработка и улучшение ML-пайплайнов для задач RecSys: подготовка данных, обучение моделей, валидация и внедрение совместно с опытными коллегами

• анализ и работа с большими объёмами данных на PySpark при поддержке команды

• изучение и применение актуальных методик в области Data Science, Deep Learning и RecSys

• взаимодействие с командой разработки и аналитики, участие в генерации гипотез и обсуждении решений, презентация результатов своей работы.

• вы учитесь на старших курсах или недавно завершили обучение по математическому или IT-направлению

• искренний интерес к машинному обучению и рекомендательным системам, любознательность и готовность быстро учиться. Нам важны инициатива, вопросы по существу и желание доводить задачи до результата

• практический опыт решения ML-задач в учебных, исследовательских или pet-проектах: подготовка данных, обучение моделей и оценка качества

• уверенное знание Python и знакомство с основными библиотеками для анализа данных и ML (NumPy, pandas, scikit-learn; PyTorch будет преимуществом)

• способность самостоятельно разбираться в новых темах, читать технические материалы на английском, задавать вопросы и работать в команде.

Будет плюсом:

• учебный, исследовательский или pet-проект в области рекомендаций

• знакомство с ranking-задачами, feature engineering, A/B-тестами или ML-экспериментами

• знакомство с PySpark, SQL, Git, Linux или инструментами построения ML-пайплайнов

• участие в профильных курсах, хакатонах, соревнованиях или стажировках по ML / RecSys

• 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

• инструментальное владение AI для анализа, генерации и автоматизации

• опыт командной разработки, участия в open-source или понимание принципов code review и тестирования.

• гибридный/офисный формат работы (опционально). Офис расположен по адресу Нижний Новгород, Октябрьская, 35 лит. А

• 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.

Группа компаний «HBM» — неизменно высокое качество, надежность, комфортное и доступное жилье для каждого.

Обязанности:

• Выявление бизнес-потребностей, перевод бизнес-целей на языке DS;

• Сбор данных их различных источников (SQL/NoSQL), извлечение из них полезного сигнала;

• Взаимодействие с бизнес-заказчиками, презентация результатов исследований и внедрений;

• Участие в обслуживании и проработке постановки задач с бизнес заказчиком;

• Подготовка бизнес требований на витрины для разработки моделей, а также требований на внедрение модели в промышленную эксплуатацию;

• Участие в согласовании разработанных моделей перед заказчиком, подготовка презентаций.

Требования:

• Опыт в части ML - от 1 года;
• Хороший опыт и знания SQL;
• Опыт работы в строительной компании будет преимуществом;
• Аналитический склад ума.

Условия:

• Официальное трудоустройство по ТК РФ + полный социальный пакет (оплата основного ежегодного отпуска и больничного листа);
• Белая заработная плата;
• График работы: 5/2 (с 9.00 до 18.00).

Спасибо за проявленный интерес к нашей вакансии!

Наша команда учит мультимодальные модели, которые не просто «видят картинку и отвечают на вопрос», а действительно понимают визуальный контекст, следуют инструкции и работают на уровне продуктового качества.

Развивать RL и RLHF для VLM

Вам предстоит переосмыслить методы алайнмента на стыке визуальной и текстовой модальностей: как наградить модель за правильный визуальный reasoning, как отучить её галлюцинировать при описании изображения и как превратить продуктовые требования сервисов Яндекса в функцию награды. Вы будете находить ответы на эти вопросы и внедрять решения в RLHF-пайплайн — так, чтобы поведение модели было предсказуемым, полезным и безопасным.

Развивать reasoning и работу с документами (OCR)

Требуется выйти за пределы простых подписей к фото. Вы будете учить модель рассуждать над сложным визуальным контекстом: разбирать документы, таблицы, графики и интерфейсы, аккуратно распознавать текст (OCR) и безупречно следовать многошаговым инструкциям. Для этого предстоит собирать reasoning-данные и активно экспериментировать с UG-данными и AI-фидбэком.

Разгонять large-scale-обучение до предельных скоростей

RL loop для мультимодальных моделей — это один из самых сложных инженерных вызовов в современном ML. Вам предстоит ускорять генерацию на лету, профилировать узкие места и добиваться того, чтобы эксперименты крутились кратно быстрее, а GPU не простаивали ни секунды.

Больше об ML в Яндексе — в канале Yandex for ML

* Отлично знаете классические ML, NLP и CV
* Понимаете, как устроены современные LLM или VLM, решали с их помощью прикладные задачи или имеете релевантный исследовательский опыт
* Имеете опыт работы с RL или RLHF, post-training или мультимодальным reasoning — или готовы быстро погрузиться в эти направления
* Следите за трендами в области LLM и VLM, умеете с ходу отличать хайп от рабочих практик и готовы быстро реализовывать новые идеи

* Работали с reasoning-задачами, post-training или RLHF/alignment
* Имеете опыт работы с OCR и document understanding: распознавание текста, структуры документов, таблиц и графиков
* Обучали большие модели или large-scale ML-системы
* Понимаете ограничения современных VLM и следите за трендами в multimodal reasoning

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

Обязанности

• участие в проектах по внедрению готовых математических моделей в ПРОМ (анализ и оценка поступающих бизнес-требований, опромышливание моделей)
• помощь в поддержке внедренных моделей и настройка их мониторинга (используются как свое решение, так и смежные)
• развитие процесса внедрения моделей в рамках MLOps: CI/CD для ML - автоматизация тестирования качества кода, настройка автоматического деплоя
• формирование технических требований к доработке централизованной инфраструктуры системы принятия решений для ускорения / автоматизации внедрения моделей.

Требования

• высшее техническое или математическое образование
• Знание SQL (аналитические функции, подзапросы, в идеале - оптимизация запросов)
• навыки работы с Python (кодирование, отладка и тестирование кода, владение профилированием и оптимизацией, а также визуализация данных)
• команда внедрения моделей использует в работе современный стек технологий: BitBucket, Jira, Confluence, Pycharm, Jenkins, Kubernetes, Spark 3.2+.

Приветствуется:

• опыт работы с Kubernetes, микро-сервисной архитектурой
• опыт работы со стеком технологий Больших Данных (Hadoop, Spark, Hive)
• опыт работы в качестве Data Engineer / Data Analyst/ Machine Learning Engineer.

Условия

• комфортный современный офис рядом с м. Кутузовская
• офисный формат работы
• ежегодный пересмотр зарплаты
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте (для Junior позиций)
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.

Мы развиваем платформу роста и ценообразования Яндекс Еды, управляем стоимостью доставки для пользователей и помогаем партнёрам с ценообразованием товаров.

Наша цель — увеличивать GMV и маржинальность, сохраняя объём заказов, ретеншен и качество пользовательского опыта. Решения команды напрямую влияют на экономику сервиса и результаты партнёров.
Здесь можно применять современные методы ML и оптимизации в продукте с большим масштабом, самостоятельно запускать решения и видеть их измеримый эффект на бизнес, пользователей и партнёров.

Развитие алгоритмов ценообразования

Мы развиваем системы, которые управляют стоимостью доставки для пользователей и помогают партнёрам выбирать цены на товары. Вам предстоит строить модели на данных о заказах, ценах и поведении пользователей, оценивать эластичность спроса и искать оптимальный баланс между GMV, маржинальностью, количеством заказов и ретеншеном.

Совместная оптимизация нескольких механик

Мы оптимизируем не одну механику изолированно, а несколько взаимосвязанных воздействий одновременно. Вы будете развивать RL-агента, который выбирает их комбинацию с учётом состояния рынка и бизнес-ограничений, работать с offline RL, multi-objective и байесовской оптимизацией, симуляциями среды и историческими данными.

Анализ экспериментов и поиск точек роста

Вы будете исследовать данные, формулировать продуктовые гипотезы и доводить решения от прототипа до запуска. Предстоит проектировать и анализировать A/B-тесты, оценивать инкрементальный эффект и искать парето-улучшения, которые дают бизнесу рост без недопустимого ухудшения пользовательских метрик.

Развитие LLM-инструментов для работы с данными

Вы будете развивать внутренние инструменты на базе LLM, включая text-to-SQL-ассистента: улучшать качество и надёжность решений и применять их для реальных аналитических и продуктовых задач команды.

Больше о мобильной разработке в Яндексе — в канале Yandex for Mobile

* Занимались ML-разработкой, прикладными исследованиями или продуктовой аналитикой
* Уверенно работаете с Python и SQL
* Знаете машинное обучение и математическую статистику
* Умеете проектировать эксперименты и связывать результаты моделей с бизнес-метриками
* Самостоятельно ведёте задачи от постановки до внедрения
* Эффективно используете агентские системы для написания, отладки и ревью кода, а также решения исследовательских и продуктовых задач
* Умеете обсуждать идеи и аргументировать технические решения

* Занимались динамическим ценообразованием, offline RL, multi-objective оптимизацией, causal inference, PyTorch, распределёнными вычислениями или разработкой LLM-инструментов

Узнайте про разработку Городских сервисов Яндекса на [dev.go.yandex](http://dev.go.yandex/?utm\_source=yandex\_jobs&utm\_medium=social&utm\_content=1&utm\_campaign=vacancies)

Ищем двух специалистов: Deep Learning Researcher и Quantitative Researcher в продуктовая команда на стыке DeFi и алгоритмической торговли 🚀

Deep Learning Researcher — production ML/DL-модели для анализа временных рядов и прогнозирования финансовых рынков. Описание и отклик: https://lnkd.in/dKY572sf

Quantitative Researcher — разработка и оптимизация алгоритмических торговых стратегий для DeFi и крипторынков (маркет-мейкинг, хеджирование, бэктестинг). Описание и отклик: https://lnkd.in/d3vYpbs4

Условия для обеих позиций: офис в центре Москв, гибридный формат, выплата в стейблкоинах.

Поделитесь с теми, кому это может быть актуально 😋

"Реакции (%numReactions%)"

"Реакции (%numReactions%)"

2

"https://static.licdn.com/aero-v1/sc/h/cyfai5zw4nrqhyyhl0p7so58v"

"https://static.licdn.com/aero-v1/sc/h/asiqslyf4ooq7ggllg4fyo4o2"

"https://static.licdn.com/aero-v1/sc/h/22ifp2etz8kb9tgjqn65s9ics"

"https://static.licdn.com/aero-v1/sc/h/a0e8rff6djeoq8iympcysuqfu"

"https://static.licdn.com/aero-v1/sc/h/bn39hirwzjqj18ej1fkz55671"

"https://static.licdn.com/aero-v1/sc/h/cryzkreqrh52ja5bc6njlrupa"

"https://static.licdn.com/aero-v1/sc/h/2tzoeodxy0zug4455msr0oq0v"

Нравится

Комментировать

"Ссылка скопирована в буфер обмена."

"При копировании в буфер обмена произошла ошибка."

Поделиться

Копировать

LinkedIn

Facebook

X

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 , который поможет построить систему Discovery новых продуктов на стыке information retrieval, NLP/LLM и ML engineering. Важно не только собрать демо на LLM, но и измерять полноту поиска, качество ранжирования, groundedness ответа и поведение агентного workflow в production.

• Проектировать и улучшать multi-stage retrieval: сбор кандидатов, hybrid search, reranking, фильтрацию и дедупликацию сущностей

• Строить RAG-пайплайны

• Разрабатывать агентов для поиска, извлечения фактов, сопоставления компаний/продуктов, проверки гипотез и подготовки исследовательских карточек

• Создавать evaluation-наборы и метрики (Recall@K, NDCG/MRR, precision по сущностям, citation correctness, groundedness)

• Экспериментировать с embeddings, chunking, query rewriting, rerankers, tool calling, memory/state и стратегиями планирования

• Интегрировать модели и пайплайны в API/воркеры, добавлять трассировку, мониторинг качества и безопасные fallback-сценарии

• Коммерческий опыт в роли Data Science от 2-х лет

• Уверенный Python, SQL, работа с API и базовыми практиками разработки: Git, тесты, code review, Docker.

• Практический опыт с поиском или рекомендациями

• Опыт создания RAG- или LLM-приложений

• Умение формулировать offline-метрику, собирать размеченный набор, проводить error analysis и связывать ML-качество с продуктовой задачей

• Крупнейшее DS&AI community — более 600 DS-специалистов банка

• Дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

• Возможность быть соавтором НИРов и статей для международных конференций

• 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

• Вознаграждение за рекомендацию друзей в команду Сбера