Data Science & ML — свежие вакансии

Привет!

Наша команда в поиске Data Scientist специалиста в команду RecSys, которая занимается развитием рекомендательных сервисов внутри компании.

Какие задачи решает команда RecSys: разрабатывает алгоритм рекомендаций заведений на карте для нового сервиса, улучшает работу алгоритма поиска по категориям, разрабатывает алгоритмы персональных подборок для всех продуктов в компании 2ГИС.

Чем предстоит заниматься:

• написание сервисов для команды рекомендательных систем;
• разработка систем мониторинга качества рекомендательных систем;
• настройка мониторинга и алертинга качества данных;
• написание unit тестов (pytest), тестов для различных участков ML пайплайна, участие в код ревью.

Мы ждём от тебя:

• опыт работы с рекомендательными системами от 2х лет;
• опыт полного цикла решения ML-задач: от аналитики до вывода моделей в прод (от 3-х лет);
• отличные знания Python, SQL, классического ML-стека и соответствующих ему библиотек;
• владение одним из DL фреймворков (torch/tensorflow/keras);
• глубокое понимание рекомендательных систем: подходы, типичные проблемы, метрики, А\Б тестирование;
• опыт написания Unit-тестов, разработки архитектуры и Code Review;
• опыт работы с инструментами разработки и CI/CD — Git, Jenkins, GitLab, Jira.

Почему у нас классно?

• Мы 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. Нет дресс-кода и строгого графика: главное, чтобы было удобно тебе и команде.
• Используем современные технологии и любим о них говорить: выступаем на конференциях и сами их организуем.
• Стараемся регулярно устраивать тимбилдинги, так как считаем, что хорошие отношения — залог продуктивной работы.

Присоединяйся! Будем создавать полезный продукт вместе.

ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее.

Ждем именно тебя!

Наша команда занимается разработкой и развитием Omnichannel model – единой модели рекомендаций продуктов и сервисов экосистемы Сбера, а также ее интеграцией со всеми доступными поверхностями и каналами коммуникаций. Наша задача – создавать персональные предложения полезных для клиентов продуктов в релевантных каналах коммуникаций.

Обязанности

• Разработка и внедрение моделей машинного обучения для рекомендательных систем.
• R&D SOTA-архитектур и техник: дизайн экспериментов, их реализация и подготовка к опромышливанию.
• Анализ пользовательских данных, выявление инсайтов и формирование data-driven рекомендаций для развития сервисов.

Требования

• Не менее 3-х лет в области машинного обучения, реализованные и внедренные решения.
• Глубокое понимание Classic ML алгоритмов, умение переводить бизнес-задачу в ML постановку.
• Отличное владение Python, опыт написания production-ready кода.
• Опыт работы с Big Data-стеком (Spark, Hadoop Ecosystem), умение строить и оптимизировать пайплайны обработки больших данных.
• Базовые знания и опыт в области MLOps (развёртывание и управление моделями машинного обучения в продакшене).

Будет плюсом

• Опыт построения моделей рекомендаций (ALS, LTR, Sequential Recommendations, GNN).
• Опыт построения DL моделей (PyTorch).
• Опыт в решении задачи Поиска/рекламного аукциона.

Условия

• Дружная команда профессионалов, заряженная сделать лучший продукт на рынке.
• Задачи на стыке рекомендаций и финансов.
• Современный комфортный IT-офис рядом с м. Кутузовская.
• Фитнес-залы, тренировки, корпоративные соревнования.
• Забота о здоровье: помимо базовых возможностей ДМС, сотрудникам доступны регулярные чекапы, лазерная коррекция зрения за счет компании, а также психотерапия в офисе и онлайн.
• Возможность профильного обучения за счет компании.
• Льготные условия по ипотеке и кредитам Сбербанка.

В ИТ‑командах банка ПСБ и дочерней ИТ‑компании ПСБ Лаб уже более 4000 сотрудников. Мы разрабатываем и внедряем финтех продукты и приложения для клиентов, сопровождаем сложные ИТ‑системы банка и входим в тройку цифровых банков России.

Ключевые задачи:

• Разработка ML-решений: Полный цикл создания моделей (кластеризация, прогнозирование, рекомендательные системы, оптимизация) от гипотезы до продвинутого продакшена.
• Работа с Big Data: Извлечение, агрегация и feature engineering из терабайтов сырых данных (SQL).
• Продакшн: Развертывание моделей, мониторинг дрифта и ретрининг.
• Аналитика: Поиск бизнес-инсайтов через A/B тесты, казуальный анализ и исследовательский анализ.
• Менторство: Рецензирование кода джуниоров, управление техническим бэклогом и best practices команды.

Что важно для нас:

• От 3–5 лет коммерческого DS/ML (из них 1+ год в роли сеньора).
• ML: Глубокое знание классических алгоритмов (XGBoost, LGBM), градиентного бустинга, временных рядов.
• Программирование: Python (Senior уровень) — Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow, Чистый, модульный код.
• Data: Продвинутый SQL (оконные функции, оптимизация запросов).
• Опыт с ClickHouse, Snowflake, BigQuery, Dask или Spark (PySpark).
• Инженерия: Git, базовые знания Airflow/Kubeflow.
• Статистика: p-value, мощности теста, бутстрэп, A/B тесты на несбалансированных данных.

Что предлагаем:

• График работы: 5/2 (пн-чт с 09:00 до 18:00, пт до 16.45).
• Гибридный формат работы.
• Официальное оформление в соответствии с ТК РФ.
• Конкурентный уровень дохода.
• Доплата к отпуску и больничному листу.
• «Кафетерий льгот»: ДМС для работника и членов семьи, возмещение затрат на отдых, спортивные услуги, покупки на маркетплейсе «ПСБ Маркет».
• Дополнительные льготы при заключении брака и рождении детей.
• Материальная поддержка в определенных жизненных ситуациях.
• Бесплатная программа поддержки работников: юридические, финансовые и психологические консультации, помощь в бытовых вопросах, автопомощь, корпоративные скидки, профориентация детей работников.
• Возможность профессионального развития и прохождения внутреннего и внешнего профессионального обучения.
• Корпоративная паритетная пенсионная программа.

Data Scientist / ML Engineer (Computer Vision), Junior+ / Middle

Ищем Data Scientist / ML Engineer уровня Junior+ / Middle для работы над проектами в области Computer Vision, видеоаналитики и других задач, связанных с машинным обучением и данными.

Нам нужен инженерно ориентированный специалист, который умеет не только обучать модели, но и доводить ML-задачи до рабочего прототипа: подготовить данные, провести эксперименты, обучить и оценить модель, завернуть её в сервис и сделать минимальный интерфейс для демонстрации результата.

Чем предстоит заниматься

• подготовкой, очисткой и анализом данных;

• обучением и оценкой ML/DL-моделей;

• задачами Computer Vision: classification, object detection, segmentation, tracking;

• обработкой изображений, видео и видеопотоков;

• проведением экспериментов и проверкой ML-гипотез;

• интеграцией моделей в приложения и сервисы;

• разработкой API и небольших web-интерфейсов для ML-прототипов;

• упаковкой и запуском решений в Docker;

• участием в проектировании ML-систем и выборе архитектуры решения;

• участием в других Data Science и ML-проектах;

• взаимодействием с backend-, frontend-, mobile- и AI-разработчиками.

Обязательные навыки и опыт

• Python — уверенное владение языком, понимание ООП, работа с виртуальными окружениями и зависимостями;

• NumPy, Pandas — опыт обработки, очистки и анализа данных;

• scikit-learn — опыт обучения классических ML-моделей, построения pipeline, оценки качества и валидации;

• PyTorch — практический опыт обучения и inference нейронных сетей;

• понимание принципов Deep Learning: loss functions, optimizers, overfitting, regularization, train/validation/test split;

• практический опыт хотя бы с одним направлением Computer Vision: classification, object detection, segmentation или tracking;

• OpenCV — чтение и обработка изображений и видео, resize, crop, преобразования, работа с кадрами;

• понимание метрик качества: Precision, Recall, F1, ROC-AUC, IoU, mAP и когда какие метрики использовать;

• опыт подготовки датасетов, анализа ошибок модели и работы с дисбалансом классов;

• понимание принципов проектирования ML-систем: как организовать pipeline от получения данных и preprocessing до inference, API и выдачи результата;

• понимание разницы между offline и online inference, batch и real-time обработкой;

• базовое понимание требований к производительности, latency, throughput и масштабированию ML-сервисов;

• понимание того, где и как хранить модели, конфигурации, данные и результаты;

• способность предложить разумную архитектуру ML-прототипа или небольшого production-like сервиса;

• Git — branches, commits, merge/pull requests;

• Linux — уверенная работа из терминала, запуск сервисов и скриптов;

• Docker — обязательно: умение написать Dockerfile, собрать image, запустить контейнер, пробросить ports/volumes/environment variables;

• опыт создания простого REST API для ML-модели;

• практический опыт с FastAPI, Flask или аналогичным Python web-framework;

• базовое понимание HTTP, JSON, REST;

• способность самостоятельно сделать минимальный web-интерфейс или UI для демонстрации модели;

• опыт работы с Streamlit, Gradio либо базовыми HTML/CSS/JavaScript будет достаточным для этой части.

Важно: полноценным frontend-разработчиком быть не нужно. Web-навыки нужны для создания прототипов, внутренних инструментов и демонстрационных оболочек вокруг ML-решений.

Будет плюсом

• опыт проектирования более сложных ML system design решений;

• понимание model serving, feature pipelines, очередей сообщений и асинхронной обработки;

• опыт с YOLO / Ultralytics — обучение, fine-tuning и inference моделей детекции;

• Detectron2 / MMDetection;

• Hugging Face Transformers;

• опыт с object tracking: ByteTrack, DeepSORT и аналогами;

• работа с FFmpeg, RTSP, видеопотоками и IP-камерами;

• опыт с OCR;

• CUDA / GPU — понимание работы и ограничений GPU inference;

• ONNX / ONNX Runtime;

• TensorRT и оптимизация inference;

• опыт обработки видео в real-time или near real-time;

• SQL / PostgreSQL;

• более глубокий опыт с FastAPI;

• Streamlit;

• базовый опыт с React / Vue;

• Docker Compose;

• CI/CD;

• базовые знания MLOps;

• мониторинг качества и производительности ML-моделей;

• опыт развертывания ML-сервисов на сервере или в облаке;

• опыт участия в коммерческих ML-проектах.

Какого человека мы ищем

Ищем специалиста, который не ограничивается работой в Jupyter Notebook и способен самостоятельно довести задачу до демонстрируемого результата.

Важно уметь смотреть на ML-задачу как на систему целиком: от источника данных и preprocessing до модели, API, инфраструктуры и конечного пользователя.

Для уровня Junior+ важны хорошая фундаментальная база, собственные или учебные проекты и способность самостоятельно разбираться в новых технологиях.

Для уровня Middle ожидаем опыт коммерческих или production-like проектов, самостоятельный выбор подходов, анализ качества моделей и способность проектировать и доводить ML-задачу от данных и экспериментов до работающего сервиса или прототипа.

По результатам работы может проводиться премирование.

Руководитель центра исследований возглавляет научно-исследовательскую функцию AI-департамента и отвечает за формирование образовательной повестки компании в области искусственного интеллекта. Он направляет работу исследовательской команды— оценку внешних решений, дообучение моделей, обеспечение качества внутренних AI-систем — и одновременно организует систему развития AI-компетенций сотрудников БКС. Ключевое требование - это прикладной исследователь, умеющий превращать результаты работы команды в реальные решения и понятные знания.

В подчинении CDS.

Чем предстоит заниматься:

• Управлять исследовательской повесткой: определять приоритеты работ — какие модели и технологии изучать, какие эксперименты проводить, какие гипотезы проверять; соблюдать баланс между перспективными исследованиями и прикладными задачами платформы;
• Мониторить рынок AI-решений: систематически отслеживать новые модели, архитектуры, открытые и коммерческие продукты; готовить аналитические обзоры и рекомендации для продуктовой команды и руководства;
• Дообучать и адаптировать модели: руководить работами по донастройке моделей, построению систем на основе баз знаний, разработке векторных хранилищ применительно к задачам брокерской компании;
• Контролировать качество AI-решений: разрабатывать и внедрять методологии оценки качества моделей и агентных систем внутри компании; устанавливать стандарты;
• Развивать центр экспертизы по науке о данных: формировать и совершенствовать команды специалистов по данным и машинному обучению; устанавливать технические стандарты, методологии валидации и подходы к оценке моделей;
• Управлять развитием AI-компетенций сотрудников: формировать образовательные программы по искусственному интеллекту для разных категорий сотрудников — от базовой грамотности для бизнеса до технических треков для разработчиков; управлять небольшой командой, отвечающей за создание и поддержку учебных материалов и электронного обучения.

Наши ожидания:

• 5+ лет в науке о данных или разработке моделей, из них 2+ года в руководящей роли;
• Сильный технический бэкграунд в машинном обучении и AI: глубокое понимание архитектур трансформеров, методов донастройки моделей, систем на основе баз знаний, мультимодальных систем;
• Опыт самостоятельной постановки и проведения AI-исследований: от гипотезы до анализа результатов и практических выводов;
• Практический опыт работы с большими языковыми моделями в промышленной эксплуатации: понимание компромиссов между скоростью, стоимостью и качеством, подходов к снижению галлюцинаций;
• Умение писать и структурировать технические материалы — доклады, внутренние методические документы, обучающий контент;
• Опыт разработки или участия в образовательных программах будет значительным преимуществом.

Будет плюсом:

• Публикации, доклады на конференциях или открытые проекты;
• Опыт в обработке финансовых текстов, анализе клиентских запросов или работе с данными брокерской или инвестиционной деятельности;
• Знакомство с методологиями обучения взрослых.

Мы предлагаем:

• Доступ к современным AI-инструментам;

• Работу в стабильной и активно развивающейся компании – лидере инвестиционного рынка;

• Современный стек технологий, амбициозные проекты, возможность профессионального развития;

• Гибридный режим работы: возможность работать удаленно (частично или полностью);

• Работу в аккредитованной Минцифры России ИТ-компании, резиденте Сколково;

• ДМС с первого месяца работы.

ООО «Софт Бизнес Системы» — мы разрабатываем систему речевой аналитики. Наши продукты работают с текстовыми и голосовыми данными, используют LLM для генерации ответов, семантического поиска и извлечения инсайтов. Мы выходим на рынок и ищем технического лидера, который построит AI-платформу и доведет её до продакшена.

Нам нужен инженер, который умеет не только проектировать решения, но и работать руками: писать код, тюнить модели, экспериментировать с промтами.

Чем предстоит заниматься:

• Проектировать и развивать RAG-архитектуру (Retrieval-Augmented Generation) для текстовых и голосовых сценариев.
• Отвечать за качество поисковой выдачи — метрики, бенчмарки, эксперименты с чанкингом, эмбеддингами и ранжированием.
• Развивать семантический поиск — подбор моделей эмбеддингов, гибридные подходы.

• Заниматься fine-tuning LLM (LoRA, QLoRA) под конкретные домены и бизнес-задачи в зависимости от требований к качеству и латентности.
• Отвечать за качество сгенерированных ответов для текстовых и голосовых ботов.

• Версионировать промты, модели, датасеты, конфиги — чтобы любой эксперимент был воспроизводим (MLflow, Weights & Biases).

• Настроить пайплайны для доставки моделей в прод (инференс, мониторинг, A/B тестирование, канареечные релизы).
• Оптимизировать инференс под промышленные карты (A100, H100, H200) — работа с памятью, батчинг, квантизация.
• Обеспечивать наблюдаемость: метрики качества, дрифт данных, задержки.

Мы ждем, что вы:

• Имеете опыт работы в AI/ML от 5 лет, из которых минимум 1 год на позиции Team Lead / Tech Lead.
• Владеете Python на уровне необходимом для обучения и дообучения моделей, прототипирования.
• Готовы изучить или перейти на Rust (инференс и ML/LLM сервисы реализованы на нём).
• Имеете коммерческий опыт построения RAG-систем — от выбора эмбеддеров до настройки векторных баз (Qdrant, Milvus, Pinecone).
• Занимались fine-tuning LLM с использованием современных техник.
• Понимаете, как работает инференс на железе (A100/H100) — квантизация, vLLM.
• Умеете коммуницировать с бизнесом — переводить метрики качества на язык продуктовых решений, аргументировать технический выбор.

Будет плюсом:

• Опыт работы с голосовыми моделями (ASR, TTS) или акустическими данными.
• Публикации или open-source контрибуции в области LLM/Information Retrieval.

Мы предлагаем:

• Удаленную работу и гибкий старт.
• Полную занятость.
• ДМС со стоматологией.
• Годовую премию по результатам оценки OKR.
• Дружелюбную команду разработчиков и минимум бюрократии.
• Возможность строить AI-платформу с нуля и влиять на ключевые продуктовые решения.

Если вам близка роль, где нужно совмещать архитектуру, ML-экспертизу и hands-on разработку, — откликайтесь, будем рады познакомиться.

Главный менеджер возглавляет функцию аналитики данных и ИИ/машинного обучения департамента, превращая городские данные в практические инсайты и решения на основе искусственного интеллекта для операционной деятельности умного города — от оптимизации транспорта и энергопотребления до общественной безопасности и городских сервисов для жителей.

Обязанности:

• Определение и реализация дорожной карты в области аналитики и ИИ департамента в поддержку приоритетов умного города
• Руководство командой data scientist'ов и аналитиков, контроль полного жизненного цикла моделей — разработка, валидация, развёртывание и мониторинг (MLOps)
• Выбор, внедрение и управление инструментами аналитики и ИИ/машинного обучения, с приоритетом решений с открытым исходным кодом (Python/R, scikit-learn, TensorFlow/PyTorch, MLflow, Apache Airflow)
• Обеспечение того, чтобы результаты аналитики напрямую влияли на операционные и политические решения руководства города, основанные на данных
• Тесное взаимодействие с заместителем директора для обеспечения того, чтобы архитектура данных формировала конвейеры данных, готовые к аналитике
• Разработка стандартов практики data science, управления моделями, объяснимости и ответственного/этичного использования ИИ
• Разработка и поддержка отчётности и дашбордов для руководства города (Power BI, Apache Superset, Grafana и аналогичные инструменты)
• Управление отношениями с поставщиками технологий и ИИ-решений, университетами и научно-исследовательскими партнёрами

• Степень магистра (или кандидата наук) в области Data Science, статистики, компьютерных наук, прикладной математики или смежной области
• Опыт работы в области аналитики данных или data science от 6 лет, включая от 2 лет управления командой
• Подтверждённый практический опыт работы с инструментами ИИ/машинного обучения, статистическим моделированием и промышленными конвейерами данных
• Продемонстрированная способность переводить сложный анализ в чёткие рекомендации для нетехнического руководства
• Знание облачных платформ и инструментов с открытым исходным кодом для работы с данными и ИИ
• Свободное владение русским и английским языками
• Опыт работы в области городской аналитики, умных городов или аналитики государственного сектора
• Портфолио или публикации в области прикладного ИИ/машинного обучения
• Опыт создания или масштабирования функции data science с нуля

• Проектировать, обучать и выводить в продакшен ML-модели для бизнеса: раннее предупреждение рисков по срокам и себестоимости строительных проектов, скоринг подрядчиков, прогноз качества;

• Разрабатывать AI-агентов и сервисы на базе больших языковых моделей: ассистенты для анализа данных, автоматизация разбора документов и обращений, RAG-поиск по корпоративной базе знаний;

• Строить и сопровождать пайплайны данных: выгрузки из корпоративного даталейка, витрины, контроль свежести и качества данных, point-in-time дисциплина для обучающих выборок;

• Доводить модели до реальных продуктов: API, дашборды, интеграция с корпоративными системами, мониторинг качества и деградации после запуска;

• Проверять гипотезы бизнеса на данных и давать честные вердикты: что работает, что не работает и почему, с числами и ограничениями;

• Оформлять методологию и результаты для руководства: понятные отчёты, метрики, границы применимости;

• Развивать ML-платформу команды: стандарты экспериментов, переиспользуемые компоненты, MLOps-практики;

• Работать в связке с аналитиками, дата-инженерами и владельцами бизнес-процессов, менторить младших коллег.

• Опыт коммерческой разработки на Python от 4 лет, из них от 2 лет в машинном обучении или прикладном AI;

• Подтверждённый опыт вывода ML-моделей в продакшен: от постановки задачи и сбора данных до мониторинга качества после запуска;

• Уверенное владение SQL и опыт работы с корпоративными хранилищами данных (PostgreSQL, витрины, материализованные представления, оптимизация запросов);

• Практический опыт работы с большими языковыми моделями: API ведущих провайдеров, построение агентов, RAG-архитектуры, промпт-инжиниринг, оценка качества ответов;

• Знание классического ML-стека: pandas, scikit-learn, градиентный бустинг, валидация без утечек данных, метрики качества (AUC, precision, recall, калибровка);

• Опыт оркестрации пайплайнов данных (Airflow или аналоги) и контейнеризации (Docker, Kubernetes);

• Инженерная культура: код-ревью, тесты, git, воспроизводимость экспериментов, документация;

• Умение честно оценивать ограничения данных и моделей и доносить их до бизнеса простым языком;

• Русский язык свободно, английский на уровне чтения технической документации;

• Будет плюсом: опыт в строительной, промышленной или девелоперской аналитике, опыт работы с данными 1С, опыт построения ML-платформ и MLOps-процессов, опыт менторства.

• Официальное трудоустройство по ТК РК;

• График работы: 5/2, 8:00–17:30;

• Работа в офисе (БЦ Agar, Астана) — комфортное рабочее место;

• Социальный пакет: оплачиваемый отпуск, больничные, ДМС после испытательного срока;

• Работа в команде IT-поддержки;

• Обучение за счёт компании: курсы, конференции, профильная литература;

• Работа с разными системами и бизнес-процессами;

• Доступ к базе знаний и внутреннему обучению.

Мы ищем целеустремленного и амбициозного Data Scientist, который готов развиваться в области AI, ML и Финансов.

Мы отвечаем за задачи по AI-трансформации, связанные с Блоком Финансы, нашим основным заказчиком является Казначейство Сбера. Нашей задачей является внедрение AI и ML в таких процессах, как продуктовое ценообразование на портфельном и индивидуальном уровне, установление единых трансфертных ставок, бизнес-планирование, с целью улучшения финансовых показателей банка. В нашу работу входит анализ данных, построение моделей, внедрение их в процесс, общение с заказчиками, представление результатов руководству Банка. В работе используем как стандартные модели и алгоритмы, так и тестируем более продвинутые методы, в том числе, совместно с Лабораторией искусственного интеллекта Сбера.

• Разработка ML-моделей и алгоритмов

• Вывод в production ML-моделей и расчетных модулей

• Аналитика на больших данных

• Разработка LLM-приложений (RAG, агенты, помощники)

• Поддержка реализованных решений

• Разработка ML-моделей и алгоритмов для прогнозирования временных рядов

• Продвинутые знания в области математики (мат.анализ, линейная алгебра, теория вероятностей, мат.статистика)

• Python: типы данных, структуры, ООП

• Классический ML: задачи (классификация, регрессия), метрики, basic ML stack (pandas, numpy, sklearn, catboost, xgboost), SQL

• BigData stack (Hadoop, Spark, SparkML)

• Умение работать с git, Jira, Confluence

Будет плюсом:

• Знания в области финансов

• Опыт продуктовой аналитики

• Опыт работы с временными рядами (анализ, разработка моделей)

• Опыт работы с LLM (langchain, langgraph)

• Опыт end-2-end разработки ML-моделей (EDA-MVP-Solution-Validation-Production)

• Опыт backend разработки.

• Комфортный современный офис рядом с м. Кутузовская

• Гибридный формат работы

• Ежегодный пересмотр зарплаты. 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

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

• Вознаграждение за рекомендацию друзей в команду Сбера.

Привет! Это команда Рекомендаций к товарам.

Мы отвечаем за рекомендации на карточке товара (PDP) — один из ключевых рекомендательных сценариев Ozon. Каждый день через наши алгоритмы проходят миллионы пользователей, а качество рекомендаций напрямую влияет на GMV, количество заказов, рекламную выручку и пользовательский опыт.

Мы ищем сильного ML-инженера, который займётся развитием полки рекомендаций на корзине.

Вы будете

• Улучшать персональные рекомендации с помощью современных трансформерных моделей и классического ML-стека

• Заниматься фичеинжинирингом и настройкой ETL-расчётов

• Разрабатывать совместно с коллегами из runtime решений, работающих под высокими нагрузками

• Запускать A/B-тесты и анализировать результаты

• Исследовать современные подходы

Наш стек

• Python · PyTorch · Golang · Hadoop Stack (Spark, Hive, HDFS) · Airflow

Нам важно

• Опыт работы в Information Retrieval (Ranking, RecSys, Search Engines)

• Опыт в Data Science от 3 лет

• Опыт разработки и вывода в production ML/DL-алгоритмов

• Уверенные теоретические знания ML и DL

• Владение основными алгоритмами и структурами данных

• Python на уровне достаточном для реализации production ML-фич

Будет плюсом

• Опыт работы с высоконагруженными системами

• Знания DeepRecsys или прикладного NLP применительно к RecSуs

• Знание Hadoop-стека и работа с большими данными (особенно ценим Spark и умение писать эффективные SQL-запросы)

• Опыт программирования на Go или другом компилируемом языке (Java, C++, C#)

Мы - команда GigaChat Pretrain Data, готовим pretrain данные для GigaChat и GigaChat Vision. Pretrain данные - это фундамент, с которого начинается путь современной LLM модели и то, от чего наиболее зависит ее итоговое качество. Сырых данных более 40Пб и основная задача заключается в том, чтобы из этого хаоса сделать датасет, на котором будет обучена лучшая LLM в России.

• генерировать синтетические данные: математика, код, произвольная синтетика с сидами - документами из Web

• исследовать токенизацию и ее влияние на качество модели (возможно написание статей)

• решать задачи кластеризации миллиардов документов

• исследовать разные факторы, которыми обладают текстовые данные

• генерировать Vision данные для прокачки VLM

• разрабатывать новые алгоритмы парсинга HTML и исследовать его влияние на качество модели

• исследовать зависимости между pretrain данными и agentic capabilities итоговой модели

• разрабатывать стабильную инфраструктуру, которая будет поддерживать проведение сотен и тысяч экспериментов над данными.

• имеешь коммерческий релевантный опыт связанный с NLP или построением инфраструктуры для данных от двух лет.

Будет плюсом:

• 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 с MapReduce системами.

• комфортный современный офис рядом с м. Кутузовская

• гибридный формат работы (2 дня в офисе, 3 дня на удалёнке)

• 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.