ML и AI — свежие вакансии

В Блоке Информационной безопасности в Департаменте координации защиты информации в Управлении безопасности инфраструктуры открыта вакансия для Middle Backend-разработчик (AI-агенты, API, MCP) с опытом backend-разработки от 3 лет на одном из языков: Python (FastAPI, aiohttp, asyncio) или Go (высоконагруженные сервисы)

Ключевые задачи:

• Проектировать и разрабатывать высоконагруженные API для внутренних сервисов компании и AI-агентов
• Реализовывать MCP-серверы (Model Context Protocol) для предоставления LLM доступа к инструментам, базам данных и внешним API в стандартизированном формате
• Интегрировать AI-агентов с внешними инструментами: поисковые системы, базы знаний и т.п.
• Разрабатывать механизмы функционального вызова (function calling/tools) для LLM, обрабатывать запросы агентов к инструментам и возвращать результаты
• Обеспечивать масштабирование и отказоустойчивость бэкенда агентов: балансировка нагрузки, кэширование, работа с очередями (RabbitMQ/Kafka) для асинхронных задач
• Работать с базами данных для хранения истории диалогов, состояния агентов, пользовательских данных (PostgreSQL, Redis, векторные БД)
• Внедрять мониторинг и логирование работы агентов: отслеживание качества ответов, задержек, ошибок (Prometheus/Grafana, ELK, LangFuse)
• Участвовать в проектировании архитектуры и выборе технологий для платформы AI-агентов
• Обеспечивать безопасность при взаимодействии с LLM и внешними инструментами: контроль доступа, валидация входных данных, защита от инъекций

Что важно для нас:

• Опыт backend-разработки от 3 лет на одном из языков: Python (FastAPI, aiohttp, asyncio) или Go (высоконагруженные сервисы)
• Опыт проектирования и разработки RESTful API и WebSocket/SSE (потоковая передача данных)
• Понимание принципов работы LLM и AI-агентов: опыт использования фреймворков для создания агентов (LangChain, CrewAI и т.п.) или разработка собственных решений
• Знание Model Context Protocol (MCP) или готовность быстро его освоить (опыт реализации серверов и клиентов)
• Опыт интеграции с внешними API и инструментами (вызов функций, работа с инструментами)
• Уверенное владение SQL и NoSQL базами данных (PostgreSQL, Redis, ClickHouse)
• Опыт работы с брокерами сообщений (RabbitMQ, Kafka) для асинхронной обработки задач агентов
• Понимание принципов аутентификации и авторизации (JWT, OAuth2, API keys)
• Опыт контейнеризации (Docker) и оркестрации (Kubernetes) — базовый уровень
• Умение писать чистый, тестируемый код, опыт написания unit/integration тестов
• Будет плюсом: опыт разработки MCP-серверов для доступа к специфическим инструментам (базы данных, файловые системы, внешние сервисы),опыт работы с векторными базами данных (pg_vector) для RAG в контексте агентов, понимание LLMSecOps: защита от prompt injection, безопасное выполнение кода, санитизация данных, опыт интеграции с популярными LLM-провайдерами (OpenAI, Anthropic, YandexGPT, GigaChat) и открытыми моделями (через HuggingFace, vLLM), опыт работы с оркестрацией агентов (планирование, выполнение многошаговых сценариев), наличие собственных наработок в области AI-агентов, участие в хакатонах в области применения AI-инструментов ​​​

Что предлагаем:

• Официальное оформление в соответствии с ТК РФ
• График работы 5/2 (пн-чт с 9:00 до 18:00, пт до 16.45) гибридный формат (1 день удаленно) работы после испытательного срока
• 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

Мы разрабатываем и внедряем торговые стратегии на криптовалютных и классических рынках.
Ищем специалистов, которые смогут применять ML / quantitative research для поиска рыночных закономерностей, генерации сигналов и построения прибыльных стратегий.

Команда:

• Небольшая команда без бюрократии — быстро принимаем решения и проверяем гипотезы
• Выпускники топовых вузов (ВШЭ, МФТИ, Сколтех и др.), многие с бэкграундом ШАДа / олимпиад
• Основной офис — Сербия + распределенная команда

Кого ищем:

Ищем сильного Senior / Lead специалиста с опытом в ML-driven trading / quantitative research.

Важно умение: самостоятельно находить и валидировать торговые идеи, строить research pipeline и доводить стратегии до production-ready состояния.

Требования:

• Подтвержденный опыт разработки прибыльных торговых стратегий / ML-driven стратегий
• Отличное знание Python и ML стека (NumPy, numba, PyTorch / JAX, scikit-learn)
• Сильный математический / статистический бэкграунд
• Опыт работы с time-series / рыночными данными
• Опыт построения, тестирования и валидации гипотез / сигналов / моделей
• Понимание принципов торговли, анализа рынков и рыночных данных
• Опыт quantitative / ML research

Будет плюсом:

• Умение читать, разбирать и оптимизировать код на C++
• Опыт промышленной разработки / production ML systems
• Опыт в HFT / арбитражных / market making стратегиях
• Опыт работы с low-latency системами
• Олимпиадный или академический бэкграунд (Всерос, ICPC, Kaggle, ШАД)
• Публикации / статьи на топовых ML конференциях
• Достижения в сильных ML / DS / Quant соревнованиях
• Опыт разработки сложных ML / DL моделей

Чем предстоит заниматься:

• Разработка и развитие торговых стратегий
• Разработка ML / quantitative моделей для прогнозирования и генерации сигналов
• Анализ временных рядов и рыночных данных в реальном времени
• Проверка гипотез и улучшение существующих стратегий
• Оптимизация скорости и эффективности алгоритмов
• Работа с research / backtesting инфраструктурой
• Потенциально — развитие команды и новых направлений под себя

Что мы предлагаем:

• Гибкость и отсутствие бюрократии

• Хорошую команду профессионалов и интересное направление развития

• Возможность влиять на продукты компании

• Удаленный формат работы из любой точки мира

• Конкурентную оплату труда

Мы ищем руководителя направления обучения больших языковых моделей, который будет отвечать за развитие качества моделей в доменной области через системное управление обучением, данными и оценкой.

Роль предполагает работу на стыке исследований, инженерии и продуктовых задач с фокусом на практическое применение моделей в бизнесе.

Обязанности

1. Развитие качества моделей

• анализ современных методов обучения LLM (SFT, RLHF/DPO, synthetic data, дистилляция).
• формирование стратегии обучения моделей под бизнес-задачи.
• определение необходимых навыков модели (skills decomposition).

2. Работа с данными

• проектирование и развитие пайплайна датасетов.
• сбор, очистка, разметка, валидация.
• создание обучающих и тестовых выборок.
• разработка синтетических датасетов.

3. Бенчмарки и оценка

• разработка и поддержка системы оценки качества моделей.
• создание бенчмарков (включая domain-specific).
• проведение регулярного тестирования и сравнительного анализа моделей.
• контроль регресса.

4. Управление командой

• руководство командой разметки (до 40 человек) и подготовки данных (4 человека).
• постановка задач, контроль качества разметки.
• разработка методологии разметки и инструкций.
• работа с инструментами разметки (например, TagMe).

5. Взаимодействие с рисками и compliance

• согласование подходов к обучению с управлением модельных рисков.
• контроль аспектов, галлюцинации, bias, соответствие нормативным требованиям.
• обеспечение прозрачности и воспроизводимости обучения.

6. Интеграция с продуктом

• работа с продуктовыми командами (LLM-агенты, RAG-системы).
• приоритизация задач обучения на основе бизнес-метрик.
• участие в запуске моделей в прод.

7. Экономика и эффективность

• оценка эффективности обучения (качество vs стоимость).
• выбор оптимальных стратегий, дообучение vs архитектурные изменения.
• оптимизация использования вычислительных ресурсов.

Требования

• опыт работы с LLM / NLP от 3–5 лет.
• практический опыт обучения моделей (SFT, RLHF/DPO или аналоги).
• опыт построения датасетов и evaluation pipelines.
• понимание архитектуры LLM и принципов их обучения.
• опыт управления командой.
• уверенное владение Python и ML-стеком (PyTorch / HuggingFace).

Будет плюсом:

• опыт работы с доменными моделями (например, legal, finance).
• опыт построения пайплайнов генерации синтетических данных.
• опыт внедрения моделей в прод.
• знание подходов к снижению галлюцинаций.

Условия

• комфортный современный офис на ул. Вавилова, д. 19.
• формат работы — фул-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.
• 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.

Мы — команда GigaCode, разрабатываем и развиваем AI-ассистента для разработчика. Целимся конкурировать с Copilot, Cursor, Windsurf и прочими инструментами.

Обучаем новые SOTA LLM по работе с кодом, как на уровне подсказок в IDE, так и на уровне редактирования целого проекта. Мы R&D команда, поэтому мы не только заимствуем лучшие решения из публикаций, но и ведем собственные исследования, публикуем статьи, open-source инструменты и датасеты.

Наши основные направления: претрейн кодовых моделей с нуля, пост-тренировка моделей (SFT/DPO/GRPO), обучение рассуждающих моделей, дообучение работе в агентном режиме и использованию инструментов, поиск в коде по текстовым запросам, ускорение инференса, дизайн бенчмарков, автоматическое создание датасетов проверяемых задач.

Обучаем модели на картах H100, на кластере Кристофари, у нас много свободы в использовании GPU.

Обязанности

• дизайн экспериментов, формулировка гипотез для улучшения NLP/PLP моделей и алгоритмов, планирование исследовательских экспериментов с выводами
• проведение экспериментов, написание кода, подготовка датасетов и бенчмарков, проведение замеров и анализ результатов
• обучение моделей на кластере, включая обучение моделей с нуля и дообучение опенсорс моделей
• взаимодействие с прод-командой для интеграции моделей и алгоритмов в продакшн. Взаимодействуем с командой инженеров SberWorks
• ориентированность на SOTA, читать пейперы, быть в курсе последних исследований, предлагать новые смелые подходы и направления.

Требования

• хорошие теоретические знания в DL, с упором в современный NLP и трансформеры
• умение формулировать эксперименты с научной строгостью, обосновывать их, проводить самостоятельно и делать выводы
• опыт обучения трансформеров
• опыт распределенного обучения моделей (deepspeed, fsdp, torch.distributed, accelerate)
• знание стандартных библиотек для DL и NLP (PyTorch и библиотеки Huggingface)
• увлеченность NLP/PLP и DL
• опыт менторинга стажеров и младших коллег.

Будет плюсом:

• опыт работы на похожей позиции
• участие в соревнованиях по ML
• сабмиты на лидербордах по NLP/PLP
• публикации уровня А/A*, Q1
• обучение моделей на кластере
• опыт управления командой исследователей.

Условия

• комфортный современный офис рядом с м. Кутузовская
• гибридный формат работы
• 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
• программа ипотеки для сотрудников
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.

IT-компания GNIVC - партнер государственных компаний и лидеров российского бизнеса, разработчик и системный интегратор крупнейших государственных информационных систем, а также коммерческих решений для налогового мониторинга.

• Компания входит в ТОП-100 лучших работодателей страны и на 9-м месте в категории «IT-компании» 2025 года по рейтингу работодателей hh.ru среди крупных компаний;
• Мы в 25% лучших по уровню счастья среди компаний отрасли IT и России 2025 по версии Happy Job;
• У нас есть ИИ-песочница - среда для экспериментов и реальных проектов на современных опенсорс-больших языковых моделях. Здесь можно применять ИИ для оптимизации своей работы, автоматизации процессов и реализации собственных идей от гипотезы до результата;
• Являемся аккредитованной ИТ-компанией.

Задачи:

• разработка и доработка классификатора названий товарных позиций на базе BERT-архитектур (включая предобучение, дообучение и оптимизацию моделей);
• организация и контроль процесса разметки данных: постановка задач разметчикам, контроль качества, автоматизация пайплайнов;
• подготовка датасетов: очистка, нормализация данных с использованием pandas, datasets (Hugging Face) и regex;
• проектирование и реализация архитектуры моделей: эксперименты с BERT, DistilBERT, кастомными головами, ensemble-методами;
• мониторинг производительности моделей в продакшене: метрики качества, drift-детекция, A/B-тестирование, автоматизированное дообучение;
• работа с PostgreSQL: создание таблиц, написание хранимых процедур и функций, оптимизация запросов (индексы, materialized views, EXPLAIN ANALYZE), ETL-пайплайны для данных моделей;
• интеграция моделей в production: Docker-контейнеризация, мониторинг GPU/CPU.

• высшее образование (предпочтительно в области компьютерных наук, математики или смежных дисциплин);
• 2+ года опыта в NLP/ML, включая fine-tuning transformer-моделей (BERT/RoBERTa/DistilBERT);
• глубокий опыт с PyTorch, Hugging Face Transformers, pandas, datasets;
• опыт работы с PostgreSQL: SQL, создание/оптимизация схем, хранимые функции, производительность запросов;
• знание техник model optimization: quantization, layer-wise LR, custom loss functions;
• опыт production ML: monitoring, anomaly detection, model serving;
• уверенное владение Python, Git, Linux/Shell scripting.

Будет плюсом:

• опыт с классификацией текстов (продуктовые каталоги, поиск/рекомендации);
• навыки организации разметки данных и data pipeline engineering (ETL, preprocessing);
• работа с ONNX для inference, multi-GPU training (DDP).

Мы предлагаем:

• гибкие форматы работы: возможность работы в офисе, по гибридному графику или полностью дистанционно на территории РФ;
• рабочий график: пятидневная рабочая неделя (пн.–чт. с 09:00 до 18:00, пт. с 09:00 до 16:45);
• достойное вознаграждение: конкурентная заработная плата по результатам собеседования, а также премии за эффективную работу и достигнутые результаты;
• официальное трудоустройство: полное соблюдение требований ТК РФ, включая оплачиваемые отпуска (с дополнительной выплатой 50% от оклада после 11 месяцев работы в Компании) и выплату заработной платы дважды в месяц;
• заботу о здоровье:
• компенсация больничного листа продолжительностью до 7 дней с сохранением полной оплаты, эквивалентной рабочему дню,
• добровольное медицинское страхование (ДМС) по окончании испытательного срока, с широким перечнем ведущих медицинских учреждений, включая качественную стоматологию,
• возмещение до 50% затрат на занятия спортом;
• развитие и обучение:
• профессиональное обучение и сертификация за счет компании,
• организация внутренних и внешних митапов, хакатонов, конференций, семинаров и тренингов,
• партнерские программы по изучению иностранных языков и развитию профессиональных навыков от Skyeng и Skillbox,
• доступ к корпоративной библиотеке на платформе Alpina Digital;
• дополнительные выходные: возможность взять 5 дополнительных оплачиваемых выходных (ресурсных) дней в течение календарного года (с 1 января до 31 декабря) для сотрудников, проработавших в компании более 11 месяцев.

Наша задача — развитие лотерейной культуры в России. Сделать лотереи по-настоящему национальной традицией, объединяющей поколения, где каждый сможет найти свою игру.

В связи с развитием компании ищем в нашу команду Data engineer.

ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:

• Разработка, поддержка и оптимизация ELT и CDC процессов загрузки данных из источников (bash, python, airflow, peerdb) в соответствии с архитектурными стандартами;
• Построение, поддержка и оптимизация обработки данных в Datalake и сырого слоя DWH (s3, clickouse, dbt, airflow);
• Отслеживание полноты, качества и описания данных из источников (dbt, openmetadata);
• Организация и заключение контрактов на поставку данных из источников (dbt, openmetadata);
• Настройка системы оповещений: Messenger/email уведомления о проблемах качества, SLA нарушениях, падениях загрузок и отчетности (airflow);
• Полное описание объектов сырого слоя: dbt docs, data catalog;
• Ведение переговоров с владельцами источников данных;
• Консультации дата-аналитиков по источникам данных;
• Консультации и обмен знаниями с пользователями об источниках данных.

МЫ ОЖИДАЕМ:

• Знания основ промышленной разработки программного обеспечения и его беспрерывной доставки;
• Знания способов взаимодействия компьютерных систем при передачи данных;
• Знания архитектуры построения озер и хранилищ данных, теорию СУБД;
• Навыки использования Linux на уровне продвинутого пользователя;
• Навыки виртуализации и контейнеризации;
• Знания основ информационной безопасности;
• Опыт организации сбора из внешних и внутренних источников по сетевым протоколам и прикладным API;
• Опыт организации хранения и обработки данных в корпоративном озере и хранилище данных: Minio S3, Clickhouse, PostgreSQL;
• Опыт использования декларативных языков запросов и разметки: SQL (приоритет Clickhouse), regex, jinja, yaml, json;
• Опыт использования Docker и Kubernetes как среды исполнения ПО в Linux окружении;
• Навыки программирования на языках: Python, Bash;
• Владение инструментами Data стека: Aiflow, dbt, PeerDB;
• Владение инструментами локальной разработки: VS Code, DBeaver, Jupyter;
• Владение инструментами CI\CD: Gitlab
• ВАЖНО: готовность пройти испытательный срок (3 месяца) в офисе (Москва).

МЫ ПРЕДЛАГАЕМ:

• Оформление согласно ТК РФ;

• Возможен офисный, гибридный или удаленный формат работы;
• График работы 5/2, время работы 9-18/10-19;
• Реальная возможность карьерного роста - штат компании за последний год увеличился в два раза, в первую очередь мы рассматриваем кандидатов на повышение из внутреннего кадрового резерва;
• ДМС со стоматологией после испытательного срока;
• Современный стек технологий, масштабные интересные задачи;
• Корпоративная скидка для сотрудников на покупки через BestBenefits — сервису скидок и привилегий для приобретения различных товаров и услуг;
• Возможность найти друзей по интересам — в офисе есть команда футбольного клуба, обучающий портал и много других интересных мероприятий.

Cotton Club — ведущий российский производитель, эксперт в чистоте и гигиене, один из лидеров на рынке FMCG в категориях ватной продукции и жидкого мыла. Наша продукция производится в 6 ключевых категориях: гигиена, косметика, чистота, детство, подгузники и товары для дома. В наш портфель входят такие известные бренды, как: Я САМАЯ, AURA, QUALITA, Солнце и Луна и другие.

Обязанности:

• Разработка и поддержка ETL/ELT-процессов: загрузка, трансформация и валидация данных.
• Самостоятельная проектировка и разработка аналитических витрин данных для бизнес-подразделений с учетом требований к производительности и масштабируемости.
• Реализация интеграционных решений: подключение и маппинг данных из учётных систем (1С, CRM, ERP) и внешних источников (API, файлы).
• Перенос существующих процессов загрузки в Apache Airflow: написание DAG'ов, настройка расписаний, обработка ошибок.
• Проведение код-ревью, контроль соблюдения стандартов разработки и лучших практик (SQL, Python, Git).
• Разработка скриптов загрузки сырых данных из системы 1С через 1С-Шину с использованием Python.
• Техническая поддержка и менторство junior- и middle-разработчиков: помощь в решении сложных задач, разбор архитектурных паттернов.
• Постепенное расширение зоны ответственности: от реализации задач к участию в проектировании подсистем.
• Участие в развитии и оптимизации существующей архитектуры хранилища данных (методологии Data Vault 2.0, MS SQL Server).
• При достижении необходимых результатов — переход на позицию архитектора DWH.

Требования:

• Знакомство с основными моделями КХД: понимание особенностей и различий, опыт реализации на реальных проектах.
• Опыт проектирования и разработки ETL-процессов различной сложности.
• Продвинутый уровень знания T-SQL (MS SQL Server).
• Привычка писать читабельный, структурированный код.
• Навык оптимизации запросов.
• Опыт разработки на Python для задач интеграции и автоматизации.
• Опыт работы с Apache Airflow: умение писать DAG, настраивать сенсоры, работать с операторами и решать проблемы производительности.
• Понимание принципов работы 1С-Шины (или аналогичных Enterprise Service Bus) и опыт интеграции с платформой 1С.
• Опыт работы с системами контроля версий (Git).
• Навыки менторства и умения объяснять сложные технические концепции простым языком

• Высшее техническое образование, опыт работы архитектором / ведущим разработчиком от 3 лет, ОБЯЗАТЕЛЬНО опыт разработки в MS SQL Server не менее 2 лет

• Работа в стабильной, динамично развивающейся компании (мы 20+ лет на российском рынке)
• Честность и прозрачность: официальное трудоустройство по ТК, регулярная зарплата, оплата больничных и отпусков
• Конкурентная заработная плата, о которой договоримся в соответствии с уровнем и компетенциями кандидата
• Работа с брендами, которые есть в каждом доме
• Возможность как вертикального, так и горизонтального роста и развития в компании
• Обучающие мероприятия, внутренние тренинги, возможность профессионального развития за счет компании
• Корпоративные занятия спортом: йога
• ДМС после испытательного срока с возможностью подключения членов семьи
• Здоровая внутренняя среда, сплоченная команда, где развита культура взаимопомощи
• Интересная и активная жизнь в команде: wow-корпоративы, тимбилдинги, спортивные и познавательные мероприятия
• График работы: понедельник-пятница, 8.00/09.00 - 17.00/18.00 (форматы работы: гибрид/2-3 дня офис в неделю)

Ведущая организация в области тренажёрных систем для инженерных войск и в разработке геоинформационных систем, аккредитованная IT-компания Оборонно-промышленного комплекса Институт телекоммуникаций находится в поиске инженера-программиста.
20 лет мы создаём качественно новую наукоёмкую продукцию по заданию государства: современные комплексные тренажёрные системы для военной и гражданской техники, автоматизированные системы управления, робототехнические системы, геоинформационные системы и многое другое.

Обязанности:

• Разработка модулей компьютерного зрения для наземных (стационарных/мобильных) комплексов и бортовых систем:
  • Детекция и классификация объектов инфраструктуры, транспорта, людей и др. объектов местности.
  • Трекинг целей в условиях смены ракурса, частичного перекрытия.
  • Семантическая сегментация препятствий и угроз.
• Разработка модулей геопривязки снимков и видеокадров с использованием нейросетевых дескрипторов

Требования:

• Опыт промышленной разработки алгоритмов компьютерного зрения от 3 лет
• Опыт реализации:
  • Детекции (YOLO, EfficientDet, DETR) и классификации (CNN, ViT).
  • Трекинга (SORT, DeepSORT, ByteTrack) и реидентификации (ReID).
  • Семантической сегментации (UNet, DeepLab, SegFormer).
  • Быстрообучаемых классификаторов (Siamese networks, prototypical networks, или адаптация LoRA/Adapter).
• Знание PyTorch (или TensorFlow), OpenCV, GStreamer
• Опыт подготовки датасетов (сбор, разметка, аугментация)
• Знание основ фотограмметрии и работы с геопространственными данными
• Опыт оптимизации моделей для работы в реальном времени (TensorRT, ONNX, квантование, прунинг)
• Навыки командной разработки, умение пользоваться системой контроля версий git, понимание принципов CI/CD.

Будет преимуществом:

• Опыт разработки под бортовые вычислители и низкоуровневой оптимизации.
• Знание C++ и опыт интеграции моделей в бортовое ПО
• Практическое применение ROS / ROS 2
• Знание протоколов реального времени: RTSP, MAVLink, RTP
• Понимание SLAM (ORB-SLAM, VINS-Mono, RTAB-Map)
• Опыт работы с мультиспектральными данными и лидарами (PCL, Open3D)
• Понимание дифференциальной геопривязки (RTK) и инерциальных систем (IMU)

Условия:

• Участие в проекте федерального значения
• Стабильная работа в зарегистрированной в МинЦифре IT компании в команде опытных специалистов;
• Белая зарплата, мы всегда учитываем зарплатные ожидания, с успешными кандидатами обязательно договоримся;
• Хорошая экологическая коммуникация с культурой обратной связи;
• Возможность профессионального роста, обмена опытом, увлеченный коллектив;
• График работы с понедельника по пятницу с возможностью выбора с 9:00 до 18:00, с 10:00 до 19:00 или с 8:00 до 17:00, с часом на обед и сокращённый на 1 час рабочий день по пятницам;
• Комфортный офис в 10 минутах ходьбы от метро Лесная;
• Курсы повышения квалификации на ежегодной основе и выстроенную систему адаптации новых сотрудников;
• Лояльное отношение к совмещению с учёбой, возможность защиты кандидатских и докторских диссертаций в собственном закрытом диссертационном совете.

Мы ищем сотрудника для работы в офисе.

Команда Блока «Сеть Продаж» в поиске Дата-инженера.

Мы разрабатываем и внедряем end-to-end решения на основе больших данных в бизнес-процессы банка, связанные с обслуживанием клиентов.

• Анализ, загрузка, очистка и трансформация больших объемов данных из различных автоматизированных систем банка (анализ структуры, качества, полноты и применимости данных) в рабочую область на платформе MPP СУБД Greenplum/Hadoop

• Проектирование и разработка аналитических витрин данных

• Контроль качества загружаемых данных (реализация сложных проверок качества, проведение корректировок данных большого объема)

• Реализация ETL-процессов, участие в подготовке внедрения релизов в промышленную среду

• Разработка и поддержка ETL-процессов загрузки данных в/из хранилища с использованием Python

• Поиск и предоставление данных по запросу внутренних и внешних заказчиков

• Расчет сложных аналитических показателей в витринах данных.

• Релевантный опыт работы от 2-х лет

• Уверенное владение SQL (аналитические функции, подзапросы, хранимые процедуры/функции, оптимизация производительности)

• Опыт работы с реляционными базами данных (PostgreSQL)

• Опыт использования экосистемы Hadoop: HDFS, Spark, Hive

• Умение оптимизировать программный код в соответствии с особенностями архитектур хранения данных

• Продвинутые аналитические навыки и вариативное видение решения задач

• Ориентация на достижение результата, внимательность к деталям, коммуникабельность.

• комфортный современный офис рядом с м. Кутузовская

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

• ипотека для сотрудников выгоднее до 4%

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

• вознаграждение за рекомендацию друзей в команду Сбера.

Мы разрабатываем AI-агентов для продуктовых команд и ТОП-процессов Блока "Стратегия и развитие", совмещая Classic NLP, LLM-based и мультиагентные подходы с целью повышения внутренней эффективности и автономизации задач на основе Leading Edge технологий в области AI.

Основные направления деятельности:

• Мэтчим разные сущности банка (продукты, функции, цели, встречи, письма, задачи Jira и др.) для создания полной картины в рамках анализа эффективности всей организации.
• Формируем рекомендации по повышению эффективности на основе классификации, кластеризации и тематического моделирования с использованием цифровых следов.
• Реализуем пайплайны обработки внутренних документов произвольной длины для максимального ускорения работы с ними (маршрутизация, рекомендация замечаний и генерация корректных документов с нуля).
• Проводим анализ графов целей организации (связанность, каскадирование, полнота и актуальность) для выравнивания стратегии банка на всех уровнях, а также рекомендуем амбициозные цели с учетом контекста и приоритетов стратегии.
• Расширяем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.
• Участвуем в развитии глобального направления AI-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).
• Проверяем гипотезы любой сложности для получения Data-driven инсайтов, которые становятся предметом обсуждения на стратегических сессиях руководства банка.

В наши глобальные планы входит:

• Разработка и внедрение AI-агентов для самых приоритетных стратегических процессов банка с потенциалом переиспользования на внешнем рынке.

• Создание SotA-решений с учетом специфики банка.

• Разработка и внедрение ML-моделей и AI-агентов от этапа MVP до ПРОМ (CRISP-DM).

• Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering и др.

• Создание мультиагентных пайплайнов на основе фреймворков для работы с LLM (LangChain/GigaChain).

• Адаптация и обучение языковых моделей (LLM) Сбера на основе внутренних и внешних данных (In-Context Learning, Prompt Tuning, RAG, PEFT).

• Индексация и ранжирование текстовых документов разной длины.

• Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.

• Определение ML SysDes решения с учетом разрешенного технологического стека.

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

• Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики или статистики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, МИФИ.

• Опыт в разработке NLP моделей (обязательно) и рекомендательных систем (желательно).

• Понимание жизненного цикла моделей (CRISP-DM).

• Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.

• Высокий уровень владения ядром Python и SQL.

• Свободное владение базовыми библиотеками на Python: pandas, numpy, matplotlib, seaborn и др.

• Знание фреймворков, библиотек, алгоритмов машинного обучения: Scikit-learn, Pytorch, XGBoost, CatBoost, TensorFlow, transformers.

• Опыт работы с NLP библиотеками: pymorphy2, NLTK, Gensim, spaCy, regexp.

• WEB-фреймворки: FastAPI (async methods), Flask и др.

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

• Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).

• Контейнеризация: Docker, OpenShift.

• Ипотека выгоднее на 7% для каждого 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, регулярные внутренние митапы.

Мы рассматриваем разные грейды, от джун+ до сеньора.

Мы — команда эффективности нефинансовых сервисов Т‑Банка. Наша цель — создавать и внедрять алгоритмы, которые улучшают экономику экосистемы: делают ее выгоднее для клиентов, прибыльнее для бизнеса и эффективнее для партнеров. Для этого мы используем кэшбэк, ценообразование, рекламу и финтех-сервисы.

Одно из приоритетных направлений команды — развитие рекламной платформы. Мы создаем инструмент, который будет управлять эффективностью рекламы: максимизировать релевантность для пользователя, улучшать качество трафика для партнера и маржинальность для бизнеса.

Ждем аналитика, которому интересно строить сложную систему на стыке ML, экономики, экспериментов и пользовательского опыта.

Обязанности:

• Проектировать и оптимизировать формулы аукционов, стратегии показа рекламы и модели скоринга с использованием ML и алгоритмических эвристик.
• Разрабатывать и поддерживать динамические сегментации кампаний и рекламного инвентаря.
• Разрабатывать и поддерживать алгоритмы управления распределением трафика в зависимости от состояния кампаний, CTR, маржинальности и других ключевых метрик.
• Работать с моделями прогнозирования ожидаемой стоимости выкупа рекламного инвентаря и ценности показов, балансируя интересы рекламодателей и бизнеса.
• Дизайнить, запускать и анализировать эксперименты в условиях сложных сетевых эффектов.
• Искать новые алгоритмические подходы к распределению бюджета и приоритизации показов, чтобы автобиддер максимально эффективно использовал каждый рубль рекламодателя.

Требования:

• Знаете SQL на продвинутом уровне.
• Отлично разбираетесь в математической статистике и теории вероятностей, умеете проводить А/B-тесты, знаете разные статистические методы и критерии.
• Знаете альтернативные методы проверки гипотез: ML-подходы, когортный анализ, синтетический контроль и так далее.
• Знаете Python и библиотеки pandas, NumPy, matplotlib, sklearn, SciPy, prophet и другие.
• Проводили бизнес-анализ и выявляли требования.
• Умеете выбирать целевые метрики бизнеса или продукта, декомпозировать и строить дерево метрик.
• Понимаете, как работать с зависимостью в данных — от способов оценки параметров распределений до дельта-метода и линеаризации.
• Визуализируете данные построения дашбордов в BI-инструментах: Tableau, Python, Proteus.
• Умеете писать ETL-пайплайны — SSETL.

Условия:

• Работу в офисе или гибридный формат — по договоренности с руководителем.
• Возможность работы в аккредитованной ИТ-компании.
• ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких. Еще — страховка от несчастных случаев и болезней.
• Рост по карьерному треку: проходите курсы по софт- и хард-скиллам, развивайтесь с поддержкой ментора и повышайте уровень с матрицей компетенций и регулярным ревью.
• Сильное комьюнити. Вы будете работать с экспертами в своей области, сможете делиться знаниями и выступать на конференциях, посещать митапы и писать статьи.
• Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни.
• Компенсацию затрат на спортивные абонементы, приложение Т-Спорта для онлайн-занятий и командные тренировки с коллегами.
• Три дополнительных дня к отпуску — можно использовать для отдыха или получить компенсацию.
• Специальные тарифы на продукты Т-Банка и широкую программу скидок от партнеров.
• Достойную зарплату — обсудим ее на собеседовании.

Т-Банк — это

Продукты, которые любят

Создаем продукты, которыми пользуемся мы сами, наши близкие и десятки миллионов клиентов.

Свобода действий

Болеем за задачи и не ограничиваем свободу действий. Каждый может повлиять на продукт и достичь сверхрезультатов.

Рост и развитие

Помогаем вырасти: поощряем инициативу и подсказываем, как выстроить карьерный трек. Еще у нас есть внутренние курсы по софт- и хард-скиллам.

Общие цели

Работаем сообща и вместе ищем решения. Брейнштормим идеи и объединяемся, чтобы достичь большего.

Сильное комьюнити

Вы окажетесь среди профессионалов. Это опытные сотрудники, у которых можно учиться, и младшие коллеги, которых вы сможете менторить.

Понятные задачи и цели

Знаем, какую задачу решаем и зачем. Видим картину целиком и опираемся на логику и факты.

Чем предстоит заниматься

• Проектирование и развитие масштабируемой data-инфраструктуры (batch и streaming-пайплайны).
• ClickHouse (MergeTree), S3 Data Lake, Kafka, Airflow (ETL/ELT).
• Архитектура и реализация витрин данных для аналитики, ML и AI-агентов.
• Поддержка и написание пайплайнов ETL/ELT (dbt/Airflow/Spark/Kafka/etc.).
• Оптимизация производительности, стоимость хранения и потребление данных.
• Внедрение и поддержка стандартов CI/CD и мониторинга пайплайнов.
• Работа в связке с аналитиками, ML-инженерами, разработчиками и продуктами.
• Участие в построении feature store, ML-инфраструктуры и поддержке GenAI-систем.

Наши пожелания к кандидатам

• 3+ лет опыта работы с данными в роли Data Engineer.
• Опыт проектирования data-платформ в продакшене (от ingestion до витрин).
• Отличное знание SQL, Python (или Scala), опыт работы с Apache Airflow, Spark, Kafka.
• Опыт построения CI/CD процессов и мониторинга data pipeline’ов.
• Понимание принципов data governance, data quality и data contracts.

Будет плюсом:

• Знакомство с практиками MLOps и GenAI pipeline’ами (например, RAG, LangChain).
• Опыт взаимодействия с ML-инженерами: подготовка фич, поддержка feature store.
• Опыт руководства командой или отдельных проектов как технический лидер.

Что мы предлагаем

• Стабильную работу в одном из крупнейших банков страны.
• Конкурентную заработную плату, соцпакет.
• Условия для роста и развития (в т.ч. конференции, тренинги, внутренние программы развития).
• Дружный коллектив единомышленников.
• Передовой стек технологий, высокопроизводительное оборудование.
• Возможность решать разнообразные прикладные задачи с выводом в промышленную эксплуатацию, возможность существенно влиять на результат.
• Квартальный бонус по результатам работы.
• ДМС, страхование жизни.
• Корпоративное обучение.
• Работа у трижды лучшего работодателя РФ по версии hh.ru, Forbes, РБК.
• Программа развития AI-грамотности: треки по работе с нейросетями от базового до продвинутого уровня.

KEFIR - студия-разработчик, известная своими хитами «Last Day on Earth», «Frostborn», «Sunday City» и др.

Флагманы занимают первые места в чартах и миллионах сердец по всему миру, о чем свидетельствует четверть миллиарда загрузок.

Сейчас мы находимся в поиске Data Scientist, который поможет нам в разработке новых прогнозных моделей и их интеграцией в пайплайны для задач продукта и маркетинга.

Вы - наш человек, если у вас есть:

• опыт работы на аналогичной позиции от 3 лет

• опыт работы на аналогичной позиции в игровой индустрии

• Python: уверенное владение

• SQL: умение писать эффективные запросы к большим объемам данных

• ML-база: понимание классических алгоритмов машинного обучения и принципов их валидации

• опыт работы с указанными инструментами:

  • SQL: Google BigQuery

  • оркестратор: Apache Airflow

  • среды разработки: IDE (PyCharm) и Notebooks (Jupiter/Colab)

  • Python: Basics (NumPy, Pandas, Scikit-learn, Statsmodels), Ensemble Frameworks (LightGBM, CatBoost, XGBoost), Viz (plotly, seaborn и т.д)

  • визуализация: Power BI/Tableau

  • GitLab

Будет плюсом:

• понимание ключевых метрик мобильных игр или приложений (LTV, Retention, ROAS, ARPU и т.д.).

• разработка и деплой моделей в облачной среде (GCP/Vertex AI)

• Deep Learning (RNN, LSTM), Probabilistic Modeling (PyMC)

Кое-что о задачах:

• прогнозирование окупаемости рекламного трафика

• поиск эффективных прокси-событий для оптимизации закупки

• пользовательская сегментация

• прогнозирование оттока

• факторный анализ, оценка влияния на ключевые бизнес-метрики

• анализ неструктурированных данных для автоматизации обработки фидбэков

Помимо работы:

• лекции от топовых спикеров нашего профиля
• крутые внутренние ивенты
• собственная медицинская диагностическая клиника

Само собой:

• удаленная работа
• официальное оформление
• мощное железо
• курсы английского

Привет!

Robotmia – продуктовая IT-компания, специализирующаяся на технологиях машинного обучения, искусственного интеллекта и понимания естественного языка. На рынке больше 7 лет и каждый год растет минимум в 2 раза.

Основные продукты – "Голосовой ассистент" и "Модуль определения автоответчиков". С их помощью наши клиенты кратно увеличивают качество обслуживания своих пользователей и в разы сокращают расходы. А с операторов call-центров снимают скучную и рутинную работу.

Наши клиенты — российские компании из самых разных сфер (логистика, медицина, банковский сектор и другие). Многих из них ты можешь найти в ежегодном рейтинге Forbes “ТОП-200 крупнейших частных компаний России”.

Кого мы ищем:
Нам нужен Data Scientist, нацеленный на бизнес-результат.

Мы не занимаемся исследованиями ради исследований. Ты должен понимать: модель ценна только тогда, когда приносит прибыль или сокращает издержки. Ждем прагматика и энтузиаста, который умеет быстро проверять гипотезы и доводить решения до продакшна.

Чем предстоит заниматься:

• Анализировать большие объемы аудиоданных (работа с ClickHouse) и проводить EDA для поиска неочевидных закономерностей;

• Формулировать гипотезы, жестко привязанные к бизнес-метрикам (снижение операционных расходов, рост точности детекта);

• Работать с сильным дисбалансом классов при классификации аудио;

• Настраивать и применять алгоритмы кластеризации данных для выявления скрытых паттернов;

• Исследование и применение современных архитектур нейронных сетей (CNN, RNN, LSTM, TCN и др.);

• Работать над задачами коррекции аудио (шумоподавление) с применением современных архитектур;

• Управлять ML-экспериментами через ClearML, обеспечивая воспроизводимость результатов.

Мы ожидаем от тебя:

• Опыт в DS/ML от 3 лет, с фокусом на результат, а не на процесс;

• Умение работать с большими базами данных (ClickHouse) и писать сложные аналитические запросы;

• Опыт кластеризации данных (K-Means, DBSCAN, иерархические методы) и настройки этих алгоритмов;

• Умение выбирать и настраивать архитектуры нейронных сетей для задач классификации (CNN, RNN, LSTM, Transformer и др.);

• Опыт решения задач классификации с сильным дисбалансом классов (sampling, weighted loss, синтетические данные);

• Python, Pandas/NumPy, Scikit-learn, PyTorch/TensorFlow;

• Библиотеки для аудио: Librosa, torchaudio;

• Опыт работы с ClearML (MLflow, Weights & Biases — как альтернатива, но плюсом именно ClearML);

• Опыт разработки систем автоматического алертинга (мониторинг дрифта, аномалий, падения метрик в проде с автореакцией);

• Git, Docker, Kubernetes (понимание CI/CD для ML).

Будет плюсом:

• Опыт с архитектурами RNN, LSTM, TCN, Transformer, WaveNet;

• Решения задач Source Separation или шумоподавления;

• Участие в Kaggle с задачами классификации небалансированных классов;

• Опыт работы с потоковыми данными и реальными production-системами.

Мы предлагаем:

• Официальное трудоустройство в аккредитованной IT-компании;

• Гибкий рабочий график 5/2, гибридный формат работы;

• Стабильную зарплату 2 раза в месяц, отпуска и больничные;

• Персонального наставника;

• Креативную дружную команду, готовую помочь, научить и поддержать;

• Удобный офис в Академгородке (2 мин. от станции Сеятель);

• Уютную атмосферу и классные корпоративы;

• Корпоративное обучение и карьерный рост.

Мы не корпорация, наша стратегия основана на доверии и долгосрочных отношениях. Если ты согласен с фразой “Ты – причина всех своих решений” - нам точно по пути!
Ждем твой отклик.

Brand Analytics - масштабный SaaS-проект в сфере Data Mining, лидер в области мониторинга и анализа социальных медиа и СМИ на рынках России и СНГ.

Мы создаем передовые решения в области обработки естественного языка и компьютерного зрения, обрабатывая более 100 млн объектов ежесуточно в режиме реального времени.

Обязанности:

— Структурирование и планирование работы отдела под управлением Руководителя ML-проектов
— Руководство командой ML-инженеров и развитие ML-направления
— Участие в выборе технологического стека и архитектурных решений
— Работа с потоковыми данными: анализ, моделирование, классификация, кластеризация
— Организация разметки данных для обучения и верификации
— Реализация нового функционала: от исследования до продакшена
— Проверка и генерация гипотез, поиск нестандартных подходов

Масштаб:
— Обработка более 100 млн объектов в сутки в режиме реального времени
— Работа с мультимодальными данными (текст, изображения, видео, аудио)
— Развертывание моделей в production с высокими требованиями к latency/производительности и ресурсоёмкости

Технологический стек:

ML/DL:
— Python ML Stack (pandas, numpy, sklearn, scipy)
— Классический ML (CatBoost, sklearn)
— NLP инструменты (NLTK, SpaCy)
— PyTorch + Transformers (BERT, GPT, T5)
— Собственные LLM решения
— VLLM / Ollama для оптимизации инференса

Инфраструктура и DevOps:
— Собственные GPU-кластеры для обучения моделей
— Docker-based deployment
— ML-ops: MLFlow / ClearML
— Мониторинг: Grafana
— FastAPI для создания сервисов

— 5+ лет опыта в ML/AI разработке
— Опыт руководства командой ML-инженеров от 3-5 человек
— Сильная экспертиза в NLP и CV
— Опыт коммерческой разработки и внедрения ML-систем
— Понимание и применение современных MLOps практик

Будет плюсом:
— MLOps
— GoLang
— Знание SQL, noSQL баз данных
— Автоматизация ML-пайплайнов

Мы предлагаем:

• Оформление в штат компании с первого рабочего дня согласно ТК РФ;
• Полностью белая заработная плата, выплачивается вовремя 2 раза в месяц;
• Возможность развития и карьерного роста;
• Современный и комфортный офис в центре Москвы (м. Библиотека Ленина, Театральная);
• ДМС со стоматологией;
• Компенсация фитнеса, а также занятий английским языком;
• Корпоративные мероприятия;
• Дружный, профессиональный коллектив.

Просьба обратить внимание, что позиция предполагает полностью офисный формат работы.

Присоединяйтесь к команде Brand Analytics и создавайте будущее аналитики социальных медиа вместе с нами!

Any (ранее - DIGINETICA) – лидер в области martech-персонализации пользовательского опыта, продуктов для навигации и выбора товаров в e-commerce.
Мы развиваем продукты для топовых онлайн-ритейлеров, в числе которых Самокат, Золотое Яблоко, Азбука Вкуса, SUNLIGHT, Холодильник.ру, ЦУМ, OBI, Билайн, МВидео и многие другие. Наш флагманский продукт AnyQuery является лидером рынка в сегменте AI-поиска товаров. Также мы развиваем продукты по персонализации и товарным рекомендациям AnyRecs, систему поиска по фото на основе компьютерного зрения AnyImages, продукт по обогащению UGC AnyReviews.

Мы входим в часть экосистемы Т-Банк и в рамках совместных активностей и синергии развиваем ряд совместных сервисов для миллионов пользователей аудитории банка и наших клиентов.

Сейчас мы расширяем команду и ищем Data Scientist для работы преимущественно с нашим основным продуктом (AnyQuery).

Что нужно делать:

• Поддерживать действующую ML систему компании

• Разрабатывать алгоритмы поиска, ранжирования, рекомендаций

• Участвовать в разработке новых продуктов в ML части

• В перспективе лидировать действующую команду

Ищем человека, который:

• Умеет писать готовый к production код на Python (PyTorch, Sentence Transformers)

• Имеет математический бекграунд (профильное техническое/математическое образование, хорошее понимание мат.статистики, линейной алгебры)

• Работает с векторными базами данных (Pinecone, Milvus, Qdrant, Chroma)

• Знает Elasticsearch или Opensearch

• Большим плюсом будет опыт работы с поисковыми моделями и понимание их работы

Почему нужно идти к нам?

• Команда Any — это 130+ профессионалов, создающих инновационные решения в тандеме с командой Т-банк;
• гибкий график работы, полностью удаленная работа или Также возможно посещение офиса Т-Банк в Москве при желании.
• полностью белая заработная плата, оформление по ТК c первого дня;
• мы аккредитованная IT-компания со всеми соответствующими льготами;
• мы также заботимся о твоем метальном здоровье предлагаем скидки на услуги сервиса "Ясно";
• возможность изучать английский по корпоративной программе совместно с "Skyeng";
• даем возможность и поддерживаем профессиональный и карьерный рост. Культивируем обмен опытом и регулярные воркшопы от разных команд.

О команде

SS-infra (Security Services Infrastructure) — команда, занимающаяся развитием и построением инфраструктуры в составе Security Services. Мы строим, автоматизируем и защищаем инфраструктуру для «красных» и «синих» команд (Penetration Testing, Red Teaming, Incident Response, Threat Hunting и др.). Покрываем весь спектр DevOps/SecOps/DevSecOps.

Роль

Ищем инженера с ML- или DevOps-бэкграундом, который перешёл в MLOps. Нам нужен инженер, готовый пилотировать, внедрять и развивать новые решения и подходы. Помимо ML-инфраструктуры, нужно быть готовым помогать команде с классическими DevOps-задачами.

Обязанности

MLOps

• Проектировать архитектуру AI-систем (от прототипа до production);
• Внедрение GPU-планировщика (Kueue, Volcano или аналог) для шаринга нагрузки на одном железе
• Проектирование и поддержка ML-пайплайнов (обучение, валидация, деплой моделей)
• CI/CD для моделей: версионирование данных, моделей, экспериментов
• Мониторинг production-моделей (drift detection, performance tracking)
• Деплой и оптимизация LLM / inference-серверов (vLLM, TGI, Triton)

DevOps

• Контейнеризация и оркестрация сервисов (Docker, K8s)
• CI/CD (GitLab CI, Jenkins)
• IaC (Terraform, Ansible)
• Мониторинг и observability (Prometheus, Grafana, Loki)
• Автоматизация рутинных операций
• Обеспечение выполнения требований ИБ в отношении инфраструктуры
• Ведение технической документации по вверенным ресурсам

Требования

• Бэкграунд в ML/DS — понимание процессов обучения, инференса, работы с данными
• Опыт от 2 лет в MLOps / DevOps с ML-спецификой (было бы огромным плюсом)
• Docker, Kubernetes (Helm, управление кластерами) — production-опыт
• Python — уверенное владение
• CI/CD (GitLab CI, Jenkins, методология GitOps)
• Глубокие знания Linux
• Terraform / Ansible для IaC
• Опыт построения или управления GPU-кластерами (NVIDIA, CUDA, nvidia-container-toolkit)
• Опыт с GPU-планировщиками (Kueue, Volcano, Run:ai)
• Опыт с MLflow, Kubeflow, Airflow или аналогами
• Высшее техническое образование

Будет плюсом:

• Опыт работы с LLM / inference-серверами (vLLM, TGI, Triton)
• Знакомство со стеком команды: Gitlab, Nginx, Kafka, RabbitMQ, Elasticsearch, Loki, Grafana, Vault, Keycloak
• Понимание специфики multi-tenant GPU-шаринга (MIG, MPS, time-slicing)
• Опыт работы с Talos OS / Flatcar
• Опыт построения гетерогенной инфраструктуры (on-premise + облака)

Нейроюрист уже стал одним из лучших решений на рынке и сейчас активно растёт и масштабируется. Мы расширяем команду и ищем сильного ML-разработчика, имеющего опыт с RAG, LLM и агентами.

Улучшение LLM- и RAG-пайплайнов

Улучшать LLM- и RAG-пайплайны: оптимизация каждого компонента RAG, настройка embedder/reranker-моделей, промпт-инжиниринг, подтверждённость генерации.

Разработка юридических LLM-агентов

Проектировать, разрабатывать, внедрять LLM-агентов и оценивать их работу для сложных сценариев: анализ задачи пользователя, планирование, выбор подходящих инструментов на каждой итерации исполнения плана.

Дообучение и масштабирование

Дообучать LLM/ML-модели, включая дообучение с подкреплением совместно с командами базовых технологий Яндекса. Масштабировать продакшен-решения: latency, scalability, monitoring моделей.

Больше об ML в Яндексе — в канале Yandex for ML

* Больше двух лет работали в ML/NLP/LLM-проектах, включая prod-системы
* Пишете код (Python)
* Имеете опыт с LLM, RAG
* Интересуетесь агентами
* Готовы внедрять ML-модели в рантайм, поддерживать их и автоматизировать сопутствующие процессы

* Делали тонкую настройку сложных RAG-пайплайнов
* Разрабатывали LLM-агентов (LangGraph, AutoGen, Pydantic AI, etc.)
* Участвовали в разработке диалоговых сервисов
* Разбираетесь в юридической сфере

Мы - команда AGI NLP, занимаемся исследованиями, связанными с большими языковыми моделями, AI агентами, RAG системами и оценкой их способностей в различных областях.

Все, что касается новых подходов к оценке, бенчмаркам, созданию новых генеративных LLMs, исследованию их способностей, — это к нам!

У вас будет возможность проводить исследования с GigaChat и другими LLM, работая на самом фронтире области, заниматься прикладными исследованиями мирового уровня и презентовать свои успешные проекты на конференциях уровня A/A*.

• ставить исследовательские гипотезы и проверять их экспериментами

• создавать бенчмарки, метрики и разрабатывать новые способы оценки генеративных моделей

• обучать больших языковых моделей, разработка новых функций для GigaChat

• обучать агентов, эксперименты с их созданием и оценкой

• писать научные публикации совместно с коллегами.

• обладаете навыками программирования на Python и PyTorch

• имели опыт работы с большими языковыми моделями (Mistral, LLaMA и т.д.)

• имели опыт проведения полного цикла экспериментов: от сбора данных и формирования метрик до поддержки внедрённой фичи

• имеете опыт работы с генеративными моделями

• знаете английский на уровне C1, умеете свободно на нем писать

• следите за развитием индустрии больших языковых моделей и мультимодальных моделей.

• комфортный современный офис рядом с м. Кутузовская

• гибридный формат работы

• 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 для сотрудников выгоднее до 4%

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

• вознаграждение за рекомендацию друзей в команду Сбера.

Обязанности:

• Разработка автоматизированных систем для летательных аппаратов;

• Разработка и внедрение алгоритмов компьютерного зрения для навигации, семантического картирования и построения трехмерной сцены среды;
• Работа с решениями сегментации, детекции и классификации объектов;
• Разработка и оптимизация алгоритмов SLAM;
• Решение задачи эксплуатации систем в условиях GPS-недоступности;
• Участие в проектировании архитектуры роботизированных систем;
• Структурирование и адаптация решений под необходимые задачи.

Требования:

• Опыт работы от 3-х лет с классическим CV: OpenCV, pytorch, NumPy, SciPy (фильтрация, калибровка, трекинг, feature detection и.д.);

• Глубокое понимание архитектур сверточных нейронных сетей и их реализаций для решения задач сегментации, детекции, трекеров, извлечения ключевых точек, метрических методов;
• Опыт разработки и поддержки коммерческих приложений на Python и C++;
• Знание Linux на уровне продвинутого пользователя;
• Понимание как устроены метрики и функции потерь, умение их адаптировать под задачу;
• Опыт оптимизации скорости работы нейросетей: прунинг, дисциляция, квантование;
• Понимание работы SLAM, VIO;
• Опыт работы с ROS2;
• Опыт работы с протоколами MAVLink;
• Опыт работы с ПО RViz/QGroundControl/QGIS.

Мы предлагаем:

• Работу в аккредитованной ИТ-компании;
• Комфортный современный офис в 5 минутах от метро "Проспект Мира";
• Возможность использования льгот, предоставленных Правительством РФ, для IT компаний
• Оформление в соответствии с ТК РФ, ДМС;
• Конкурентный уровень заработной платы;
• График работы: 5/2 с 9.00 до 18.00 (10.00-19.00), пятница до 16:45;
• Премии по результатам работы;
• Возможны краткосрочные командировки;
• Отсрочка от частичной мобилизации.

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.

Основные задачи будут лежать в следующих сферах:

Инфраструктура:

• поддержка данных для обучения VLM на кластере YTSaurus.
• построение удобной платформы для эффективного анализа/обработки данных (фильтрация, дедупликация и пр.)
• автоматизация процессов через Airflow.

RnD:

• поиск и синтез данных для обучения VLM (есть несколько областей: OCR/Charts&Tables/Grounding&Counting/General и тд).
• исследование пайплайнов по созданию чистых и разнообразных датасетов (на примере FineVision).

Эксперименты и метрики:

• Обучение VLM на подготовленных данных.

• проведение исследований релевантных intrain метрик, бенчмарков для замера качества.

• Опыт построения дата пайплайнов и data quality процессов

• Опыт работы в production ml команде (большие нагрузки как преимущество)

• Понимание задач CV и современных подходов в больших языковых моделях

• Опыт решения задач, связанных с влиянием данных на качество VLM

• Практический опыт работы с VLM.

• комфортный современный офис рядом с м. Кутузовская

• возможность выбрать удобный график – офис/гибрид/удаленка (в РФ)

• 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 для сотрудников по дисконтной прогамме

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

• вознаграждение за рекомендацию друзей в команду Сбера.

О команде:
ML-команда Дрома отвечает за развитие рекомендательной системы, с которой ежемесячно взаимодействуют более 4 миллионов пользователей. Мы постоянно улучшаем ранжирование и проводим эксперименты с монетизацией.
Помимо рекомендаций, мы развиваем инструменты, которые экономят время пользователей и повышают качество объявлений: CV (OCR, object detection), NLP и Speech-to-Text.
У нас нет жесткого разделения на DS и инженеров: ML-инженер может как запускать эксперименты по улучшению моделей, так и готовить их к продакшену.

Мы ищем опытного ML-инженера, который усилит нашу команду.

Какие задачи тебе предстоит решать:

• поддерживать и улучшать рекомендательный сервис и CV наших продуктов;
• участвовать в построении пайплайнов по сбору данных для последующего моделирования;
• заниматься оптимизацией моделей, улучшением инфраструктуры инференса/мониторинга.

Наши ожидания:

• опыт в индустрии по направлению МL от 3 лет;
• опыт работы с RecSys, так же будет преимуществом наличие опыта в одной из областей CV/OCR;
• знание подходов, архитектур, распространенных проблем и методов их решения в области speech-to-Text/NLP;
• уверенное знание основ статистики и Core ML;
• уверенное владение Python, ООП, проектирование приложений;
• знание DL фреймворков Tensorflow/Pytorch;
• использование стандартного набора инструментов: SQL, numpy, pandas/polars, cv2, matplotlib.

Что мы предлагаем:

• трудоустройство в аккредитованной IT-компании;
• работу в сильной продуктовой команде и возможность влиять на продукты и процессы;
• пространство для роста и условия для развития: прозрачная система грейдов, поддержка ментора, участие в конференциях, доступ к онлайн-библиотеке;
• удаленный формат работы с гибким началом рабочего дня (8-9 утра по Екб);
• ДМС со стоматологией после прохождения ИС.

Чего у нас нет — дресс-кода и бюрократии. Мы работаем на результат, а не ради формальных процессов, сохраняя атмосферу доверия, уважения и поддержки.

Команды CDO B2C в поиске Data engineer в сфере управления данными и data-продуктами.

Наша команда отвечает за управление всеми данными B2C сегмента клиентов Сбера. Мы уже трансформировали подход к управлению данными, построили единый слой детальных данных и продолжаем развивать его актуальность и полноту. Так же перед нами стоят амбициозные задачи построения единого слоя агрегатов и фичей B2C, реализация всего тракта поставки данных в RealTime и внедрения нового стека технологий, что позволит создать единую точку правды для упр. отчетности, моделей и фронтальных систем, а так же капитализировать данные за счет их многократного переиспользования.

Мы ищем опытного и амбициозного data-инженера, который готов вместе с нами создать будущее данных Сбера!

Обязанности

• разработка DWH/DataLake/LakeHouse
• построение поставки данных в RealTime/NRT/Batch
• проведение код-ревью других разработчиков
• оптимизация ETL
• повышение актуальности данных
• снижение latency доступа к данным
• разработка и валидация архитектуры данных

Требования

• отличное знание SQL (join, CTE, оконные функции, фреймы и др.)
• опыт работы с Hadoop, Spark, Iceberg/Paimon, S3
• опыт работы с Kafka и др. Брокерами
• опыт работы с оркестраторами (например, Airflow) и CI/CD
• опыт построения архитектуры данных (например, Data Vault, Инман, Кимбалл и др.)
• опыт кратной оптимизации ETL
• практическое знание python на уровне разработки ETL
• практическое знание java/scala будет преимуществом
• практический опыт создания и защиты архитектуры данных будет преимуществом
• практический опыт разработки solution-архитектуры data-продуктов будет преимуществом

Условия

• офисный (метро Кутузовская) формат работы
• годовой бонус и ежегодный пересмотр
• расширенный ДМС с первого дня + стоматология и льготное страхование для семьи
• корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях
• офис на Кутузовской с зонами отдыха и спортзалом
• льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+, скидки от партнеров.

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.

Мы, команда офиса CDO B2C, строим платформу данных, которая обеспечивает быстрый, надежный и качественный обмен информацией между Сбером и компаниями-партнерами. Это основа для персонализированных предложений умных продуктов и эффективных бизнес-решений.

Наша команда - Команда развития Платформы в офисе CDO B2C ищет Инженера данных для реализации задач по загрузке, аналитике и трансформации данных.

• проектировать и реализовывать ETL/ELT-пайплайнов для загрузки и обработки данных (включая DAG в Apache Airflow)

• оптимизировать и сопровождать процессы обработки больших данных (Apache Spark, Apache Flink)

• интегрировать источники данных (базы данных, API, файловые хранилища) в единую pipeline-архитектуру

• настраивать и администрировать Airflow для оркестрации workflows

• участвовать в разработке архитектуры хранения и обработки данных (включая Hadoop-экосистему)

• документировать решения и формировать базу знаний

• высшее техническое образование

• опыт разработки ETL/ELT-процессов (реализация, оптимизация, мониторинг)

• профильное владение Python (включая библиотеки для работы с данными)

• практический опыт с распределенными вычислениями: Apache Spark (PySpark/Scala) или Apache Flink

• базовые знания Scala (или готовность к изучению)

• глубокое понимание SQL и опыт работы с РСУБД (PostgreSQL, MySQL и др.)

• знание Apache Airflow (создание DAG, настройка сенсоров, операторов)

• навыки администрирования Linux (развертывание, мониторинг, troubleshooting)

будет преимуществом

• навыки работы с генеративными AI-моделями

• опыт с Hadoop (HDFS, YARN, Hive)

• знание облачных платформ (AWS S3/Glue, GCP BigQuery, Azure Data Factory)

• навыки автоматизации (Ansible, Terraform)

• опыт работы со стриминговыми данными (Kafka, Debezium)

• офисный/гибридный формат работы (Москва, Санкт-Петербург)

• годовой бонус и ежегодный пересмотр

• расширенный ДМС с первого дня + стоматология и льготное страхование для семьи

• корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях

• льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+, скидки от партнеров.

Твои задачи:

• Разработка и внедрение ML-моделей полного цикла: от анализа данных до вывода в production
• Прогнозирование потоков и остатков с использованием временных рядов
• Feature engineering для казначейских продуктов
• Моделирование статей баланса, оценка эластичности ставок, создание котировщиков депозитов
• Поддержка и развитие существующих решений, оптимизация моделей

Требования:

• Опыт работы в ML/DS от 3 лет, уверенное владение Python и современными ML-библиотеками (scikit-learn, XGBoost, LightGBM, CatBoost и др.)
• Глубокое понимание методов анализа временных рядов и построения прогнозных моделей
• Навыки feature engineering и работы с большими объемами данных
• Опыт внедрения моделей в production (желательно опыт работы с MLflow, Docker, CI/CD)
• Умение работать с SQL и реляционными БД
• Аналитический склад ума, самостоятельность, готовность брать ответственность за результат
• Будет плюсом: опыт в банковской сфере, знание специфики казначейских продуктов

Мы ищем сильного Deep Learning инженера для развития и вывода на принципиально новый уровень GigaAM — лучшей open-source модели для распознавания речи на русском языке.

GigaAM — это не только исследовательский проект, но и core-модель, которая определяет качество работы многих ключевых продуктов экосистемы: GigaChat Audio, ASR, TTS, GigaChat Video и других.

Сейчас мы стоим перед масштабным вызовом: кратное увеличение параметров модели, масштабирование данных на несколько порядков, расширение языкового покрытия и выход за рамки распознавания речи в сторону general audio understanding. Если вы хотите создавать state-of-the-art решения, которыми будут пользоваться миллионы, и вносить вклад в развитие мирового open-source — нам по пути!

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

• Масштабирование данных: увеличение объемов данных для обучения на несколько порядков, построение эффективных пайплайнов их фильтрации и подготовки.

• Развитие архитектуры и метода предобучения: улучшение мультиязычных свойств модели и расширение ее возможностей в сторону анализа аудио неречевой природы.

• Scaling laws: масштабирование модели по количеству параметров в несколько раз.

• Research & Engineering: стабилизация процессов предобучения, проведение ML-экспериментов, проверка гипотез и доведение результатов до прода и публикаций.

• Уверенное владение Python и PyTorch

• Distributed Training: практический опыт распределенного обучения, понимание ограничений и принципов работы под капотом (DDP, FSDP, ZeRO).

• Опыт оптимизации DL-пайплайнов: профилирование и оптимизация узких инфраструктурных мест в процессе обучения (I/O bottlenecks, memory management, GPU utilization).

• Экспертиза в Speech/Audio: понимание современных подходов и state-of-the-art архитектур в Speech/Audio Self-Supervised Learning.

• 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

• 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.

О проекте: Мы ищем сильного Deep Learning инженера в команду, создающую ASR-системы нового поколения на пересечении технологий распознавания речи и audio-native LLM.

Один из наших главных вызовов сейчас — разработка Next Gen LLM-based ASR. Это инструктивная система, которая выходит далеко за рамки обычного speech-to-text: она будет поддерживать выдачу временных меток, диаризацию спикеров, тегирование звуковых событий и key word prompting. База для быстрого старта уже готова: у нас есть мощный Foundation Encoder (GigaAM) и сильная диалоговая модель (GigaChat Audio).

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

• LLM-based & Next Gen ASR: обучение больших Audio-conditioned LLM. Расширение возможностей ASR за пределы простого транскрибирования: добавление инструктивности, временных меток, диаризации, тегов событий и key word prompting.

• SFT & Online RL: проведение масштабных ML-экспериментов с Supervised Fine-Tuning и методами Online Reinforcement Learning для выравнивания модели и улучшения качества распознавания.

• Ecosystem Impact & Multimodal: использование обученной LLM-based ASR для автоматической разметки и создания высококачественных датасетов. Эти данные пойдут на улучшение текущих ASR и TTS моделей, а также станут базой для multimodal audio-native pre-training.

• Knowledge Distillation: дистилляция знаний из тяжелых LLM в быстрые и легкие модели (ASR, text normalization) для некоторых production сценариев.

• Research & Engineering: анализ актуальных научных статей, быстрая проверка гипотез на практике и доведение успешных экспериментов до прода.

• Уверенное владение Python и PyTorch: написание чистого модульного кода, ООП, типизация, тесты.

• Distributed Training: уверенный практический опыт распределенного обучения больших моделей, понимание принципов работы под капотом (DDP, FSDP, Tensor Parallelism, Context Parallelism).

• LLM Training: понимание современных пайплайнов обучения LLM (Pre-training, SFT, DPO, online RL) и архитектур (DeepSeek3.2, Qwen3.5)

• Research mindset: умение читать статьи, быстро перекладывать исследовательские идеи в работающий код и грамотно ставить эксперименты.

• Опыт работы с аудио и/или мультимодальными LLM будут большим плюсом

• 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

• 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.

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.

Объединённая компания Wildberries и Russ — это международная технологическая компания, образованная в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ.

Рекомендации - команда занимается построением платформой данных для обеспечения стабильной работы ML специалистов и продуктовых аналитиков для отдела разработки рекомендательных систем. В наши задачи входят задачи как забора данных так и развитие хранилищ для работы с ними.

Наш стек: Greenplum, Hadoop/HDFS, Apache Iceberg, Trino, Airflow, Kafka, Spark, ClickHouse.

Обязанности

• Поддерживать пайплайны на Greenplum;
• сопровождать и оптимизировать существующие ETL/ELT-процессы: мониторинг, диагностика деградаций, партиционирование, работа с каталогом;
• заниматься интеграциями новых источников;
• подключать новые продуктовые команды и внешние источники: технический ресёрч, проектирование схем интеграции, data contracts.
• Взаимодействие с владельцами источников на уровне технических требований;
• участие в миграции: перепроектирование слоёв под Iceberg (partitioning, schema evolution, snapshot management), понимание компромиссов MPP vs object storage.

Требования

• Владеете опытом с Airflow как оркестратором;
• имеете работы с Hadoop (Spark/Yarn/Hdfs);
• имеете работы c Greenplum или другими MPP-системами;
• работали с Trino как query engine.

Условия

• Обучение и развитие: языковые клубы, собственный корпоративный университет, программы развития управленческих навыков и многое другое;
• Благополучие сотрудников: корпоративный пакет ДМС со стоматологией, корпоративный спорт, консультации психолога и дополнительные возможности аккредитованной IT-компании;
• Множество сообществ: клуб спикеров, футбола, йоги, шахмат и т.д.;
• Забота о семьях: создаем условия, в которых легко сочетать карьеру и заботу о близких – от гибкого подхода до масштабных проектов для детей сотрудников;
• Скидки и партнерские программы: на обучение, страхование, покупки и многое другое;
• Комфортная рабочая среда: бесплатное питание в офисе, современные офисы рядом с метро, корпоративная техника и портал для сотрудников.

Мы - АО «Специализированный депозитарий «ИНФИНИТУМ», лидер спецдепозитарных услуг в России, и просто классная команда талантливых людей, ищем себе в финтех-подразделение ML-инженера.

Наша команда активно развивает и внедряет ML&LLM решения в наши IT-продукты цифрового документооборота спецдепозитария. Мы ищем крутого и опытного ML-инженера с бэкграундом разработки ML-систем полного цикла: от начальной идеи до внедрения модели в production и получения измеримого бизнес-эффекта.

Чем предстоит заниматься:

• Решать широкий спектр задач: классификация банковских операций на 100+ классов, классификация первичных финансовых документов, анализ структуры и извлечение ключевых данных из документов (Intelligent Document Processing).
• Обучать модели на табличных данных, тексте и изображениях финансовых документов, автоматизировать эти процессы при помощи Airflow.
• Интегрировать модели для инференса в виде микросервисов в системы документооборота компании вместе с бэкэнд-разработчиками команды.
• Разрабатывать и внедрять решения на основе локально развернутых LLM моделей в виде сервисов и приложений для внутреннего чат-ассистента.
• Сопровождать ML-системы в проде, отслеживать качество их работы, искать вместе с бизнес-технологами перспективы для развития и работать с обратной связью от внутренних пользователей.
• Вместе с командой развивать Data-процессы и ML-инфраструктуру.

Стек:

Языки:

• Python - наш research&inference
• C# - часть нашего inference и сервисы документооборота, с которыми необходимо будет интегрироваться
• Обучение: PyTorch, Transformers, MLFlow, Airflow
• Данные и аналитика: MS SQL, PostgreSQL, Pandas, Matplotlib, Grafana, Prometheus, JupyterLab
• Инференс и деплой: RabbitMQ, FastAPI, Docker, k8s, OpenSearch, .NET

LLM: vLLM, OpenWebUI, Tika, Pydantic AI, Whisper

Мы ждём от успешного кандидата:

• Опыт решения ML задач полного цикла от 3 лет.
• Практический опыт запуска и сопровождения ML-проектов в production.
• Уверенное владение Python: навыки написания чистого, поддерживаемого и эффективного кода для исследований для сервисов.
• Будет плюсом владение C# на уровне чтения кодовой базы/создания эндпоинтов в REST приложениях для интеграции.
• Навыки работы с SQL для анализа и подготовки данных для обучения/оценки моделей.
• Опыт работы с NLP/LLM-задачами: классификация текстов, извлечение сущностей, RAG, prompt engineering, оценка качества генерации.
• Опыт работы с парсингом информации и анализом структуры документов.
• Понимание принципов MLOps: CI/CD для ML, версионирование моделей и данных, мониторинг качества и деградации моделей.
• Опыт контейнеризации и деплоя ML-сервисов, понимание архитектуры inference-сервисов и асинхронных пайплайнов.
• Умение самостоятельно декомпозировать задачи, проверять гипотезы и доводить решения до production-ready состояния.
• Опыт взаимодействия с заказчиками/пользователями, умение переводить постановку задачи с бизнес-языка в ML/ технический.

Мы предлагаем:

• Работу в стабильной, надежной компании с более чем 25-летним опытом и занимающей лидирующую позицию на рынке спецдепозитарных услуг.
• Работа в аккредитованной IT-компании (предоставляем бронь от мобилизации).
• Удалённый (из любой точки РФ) или гибридный формат работы.
• Прекрасно оборудованные комфортабельные офисы в Москве и Санкт-Петербурге.
• Быстрое принятие решений по кандидатуре: проводим 2 встречи онлайн и в течение 2-3 дней даем обратную связь.
• График работы с понедельника по пятницу с возможностью гибкого начала рабочего дня.
• Соц. пакет с множеством опций (ДМС, фитнес, салоны красоты, оплата проездных абонементов, авиа/железнодорожных билетов, отелей, оплата театральных билетов, оплата услуг для питомцев).
• Оформление с первого рабочего дня по ТК РФ.
• Отличные возможности для профессионального развития и самореализации.

Наша служба в Яндекс Лавке занимается AI-изацией бизнеса: мы создаём агентов, которые избавляют от рутины в разработке, аналитике, операциях, коммерции и других бизнес-функциях. Раньше мы работали точечно: брали отдельный процесс — например, поиск пропавших посылок, дежурство или антифрод курьеров — и создавали для него агента. Теперь мы переходим на новый уровень: вместо отдельных агентов будем строить AI-системы, которые будут охватывать работу целой бизнес-функции.

Мы ищем разработчика-агентостроителя в одну из команд. Эта позиция находится на стыке ML и бэкенда. Вам предстоит писать продакшн-код, проектировать агентов, экспериментировать с архитектурой и моделями, а также доводить решения до внедрения.

Узнайте про разработку Городских сервисов Яндекса на dev.go.yandex

Разработка AI-агентов

Вы будете участвовать во всех стадиях проекта: вместе с руководителем команды разбираться в бизнес-процессе, проектировать архитектуру агентов, писать код, продумывать оценку качества, запускать в прод и поддерживать после внедрения. Предстоит определять, какие инструменты и навыки нужны агенту, организовывать работу с контекстом, выбирать подходящую модель, оценивать качество ответов, выявлять и исправлять галлюцинации. Стек: Python, PostgreSQL, экосистема lang*. Интеграции: с внутренними сервисами Яндекса и внешними API.

Взаимодействие с бизнесом

Вы будете общаться с заказчиками из бизнес-подразделений, понимать их задачи и проблемы, обсуждать решения, презентовать результаты и доказывать эффективность работы.

Поддержка агентов в проде

Агенты живут долго, и после внедрения работа с ними не заканчивается. Вы будете выстраивать системы для мониторинга качества, добавлять непредвиденные сценарии, масштабировать агента на соседние сервисы и дежурить по своим проектам.

Больше об ML в Яндексе — в канале Yandex for ML

* Уверенно владеете Python для разработки серверных приложений и интеграций
* Понимаете, как устроены асинхронные взаимодействия, очереди, базы данных
* Имеете базовое представление о том, как устроены LLM и AI-агенты: знаете, что такое тулы, промпты, контекстное окно, RAG
* Умеете задавать вопросы про целевое состояние процесса, формулировать гипотезы, оценивать пользу решения для пользователя
* Проактивны и автономны: готовы сами приходить с идеями и доводить их до результата

* Работали с API больших языковых моделей: YandexGPT, OpenAI, Anthropic
* Писали тулы и промпты в продакшне
* Занимались ML-разработкой, понимаете, когда стоит дообучать модель, а когда достаточно работать с готовым API или промпт-инжинирингом
* Знакомы с экосистемой lang* (LangChain, LangGraph), агентскими протоколами (MCP, A2A) и подходами (RAG)
* Хотите развиваться в сторону руководителя или техлида

Наша команда обучает аудиоязыковые модели нового поколения. Мы хотим, чтобы одна модель могла понимать звучащий вокруг мир: речь, интонацию, настроение собеседника, фоновые события, музыку, шумы и другие акустические сигналы.

Мы решаем задачу в общем виде: строим модели, которые умеют воспринимать аудио как часть полноценного контекста и использовать это понимание в диалоговых и аналитических сценариях. Такие модели мы хотим применять как в сервисах Яндекса, так и для внутренних задач компании.

Ищем сильного ML-инженера, который сможет влиять на архитектуру, обучение и качество моделей: от исследовательских гипотез до работающих пайплайнов обучения.

Обучение аудиоязыковых моделей

Вы будете участвовать в полном цикле обучения моделей: претрейне, SFT и GRPO. Нужно будет проектировать эксперименты, анализировать качество, находить слабые места моделей и улучшать их на сложных срезах данных.

Исследование архитектур и рецептов обучения

Предстоит разбираться в современных подходах к LLM, audio encoders, speech/audio understanding, multimodal alignment и обучению моделей по reward-сигналам. Важно будет следить за развитием области, читать статьи, обсуждать идеи с командой и проверять перспективные гипотезы на практике.

Работа с данными и метриками качества

Вам нужно будет участвовать в построении датасетов, формулировать задачи для обучения и оценки, выбирать метрики для разных сценариев: распознавание речи, понимание акустических событий, диалоговые способности, устойчивость к шуму и следование инструкциям по аудио.

Развитие исследовательской и инженерной инфраструктуры

Мы обучаем большие модели, поэтому важны не только идеи, но и качество реализации: воспроизводимые эксперименты, эффективные пайплайны, стабильное обучение, анализ логов, оптимизация узких мест и аккуратная работа с большими вычислениями.

Больше об ML в Яндексе — в канале Yandex for ML

* Обучали LLM или мультимодальные модели
* Понимаете полный цикл ML-разработки: от идеи и эксперимента до анализа качества и внедрения улучшений
* Умеете разбираться в современных ML-статьях, формулировать на их основе гипотезы, проводить эксперименты и делать выводы по результатам
* Готовы отвечать за направление, архитектурные решения или крупный исследовательский трек

* Работали с аудио, речевыми технологиями, ASR, TTS, speaker/audio understanding или audio representation learning
* Обучали мультимодальные модели или применяли SFT, RLHF, DPO, GRPO и другие методы посттрейна
* Работали с распределённым обучением, большими датасетами и инфраструктурой для обучения крупных моделей
* Внедряли ML-модели в продуктовые или внутренние продакшен-сценарии
* Участвовали в исследовательских проектах, опенсорсных или ML-соревнованиях, имеете публикации

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

Яндекс Музыка — стриминговый сервис с десятками миллионов треков, подборками, рекомендациями и подкастами. Мы создаём продукты, которые вызывают эмоции у пользователей, и делаем мир чуточку добрее.

Наша команда развивает поисковые сценарии сервиса (от инфраструктуры до ранжирования). Поиск помогает пользователям быстро находить контент: от навигационных запросов до трендов и сценариев дискавери («музыка, чтобы колоть дрова»).

Сейчас мы ищем разработчика, который станет участвовать в создании будущего музыкального опыта: совершенствовать агента персональных рекомендаций, поиск и генерацию контента, работать над проектами для новых продуктов компании. Основная задача — улучшать семантический поиск треков. Ваша работа напрямую повлияет на то, как пользователи открывают подходящую музыку.

Вы станете частью кросс-сервисной команды, которая готовит технологический фундамент для будущих продуктов. Вам предстоит решать задачи, связанные с интеграцией поисковых возможностей Музыки, Кинопоиска и Книг в новые интерфейсы.

Выдвижение гипотез и проведение A/B-экспериментов

Вы будете предлагать новые гипотезы и тестировать их, чтобы с помощью ML-моделей повышать эффективность продуктовых механик для наших подписчиков в экосистеме Яндекса.

Работа с нейросетями

Вам предстоит исследовать новые архитектуры моделей, доносить дополнительные источники знаний до обучения нейросетей, оптимизировать скорость применения и качество моделей.

Разработка и развитие предиктивных ML-моделей

Вы станете собирать и подготавливать данные, выбирать ML-подходы для продуктовых задач, формулировать метрики качества для оценки моделей в офлайне и в A/B-тестах.

Взаимодействие со смежными командами

Вы будете работать в большой кросс-функциональной команде, где есть аналитики, разработчики и продакт-менеджеры.

Больше об ML в Яндексе — в канале Yandex for ML

* Понимаете принципы классического ML
* Знаете традиционные алгоритмы и структуры данных
* Хорошо знакомы с Python и SQL
* Знаете C++/Java или подобный язык и готовы писать на C++
* Знаете математическую статистику и теорию вероятностей
* Можете понятно продемонстрировать бизнесу результаты исследований, аргументировать свою точку зрения
* Готовы разрабатывать полный цикл внедрения ML-решений: от обработки данных до внедрения в продакшен и поддержки сервиса с ML-моделью

* Выводили ML-модели в продакшен
* Разрабатывали на C++
* Разрабатывали бэкенд-сервисы
* Имеете опыт с Deep Learning
* Знакомы с поисковыми движками

Нейро — это поиск будущего, который объединяет технологии больших генеративных моделей и классического веб-поиска.

Наша команда отвечает за качество ответов в еком-сценариях (всё, что связано с товарами в поисковой выдаче Яндекса). Сценарии выбора и покупки товаров — это важная часть бизнеса Поиска, генерирующая существенную долю выручки. А наши проекты — это R&D на стыке генеративного ИИ и екома.

Мы растим качество моделей на сложных задачах, улучшаем качество извлечения информации, в процессе ставим множество экспериментов — и в результате нашими моделями пользуются миллионы человек. У нас вы будете работать с самыми современными моделями и технологиями Яндекса, создавая новые для российского рынка продукты.

Улучшение качества генеративных моделей

Сейчас модели хорошо решают потоковые задачи, но на узких задачах еком-сценариев качества может не хватать. На таких срезах есть большой простор для улучшений и экспериментов с LLM, извлечением информации, данными и формой ответа. Вы будете участвовать в каждом из этапов алайнмента: SFT (Supervised fine-tuning), Reward model, RLHF (Reinforcement learning from human feedback).

Улучшение извлечения информации

Интернет полон разнообразной информации, и иногда она не совсем качественная, а иногда достоверные источники сложно найти. Кроме того, информация о товарах не ограничивается веб-документами, найденными по поисковому запросу. Вам предстоит совершенствовать извлечение информации для построения ответов, а также экспериментировать с новыми источниками.

Сжатие и удешевление инференса моделей

Нейро пользуется огромное количество людей, поэтому в проде нам нужны более лёгкие модели. Вам предстоит экспериментировать с архитектурами и методами уменьшения моделей, чтобы укладываться в ограничения по лэтенси и скорости генерации ответа.

Внедрение в продукты

Вы будете создавать технологичный, удобный и полезный для пользователя продукт.

Больше об ML в Яндексе — в канале Yandex for ML

* Знаете Python
* Хорошо знаете классические DL и NLP
* Решали NLP-задачи с использованием трансформеров
* Понимаете, как устроены современные LLM, решали с их помощью прикладные задачи или имеете релевантный исследовательский опыт

Команда визуального поиска разрабатывает CV-технологии в самом сердце Яндекса. Наши алгоритмы и сервисы интегрированы в ключевые продукты компании и помогают миллионам пользователей решать повседневные задачи. Вы точно с нами знакомы, если пользовались поиском по картинке, Алисой, умной камерой, Маркетом или другими сервисами, в сценариях которых изображение играет главную роль.

Мы не только создаём инновационные сценарии с нуля, но и постоянно совершенствуем существующие, обеспечивая их стабильность и высочайшее качество на уровне мировых стандартов.

Ищем опытного разработчика на C++ с глубокими знаниями в ML, который готов создавать и внедрять в продакшн сложные технологии компьютерного зрения.

Проектирование архитектуры ML-систем

Вам предстоит не просто писать код, а проектировать целостные системы для визуального поиска и анализа изображений. Вы будете отвечать за выбор технических подходов, построение пайплайнов и обеспечение масштабируемости и отказоустойчивости наших решений.

Внедрение и оптимизация моделей в продакшене

Ваша ключевая задача — превращать state-of-the-art-модели (CV, LLM/VLM) в быстрые и стабильные компоненты высоконагруженных сервисов Яндекса. Это включает в себя глубокую работу с кодом на C++, его профилирование и оптимизацию производительности для достижения максимальной эффективности.

Участие в полном цикле жизни продукта

Вы будете не просто исполнителем, а полноценным участником процесса: от генерации и проверки гипотез вместе с командой до выкатки фич, участия в PR-активностях и анализа результатов после запуска.

Взаимодействие с R&D- и ML-исследователями

Предстоит тесно работать с исследовательскими командами Яндекса, чтобы быстро адаптировать самые передовые технологии и внедрять их в продукты.

Больше об ML в Яндексе — в канале Yandex for ML

* Отлично знаете C++ и занимались коммерческой разработкой на нём
* Глубоко понимаете принципы машинного обучения и классические алгоритмы
* Внедряли ML-модели в продакшн: знаете, как заставить модель работать быстро и стабильно под нагрузкой
* Умеете разбираться в сложной кодовой базе, рефакторить и улучшать существующие решения
* Готовы быстро погружаться в устройство сервисов Яндекса и находить лучшие точки применения для ML-технологий

* Работали с Python для ML-задач (PyTorch, TensorFlow)
* Понимаете архитектуру современных нейронных сетей: трансформеры, VLM, CNN

Яндекс Маркет — один из ведущих маркетплейсов с миллионами активных пользователей и сотнями миллионов товарных предложений.

Мы ищем ML-разработчика в группу качества поиска и рекомендаций для работы над нашим новым продуктом — «Маркет AI». Этот продукт объединяет лучшие стороны поиска Маркета и возможности AI-ассистента, чтобы помогать пользователям быстрее находить подходящие товары, сравнивать их и получать персонализированные рекомендации.

Присоединяйтесь к нашей команде — будем вместе формировать будущее умного шопинга!

Дообучение NLP и LLM

Вам предстоит дообучать YandexGPT под самые разные задачи, которые должны будут помогать пользователю быстрее закрывать свои сценарии на маркетплейсе. Нужно будет искать и собирать данные для обучения LLM, в том числе с привлечением асессоров.

Обучение ML-моделей

Вы будете решать широкий спектр задач, связанных с аналитикой и моделированием пользователей на платформе: улучшать оценку текстовой релевантности поискового запроса к товару, кластеризовать, обучать CatBoost и формировать рекомендации.

Проведение экспериментов

Нужно будет проводить много экспериментов, разрабатывать метрики для оценки их успешности и предлагать дальнейшие шаги по улучшению системы.

Больше об ML в Яндексе — в канале Yandex for ML

* Работали в NLP, в том числе с трансформерами
* Уверенно владеете методами классического машинного обучения: sklearn, CatBoost
* Хорошо знаете SQL, умеете писать сложные запросы
* Способны самостоятельно искать и находить ответы на вопросы, разбираться в сложных системах и сервисах, читая код и документацию

* Разрабатывали рекомендательные системы или поиск
* Проводили A/B-тесты
* Знаете классические алгоритмы и структуры данных

Каждый день миллионы людей пользуются Поиском Яндекса, чтобы находить ответы на свои вопросы. Чем качественнее ранжирование, тем быстрее пользователь решает свою задачу.

Мы ищем ML-разработчика в группу качества ранжирования Поиска Яндекса.

На работе вам предстоит растить качество поисковой выдачи за счёт улучшения ML-моделей ранжирования. Вас ждёт много данных и экспериментов.

Развитие ML-моделей ранжирования

Вам предстоит улучшать качество ранжирующих моделей за счёт экспериментов с различными сигналами о качестве документов и подбора оптимальной схемы обучения.

Построение процессов сбора обучающих пулов

Вы будете решать, на каких данных следует учить ранжирующую модель, как их собирать и предобрабатывать.

Настройка мониторингов

Вам предстоит настраивать и поддерживать систему, которая будет показывать, что качество ранжирования и обучающих пулов не деградирует.

Классификация проблем ранжирования на основе данных

Вы будете участвовать в обсуждениях продуктовых решений, которые влияют на миллионы пользователей Поиска, и предлагать решения проблем ранжирования.

* Работали с Big Data
* Пишете на Python
* Знакомы с ML
* Знаете основы математической статистики

* Работали с системами поиска, ранжирования или рекомендаций
* Знаете SQL
* Знакомы с MapReduce

Yandex Crowd — крупный инфраструктурный сервис Яндекса. Мы используем краудсорсинг, чтобы расширять бизнес-процессы: разметку данных, модерацию контента, полевые исследования, тестирование. Также мы разрабатываем внутренние функции для наших продуктов: клиентский сервис, телемаркетинг, локализацию и документирование.

Наша цель — автоматизировать рутинные задачи краудсорс-исполнителей. Работаем по двум направлениям: асессорская разметка и клиентский сервис. Создаём и внедряем генеративных чат-ботов, агентов, co-pilot для операторов и асессоров, GenAI-based-разметку. Количество наших моделей и микросервисов, интегрированных в платформы, растёт. Нужно поддерживать стабильность, прозрачность и единообразие разработки и вывода в прод.

Ищем MLOps-лида, который соберёт команду и выстроит инфраструктуру и процессы для наших смелых ML-решений.

Автоматизация ML-процессов

Вам предстоит создавать эффективные автоматизированные пайплайны для обучения, тестирования и развёртывания ML-моделей, внедрять CI/CD и современные инструменты управления ML-процессами.

Стабильность и доступность моделей

Вам нужно будет обеспечивать стабильную работу моделей в продакшне, контролировать их состояние и гарантировать, что сервисы будут доступны для пользователей и отказоустойчивы.

Развитие ML-платформы

Вам предстоит определить техническое видение развития ML-платформы в Yandex Crowd и инструментов для Data Scientist, выстроить процессы, чтобы быстро и эффективно запускать новые решения, сократить время вывода их на рынок и масштабировать лучшие практики внутренней инфраструктуры.

Развитие команды MLOps-инженеров

Вы будете формировать и развивать команду MLOps-инженеров: нанимать сотрудников, быть для них наставником, передавать экспертный опыт, распределять задачи и способствовать их профессиональному росту.

* Работали в команде над разработкой на Python
* Руководили созданием и поддержкой бэкенд-сервисов
* Организовывали и внедряли системы мониторинга и логирования
* Умеете работать с Docker и Kubernetes
* Разбираетесь в полном жизненном цикле ML-моделей, выводе их в продакшн
* Способны принимать архитектурные решения

* Руководили построением или эволюцией CI/CD-процессов
* Внедряли инструменты для управления GenAI-решениями: RAG, агенты, LLM-пайплайны
* Занимались построением внутренних ML-платформ или сложных ML-продуктовых инструментов

Наша команда разрабатывает систему рекомендаций для международного Поиска. Наша цель — персонализированно показать человеку наиболее релевантный контент из интернета. Мы ищем энергичного и целеустремлённого специалиста, который возглавит центр международной экспертизы по рекомендациям.

Обучение SOTA моделей

Вам предстоит обучение SOTA моделей для построения рекомендательных систем. Необходимо создавать интересные, полезные и этичные рекомендации для пользователей.

Обработка петабайтов данных на всех языках

Значительный вклад в качество алгоритма машинного обучения дают правильные данные. У нас есть десятки источников и хранилища с петабайтами данных, вам необходимо грамотно использовать ровно то, что поможет решить целевую задачу.

Улучшение архитектуры системы рекомендаций

В рекомендациях участвует не один алгоритм машинного обучения. Это большая рантайм-система со множеством взаимодействий между компонентами. Вам предстоит участвовать в проектировании компонентов системы и оценивать влияние новых изменений.

* Руководили командой
* Хотите делать качественный сервис, следить за его состоянием и думать о пользователях
* Хорошо знаете C++ или Python
* Готовы погружаться в новые технологии, предлагать и реализовывать идеи по их улучшению
* Отлично знаете базу классического машинного обучения
* Понимаете, как устроены современные рекомендательные системы

Наша команда исследует и разрабатывает ML-модели персонализации для рекомендательных сервисов. Мы делаем трансформеры поверх пользовательской истории, они являются важной частью рекламных технологий и рекомендаций в Маркете.

В последнее время область рекомендательных систем становится всё ближе к NLP: при обучении мы разделяем стадии претрейна и SFT, видим похожие законы масштабирования моделей и обучаемся на сотнях GPU. Но есть и важные отличия: в сервисах динамически меняется множество рекомендуемых сущностей, а мощность этого множества может достигать порядка 10^9. Помимо этого, каждое пользовательское событие несёт в себе гораздо больше информации, чем один текстовый токен.

Наша цель — объединить лучшее из двух миров — RecSys и NLP — и улучшить конкретные продукты нашими технологиями.

Наша R&D-команда разрабатывает передовые рекомендательные технологии, которые используются в масштабах всего Яндекса. Мы ищем сильного ML-инженера, который будет исследовать новые подходы в рекомендациях и доводить их до продуктового состояния. Если вы хорошо знаете DL, ориентируетесь в современном RecSys или NLP и внедряли нейросети в продакшен — ждём вас!

Претрейн или обучение восстановлению логирующей политики

В любом зрелом сервисе уже работает достаточно качественная рекомендательная система, так что на первом этапе модель должна научиться хорошо повторять существующие рекомендации. Для этого мы экспериментируем с данными, архитектурой, лоссами и другими аспектами.

SFT

После претрейна модель обучается на пользовательском фидбэке, чтобы ранжировать релевантных кандидатов и выбирать среди них наилучшие. Среди открытых вопросов в этой области: каков предел качества модели в конкретной постановке задачи, как выглядят законы масштабирования в разных доменах и какие дальнейшие пути улучшения стоит исследовать.

Адаптация моделей для продакшена

Важный челлендж для нас — заставить модели работать в рантайме под высокой нагрузкой в десятки тысяч RPS. Мы активно исследуем архитектурные оптимизации и используем специализированные фреймворки для инференса, а иногда даже пишем свои cuda-кернелы на Triton.

Возможность развития вширь

Как R&D-команда, мы не ограничены одним продуктом или одной технологией. При желании можно погрузиться в разные сервисы или попробовать другие подходы в рекомендациях.

Больше об ML в Яндексе — в канале Yandex for ML

* Хотите заниматься прикладными ML-исследованиями
* Хорошо знаете основы современного Deep Learning
* Умеете превращать научные статьи в код: реализовывали SOTA-методы и алгоритмы

* Имеете опыт внедрения нейросетей в продакшен
* Следите за трендами в RecSys, NLP или CV и регулярно читаете статьи
* Занимались спортивным программированием, участвовали в ML-соревнованиях или хакатонах

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

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++

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

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

Реклама Яндекса — это одна из крупнейших рекомендательных платформ, ежесекундно обрабатывающая миллионы запросов. За доли секунды надо решить, что и как показать конкретному человеку под конкретный поисковый запрос. Эти решения принимают сразу несколько алгоритмов, многие из которых — нейронные сети.

Наша команда создаёт технологические рантайм- и офлайн-решения, которые автоматизируют генерацию рекламных текстов для тысяч бизнесов. Наши модели адаптируют объявления под конкретного пользователя и его запрос, помогая рекламодателям получать лучший результат, а пользователям — более релевантный опыт.

Мы не просто пишем промпты для LLM, а имеем дело с различными способами обучения (включая RL) и дообучения, улучшаем пайплайны и разрабатываем метрики качества. Большая часть работы — это создание гипотез и их проверка через A/B-эксперименты.

Наши решения напрямую влияют на опыт миллионов пользователей Поиска и десятки тысяч бизнесов России. Вы будете работать в команде сильных исследователей и инженеров с доступом к большим вычислительным ресурсам и возможностью быстро внедрять свои решения в продакшен!

Разработка и улучшение LLM для генерации рекламных текстов

Вы будете готовить и собирать датасеты, дообучать модели — от промптинга и fine-tuning до обучения с подкреплением.

Создание и проверка гипотез

Вы станете быстро тестировать обученные модели в A/B-экспериментах на реальных пользователях.

Работа с продуктовыми метриками

Вам предстоит анализировать влияние моделей на CTR, конверсии, выручку Яндекса и качество отображаемой рекламы.

Больше об ML в Яндексе — в канале Yandex for ML

* Имеете опыт в NLP
* Понимаете основные принципы ML и DL
* Знаете SQL
* Умеете формулировать гипотезы и анализировать результаты экспериментов
* Готовы работать с большими данными и продакшен-задачами
* Быстро разбираетесь в новых технологиях

* Работали с LLM или RL
* Следите за трендами в DL

Наша команда обучает рассуждающую модель YandexGPT. Она используется в режиме «Рассуждать» в Алисе и внутренних продуктах. Мы влияем на весь процесс обучения — от претрейна и SFT до обучения с подкреплением.

Мы стремимся сделать YandexGPT лидером в решении сложных задач: от олимпиад по математике и программированию до ответов на требовательные пользовательские запросы. Наша цель — создать языковую модель, которая задаст стандарты в области рассуждающих LLM.

Присоединяйтесь к нам, чтобы влиять на развитие интеллекта YandexGPT, решать уникальные технологические задачи в сфере AI и участвовать в создании будущего языковых моделей.

Развитие рассуждающей модели

Ваша главная задача — создать самую сильную рассуждающую модель. Вы будете совершенствовать пайплайны сбора датасетов для всех стадий обучения, внедрять алгоритмические инновации в RL, искать точки роста, планировать эксперименты и проверять новые подходы.

Исследования на границе научного знания

Вам предстоит определять научно-техническую повестку и повышать экспертность команды. Вы будете руководить всем исследовательским циклом: от анализа SOTA и формирования гипотез до планирования экспериментов, оценки качества и интерпретации результатов.

Руководство командой исследователей

Вы будете возглавлять команду senior-исследователей: ставить смелые цели, развивать экспертность и научную культуру, налаживать взаимодействие с командами DL, аналитики и инфраструктуры. Ещё одна важная задача — находить и нанимать лучших специалистов, ведь проекты становятся всё сложнее и масштабнее.

* Руководили командой LLM или хотите расти в этом направлении
* Отлично знаете классические ML/DL и NLP
* Имели прикладной или исследовательский опыт в обучении с подкреплением
* Следите за трендами в языковых моделях, можете быстро понимать и оценивать статьи

* Обучали рассуждающие языковые модели
* Активно интересуетесь статьями на тему рассуждающих моделей и агентов
* Имеете научные публикации, выступали на конференциях

Команда рекомендаций Яндекс Маркета делает персональные рекомендации товаров на главной странице, подбирает похожие и сопутствующие товары в карточке товара, а также персонализирует поиск. Мы ищем middle/senior ML-инженеров на два трека: нейросетевые рекомендации и более классический RecSys + discovery.

Нейросетевые рекомендации

Вы будете добавлять новые входные данные для нейросетей: поисковые запросы, типы действий (шеринг ссылки на товар), фичи пользователей и т. п. Понадобится экспериментировать с эмбеддингом товара (что из текстового описания и характеристик использовать, как учесть картинки товаров) и с архитектурой (добавлять отдельную голову под новый таргет, изменять лосс и т. п.).

Также вы станете адаптировать модели под сценарии: рекомендации на главной странице, товары-аналоги (учёт контекста основного товара), поиск (учёт контекста поискового запроса). Ещё необходимо анализировать данные и искать точки роста в ML-моделях через новые таргеты, входные данные или фичи.

Классический RecSys и discovery

Вы станете экспериментировать с таргетом ранжирующих моделей. Как учесть юнит-экономику товаров? Как балансировать текущий интерес и новые discovery-категории для пользователя?
Понадобится работать над discovery брендов (например, как любителям одежды показывать новые фэшен-бренды) и lifelong-рекомендациями: отвечать на вопрос, как запомнить релевантные интересы пользователя из далёкого прошлого. Пример: купил сноуборд 1,5 года назад (интерес/хобби — катание на сноуборде) → рекомендуем ботинки для сноуборда или горнолыжный шлем сейчас.

Также вы будете развивать модели для подбора товаров-аналогов: коллаборативная фильтрация, статистическая со-встречаемость (PMI, Swing...), BERT и т. п. Кроме того, нужно анализировать данные и искать точки роста в ML-моделях через новые таргеты, фичи или бизнес-логику.

* Больше года работали в ML/DL
* Знакомы с классическим ML: CatBoost, ML-метрики, способы генерации фич
* Владеете Python и SQL
* Знаете, как проводить A/B-тестирование
* Знаете NLP, BERT-подобные модели

* Работали с задачами поиска или рекомендаций
* Работали с LLM
* Знакомы с нейросетевыми моделями рекомендаций: SASRec, HSTU

В Финтехе мы создаём платёжные продукты, сервисы и инструменты для управления личными финансами. Финтех уже превратился из стартапа в полноценный и крайне важный продукт.

Сейчас мы собираем новое — аналитическое — хранилище данных и формируем для этого команду. В хранилище нет легаси, поэтому у вас будет возможность оказаться у истоков нового проекта. У нас большие планы — приходите помогать их реализовать!

Строить ETL-процессы

Нужно извлекать из источников ценную информацию, обрабатывать её и представлять в виде, удобном для аналитиков. Сложность пайплайнов может варьироваться от простых инжестов данных из внешней среды и приземления результата в хранилище до витиеватых графов со множеством инпутов и аутпутов.

Оптимизировать логику

Как известно, у нас нет собственного легаси, но мы часто работаем с прототипами, реализованными аналитиками, чьё представление о прекрасном может не совпадать с нашим. Поэтому мы распутываем нетривиальную логику и предлагаем более строгую, консистентную и оптимальную, ориентируясь на большие объёмы данных.

Обеспечивать доступность сервиса

Олимпиадный подход подразумевает одноразовость результата. Мы преследуем совсем другие цели, поэтому максима «сработало раз — и ладно» не о нас. Идеал такой: хранилище обеспечивает регулярную поставку с минимально возможным количеством сбоев, а данные — корректны, полны, непротиворечивы и отвечают самым строгим стандартам качества.

Проектировать структуру хранилища

Лучшее аналитическое DWH ещё только в планах. Мы хотим заложить основы, которые позволят ему быстро развиваться, обрастая при этом не «костылями» и «велосипедами», а современными инженерными практиками и подходами.

Взаимодействовать с аналитиками

Они наши главные и любимые заказчики. Вместе с ними вам предстоит обдумывать бизнес-задачи, иногда вы будете спорить, но в итоге — находить оптимальные решения. Неотъемлемая часть этого процесса — накапливание личного опыта в бизнес-домене Финтеха. Прибавим сюда рост инженерного опыта — и получим двойную выгоду. Почти как у Яндекс Пэй.

* Уверенно программируете на Python
* Хорошо знаете SQL и понимаете устройство современных СУБД
* Понимаете и можете объяснить необходимость непрерывной интеграции и доставки (CI/CD), преимущества использования систем контроля версий, код-ревью, тестирования и мониторинга
* Работаете в командной строке Unix-подобных систем (Linux, macOS)

* Создавали сложные высоконагруженные ETL- и ELT-процессы (Hadoop, Hive, Spark)
* Разрабатывали процессы обработки событий, приближенные к реальному времени (Kafka, Spark Streaming, Flink)
* Участвовали в проектировании хранилищ данных
* Работали по методологии Agile
* Руководили стажёрами или начинающими специалистами
* Знакомы со специализированными аналитическими БД (Greenplum, Vertica, ClickHouse, Teradata) и аналитическими инструментами на базе Python (Jupyter, pandas, SciPy, Matplotlib)
* Публикуете свой код в доступном репозитории, пишете статьи, выступаете на конференциях

Мы — команда, которая создала агента «Исследовать» в Алисе: систему, которая самостоятельно ищет, анализирует и структурирует знания для миллионов пользователей. Сейчас мы идём дальше: запускаем два новых LLM-спецпроекта (подробнее расскажем на финале), где предстоит строить агентов нового уровня. Мы ищем тимлида, который возглавит это направление: будет задавать техническое видение, выстраивать команду и доводить многообещающие идеи до пользователей.

Что вас ждёт:
* Запуск новых спецпроектов на переднем крае AI — с нуля и с большим пространством для влияния
* Свобода принимать архитектурные и продуктовые решения, формировать видение направления
* Сильная команда и глубокое погружение в современный стек разработки интеллектуальных систем

Управление командой

Вы будете руководить командой ML-разработчиков и развивать её: ставить стратегические цели, декомпозировать их до конкретных задач, выстраивать процессы и взаимодействие со смежниками, контролировать путь от идеи и прототипа до релиза в прод. Вам предстоит нанимать сильных людей, растить инженеров внутри команды и формировать культуру, в которой хочется делать большие вещи.

Техническое лидерство в LLM-агентах

Вы будете отвечать за архитектуру агентных систем целиком: от промпт-инжиниринга и оркестрации вызовов до маршрутизации между компонентами и инструментального использования моделей. Ваша задача — задавать техническое направление, принимать ключевые архитектурные решения и обеспечивать, чтобы команда работала на переднем крае современных подходов к агентам.

Развитие агента «Исследовать» и запуск новых спецпроектов

«Исследовать» — это система, способная самостоятельно находить, анализировать и структурировать знания. Вам с командой предстоит улучшать качество поиска, логику рассуждений и способность агента синтезировать информацию из множества источников. Параллельно вы будете запускать новые LLM-спецпроекты — от исследования и прототипа до полноценного продукта, которым пользуются миллионы.

Качество и системы оценки

Качество генерации в агентных системах — одна из самых сложных задач индустрии. Вы будете выстраивать метрики, развивать системы автоматической оценки (LLM-as-a-Judge и другие подходы) и делать так, чтобы качество можно было измерять и улучшать системно, а не на интуиции.

Исследования и внедрение SOTA-подходов

Область агентных систем меняется каждый месяц. Вам предстоит следить за передним краем, выбирать гипотезы, которые стоит проверять, и доводить лучшие из них до продакшена. Вы будете решать, во что команде вкладываться сейчас, а что оставить на потом.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Руководили командой ML-разработчиков и умеете растить инженеров
* Сильный ML-специалист с опытом работы с LLM или NLP
* Умеете проектировать и развивать сложные многокомпонентные ML-системы
* Уверенно владеете Python, понимаете принципы работы трансформеров, LLM и attention-механизмов
* Разбираетесь в архитектурах LLM-агентов, оркестрации моделей и оценке качества генеративных систем
* Заботитесь о качестве конечного продукта и умеете доводить решения до пользователя

* Имеете опыт разработки и продакшен-эксплуатации LLM-агентов
* Работали с LLM-фреймворками (LangChain, LlamaIndex и др.)
* Строили системы оценки качества генеративных моделей
* Разрабатывали сервисы вокруг ML-моделей в высоконагруженной среде

Поиск с Алисой — это не просто выдача ссылок: он создаёт подробные, структурированные ответы с разделами, картинками и видео. Но как понять, что качество этих ответов хорошее?

Можно, например, применить классический подход — проанализировать поведение пользователей. Однако современный интернет стал настолько сложным, что часто одних онлайн-метрик недостаточно. Поэтому мы подходим к задаче комплексно: дополнительно строим офлайн-приборы, которые позволяют перед экспериментами заранее отвечать на конкретные вопросы. Стали ли ответы лучше? Как часто в них встречаются серьёзные ошибки? Соответствуют ли они запросам?

Вы будете не просто анализировать данные, а создавать правила и метрики, которые станут «детектором качества» для ответов.

К чему мы стремимся

* Сделать поиск нового поколения

Не просто выдачу ссылок, а интеллектуального помощника, способного решать задачи пользователя на месте, без необходимости переходить куда-либо.

* Отвечать не только на русском

Мы запускаемся в новых регионах, где нас ждут вызовы, связанные с языковыми и региональными особенностями.

* Давать развёрнутые ответы

Наша цель — ответы, в которых текст, видео и картинки работают вместе. Мы делаем информацию живой, чтобы она запоминалась с первого взгляда.

* Не врать!

Никаких домыслов или «креативных» интерпретаций. Мы строго следим, чтобы ответы опирались на проверенные данные, а каждое утверждение подкреплялось надёжными источниками. Мы учим модели не фантазировать, а опираться на факты — даже если это сложнее.

У нас классно, потому что:

* Мы работаем над Поиском с Алисой — продуктом Яндекса на основе LLM — и ориентированы прежде всего на результат в продакшене.

* Наши задачи тесно связаны и с дизайном самого продукта, и с ML.

* Мы даём возможность развивать технические, коммуникативные и менеджерские навыки.

* Ваша работа прямо повлияет на то, каким станет Поиск с Алисой через полгода.

* Мы делаем уникальные по сложности, масштабу и архитектуре краудсорс-проекты.

* Мы слаженная команда аналитиков и ML-инженеров качества.

Придание чёткой формы продуктовым требованиям

Наша ключевая задача — формализовать изначально абстрактные требования продуктовой команды в набор ясных правил и принципов. Эти критерии позволяют нам объективно определять, является ли ответ модели хорошим (подходящим для продукта) или плохим (ошибкой в продукте), и обосновывать решение. Сначала мы разрабатываем эти правила сами, анализируя примеры и обобщая наблюдения в инструкции, а затем обучаем им AI-тренеров и асессоров, чтобы увидеть улучшения в ответах модели в новых версиях.

Создание комплексных проектов по разметке данных (краудсорсинг и LLM)

Для обучения современных моделей нужно очень много размеченных данных высокого качества. Мы создаём проекты для такой разметки, привлекая людей через Yandex Crowd или используя LLM: собираем задание (от инструкции до интерфейса), находим исполнителей и обучаем их. Каждая новая задача требует понимания взаимосвязей системы, выстраивания сложной архитектуры и изобретения новых комбинаций стандартных подходов к разметке.

Повышение качества, оптимизация и экономия ресурсов

Мы регулярно следим за метриками качества получаемых разметок и ищем точки роста. Для этого строим детализированные дашборды, настраиваем пайплайны подготовки данных, экспериментируем со схемами разметки и анализируем характеристики запросов/ответов (тематика, структура и т. д.). Наша задача не просто помогать продукту становиться лучше, а делать это при заданных ограничениях времени или бюджета.

* Умеете писать на Python и SQL
* Знаете математическую статистику и теорию вероятностей
* Любите работать с данными и умеете извлекать из них практический результат
* Умеете взаимодействовать с командой, ясно излагать мысли, понимать и убеждать коллег
* Готовы разбираться в том, как и почему должен работать продукт

* Работали с Толокой или другими краудсорс-платформами
* Писали инструкции и самостоятельно запускали проекты по разметке данных

Наша команда аналитики помогает развивать Нейро — сервис на базе больших языковых моделей, который в перспективе заменит привычный всем поиск в интернете. Для развития продуктов, основанных на LLM, ключевым фактором успеха становится качественная разметка входных данных для обучения этих моделей. Наша команда помогает собирать эти данные и аккуратно проводить грань между плохим и хорошим ответом. Ежедневно мы собираем огромные массивы данных вида «запрос — ответ», пропускаем их через людей и алгоритмы, а на выходе получаем итоговую разметку. Наша цель — анализировать и улучшать этот процесс, делая его быстрее, дешевле и качественнее.

Снижение стоимости разметок и увеличение их количества

Другое направление работы — снижение стоимости разметок и увеличение их количества. Сейчас на человеческие разметки компания тратит очень большие деньги. Нужно искать способы, которые без ухудшения результирующего качества дадут нам возможность собирать больше разнообразных данных, что позволит прокачать продукт до более высокого уровня.

Промтизация

Третьим направлением, которое активно развивается с 2024 года, является промтизация — один из ключевых фокусов всего Яндекса, способный стать настоящим геймченджером в развитии поисковых алгоритмов и обучении языковых моделей.

Сокращение «серой зоны»

Когда люди делают какие-либо утверждения, то всего лишь небольшую часть из них можно однозначно охарактеризовать как правдивые или ошибочные. Для остальных эта характеристика условна и во многих случаях зависит от контекста. Наша задача как аналитиков подтверждённости состоит в том, чтобы снижать эту неопределённость, сводя её к набору правил. Мы далеко продвинулись в сокращении «серой зоны» в разделении на хорошо/плохо. Теперь планируем идти глубже в различные специализированные тематики (например, юриспруденция или налоги), сокращая количество галлюцинаций и фактических ошибок в них.

* Умеете писать на Python и SQL
* Знаете математическую статистику и теорию вероятностей
* Умеете работать в команде, ясно излагать мысли, понимать и убеждать коллег
* Самостоятельны и готовы браться за новые задачи, для которых нет готового решения

* Работали с Яндекс Заданиями, Толокой или любыми другими краудсорсинг-платформами
* Писали инструкции и самостоятельно запускали проекты по разметке данных

Алиса — это виртуальный помощник и друг, который не только развлекает людей, но и упрощает решение регулярных бытовых задач. У нас уже более пяти миллионов пользователей, и мы продолжаем делать всё, чтобы Алиса для них становилась ещё умнее и полезнее.


Каждый день мы ищем ответы на множество вопросов:
* Как оценивать успешность взаимодействия Алисы и пользователя?
* Ту ли песню из TikTok мы нашли?
* Сколько запросов пришлось задать пользователю, чтобы вызвать такси?
* Получается ли у нас отвечать и рассказывать пользователям о доступных фичах Алисы?
* Есть ли ещё какие-то незакрытые потребности у пользователей, про которые они спрашивают, а мы не можем ответить?
* Как продумать минимальные, но достаточные требования к качеству для запуска новой фичи в продакшн?
* Достаточно ли хороши наши музыкальные рекомендации? Как измерить эту «хорошесть»?

Оценка базового качества Алисы и метрик качества

Сюда входит анализ взаимодействия пользователей с Алисой и измерение ключевых метрик удовлетворённости и эффективности общения на различных устройствах и в приложениях — на станциях, ТВ, в навигаторе и чатах.

Разработка DWH

Разработка прикладных проблемно-ориентированных DWH для решения задач как продуктовой аналитики, так и RnD.

Продуктовая аналитика

В задачи аналитиков входит постоянный поиск точек роста продукта через анализ данных разных модальностей: голосовых команд, текстовых запросов, визуальных взаимодействий с устройством. Команда отвечает за внедрение и контроль качества новых функций, проводя A/B-тестирование гипотез, и анализирует влияние изменений на пользовательский опыт в целом.

* Любите работать с данными и умеете извлекать из них практический результат
* Знаете математическую статистику и теорию вероятностей
* Пишете на Python и знаете алгоритмы
* Самостоятельны и готовы браться за новые задачи, для которых нет готового решения
* Проводили A/B-тесты
* Работали аналитиком более двух лет
* Быстро усваиваете много новой информации

* Вакансию в сильной команде и возможность расти
* Сложные задачи для сервисов с миллионами пользователей
* Возможность влиять на процесс и результат
* Зарплату на уровне рынка и выше
* Премии каждые полгода для всех, кто успешно прошёл ревью
* Расширенную программу ДМС, оплату 80% стоимости ДМС для супругов и детей
* Гибкий график работы

Команда отвечает за внутренний data/AI-продукт для автоматизации управленческой отчетности и развития AI-агента для работы с данными.

Роль включает два направления: развитие автоматизированной системы управленческой отчетности на Python и развитие backend-логики AI-агента

задачи по AI-агенту:

• развитие backend-логики AI-агента на Python
• интеграция агента с внутренними сервисами и API
• оптимизация надежности и качества работы сервиса

задачи по отчетности:

• подготовка данных на Python с использованием pandas

• работа с SQL-запросами и источниками данных

• автоматизация регулярной подготовки отчетов

• python в продакшене — от 2 лет

• опыт backend-разработки и интеграций с API, опыт с Git

• сильный SQL — аналитические запросы, оптимизация, большие объёмы данных

• понимание ETL-архитектуры и пайплайнов данных — необходимо для глубокой работы с агентом

будет плюсом:

• опыт проектирования архитектуры AI-решений

• ClickHouse или другие колоночные БД

• опыт в банковской или финансовой аналитике

• комфортный современный офис рядом с м. Кутузовская

• график работы: офис или гибрид

• годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• регулярные митапы и развитое DS-community

• 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.

Приглашаем присоединиться к проекту направленного на реализацию комплексного решения по индивидуализации ценообразования банковских продуктов физ.лиц. Наша цель – создание автономной расчетной системы для анализа сценариев, поиска оптимального сценария и его реализацию через индивидуальное предложение клиенту с использованием автономных AI агентов. Мы хотим построить передовую в РФ экосистему с принципиально новым клиентским опытом.

Ключевые направления: индивидуализация ценового предложения продуктов кредитов физ.лиц, дебетовых и кредитных карт, вкладов, текущих счетов, инвестиционных продуктов, линейки подписок и пакетов, создание ИТ решения управления лимитами и полномочиями продающих подразделений банка; создание инструментов для расчета экономической эффективности финансовых пилотов.

• проектирование и реализация высоконагруженных распределённых решений на основе Apache Spark

• разработка batch и streaming ETL-процессов

• поддержка архитектуры корпоративных хранилищ данных (DWH, Data Lake, LakeHouse)

• создание и оптимизация запросов на SQL и Spark SQL

• участие в архитектурных сессиях и проектирование дизайна системы

• проведение code review, обеспечение соблюдения стандартов кодирования.

• опыт разработки на Python от 3-х лет, с использованием pySpark

• опыт работы с python data фреймворками (Pandas/Numpy)

• понимание принципов SDLC и практический опыт создания python приложений с использованием распределенных вычислений, понимание принципов ООП, SOLID, паттернов проектирования

• отличные знания SQL (Advanced) и опыт работы в аналитике данных (DWH, Data Lake, Lake House)

• опыт в построении ETL

• опыт работы с AI инструментами для повышения эффективности

понимание принципов CI/CD, подходов обеспечения качества.

Будет плюсом:

• навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом

• опыт работы с Kafka, интеграционных взаимодействий (HTTP, REST, GraphQL)

• опыт работы с Docker, Kubernetes

• понимание основ Machine Learning (ML)

• желание развивать навыки в технологиях genAI (Agentic, RAG etc.).

• только гибридный формат работы, г. Москва, г. Санкт-Петербург, г.Самара

• годовой бонус и ежегодный пересмотр зарплаты

• расширенный ДМС с первого дня и льготное страхование для семьи

• корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях

• 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.

Мы — команда GigaChat, создающая и развивающая core-технологию генеративной языковой модели. Наша система умеет писать тексты, видеть изображения и даже ловить вайб в коде. Она отвечает на вопросы, ведёт диалоги, сочиняет стихи и рассказы, генерирует бизнес-идеи, пишет письма и многое другое.

Недавно мы выпустили крутую русскоязычную модель GigaChat MAX 2 уровня GPT-4 , а ещё научили её слушать.

Сейчас мы расширяем команду отдела production-внедрения. Мы развиваем инфраструктуру инференса больших языковых моделей: раскатка моделей, стабильность сервисов, производительность, cost optimization, взаимодействие с продуктовыми командами и эксплуатацией.

• низкоуровневая оптимизация работы с «железом»

• работа над инфраструктурой для нагрузок на кластеры и балансировки запросов

• вывод новых архитектур в продуктив.

• опыт работы в области глубокого обучения, в том числе с LLM

• глубокое знание CUDA и Python

• опыт использования GigaChat, Kandinsky и аналогов в продуктах

• навыки создания и использования AI-агентов.

• комфортный современный офис рядом с м. Кутузовская

• возможность выбрать удобный график – офис/гибрид/удаленка (в РФ)

• 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 для сотрудников по дисконтной прогамме

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

• вознаграждение за рекомендацию друзей в команду Сбера.

О проекте:

Мы разрабатываем инновационную платформу на основе генеративного искусственного интеллекта (GenAI), предназначенную для автоматизации создания и управления маркетинговыми кампаний. Основной целью нашего продукта является генерация персонализированных коммуникаций в автономном режиме, где мультиагентные системы самостоятельно анализируют данные аудитории, разрабатывают стратегии, создают контент и оптимизируют результаты в реальном времени.

В команду нужны разработчики уровня Middle + и Senior.

• разработка back-end части автоматизированной системы с учетом требований

• безопасности, отказоустойчивости, времени отклика и т.п. (в т.ч. прототипирование)

• писать эффективный и понятный код на Java

• проведение code review, написание юнит-тестов, участие в организации процессов контроля качества java кода на проекте

• контролировать качество и сроки разработки, внедрять лучшие практики

• разработки ПО, предлагать в работу новые инструменты и фреймворки, совместно с командой решать архитектурные вопросы

• проведение командных мероприятий (планирование, груминг, ретроспектива, stand-up, демо).

• опыт коммерческой разработки на Java (от 5 лет)

• уверенное знание Java 11+ (желательно опыт с Java 17+)

• oпыт работы с maven/gradle

• oпыт работы с экосистемой Spring (Boot, Data и тд.)

• понимание принципов микросервисной архитектуры (REST, gRPC, очереди сообщений(Kafka), взаимодействие сервисов)

• опыт работы с PostgreSQL: написание сложных запросов, оптимизация, работа с индексами, транзакциями

• понимание принципов CI/CD, Jenkins (или аналогами)

• уверенное владение инструментами контроля версий (Git)

• опыт написания модульных и интеграционных тестов (JUnit, Testcontainers, Mockito и др.)

• опыт проведения code review.

Будет плюсом:

• опыт в проектировании архитектуры

• опыт в проектировании баз данных

• опыт контейнеризации приложений (Docker) и работы в OpenShift или Kubernetes.

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

• Позитивная и заряженная команда профессионалов

• Интересные, сложные, амбициозные задачи

• Создание нового уникального продукта

• Возможность профильного обучения за счет компании

• Стабильная, конкурентная «белая» заработная плата (оклад + достойные премии)

• Льготные условия по ипотеке и кредитам Сбербанка

• ДМС, социальные гарантии, корпоративные мероприятия.

SberDevices - инновационное направление компании, которое создает умные устройства, виртуальные ассистенты и другие продукты в области NLP, gamedev, computer vision.

Команда Поиска ищет ML Engineer в MusicSearch. Мы создаем поисковый движок, который позволяет ассистенту на устройствах находить нужный трек, исполнителя, плейлист или подкаст.

Ты будешь работать с архитектурой движка и моделями ранжирования, делать выдачу персонализированной для позьзователя.

• ответственность за качество поиска: от метрик ранжирования до стабильности работы ранжирования в проде

• разработка и внедрение моделей ранжирования (Learning to Rank) для повышения релевантности поисковой выдачи

• работа над обновлением и перестроением индекса для улучшения качества и скорости поиска

• разработка запросно-независимых и запросно-зависимых фичей, персонализация поисковой выдачи в зависимости от действий пользователя

• планирование и проведение исследований и экспериментов для улучшения качества поиска

• построение пайплайнов оценки и переоценки качества (включая LLM-as-a-judge) и их поддержка

• участие в планировании инфрструктуры, взаимодействие с командой инфраструктуры для внедрения ltr-моделей и новых фичей в высоконагруженную ML систему

• практический опыт в задачах ранжирования / поиска / рекомендаций / NLP от 3 лет

• опыт разработки и обучения LTR моделей понимание особенностей их продакшн эксплуатации

• опыт проектирования и оптимизации RAG систем и гибридных search+LLM решений

• глубокое знание метрик Information Retrieval (NDCG, MRR, Recall@k и др.) и понимание, какие метрики применять в разных классах задач

• навыки оптимизации ML моделей и пайплайнов для высоконагруженных систем: latency < 5 c, RPS > 1000 (онлайн инференс, кэширование, шардирование и т.п.)

• практический опыт использования OpenSearch / ElasticSearch как поисковой платформы (индексация, тюнинг ранжирования, анализ логов)

• опыт работы с оркестраторами задач (предпочтительно Airflow) для построения и поддержки ML пайплайнов

Будет плюсом

• построение процессов A/B-тестирования и методологии оценки качества

• работа с OpenSearch / ElasticSearch как поисковым инструментом

• понимание типов событий/логов вокруг поиска, создание фичей на их основе

• понимание принципов работы LLM и опыт их интеграции в поисковые цепочки

• опыт построения систем мониторинга и алертинга для ML-моделей

• комфортный современный офис - м. Кутузовская

• ежегодный пересмотр зарплаты, годовой бонус

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

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

• вознаграждение за рекомендацию друзей в команду Сбера

• корпоративная пенсионная программа.

Центр практического ИИ - особое подразделение Сбера, нацеленное на сложные AI проекты и создание новых технологий. В Центре прикладных исследований мы занимаемся разработкой наукоемких инструментов, которые приносят пользу конкретным направлениям бизнеса.

Примеры направлений исследования центра: operations research и дискретная оптимизация для решения задач логистики; графовые нейронные сети и алгоритмы на графах; денойзинг, адверсариальные атаки, устойчивость моделей; новые методы NLP + LLM в задачах бизнеса; research в области агентов и мультиагентных систем.

Данная вакансия подразумевает проведение прикладных исследований в области LLM и агентов.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Чем предстоит заниматься:

• строить ко-пилоты и сервисы на основе LLM-агентов и агентных систем для решения задач бизнеса
• исследовать новые подходы в проектировании мультиагентных систем и их применимость
• изучать научные статьи, быстро проверять гипотезы и строить MVP решений.

Мы ожидаем от вас:

• практический опыт работы с классическим ML/NLP от 3 лет
• практический опыт создания LLM-агентов с tools и RAG-систем
• уверенный Python + ML stack
• LLM/Agents: LangChain/LangGraph, multi-agent orchestration / memory / tool-framework / agent interaction / orchestration logic / evaluation pipelines
• опыт разработки ML-сервисов: API, контейнеризация, CI/CD
• умение писать поддерживаемый код, структурировать модули, держать интерфейсы
• опыт сборки прототипов и MVP.

Будет плюсом:

• наличие продакшен-опыта
• опыт в разработке бэкенд-сервисов
• опыт работы в стартапах
• опыт ownership ml-сервисов.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• 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.

Хочешь работать на стыке DS и риск-менеджмента? Тогда тебе к нам, в Управление модельных рисков.

Мы не просто валидируем модели — мы управляем модельным риском и улучшаем модельный ландшафт Банка с помощью Data Science.

Строим системы предиктивной аналитики, сценарного анализа и даже обучаем LLM-агентов (наш внутренний фреймворк AIVA) для автоматизации валидации. Наш фокус — модели, участвующие в ключевых процессах Банка по управлению рисками ALM и ликвидности.

С какими моделями работаем?

🔹Модели динамического ценообразования

🔹Прогноз досрочного погашения банковских продуктов

🔹Оценка чувствительности процентного дохода к макрофакторам и поведению клиентов

• разбираться в сложных моделях (от классики до нейросетей), погружаться в бизнес-процессы, проводить независимую оценку качества моделей

• оценивать бизнес-эффект от деградации моделей и защищать свои решения перед бизнесом

• применять AIVA (наш LLM-фреймворк для автономной валидации)

• писать код, улучшать и создавать библиотеки для эффективной валидации.

• уверенное знание Python: пишешь читаемые функции, умеешь создавать окружения и оптимизировать код под big data, уверенно работаешь с pandas, numpy, scipy, git, экосистемой Hadoop

• знание ML-фреймворки (PyTorch/TF/scikit-learn)

• отличное знание в части математики: теория вероятности и мат. статистики (мы часто пишем новые методологии и тесты)

• владение: ML/DL и временные ряды.

• комфортный современный офис м. Кутузовский пр.

• формат работы - офис

• годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• регулярные митапы и развитое DS-community

• 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.

Мы — команда GenBI and Agentization, разрабатывающая AI-ассистента для платформы Navigator BI — ключевой бизнес-аналитической системы банка. Наш проект уже решает задачи, значимые для всей экосистемы Сбера. Наша цель — создать интеллектуального помощника, который помогает пользователям:

• находить нужные дашборды и отчёты;

• получать статистику и динамику показателей естественным языком;

• генерировать новые визуализации (графики, виджеты, таблицы) на основе сырых данных;

• отвечать на вопросы, касающихся бизнес-показателей.

• Повышать метрики качества AI-сервиса: дообучать и адаптировать модели, улучшать пайплайны обработки запросов.

• Лидировать выделенное направление в команде: проводить code review, предлагать архитектурные решения.

• Тестировать гипотезы по улучшению пользовательского опыта — от качества поиска до точности генерации визуализаций.

• Интегрировать LLM в существующие процессы, развивать RAG-компоненты и агентную логику.

• Взаимодействовать с командой разработки и бизнес-заказчиками для уточнения требований и постановки задач.

• Опыт разработки LLM-приложений и/или агентных систем.

• Глубокое понимание современных NLP-архитектур (трансформеры, механизмы внимания).

• Уверенное владение PyTorch и LangChain.

Будет плюсом:

• Опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных.

• Опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов.

• Знание MLOps-практик (CI/CD для ML, мониторинг моделей).

• Понимание архитектуры агентных систем.

• Умение самостоятельно вести задачи от гипотезы до внедрения.

• 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.

Мы создаём будущее банковского сервиса, объединяя физические и цифровые каналы взаимодействия (Phygital) и внедряя самые современные GenAI модели. Наша цель — обеспечить клиентам персональный сервис нового уровня, учитывая их жизненные обстоятельства и предлагая услуги простым и понятным языком.

Присоединяйся к нашей команде, чтобы создавать инновационные решения для миллионов людей!

• Глубокий анализ больших объемов данных, включая аудиопотоки и clickstream

• Исследования SotA-подходов и эксперименты с новыми технологиями

• Создание и улучшение алгоритмов ML для прогнозирования поведения клиентов и оптимизации продаж. Интеграция моделей в производственные процессы и обеспечение их стабильности и производительности

• Адаптация и дообучение генеративных моделей (в том числе GigaChat)

• Реализация ML-систем для предиктивного анализа обращений клиентов (канал, потребность, время, сценарии), включая sequence-to-one / sequence-to-many

• Дизайн, проведение A/B-тестов и подведение итогов

• Сотрудничество с аналитиками, дата-инженерами и бизнесом. Обоснование и защита архитектурных решений

• Подготовка отчётности и визуализация результатов для внутренних заказчиков.

• Опыт от 2-х лет в NLP, поведенческой аналитике, классификации временных рядов или RecSys

• Готовность брать ответственность за архитектурные решения, обосновывать их перед бизнесом, влиять на бизнес-метрики продукта

• Сильные аналитические способности, аккуратность и точность в работе с данными

• Глубокое понимание архитектуры трансформеров, опыт дообучения и работы с LLM

• Sequence Modeling. Экспертиза в обработке последовательностных данных (sequence modeling)

• Уверенное владение классическим ML (градиентный бустинг: LightGBM / CatBoost) и глубоким обучением (DL, PyTorch)

• Отличное знание Python, SQL, инструментов больших данных (Hadoop, Spark)

• Навыки эффективной коммуникации в междисциплинарной команде

• Понимание методологии A/B-экспериментов и статистического анализа.

Будет плюсом:

• Опыт промышленной эксплуатации ML-моделей и создания production-пайплайнов

• Навыки работы с Docker, системами мониторинга моделей

• Опыт с потоковыми платформами (Kafka, Flink)

• Опыт в финансовой сфере или банковском секторе.

• Комфортный современный офис рядом с м. Кутузовская

• Формат работы - 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

• 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.

Мы – команда GigaChat Data, готовим данные для обучения всей линейки моделей LLM GigaChat (GigaChat, GigaChat Vision, GigaChat Audio и др.). Мы специализируемся на создании и улучшении промптов (prompt-engineering), которые помогут нам развивать наши продукты, повышая качество взаимодействия моделей с пользователями.

Задачи:

• разработка и оптимизация сложных системных и пользовательских промптов
• интеграция LLM через API в продуктовые сценарии
• тестирование промптов, проведение экспериментов и оптимизация их по метрикам качества
• проведение фактчекинга и ревью ответов моделей, устранение галлюцинаций и улучшение стиля
• анализ датасетов, выявление и устранение узких мест
• работа в связке с AI-тренерами, ML-инженерами, аналитиками и продуктовой командой.

Мы ждем от тебя:

• опыт работы с API LLM (GigaChat, OpenAI, Anthropic, локальные модели и др.)
• практический опыт создания и оптимизации системных и пользовательских промптов с применением разных методов (few-shot, zero-shot, chain-of-thought, self-consistency и др), настройки параметров генерации (temperature, top_p, max_tokens и др.) и адаптации промптов под разные сценарии использования модели
• опыт тестирования и оценки промптов
• уверенное владение Python для автоматизации (pandas, requests/httpx, работа с JSON, обработка данных)
• понимание принципов RAG и tool-calling – умение проектировать и реализовывать пайплайны с retrieval-augmented generation; знание подходов к интеграции инструментов (tool-calling) для выполнения внешних функций, работы с API
• понимание принципов работы LLM, этапов обучения моделей и базовых статистических метрик, используемых в ML.

Будет плюсом:

• опыт работы с LangChain, GigaChain или аналогами

• навык написания пайплайнов генерации и валидации промптов

• знание английского языка на уровне чтения технической документации.

• работа в удалённом формате

• ежегодный пересмотр зарплаты и годовая премия

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнероввознаграждение за рекомендацию друзей в команду Сбера.

Мы — команда Causal AI в AI Finance, блок «Финансы» ПАО Сбербанк.

Развиваем решения в области uplift-моделирования, causal inference и сценарного анализа для задач клиентских коммуникаций и оценки эффектов. Нам интересны не только прикладные модели, но и корректная причинно-следственная интерпретация результатов: какие факторы действительно влияют на целевые переменные, как это экспериментально проверить и впоследствии использовать в принятии решений.

• Разрабатывать и внедрять модели оценки влияния различных воздействий на поведение клиентов -- в том числе для ситуаций, когда классические A/B-тесты неприменимы

• Проводить R&D и искать лучшие методы моделирования и интерпретации эффекта

• Участвовать в формализации задач, общаться с заказчиком и предлагать ML-решения

• Взаимодействовать с Data Engineers для построения необходимых витрин и пайплайнов

• Запускать и анализировать A/B-тесты

• Также читаем статьи, разрабатываем свою uplift-платформу, по итогам решения особо интересных задач пишем статьи / выступаем на конференциях.

• Опыт в Python + ML от 3 лет

• Практический опыт работы с классическими uplift-моделями (T-learner, X-learner, DR-learner, IPW, PSM), хорошее понимание теории causal inference

• Понимание основных идей causal discovery, DAG и роли конфаундеров при оценке эффектов

• Умение формулировать гипотезы и проверять их на данных

Будет плюсом:

• Опыт разработки LLM-агентов

• Опыт запуска и анализа A/B-тестов

• Опыт работы с большими данными (Spark, Hadoop)

• Опыт в задачах маркетинга, ценообразования или банковской аналитики.

• Комфортный современный офис рядом с метро

• 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.

Центр практического ИИ — подразделение Сбера, которое занимается сложными AI-проектами и решает нетривиальные задачи банка и экосистемы Сбера.

Наша команда строит и дообучает линейку LLM под банковские сценарии и запускает модели в пром в "жёстких" контурах: локальные устройства / закрытые контуры / строгие SLA по задержкам.

Работа включает полный цикл: данные → дообучение → оценка качества → оптимизация инференса → нагрузочное тестирование → внедрение.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры.

ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Вы будете:

• обучать LLM на GPU-кластерах
• собирать, очищать и готовть датасеты для pre-training и fine-tuning
• анализировать результаты экспериментов и улучшать качество моделей на основе метрик
• оптимизировать инференс, проводить нагрузочное тестирование и внедрять обученные модели.

Мы ожидаем, что вы:

• имеете подтвержденный практический опыт обучения LLM (pre-training, fine-tuning, aligment) в исследовательских или production-задачах
• глубоко понимаете теоретические и практические аспекты LLM: архитектура, токенизация, построение пайплайнов, batching, mixed precitions, распределенное обучение, дебаг неудачных итераций обучения
• имеете опыт разработки на Python от 3 лет, пишете чистый и поддерживаемый код в рамках современных ML-проектов
• внимательно относитесь к деталям и умеете в коммуникацию с людьми.

Будет плюсом, если вы:

• разрабатывали AI-агентов (tool-using, planning, multi-step workflows), знакомы с агентными фреймворками и архитектурами
• умеете пользоваться инструментами логирования экспериментов (Weights & Biases, MLflow, Langfuse и тд.)
• умеете в оптимизацию инференса и хостинг моделей в production
• дизайнили и поддерживали eval-пайплайны для LLM с метриками, дашбордами, экспериментами, и проверками на регрессию моделей.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 2х дней в неделю)
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• 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.

Команда разрабатывает интеллектуальную систему анализа видеоданных. Система позволяет на основе фактов из обработанных видео давать ответы пользователю на открытые вопросы. В основе лежит механизм мультиагентного взаимодействия и передовые модели VLM. Система может использоваться как для простого мониторинга, так и для поддержки принятия сложных управленческих решений.

• анализ требований на разработку инфраструктуры для обработки видеоданных и запуска моделей

• выработка плана решения и реализация исполнения

• разработка моделей компьютерного зрения

• Разработка и поддержка модулей системы

• Внедрение моделей в существующую систему в виде отдельных сервисов

• Оптимизация моделей для промышленного использования и использования на edge-устройствах

• Проведение и документирование экспериментов, результатов и процессов (MLflow, Tensorboard)

• Построение систем для обработки больших объемов данных, работа с видео, фото, видеопотоками

• Опыт работы в разработке высоконагруженных систем / Data Science / CV — от 5 лет

• Хорошие инженерные навыки, понимание общего процесса ИТ-разработки и DevOps процессов

• Хорошее понимание основ классического компьютерного зрения: модель камеры, матрицы гоммографии, ключевые точки и SFM-реконструкция, фильтры и морфология и др

• Глубокое знание Python и стеков для ML/CV: OpenCV, PyTorch

• Знание и понимание основных архитектур моделей для решения CV задач

• Знание и понимание MLOps процесса для моделей

• Умение читать научные статьи (в основном на английском) и быстро тестировать новые подходы

• 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.

Мы разрабатываем AI-помощников для автоматизации поддержки клиентов Сбербанка в каналах чата. Наши решения на основе ML и LLM самостоятельно обрабатывают вопросы, сокращая нагрузку на операторов и обслуживая до 50+ млн клиентов в месяц. В составе команды вы будете отвечать за полный цикл создания AI/ML решений— от генерации идеи до внедрения в высоконагруженный продакшен. Мы ищем NLP Data Scientist’а для разработки и улучшения решений с упором на работу с LLM-моделями, прежде всего GigaChat.

• Разработка и внедрение LLM моделей для решения NLU задач бизнеса (SFT, RAG (Retrieval Augmented Generation), Agents, Summarization, Text Ranking, Text Matching, Language Modeling)

• Дообучение LLM моделей

• Разработка подходов и процессов разметки данных для оценки качества работы LLM

• Формирование и работа с ML пайплайнами: работа с данными, обучение/дообучение NLP моделей, оценка качества решений, поддержка/автоматизация решений

• Оптимизация работы моделей для промышленного контура на CPU/GPU

• Работа с командой бизнес-представителей, DS-разработчиками

• Организация проверки и генерация гипотез для решения технических и бизнес-задач.

• Опыт разработки на python, numpy, sklearn, pandas + библиотеки обработки текстовых данных

• Опыт работы с Pytorch для построения DL текстовых моделей

• Опыт работы с библиотеками LangChain/LangGraph

• Опыт практической работы с LLM через API

• Отличные теоретические знания классического и нейросетевого NLP, в тч LLM

• Опыт дообучения классических трансформеров и LLM

• Практический опыт, эксперименты, внедрение в ПРОД LLM решений

• Опыт prompt-engineering

• Знание sql

• Linux, Git.

Будет плюсом:

• Работа с инструментами Hadoop (HDFS, Hive), Spark

• Опыт постановки и проведения a/b тестов

• Опыт работы с распределенным обучением, глубокое знание GPU архитектуры.

• Комфортный современный офис рядом с м. Кутузовская

• Формат работы - возможен гибрид после испытательного срока

• Ежегодный пересмотр зарплаты, годовая премия

• Корпоративный спортзал и зоны отдыха

• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

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

• Вознаграждение за рекомендацию друзей в команду Сбера.

Команда специализируется на разработке решений для анализа данных дистанционного зондирования Земли (ДЗЗ). Упор делается не только на применение state-of-the-art CV-решений и больших мультимодальных LLM, но и моделей, которые могут быть эффективно использованы на edge-устройствах. Наши проекты включают работу с ДЗЗ для задач экологии, урбанистики, безопасности, автономной навигации.

• Анализ требований на разработку моделей и выработка плана решения

• Разработка моделей компьютерного зрения для обработки данных ДЗЗ (спутниковые снимки, инфракрасная съемка, мультиспектральные данные, ортофотопланы, геопривязанные видео, геопривязанные фото). Задачи: локализация, детекция, семантическая сегментация, детекция изменений, регистрация изображений

• Оптимизация моделей для промышленного использования и использования на edge-устройствах

• Взаимодействие с командой RUN для передачи алгоритмов в production

• Документирование экспериментов, результатов и процессов (MLflow, Tensorboard).

• Опыт работы в Data Science / CV — от 3 лет

• Хорошие инженерные навыки, понимание общего процесса ИТ-разработки и DevOps процессов

• Хорошее понимание основ классического компьютерного зрения: модель камеры, матрицы гоммографии, ключевые точки и SFM-реконструкция, фильтры и морфология, PnP и др

• Глубокое знание Python и стеков для ML/CV: OpenCV, PyTorch

• Знание и понимание основных архитектур моделей для решения CV задач

• Опыт работы с алгоритмами локализации (SLAM, Kalman Filter, Particle Filter, PGO и др.) и алгоритмами регистрации изображений (SIFT, SuperGlue, SuperPoint, Roma, MINIMA-вариации)

• Опыт работы с робототехническими данными ROS/ROS2, работа с сенсорами (лидары, IMU, GPS)

• Умение читать научные статьи (в основном на английском) и быстро тестировать новые подходы

Будет плюсом:

• Публикации или выступления на конференциях (по задачам робототехники, компьютерного зрения или локализации)

• Знание и понимание методов sensor fusion

• Работал ранее с симуляторами (airsim, flightmare, CARLA, Isaac Sim)

• Навыки работы с геоинформационными системами (GIS): QGIS.

• 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.

Мы развиваем платформу обратной связи клиентов и создаем AI-решения для своевременного выделения инсайтов из клиентских опросов и обращений. Наша цель – превратить сырые отзывы в структурированную аналитику, доступную в том числе через AI-ассистента, и сократить путь от фидбэка до продуктового решения.

• Разрабатывать систему обработки опросов CSI: автоматическое выделение тем, динамическое обновление базы знаний и классификацию комментариев с поддержкой новых классов

• Проектировать и разрабатывать AI-агента для аналитики: агент должен отвечать на запросы продуктовых специалистов, опираясь на данные CSI и историю обращений клиентов

• Строить, тестировать и оценивать LLM-пайплайны и RAG-системы, внедрять метрики качества и механизмы обратной связи

• Интегрировать решения в production, писать чистый, поддерживаемый и тестируемый код, участвовать в код-ревью.

• Опыт в NLP и LLM: от классических алгоритмов до трансформеров и генеративных моделей

• Практическая разработка AI-агентов, чат-ботов и LLM-пайплайнов в коммерческих проектах

• Опыт обучения NLP-моделей в задачах классификации и суммаризации.

• Уверенное владение PyTorch, NumPy, Pandas, LangChain, LangGraph (или аналогами)

• Понимание ML-фундамента: опыт работы с динамически расширяемыми классами, few-shot learning или online-learning подходами

• Уверенный Python, Git, SQL, Bash, Docker

• Навык перевода бизнес-требований в технические решения.

Будет плюсом:

• Микросервисная архитектура, проектирование REST API, асинхронная разработка (FastAPI, asyncio, aiohttp, multiprocessing)

• Опыт работы с PostgreSQL, Redis и векторными БД (PGVector, OpenSearch)

• Настройка CI/CD-пайплайнов (GitLab CI, Jenkins, ArgoCD) и деплой в Kubernetes.

• Комфортный современный офис рядом с м. Кутузовская

• Декретная ставка - срочный ТД

• Формат работы - гибрид после испытательного срока

• Ежегодный пересмотр зарплаты, годовая премия

• Корпоративный спортзал и зоны отдыха

• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

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

• Вознаграждение за рекомендацию друзей в команду Сбера.

Центр компетенций по внедрению ИИ-агентов занимается разработкой ИИ-агентов с использованием передовых языковых моделей (LLM) для оптимизации различных процессов Сбера. Наша цель — повышение эффективности процессов Банка и автоматизация задач с помощью новейших технологий в области искусственного интеллекта.

Основные направления нашей деятельности:

• Разработка ИИ-агентов для автоматизации бизнес-процессов
• Участие в дообучении и адаптации LLM на основе внутренних и внешних данных
• Оптимизация и улучшение производственных процессов Сбера с помощью AI

Почему стоит присоединиться к нам:

• Возможность работать с передовыми AI и ML технологиями
• Участие в развитии инновационных сервисов, которые реально влияют на процессы в крупнейшем банке страны
• Работа в дружной и профессиональной команде, нацеленной на достижение высоких результатов
• Возможность участия в международных проектах и конференциях по ИИ и машинному обучению
• Доступ к самым современным ресурсам и инструментам для разработки ИИ-решений

Присоединяйтесь к нашей команде и внесите свой вклад в улучшение производственной системы Сбера!

• Разработка PoC и MVP ИИ-агентов на основе LLM с использованием фреймворков для работы с LLM, таких как LangChain/GigaChain

• Помощь и участие на стадии внедрения ИИ-агентов (вывод в промышленную эксплуатацию)

• Адаптация и обучение языковых моделей (LLM) Сбера с использованием внутренних и внешних данных, Prompt Tuning, RAG

• Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering

• Индексация и ранжирование текстовых документов разной длины

• Взаимодействие с бизнес-заказчиком для выявления требований и постановка задач

• Обеспечение безопасности и конфиденциальности данных в процессе разработки и внедрения ИИ-агентов

• Образование в техническом вузе в сфере компьютерных наук, прикладной математики или статистики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, МИФИ

• Опыт в разработке NLP моделей и рекомендательных систем (желательно)

• Понимание жизненного цикла моделей (CRISP-DM)

• Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов

• Высокий уровень владения ядром Python и SQL

• Свободное владение базовыми библиотеками на Python, в том числе: pandas, numpy, matplotlib, seaborn;

• Знание фреймворков, библиотек, алгоритмов машинного обучения: Scikit-learn, Pytorch, xgboost, catboost, tensorflow, transformers

• Опыт работы с NLP библиотеками: pymorphy2, NLTK, Gensim, spacy, regexp

• Знание фреймворков для работы с LLM, таких как langchain.

• Ипотека по корпоративной ставке

• 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 Виртуальной 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, включая: 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, регулярные внутренние митапы.

Мы ищем Data engineer  в команду развития специализированных витрин данных.

Чем предстоит заниматься:

• разрабатывать и поддерживать витрины данных в облачной экосистеме

• проектировать и улучшать архитектуру системы

• разрабатывать и оптимизировать пайплайны обработки данных/ETL на Python / Scala, а также помогать другим командам

• внедрять контроль качества данных (SODA).

• высшее образование

• опыт в аналогичной роли от 3 лет

• понимание принципов модели распределенных вычислений

• опыт в поиске, обработке и построении витрин данных при помощи Spark и SQL

• опыт промышленной разработки на стеке Scala/Java/Python

• знание и опыт использования инструментов по обработке больших данных (Spark, Trino, Polars и др.)

• опыт работы со стримингом (Flink, Spark Streaming, Kafka и др.)

• хорошие знания SQL, опыт работы с одной из реляционной БД - Oracle/PostgreSQL/mySQL/MS SQL Server

• опыт работы с S3, HDFS

• знание любого оркестратора (AirFlow/Oozie/Dagster/Argo Workflows)

• понимание подходов к организации разработки (CI/CD, DevOps).

Будет плюсом:

• опыт работы с Iceberg

• опыт работы с DataHub/OpenMetaData

• опыт работы с SODA/GreateExpectation

• опыт работы с ClickHouse

• опыт работы с Kubernetes

• навыки работы с генеративными AI-моделями

• опыт создания AI-агентов и использования их в работе будет преимуществом.

• офис рядом с метро Маяковская

• гибридный формат работы

• годовой бонус и ежегодный пересмотр

• расширенный ДМС с первого дня + стоматология и льготное страхование для семьи

• корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях

• 90 дней удаленной работы из любого региона РФ

• льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+, скидки от партнеров и сервисов группы компаний.

Мы — команда Data Science департамента «Занять и сберегать» (Управление искусственного интеллекта и исследования данных).

Ключевое направление, в котором вы будете работать:

• Разработка и внедрение сложных ML-решений для автоматизации и интеллектуальной аналитики в сфере автоиндустрии. Ваши модели будут напрямую влиять на ключевые бизнес-процессы и приниматься миллионами пользователей.

• разработка и поддержка ПРОМ дистрибутивов моделей

• проведение моделей через стенды тестирования

• автоматизировать процессы CI/CD для ML-проектов, работа с конвейером CI/CD

• обеспечивать выполнение потоков по расписанию и в ручном режиме

• взаимодействовать с DE/DS по формированию inference pipeline, с архитекторами и бэковыми системами по поводу размещения и настройки MEF-контейнеров и сопутствующих интеграций

• работа со следующими средами исполнения: ПИМ (пакетное исполнение моделей) для оффлайн батчевого скоринга по расписанию и MEF (model execution framework) для онлайн-моделей в виде сервиса (скоринг по запросу).

• опыт работы с MLOps-инструментами (Jenkins, Nexus, MLFLow, AirFlow).

• понимание принципов CI/CD для ML

• опыт работы с платформами интеграции моделей (ПИМ) и/или Model Exchange Framework (MEF) будет вашим преимуществом

• навыки работы с контейнерами (Docker, Kubernetes)

• уверенное владение Python, Bash, Git, PySpark, SQL

• понимание принципов мониторинга и логирования ML-систем,

• способность самостоятельно идентифицировать проблему и искать оптимальное ее решение.

• комфортный современный офис рядом с м. Кутузовская

• формат работы - фул-офис 5\2

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

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

• вознаграждение за рекомендацию друзей в команду Сбера.

ы строим AI-платформу для юристов (GigaLegal): LLM-агенты, RAG, high-load inference и интеграции с внешними системами.

Ищем DevOps-инженера, который поможет собрать и масштабировать инфраструктуру под реальные прод-нагрузки в разных средах.

• разворачивание и поддержка Kubernetes

• работа с GPU-инфраструктурой (A100 / V100)

• настройка CI/CD (GitOps, Helm, ArgoCD)

• мониторинг и логирование (Prometheus, Grafana, Loki)

• обеспечение отказоустойчивости и масштабирования.

• оконченное высшее образование

• опыт DevOps / SRE от 3 лет

• опыт работы с Kubernetes

• Docker, CI/CD, мониторинг

• опыт работы и настройки SOWA

• опыт разработки high-load систем

• будет плюсом работа с ML / LLM / GPU.

• формат работы офис на испытательном сроке, делее гибрид обсуждаем, локация офиса ул Вавилова д.19

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

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

• вознаграждение за рекомендацию друзей в команду Сбера.

В VK Tech строим высоконагруженное хранилище данных, которое обслуживает ключевые аналитические и бизнес-задачи.

Сейчас наша вычислительная платформа — YTsaurus (YT), но мы также используем экосистему Hadoop/Spark. Рассматриваем возможность миграции на свою платформу в виде S3 + Spark.

У нас можно получить уникальный опыт: не просто читать статьи про Spark, а переписывать пайплайны, сравнивать подходы, настраивать performance и участвовать в принятии архитектурных решений. Это даст вам глубокое понимание обеих экосистем. 

Задачи

• разрабатывать и поддерживать ETL/ELT-процессы с использованием Python и Airflow;
• оптимизировать запросы и распределённые вычисления под ClickHouse и YT;
• мониторить состояние ETL-процессов, обеспечивать их надёжность и наблюдаемость;
• помогать аналитикам с оптимизацией их SQL-запросов и структур данных;
• проектировать и поддерживать хранилище данных VK Tech (схемы, витрины, SCD);
• участвовать в миграции вычислительной платформы с YT на Hadoop/Spark.

Требования

• опыт разработки и поддержки ETL-процессов на Python + Airflow;
• уверенное знание SQL (JOIN, оконные функции, CTE, агрегации);
• понимание концепций DWH: витрины данных, медленно меняющиеся измерения (SCD), слои raw/ods/cdm/dds;
• опыт оптимизации запросов в распределённых системах (ClickHouse или Spark);
• знание Git (ветки, коммиты, pull requests, code review);
• умение читать и анализировать чужой код.

Будет плюсом

• реальный опыт с YTsaurus (YT);
• коммерческий или уверенный учебный опыт с Hadoop/Spark;
• опыт миграции пайплайнов с одной вычислительной платформы на другую;
• навыки работы с DBT (у нас есть свой похожий инструмент);
• понимание жизненного цикла данных (загрузка, трансформация, выгрузка).

Нам нужен специалист для разработки и интеграции алгоритмов навигации и восприятия для автономных БПЛА. Задачи ставятся на стыке робототехники, компьютерного зрения и прикладной математики.

Наша команда постоянно исследует новые горизонты, тестируя различные гипотезы и создавая исследовательские центры в рамках стратегических приоритетов компании.

• Анализ существующих методов навигации и локализации, подбором оптимального решения под задачу и ограничения платформы (visual place recognition, одометрия, корреляционно-экстремальная навигация и др.)

• применение современных нейросетевых моделей для задач навигации и восприятия (feature matching, place recognition, object detection)

• реализация сенсорного слияния на основе байесовской фильтрации и оптимизации

• разработка ROS2-модулей и их отладкой — от симулятора и rosbag до лётных испытаний

• оптимизация и развёртывание нейросетевых моделей на встраиваемых GPU-платформах (Nvidia Jetson Orin NX)

• интеграция различных сенсорных модальностей: RGB-камеры, LWIR/тепловизоры, event-камеры, лидары

• опыт работы с ROS/ROS2

• уверенный Python (PyTorch, NumPy, SciPy, OpenCV)

• понимание 3D-геометрии: кватернионы, матрицы поворота, SE(3), проективная геометрия

• знание байесовских фильтров (EKF, Particle Filter) и принципов сенсорного слияния

• понимание архитектур нейронных сетей (CNN, Vision Transformers) на уровне, достаточном для подбора и развёртывания моделей

• умение читать научные статьи и находить подходящие методы под задачу

• Git, Linux

Будет плюсом:

• умение реализовывать алгоритмы по публикациям

• опыт обучения/дообучения нейросетей

• опыт работы с задачами visual place recognition, visual/LiDAR odometry, SLAM

• опыт оптимизации моделей: TensorRT, ONNX Runtime, квантизация (INT8/FP16)

• опыт работы с Nvidia Jetson (Orin NX/AGX Orin)

• опыт работы с нестандартными сенсорами: тепловизионные камеры, event-камеры, лидары

• знание C++/CUDA для высокопроизводительных вычислений

• опыт работы с реальными роботизированными платформами

• 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

• офисный формат в Москве (Сколтех)

• ежегодный пересмотр зарплаты и годовая премия

• расширенный ДМС и льготное страхование для семьи

• уникальная система обучения Сбера для профессионального и карьерного развития

• выгодная ипотека для сотрудников

• бесплатная подписка СберПрайм+, скидки на продукты компании-партнёров

• вознаграждение за рекомендацию друзей в команду Сбера

• корпоративная пенсионная программа.

О компании и проекте

WineSpot — это передовая AI-платформа, созданная специально для винодельческих предприятий. Мы автоматизируем коммуникацию с клиентами через SMS, email и веб-чат, обеспечиваем интеграцию с системами как Commerce7, RedChirp, Tock и другими. Наша миссия — помочь винодельням мгновенно отвечать на запросы гостей, управлять бронированиями и рассылками, снижая нагрузку на команду, особенно в пиковые сезоны.

Этот проект создаётся для иностранной компании и обладает значительным потенциалом роста — отличный шанс не только погрузиться в международное профессиональное окружение, но и развивать навыки работы с передовыми технологиями на глобальном рынке.

Что вам предстоит делать:

• Разработка и оптимизация промптов: проектирование цепочек инструкций, системных промптов для бизнес-задач, A/B-тестирование вариантов.
• Интеграция LLM в веб-приложения.
• Контроль качества моделей: разработка и мониторинг метрик точности и безопасности, контроль галлюцинаций.
• Работа с Retrieval-Augmented Generation (RAG), опыт с векторными хранилищами данных.
• Понимание и настройка FineTuning моделей.
• Знание облачных платформ и AI-инструментов: OpenAI, Azure, Anthropic, Gemini и другие.
• Документирование архитектуры решений, создание гайдлайнов и инструкций для команды.

• Опыт промт-инжиниринга: от 1 года практической работы с GPT-подобными моделями.
• Знание техник few-shot, chain-of-thought, self-consistency.
• Опыт разработки backend и работы с базами данных.
• Уверенное владение LLM API: OpenAI, Anthropic, Google AI, open-source модели (LLaMA, Mistral).
• Работа с базами данных: PostgreSQL, Redis, векторные БД (Pinecone, Weaviate, pgvector).
• Опыт в DevOps будет плюсом: Docker, CI/CD, облачные сервисы (AWS, GCP, Yandex Cloud).

Условия:

• Гибкий график работы / удаленная работа.
• Работа в команде профессионалов.
• Возможности профессионального развития и обучения новым технологиям.
• Оформление самозанятость.

Если ты: Имеешь опыт работы с LLM и AI-инструментами, страсть к инновациям и желаешь работать в динамичной команде — ждем твоего отклика!

Всем привет!

Мы в поисках AI Developer - Claude API & Автоматизация 💥

Требования:

- 2+ года опыта разработки

- Уверенный Python или JavaScript

- Реальный опыт создания AI автоматизаций (обязательно!)

- Опыт работы с LLM API (Claude/OpenAI/Anthropic)

- Создавал AI агентов с function calling/tools

- API интеграции (REST, webhooks)

- Умеешь разбираться в документации самостоятельно

Must have:

Опыт работы с LLM API (Claude/OpenAI)

Nice to have:

- Опыт с n8n/Zapier/Make

- Работал с CRM системами

- Понимание бизнес-процессов

Обязанности:

- Создавать AI агентов на Claude API (function calling, tools)

- Строить автоматизации и workflow (n8n, Zapier, Make)

- Интегрировать с API (CRM, базы данных, внешние сервисы)

- Backend разработка (Python или JavaScript)

- Работать с руководителями отделов — понимать их процессы

- Превращать ручную работу в AI-автоматизации

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, правильно выбирать следующую серию любимого сериала, продолжать просмотр с нужного места и получать релевантные рекомендации без дублей и некачественных копий.

Команда будет заниматься end-to-end развитием киносериальных рекомендаций: анализировать пользовательское поведение, 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 — команда будет отвечать не только за модели, но и за качество пользовательских сценариев

Задачи

• Руководить командой ML-инженеров и бэкенд-разработчиков: нанимать, развивать людей и выстраивать процессы
• Быть техническим владельцем направления и отвечать за качество рекомендаций фильмов и сериалов
• Формировать цели команды и декомпозировать их в понятные, достижимые задачи
• Проводить A/B-эксперименты, анализировать метрики и пользовательское поведение
• Выстраивать эффективное взаимодействие с продуктом, аналитиками, бэкендом и смежными ML-командами

Требования

• Руководили технической командой — ML или разработки — не менее двух лет
• Обладаете хорошими знаниями алгоритмов, структур данных и основ машинного обучения
• Имеете практический опыт разработки на Python, Java или C++
• Работали с ML-решениями в условиях высокой нагрузки
• Умеете работать с продуктовыми метриками, A/B-тестами и пользовательскими гипотезами

Будет плюсом

• Работали с рекомендательными, поисковыми или рекламными системами
• Имеете опыт работы с большими данными
• Работали с видео, медиа, UGC или стриминговыми продуктами
• Сталкивались с задачами матчинга или дедупликации

Приглашаем исследователей в области машинного обучения в команду Рекомендательных систем и персонализации Центра практического ИИ. Центр практического искусственного интеллекта - стратегическое подразделение Сбера, создающее наукоемкие технологии.

Мы создаем новые алгоритмы рекомендательных систем и адаптируем SOTA-подходы для задач банка и компаний-партнеров, помогаем бизнесу внедрять новые технологии. Также мы разрабатываем собственные open-source фреймворки и публикуем результаты наших исследований на международных конференциях уровня A/A*. Приглашаем присоединиться к исследованиям и прикладным проектам в области рекомендательных технологий, DL-моделей для последовательных данных и подходов на стыке LLM и RecSys.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Наши задачи:

• развиваем библиотеку для рекомендательных систем RePlay https://github.com/sb-ai-lab/RePlay
• разрабатываем и улучшаем алгоритмы рекомендательных систем
• разрабатываем и обучаем трансформерные модели на последовательностях событий
• проводим исследования в области sequential recommendations, LLM для рекомендаций, foundation models для событийных данных
• пишем статьи и выступаем на ведущих мировых и российских конференциях.

Мы ожидаем:

• опыт работы от 2 лет в области, связанной с RecSys / DL / NLP
• умение писать читаемый и хорошо структурированный код на python
• умение работать с git
• знание стандартных библиотек и фреймворков (numpy, pandas, polars, scikit-learn, pytorch, pytorch-lightning, transformers)
• навыки организации и воспроизводимого проведения ML-экспериментов (Hydra, Сlearml, Mlflow, W&B, Neptune)
• опыт разработки и обучения моделей с помощью pytorch
• знание математики, глубокое понимание классического ML и современных методов DL, широкий кругозор в ML в целом
• понимание современных Transformer-based архитектур для работы с последовательностями
• знание ключевых рекомендательных подходов и методов их оценки
• умение читать, анализировать и воспроизводить научные статьи.

Будет плюсом:

• опыт успешного участия в ML соревнованиях и хакатонах
• опыт написания научных статей, наличие публикаций
• понимание принципов работы современных LLM и LLM-агентов.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• 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.

Центр практического искусственного интеллекта занимается разработкой и внедрением высокотехнологичных AI-инструментов.

Задачи берутся из повседневной практики бизнеса.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Вы будете:

• разрабатывать, оптимизировать и поддерживать NLP/мультимодальные пайплайны, включая RAG-системы и ассистентов для бизнес-задач
• создавать и развивать ИИ-агентов и мультиагентные системы (workflow-оркестрация, планирование, инструменты, memory-модули, интеграции с сервисами банка)
• участвовать в формировании и проверке гипотез для улучшения качества моделей и пайплайнов
• интегрировать агентские пайплайны в высоконагруженные сервисы банка, обеспечивая стабильность, производительность и мониторинг
• адаптировать и внедрять результаты исследований в прикладные решения
• разрабатывать сервисы вокруг моделей: API-слои, микросервисы, inference-скрипты, CI/CD для ML
• обеспечивать качество кода и следить за инженерными практиками (тестирование, логирование, мониторинг)
• участвовать в выборе и настройке инфраструктуры для инференса и обучения.

Требования:

• уверенные технические навыки
• глубокие знания NLP и уверенная база в классическом ML
• опыт разработки RAG-систем, ML-ассистентов, работа с векторными хранилищами и retrieval-стеком
• опыт разработки и продакшен-внедрения ML-сервисов
• отличное знание Python, опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью
• опыт работы с мультиагентными фреймворками (LangGraph, LlamaIndex или другие)
• уверенное владение инструментами разработки и инфраструктуры: bash, Docker/Openshift/Kubernetes, Git
• опыт упаковки моделей в сервисы и интерфейсы (FastAPI, Flask, Tornado; будет плюсом UI-фреймворки типа StreamLit/ChainLit)
• понимание технологий инференса и обучения больших моделей (vLLM, DeepSpeed, Accelerate)
• опыт интеграции генеративных моделей в реальные бизнес-процессы
• знание CI/CD для ML/infra (GitLab CI/GitHub Actions/ArgoCD)
• навыки профилирования, оптимизации и мониторинга систем в проде (Prometheus/Grafana/OpenTelemetry)
• понимание MLOps-паттернов: feature store, model registry, rollout/rollback стратегий.

Будет плюсом:

• опыт работы с мультимодальными моделями (Vision/Audio LLMs)
• опыт распределённого обучения и оптимизации больших моделей.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• офисный формат работы (возможно обсудить гибрид после исп.срока)
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• 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.

Чем предстоит заниматься:

• Обеспечивать разработку, внедрение и развитие корпоративных решений на базе больших языковых моделей для автоматизации бизнес-процессов, повышения производительности сотрудников, улучшения качества принятия решений и создания измеримого бизнес-эффекта для компаний Холдинга.
• Участвовать в полном цикле разработки AI/ML-решения: от гипотез и прототипов до запуска в production и последующего мониторинга;
• Разрабатывать, тестировать и внедрять end-to-end решения на базе LLM: диалоговых агентов, RAG и LLM workflows;
• Оптимизировать производительность, качество и стоимость использования LLM в продуктовых сценариях;
• Вести техническую документацию, участвовать в оценке инициатив и консультировать бизнес юниты по вопросам применения LLM.

Мы предлагаем:​​​​

• Возможность присоединиться к профессиональной, высоко мотивированной и результативной команде из 200+ сотрудников R1, перспективы карьерного роста;
• Официальное трудоустройство в аккредитованный IT-актив компании ООО "Эр-1", оплачиваемые отпуск, командировки, больничные;
• Работу в офисе в одном из городов присутствия R1 на ваш выбор - Москва, Санкт-Петербург, Пермь;
• Рыночную заработную плату по результатам собеседования;
• ДМС со стоматологией после испытательного срока, 100% компенсацию больничного;
• Комфортные офисные условия;
• Корпоративные программы от наших партнеров;
• Бонусное подключение к телеком-услугам Дом.ru по тарифу «Сотрудник»;
• Яркую корпоративная жизнь и дружелюбную атмосферу в коллективе профессионалов!

Мы ждём от кандидатов:

• Опыт работы на позиции Data Scientist, ML инженер, LLM инженер (уровень Senior);
• Опыт работы с машинным обучением, фреймворками и инструментами, связанными с LLM;
• Опыт разработки высоконагруженных AI/ML сервисов (с фокусом на LLM);
• Знание популярных библиотек и фреймворков для машинного обучения (например, TensorFlow, PyTorch, Scikit-learn, PEFT, vLLM);
• Понимание архитектур LLM и опыт файнтюнинга под продуктовые задачи (SFT, PEFT, RLHF, LoRA, PPO, DPO, GRPO);
• Знание LLM-фреймворков (langchain, langgraph или аналоги) и подходов к разработке AI-агентов (function calling, structured output, context engineering);
• Знание методов оценки качества LLM-решений;
• Знание языков программирования: Python, SQL, PySpark;
• Глубокое понимание математических основ, включая статистику и линейную алгебру.

Chief Data Scientist — ведущий научный эксперт AI-департамента, отвечающий за методологическую состоятельность и техническое качество всех решений на основе данных и моделей машинного обучения. Это не управленец в классическом понимании: это человек, который определяет, как правильно решать задачу технически, задаёт научные стандарты для команды и лично участвует в разработке наиболее сложных решений. Он работает на стыке исследований и промышленного применения — именно этот баланс является ключевым требованием к кандидату.
Роль предполагает тесное взаимодействие с руководителем центра R&D, директором по продукту и командами AI-инженеров. Chief Data Scientist не дублирует функции руководителя R&D-центра — он является его научным партнёром и главным арбитром в вопросах методологии и качества моделей.

Чем предстоит заниматься:

• Осуществлять научное руководство и управлять методологией: определять подходы к решению задач машинного обучения внутри компании; устанавливать методологические стандарты — от постановки задачи до оценки результата; нести ответственность за научную корректность принимаемых решений;
• Разрабатывать и внедрять сложные модели: лично участвовать в создании ключевых моделей — рекомендательных систем, моделей оценки рисков, персонализации клиентского опыта, предиктивной аналитики по брокерским данным; писать код и проводить эксперименты самостоятельно;
• Оценивать и выбирать подходы: анализировать применимость различных архитектур и методов — больших языковых моделей, классического машинного обучения, статистических методов — к конкретным задачам брокерской деятельности; осуществлять обоснованный выбор между ними;
• Стандартизировать качество моделей: разрабатывать внутренние критерии оценки качества моделей; проводить и методологически руководить оценкой существующих и новых решений перед их выводом в эксплуатацию; принимать участие в построении систем мониторинга деградации моделей;
• Работать с данными: формировать требования к данным для обучения и оценки моделей; взаимодействовать с командами данных по вопросам качества, разметки, хранения и доступа; выявлять и устранять системные проблемы с данными, влияющие на качество решений;
• Развивать научный уровень команды: курировать специалистов по данным и машинному обучению; проводить внутренние технические обзоры и разбор решений; формировать культуру воспроизводимых экспериментов и обоснованных технических решений;
• Представлять научную позицию: участвовать в обсуждениях с руководством и бизнесом в роли главного технического эксперта по вопросам моделей и данных; объяснять технические ограничения и возможности на языке бизнес-эффекта.

Наши ожидания:

• 7+ лет в области науки о данных или разработки моделей, из них 2+ года в роли ведущего специалиста или технического руководителя;
• Глубокая техническая экспертиза в машинном обучении: уверенное владение современными архитектурами (трансформеры, градиентный бустинг, рекомендательные системы), методами оценки моделей, статистическими подходами;
• Практический опыт работы с большими языковыми моделями: тонкая настройка, построение систем на основе баз знаний, оценка качества генерации, снижение галлюцинаций;
• Уверенное владение Python и ключевыми библиотеками для работы с данными и моделями (PyTorch, scikit-learn, pandas и аналоги);
• Опыт вывода моделей в промышленную эксплуатацию: понимание полного цикла от исследования до работающего решения;
• Опыт работы с финансовыми или временными рядами данных будет значительным преимуществом.

Будет плюсом:

• Публикации, выступления на профессиональных конференциях или значимые открытые проекты;
• Опыт в задачах финансового домена: оценка рисков, обнаружение аномалий, персонализация инвестиционных рекомендаций, анализ клиентского поведения;
• Опыт построения систем оценки качества языковых моделей (автоматические метрики, оценка с помощью модели-судьи);
• Знакомство с требованиями к объяснимости и аудируемости моделей в регулируемой отрасли.

Мы предлагаем:

• Удаленный или гибридный формат работы;
• График работы 5/2 с 9:30 до 18:00 по Москве;
• Работу в компании — лидере инвестиционного рынка;
• Современный стек технологий, амбициозные проекты;
• Возможность карьерного роста (сессии продвижения для результативных сотрудников);
• Расширенную программу ДМС с первой недели работы (стоматология, страхование жизни, страхование выезжающих за рубеж, психолог, телемедицина, возможность подключить родственников к программе ДМС по корпоративным тарифам);
• Скидки на фитнес-клубы (WorldClass, Х-Fit и др.), спортивные сообщества (бег, футбол, волейбол, хоккей, баскетбол). А еще у нас есть клуб любителей настольных игр;
• Тренинги, программу «БКС Среда» — цикл мероприятий с внешними и внутренними спикерами по ключевым темам в экономике, бизнесе, финансах, технологиях и искусстве;
• Насыщенную корпоративную жизнь офлайн: Новый год, день рождения компании, тимбилдинги, совместные выезды по интересам;
• Мероприятия для детей сотрудников (новогодние елки, День защиты детей, подарки на 1 сентября и Новый год);
• Льготные условия банковского обслуживания, корпоративные скидки BestBenefits (на услуги туристических агентств, обучение, продукты питания, в ресторанах и барах, в магазинах и салонах красоты и т.д.).

Если ты активно работаешь с Claude Code или Cursor — эта вакансия для тебя.

О нашей миссии:

Мы — стабильная прибыльная юридическая компания (5 500+ клиентов, работаем с 2019 года по всей России).

Наша цель — стать первой AI-компанией на юридическом рынке и создать востребованный AI-продукт для России. Строим AI-систему управления бизнесом.

Редкое сочетание: стабильность проверенного бизнеса и драйв технологического стартапа.

Чем предстоит заниматься

— Находить то, где ИИ даст максимальный эффект, и самому их запускать — от идеи до результата

— Внедрять AI-решения во все процессы: маркетинг, продажи, клиентский сервис, операционка

— Автоматизировать рутину через ИИ-инструменты и агентов

— Тестировать новые инструменты и внедрять те, что реально работают

— Развивать AI-систему управления компанией: наша конечная цель — что ИИ + несколько руководителей управляют компанией через ИИ-агентов.

Ты — идеальный кандидат, если:

— Уверенно работаешь с Claude Code, Cursor или аналогами — не просто ChatGPT в браузере

— Умеешь писать эффективные промпты и видишь разницу между хорошим и плохим результатом

— Разбираешься в Git — это часть повседневной работы

— Есть платные подписки на AI-инструменты

— Доводишь задачи до конца — не «сделал на 80% и закрыл»

— Мыслишь системно: сам видишь следующий шаг, не ждёшь пинка каждый день

Будет плюсом

— Опыт с MCP, n8n, Telegram Bot API, Notion API

— Опыт с Voice AI (ElevenLabs, Vapi)

— Опыт с CRM (Bitrix24)

— Английский язык

Что мы предлагаем

— Работу напрямую с собственником, который сам в Claude Code каждый день и глубоко в теме AI — не нужно объяснять, что такое промпт или MCP

— Реальное влияние: твои идеи внедряются быстро, результат виден сразу

— Бесплатный курс AI-трансформации бизнеса стоимостью €1 500

— AI-first среда: передовые инструменты, нестандартные задачи, никакого Excel-болота

— Полная удалёнка, гибкий формат — от part-time до full-time по договорённости

— По деньгам: готовы услышать твои предложения, у нас все гибко — от оплаты за сделку / от 50 000 рублей за парт-тайм и до сотен тысяч (при окупаемости) и бизнес-партнерства.

Если ты видишь в этой вакансии своё будущее и готов применять свои знания в области ИИ для реальных бизнес-результатов — откликайся сейчас, тк эта вакансия закроется очень быстро!

Если читаешь эту вакансию, а она была выложена давно, все равно откликайся.

Мы - команда разработки Аналитической Платформы (АПЛ) розничного взыскания, занимаемся разработкой дата-продуктов на основе большого объема данных и ищем высоквалифицированного разработчика / дата инженера хранилища данных, способного принять активное участие в развитии нашей аналитической платформы (тех стек Greenplum / PostgreSQL / Hadoop).

АПЛ - это платформа с 3000+ активных пользователей, предоставляющая возможность разработки аналитических продуктов на основе современной микросервисной архитектуры с использованием стека Greenplum, PostgreSQL, Openshift, Hadoop экосистемы (Spark и т.д. ), Apache Airflow, Python, Java, Java script.

Задачи:

• поиск и анализ источников данных
• аналитика и проектирование витрин данных под потребности бизнес-заказчиков
• разработка витрин данных на основе Greenplum (PL/pgSQL) и Hadoop (Java spark) и вывод их в пром в соответствии с банковским релизным процессом
• подготовка и сборка дистрибутивов, сопровождение по стендам разработки и тестирования
• разработка решений потоковой обработки данных в режиме Near Real Time (NRT) и пакетной(Batch)
• выстраивание и оптимизация производительности ETL-процессов
• оптимизация существующих разработок
• разработка и поддержка сопроводительной документации и спецификаций данных, базы знаний по вопросам работы с данными.

Мы ждем от кандидата:

• опыт работы дата-инженером от 2-х лет с MPP и реляционными СУБД: Greenplum, PostgreSQL, способность выбирать архитектурные паттерны, связанные с этими особенностями будет являться преимуществом
• уверенное знание SQL: агрегатные, аналитические функции, опыт написания и оптимизации сложных запросов, программных единиц на PL/pgSQL
• опыт разработки и внедрения корпоративных хранилищ данных (DWH)
• опыт работы с CI/CD решениями на базе Jenkins и Bitbucket/Git
• навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом.

Мы предлагаем:

• комфортный офис по адресу г. Новосибирск
• 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
• вознаграждение за рекомендацию друзей в команду Сбера.

Центр практического искусственного интеллекта занимается разработкой и внедрением высокотехнологичных AI-инструментов.

Задачи берутся из повседневной практики бизнеса.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Вы будете:

• разрабатывать, оптимизировать и поддерживать NLP/мультимодальные пайплайны, включая RAG-системы и ассистентов для бизнес-задач
• создавать и развивать ИИ-агентов и мультиагентные системы (workflow-оркестрация, планирование, инструменты, memory-модули, интеграции с сервисами банка)
• участвовать в формировании и проверке гипотез для улучшения качества моделей и пайплайнов
• интегрировать агентские пайплайны в высоконагруженные сервисы банка, обеспечивая стабильность, производительность и мониторинг
• адаптировать и внедрять результаты исследований в прикладные решения
• разрабатывать сервисы вокруг моделей: API-слои, микросервисы, inference-скрипты, CI/CD для ML
• обеспечивать качество кода и следить за инженерными практиками (тестирование, логирование, мониторинг)
• участвовать в выборе и настройке инфраструктуры для инференса и обучения.

Требования:

• уверенные технические навыки
• глубокие знания NLP и уверенная база в классическом ML
• опыт разработки RAG-систем, ML-ассистентов, работа с векторными хранилищами и retrieval-стеком
• опыт разработки и продакшен-внедрения ML-сервисов
• отличное знание Python, опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью
• опыт работы с мультиагентными фреймворками (LangGraph, LlamaIndex или другие)
• уверенное владение инструментами разработки и инфраструктуры: bash, Docker/Openshift/Kubernetes, Git
• опыт упаковки моделей в сервисы и интерфейсы (FastAPI, Flask, Tornado; будет плюсом UI-фреймворки типа StreamLit/ChainLit)
• понимание технологий инференса и обучения больших моделей (vLLM, DeepSpeed, Accelerate)
• опыт интеграции генеративных моделей в реальные бизнес-процессы
• знание CI/CD для ML/infra (GitLab CI/GitHub Actions/ArgoCD)
• навыки профилирования, оптимизации и мониторинга систем в проде (Prometheus/Grafana/OpenTelemetry)
• понимание MLOps-паттернов: feature store, model registry, rollout/rollback стратегий.

Будет плюсом:

• опыт работы с мультимодальными моделями (Vision/Audio LLMs)
• опыт распределённого обучения и оптимизации больших моделей.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• офисный формат работы (возможно обсудить гибрид после исп.срока)
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• 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.

Приглашаем исследователей в области машинного обучения в команду Рекомендательных систем и персонализации Центра практического ИИ. Центр практического искусственного интеллекта - стратегическое подразделение Сбера, создающее наукоемкие технологии.

Мы создаем новые алгоритмы рекомендательных систем и адаптируем SOTA-подходы для задач банка и компаний-партнеров, помогаем бизнесу внедрять новые технологии. Также мы разрабатываем собственные open-source фреймворки и публикуем результаты наших исследований на международных конференциях уровня A/A*. Приглашаем присоединиться к исследованиям и прикладным проектам в области рекомендательных технологий, DL-моделей для последовательных данных и подходов на стыке LLM и RecSys.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в телеграмме, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Наши задачи:

• развиваем библиотеку для рекомендательных систем RePlay https://github.com/sb-ai-lab/RePlay
• разрабатываем и улучшаем алгоритмы рекомендательных систем
• разрабатываем и обучаем трансформерные модели на последовательностях событий
• проводим исследования в области sequential recommendations, LLM для рекомендаций, foundation models для событийных данных
• пишем статьи и выступаем на ведущих мировых и российских конференциях.

Мы ожидаем:

• опыт работы от 2 лет в области, связанной с RecSys / DL / NLP
• умение писать читаемый и хорошо структурированный код на python
• умение работать с git
• знание стандартных библиотек и фреймворков (numpy, pandas, polars, scikit-learn, pytorch, pytorch-lightning, transformers)
• навыки организации и воспроизводимого проведения ML-экспериментов (Hydra, Сlearml, Mlflow, W&B, Neptune)
• опыт разработки и обучения моделей с помощью pytorch
• знание математики, глубокое понимание классического ML и современных методов DL, широкий кругозор в ML в целом
• понимание современных Transformer-based архитектур для работы с последовательностями
• знание ключевых рекомендательных подходов и методов их оценки
• умение читать, анализировать и воспроизводить научные статьи.

Будет плюсом:

• опыт успешного участия в ML соревнованиях и хакатонах
• опыт написания научных статей, наличие публикаций
• понимание принципов работы современных LLM и LLM-агентов.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• 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.

AI Automation Engineer / AI Operations Manager (vibecoding)/ Инженер по автоматизации бизнес‑процессов с использованием ИИ.

Снова открыл вакансию «ИИ-специалиста» и зевнул? «Знание ChatGPT», «опыт с нейросетями», «ищем проактивного сотрудника в дружный коллектив». Мы тоже от этого устали. Поэтому пишем как есть!

Мы — beoma. Делаем товары для беременности и материнства (бандажи, бра для кормления, послеродовое восстановление и не только) и продаём их на Wildberries и Ozon. Растём быстро: десятки миллионов выручки в месяц, новые продукты, новые рынки. И в этом росте у нас накопилась куча ручной рутины, которую давно пора отдать машине.

Нам нужен человек, который живёт вайбкодингом, а не просто иногда открывает Claude. Тот, кто видит ручной процесс и думает: “Это же можно запрогать за вечер”. И прогает.)

ЧТО ПРЕДСТОИТ СДЕЛАТЬ
Мы описываем роль не списком обязанностей, а результатами. Вот примеры автоматизаций, с которых начнем:

— Настроить: передачу контекста всего бизнеса в Claude автоматически: задачи и данные из Битрикс CRM, транскрибации всех созвонов, корпоративный Google Drive, чаты в Telegram. Чтобы ИИ был в курсе всего, что происходит в компании.
— Автоматический расчёт товародвижения и всей цепочки поставок: (фабрики) → Москва → склады маркетплейсов. Чтобы мы всегда знали, что где едет, сколько есть и сколько куда надо поставить.
— Кастомный дашборд аналитики — информационная система бизнеса, которую мы постоянно будем допиливать.
— WeChat-докладчик: парсит все наши чаты с фабриками и всегда в курсе договорённостей — кто что делает и о чём договорились.
— Telegram-бот по бизнесу (база знаний всего что происходит в компании): любой сотрудник спросил — получил ответ. Где что лежит, что обсуждали и когда. База знаний всей компании в одном окне.
- И так далее…

ЧТО ПРЕДЛАГАЕМ
— Удалёнка, 5/2. Основные рабочие часы — по МСК. Нам важен результат, а не просиженное кресло.
— Зарплата — обсуждаем по итогам собеседования, честно и по твоему уровню. Покажешь сильные кейсы — договоримся быстро. Растёшь в результатах — растёт и доход.
— Реальный стек, а не легаси: Claude, Claude Code, Cursor, Codex, n8n. Работаешь с тем, что на острие, а не с тем, что устарело 3 года назад.
— Свобода в инструментах: предлагаешь подход — пробуем. Никаких “делай только так, потому что так принято”.
— Оплачиваемое обучение: курсы, сервисы, подписки, внутренние разборы новых инструментов.
— Влияние на бизнес напрямую: твои автоматизации видят и используют все, включая основателя. Никакой бюрократии и согласований на три недели.

НАШ ИДЕАЛЬНЫЙ КАНДИДАТ
Если читаешь это и узнаёшь себя — нам по пути:
— Живёшь в теме ИИ: следишь за апдейтами, знаешь экспертов, внедряешь новое раньше других.
— 1–3 года реально строишь автоматизации: Telegram-боты, AI-ассистенты на Claude / OpenAI / Gemini, интеграции через n8n / Make / Zapier.
— Работал с базами данных (Supabase, Airtable, Notion, PostgreSQL), делал дашборды и BI, строил RAG-системы и поиск по корпоративным данным.
— Программируешь на уровне Junior+/Middle: Python или TypeScript, API, JSON, Webhooks, Git, понимаешь архитектуру приложений. Сильный backend не нужен — нужно быстро собирать рабочие решения через Claude Code, Cursor и Codex.
— Понимаешь не только код, но и бизнес: в идеале опыт – автоматизировал CRM, складской учёт, аналитику, документооборот, базы знаний.
— Проактивный: сам предлагаешь, а не ждёшь ТЗ на каждый шаг. У тебя есть личные ИИ-агенты для себя - это для нас главный маркер настоящего интереса.

КОГО МЫ НЕ ИЩЕМ
✕ Senior backend-разработчика из Яндекса, VK или Т-Банка. Это не та роль.
✕ Узкого специалиста по одной технологии, который вне неё беспомощен.
✕ Того, кто умеет писать код, но не понимает бизнес-процессы.
✕ Исполнителя, которому нужно ставить детальное ТЗ на каждый чих.

Дочитал до конца? Тогда в сопроводительном письме напиши: какой ИИ-инструмент ты открыл для себя последним и зачем он тебе. И, если есть, кинь ссылку на любой свой проект или агента, который можно показать. Это важнее резюме, мы хотим видеть живой интерес к ИИ..

Откликайся! Ждём твой отклик!

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!

Мы – новая команда в Блоке «Развитие клиентского опыта B2С, и мы ищем инженера данных, который присоединится к нашей команде и займётся разработкой и поддержкой витрин данных на базе Hadoop. Вам предстоит участвовать в разработке базовых и специальных витрин данных в Едином ПКАП B2C, готовить датасеты для обучения моделей в FeatureStore B2C, разрабатывать витрины данных на Hadoop в ПКАПе команды, реализовывать реплики в КАП Первичные данные.

• Проектирование, разработка и сопровождение витрин данных на базе Hadoop;

• Участие в разработке ETL-процессов для загрузки данных в витрины;

• Поддержка и мониторинг работы витрин данных;

• Взаимодействие с командами разработки и системными/дата-аналитиками по вопросам сбора, обработки и хранения данных;

• Разбор инцидентов качества данных, развитие автоматизированных тестов (Data Quality);

• Документирование разработанных решений.

• Практический опыт в разработке витрин данных, выстраивании ETL-процессов;

• Уверенное владение SQL (аналитические функции, подзапросы, хранимые процедуры/функции, оптимизация производительности), готовность к созданию инструментов для нужд инфраструктуры и разработки;

• Опыт работы с Hadoop (HDFS, YARN, Hive) и Spark;

• Знание Java/Scala и опыт разработки на нём;

• Опыт разработки на Python;

• Понимание инструментов и технологий Big Data;

• Знание принципов построения распределённых систем хранения и обработки данных;

• Опыт обработки и миграции больших объёмов данным между различными источниками;

• Опыт работы с системами контроля версий (Git);

• 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.

Будет плюсом:

• Опыт работы с Kafka;

• Опыт работы с CI/CD инструментами (Jenkins, GitLab CI);

• Базовые знания Docker и иных технологий контейнеризации;

• Опыт работы с системами Unix (bash).

• Офисный формат работы (опционально)

• Годовой бонус и ежегодный пересмотр

• Расширенный ДМС с первого дня + стоматология и льготное страхование для семьи

• Корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях

• Офис на Кутузовской с зонами отдыха и спортзалом

• 90 дней удаленной работы из любого региона РФ (не применимо для сопровождения)

• Льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+, скидки от партнеров и сервисов группы компаний.

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 DATA SCIENTIST В ПРОДУКТ KION

ОПИСАНИЕ ПРОДУКТА:
Один из ключевых юнитов в Big Data МТС - это платформа поиска и рекомендаций, которая использует всю мощь ML и "больших данных" для подбора наиболее релевантных айтемов для клиентов из каталогов МТС. Мы уже поставляем рекомендаций в онлайн-кинотеатр КИОН, в читалку «Строки», МТС Банк, сервисы по продаже билетов, интернет-магазин и другие продукты экосистемы МТС. Сейчас решаем задачи объединения рекомендательных движков в единую платформу, создания универсального поискового движка, realtime триггеров и масштабирования на все сервисы компании.

Наш стек: Python, Go, FastApi, k8s, PostgreSQL, Aerospike, Nginx, Kafka, Redis, Airflow, Gitlab-CI, Grafana, Prometheus, ELK, Vault, Linux

ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ

• Генерировать гипотезы по улучшению рекомендаций для роста бизнес-метрик клиентов
• Превращать гипотезы в работающие ML модели
• Катить модельки в прод и по итогам АВ-тестов формулировать новые гипотезы по улучшению рекомендаций
• Ставить задачи data инженерам на доработки необходимых витрин, взаимодействовать с разработчиками для формирования пайплайнов поставки рекомендаций, совместно с аналитиками сетапить АВ-тесты

ЧТО НУЖНО ДЛЯ ЭТОЙ РАБОТЫ

• Коммерческий опыт в data science от 2-х лет
• Опыт разработки и продуктивизации ML-сервисов (от моделек до api
• Опыт внедрения ML-пайплайна в real-time сервисы
• Опыт работы с docker, шедулерами (airflow или любой другой) и sql/nosql базами данных

ЧТО 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;

• 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.

Привет! Меня зовут Аня, и сейчас я ищу Middle Quantitative Researcher в крипто-проект, который помогает бизнесам на развивающихся рынках эффективнее использовать свободный капитал в USDT без сложностей DeFi и без потери ликвидности.

Сейчас нужен Quantitative Researcher, который будет заниматься исследованием, разработкой и оптимизацией алгоритмических стратегий для крипторынков и DeFi.

Чем предстоит заниматься

• Исследовать и разрабатывать торговые стратегии для криптовалютных и DeFi-рынков.
• Работать с задачами маркет-мейкинга, дельта-нейтрального хеджирования, управления позициями и рисками.
• Строить и улучшать ML-модели для анализа рыночных данных и оптимизации стратегий.
• Применять supervised learning, reinforcement learning, статистический анализ и методы оптимизации.
• Работать с крипто-данными: order book, trades, рыночные и протокольные данные.
• Развивать бэктестинг, симуляции и инструменты оценки торговых стратегий.
• Анализировать результаты реального исполнения стратегий и находить точки для улучшения.
• Следить за новыми подходами в quant finance, ML/RL, DeFi и алгоритмической торговле.

Кого ищем

• Опыт в роли Quant Researcher от 2 лет.
• Высшее образование (финансы, математика, IT, статистика).
• Понимание финансовых рынков, временных рядов, торговых стратегий и риск-менеджмента.
• Уверенное владение Python.
• Опыт работы с ML и методами Supervised Learning (SL), Reinforcement Learning (RL), статистическим анализом и оптимизацией моделей
• Практический опыт с PyTorch, Scikit-learn, CatBoost, XGBoost, Optuna или похожими инструментами.
• Понимание того, как проверять гипотезы: исследование → бэктест → симуляция → анализ результатов.
• Умение работать с данными, формулировать гипотезы и доводить исследование до понятного результата.
• Английский на уровне чтения документации и понимания профессиональной терминологии.

Что компания предлагает взамен

• Формат: full-time, гибрид в Москве (от 3-х дней в неделю).
• Офис в центре Москвы, рядом с метро Охотный Ряд / Театральная / Чеховская / Пушкинская.
• Полностью удаленный формат не рассматриваем.
• Вознаграждение: от 3 000 USD, финальный уровень обсуждается по итогам интервью.
• Выплаты в стейблкоинах.
• Дополнительно — profit sharing.
• Команда русскоязычная, английский нужен для документации и терминологии.

Этапы отбора

1. Встреча со мной.
2. Небольшое тестовое задание (без расчетов, нужно будет просто описать подход к решению задачи)
3. Техническое интервью.
4. Финальная встреча с фаундером.

КОГО МЫ ИЩЕМ

Middle Data Engineer

ЧЕМ МЫ ЗАНИМАЕМСЯ

Мы разрабатываем продукты для автоматизации процессов в области кибербезопасности, помогая компаниям эффективно управлять рисками и защищать свои системы. Команда работает над созданием надежных сервисов, которые интегрируют современные технологии для мониторинга, анализа и реагирования на угрозы. Это включает веб-сервисы, ETL-процессы и облачные решения на базе Kubernetes и Docker, с акцентом на масштабируемость и безопасность.

ЗОНА ОТВЕТСТВЕННОСТИ

• Разрабатывать и поддерживать DAG в Apache Airflow

• Программировать на Python, SQL

• Проектировать и поддерживать API для взаимодействия с продуктовыми командами

• Участвовать в разработке и применении моделей

• Проводить код-ревью

ЧТО НУЖНО ДЛЯ ЭТОЙ РАБОТЫ

• Python – ~2–3 года коммерческой разработки

• Airflow – ~2–3 года коммерческой разработки

• Docker / Kubernetes - базовые навыки

• Опыт работы с Git (branching-стратегии, code review)

• Продвинутый уровень владения SQL

• Опыт работы с PostgreSQL, Clickhouse, ElasticSearch

Будет плюсом:

• Опыт работы с большими объемами данных. Написание и оптимизация сложных SQL-запросов. Опыт работы с партиционированием, индексами, планами выполнения

ЧТО ПРЕДЛАГАЕМ

• Гибридный или удаленный формат работы
• ДМС с первого месяца работы — 100% покрытие всех медицинских расходов, включая стоматологию
• Выгодные скидки и специальные предложения от партнеров на фитнес, курсы английского и другие полезные активности
• Возможность регулярно повышать свой скилл: участие во внешних мероприятиях, митапах, обучениях, возможность ежегодной сдачи сертификаци
• Работа в команде опытных специалистов уровня Senior, победителей CTF соревнований
• Открытая и дружелюбная корпоративная культура, где каждый чувствует себя частью единой команды, общается на равных и всегда на «ты». Мы ценим вклад каждого, поддерживаем инициативность и создаём комфортные условия для профессионального и личностного роста.

ОДИН ИЗ ЛУЧШИХ РАБОТОДАТЕЛЕЙ РОССИИ

Мы – Neoflex. Аккредитованная IT компания. За 20 лет работы мы создали 12+ готовых решений для бизнеса, так же занимаемся заказной разработкой программного обеспечения.

Приветствуем на странице нашей компании и благодарим за интерес к вакансии. Будем рады оказаться полезны друг другу.

Что нужно делать:

• Взаимодействовать с командой и заказчиком по уточнению требований.
• Анализировать чужой и писать свой код на SQL, Python, Spark
• Настраивать и поддерживать DAG-ов в Airflow для оркестрации процессов.
• Тестировать и отлаживать код, обеспечивать качество данных.
• Документирование (Confluence)

Что мы хотели бы видеть:

Must have:

• Глубокие знания SQL.
• Spark (в том числе оптимизации), Python
• Настройка и поддержка DAG-ов в Airflow для оркестрации процессов.
• Знание архитектуры хранилищ
• Умение работать в команде и следовать процессам заказчика.

Желательно:

• Iceberg
• Kafka
• Scrum
• Знание экономики, финансов, банковской сферы.

Что ты приобретешь присоединившись к нам :

• Достойную оплату труда + компенсационные, стимулирующие и мотивационные выплаты, бонусы за участие в реферальной программе;
• Работа в команде профессионалов готовых делиться экспертизой;
• Официальное трудоустройство по ТК РФ, аккредитация IT, расширенный социальный пакет:
• Страховка ДМС (с 3-го месяца работы, стоматология, возможность подключения родственников, теле медицина, полис ВЗР),
• Сотрудникам со стажем в Neoflex более 3 месяцев при предоставлении листка нетрудоспособности устанавливается доплата до полного заработка за период болезни,
• Обучение детей сотрудников ИТ специальностям,
• Компенсация затрат на фитнес и занятия английским языком;
• Обеспечиваем техникой для работы (ноутбук, наушники, мышь),
• Профессиональное развитие - в Учебном Центре (курсы по работе с большими данными, видео лекции, тренажеры, карьерный коучинг, лекции, тренинги, конференции, участие в митапах);
• Возможность пройти проф.сертификацию;
• Прозрачную систему карьерного развития Performance Review;
• Персонального куратора с первого дня работы;
• Насыщенную корпоративную жизнь: яркие корпоративы, праздники для детей сотрудников, корпоративные спортивные мероприятия, мотивационные награждения;
• Комфортную атмосферу в филиалах компании в городах: Москва, Санкт-Петербург, Нижний Новгород, Пенза, Воронеж, Саратов, Самара, Краснодар где есть лаунж и фотозоны, вендинги в кухнях, пространство для медитаций и другие секретные места, о которых знают только наши сотрудники.

Мечты и команды работают вместе. Мы будем рады, если ты станешь частью нашей команды! Откликайся

Компания «АЙ-ТЕКО» — ведущий российский системный интегратор и поставщик информационных технологий для корпоративных заказчиков. Активно действует на рынке IT России с 1997 года, входит в ТОП-400 крупнейших российских компаний, ТОП-10 крупнейших IT-компаний России.

Чем предстоит заниматься:

• · Проектирование и разработка AI-агентов и мультиагентных систем
• · Построение RAG-пайплайнов: индексация, поиск, ранжирование, работа с векторными БД (ChromaDB, Qdrant и др.)
• · Разработка и дообучение классических ML-моделей (регрессия, классификация) и DL-моделей (Computer Vision)
• · Интеграция моделей и агентов в API (FastAPI), работа с БД (sqlAlchemy + liquiBase)
• · Оценка качества моделей и агентов, анализ ошибок
• · Внедрение моделей и агентов, мониторинг в проде
• · Контроль качества кода, написание unit- и end-to-end тестов

Требования:

• · Python: pandas, numpy, sklearn, PyTorch или TensorFlow
• · Практический опыт с LLM-фреймворками (LangChain, LangGraph) и векторными БД
• · Опыт разработки AI-агентов, Function Calling / Tool Use, мультиагентных систем
• · Сильный классический ML (CatBoost, LightGBM и др.)
• · Опыт с CV: классификация, object detection, дообучение предобученных моделей
• · Умение работать с Git
• · Способность проходить полный цикл: от идеи до работающего в проде прототипа

Будет плюсом:

• · Знание принципов ООП, паттернов проектирования, опыт рефакторинга
• · Опыт работы с async/await
• · Знание принципов CI/CD, опыт контейнеризации (Docker/Kubernetes)
• · Понимание корпоративных финансов, кредитного анализа юр.лиц или недвижимости

МЫ ПРЕДЛАГАЕМ:

• Работа в аккредитованной ИТ-компании;
• Оформление в соответствии с ТК РФ с первого дня работы;
• ДМС с первого дня работы (включая стоматологию);
• Корпоративный спорт: скидки на посещение фитнес-клубов, футбольная и волейбольная секции, собственный йога класс;
• Работа в команде, использующей гибкий подход к разработке
• Работа в развивающемся IT-проекте с командой специалистов высокого уровня, возможность развития и обмена опытом.

КОМПАНИЯ «АЙ-ТЕКО» - ведущий российский системный интегратор и поставщик информационных технологий для корпоративных заказчиков. Активно действует на рынке IT России с 1997 года, входит в ТОП-400 крупнейших российских компаний, ТОП-10 крупнейших IT-компаний России.

В связи с активным развитием проектов в компании открыта вакансия Data Scientist / ML Engineer

От кандидата ожидаем:

· Python: pandas, numpy, sklearn, PyTorch или TensorFlow
· Практический опыт с LLM-фреймворками (LangChain, LangGraph) и векторными БД
· Опыт разработки AI-агентов, Function Calling / Tool Use, мультиагентных систем
· Сильный классический ML (CatBoost, LightGBM и др.)
· Опыт с CV: классификация, object detection, дообучение предобученных моделей
· Умение работать с Git
· Способность проходить полный цикл: от идеи до работающего в проде прототипа

Будет плюсом:
· Знание принципов ООП, паттернов проектирования, опыт рефакторинга
· Опыт работы с async/await
· Знание принципов CI/CD, опыт контейнеризации (Docker/Kubernetes)
· Понимание корпоративных финансов, кредитного анализа юр.лиц или недвижимости

Чем предстоит заниматься:
· Проектирование и разработка AI-агентов и мультиагентных систем
· Построение RAG-пайплайнов: индексация, поиск, ранжирование, работа с векторными БД (ChromaDB, Qdrant и др.)
· Разработка и дообучение классических ML-моделей (регрессия, классификация) и DL-моделей (Computer Vision)
· Интеграция моделей и агентов в API (FastAPI), работа с БД (sqlAlchemy + liquiBase)
· Оценка качества моделей и агентов, анализ ошибок
· Внедрение моделей и агентов, мониторинг в проде
· Контроль качества кода, написание unit- и end-to-end тестов

Условия:

• Работу в стабильной компании, "белую" заработную плату;
• Оформление в соответствии с ТК РФ с первого дня работы;
• Расширенный социальный пакет: ДМС (включая стоматологию), корпоративные скидки на посещение фитнес-клубов, футбольная и волейбольная секции;
• Профессиональное обучение и развитие;
• Яркая и насыщенная корпоративная жизнь;
• Снабжаем всей необходимой современной техникой.

Привет! Мы ищем в команду Data Scientist (Middle) на проект в сфере ритейла.

⠀

Для нас привлекательны следующие знания и опыт:

• Практический опыт работы с большими данными: построение ETL-процессов, подготовка и анализ данных, трансформации и агрегации.
• Опыт работы со Spark MLlib и/или Pandas UDFs

• Опыт разработки ML-моделей с использованием Scikit-learn, TensorFlow и/или PyTorch, а также умение применять модели для решения прикладных бизнес-задач.

• Опыт работы от 3-х лет.

⠀
Мы ждем тебя в команду SSP SOFT!

Мы находимся в поисках Дата-инженера на проект развития аналитического хранилища данных на базе GreenPlum

ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:

• Участвовать в развитии хранилища данных на Greenplum
• Разрабатывать ETL/ELT процесыов поставки данных
• Участвовать в формирование модели данных
• Проводить мониторинг и алертинг сервисов

НАШИ ПОЖЕЛАНИЯ К КАНДИДАТУ:

• Опыт в роли дата-инженера не менее 5-ти лет
• Опыт работы с Greenplum, понимание его особенностей
• Опыт в разработке ETL/ELT процессов
• Продвинутое владение SQL и Python
• Уверенное владение Airflow, DBT
• Знание принципов построения DWH

Системный аналитик (с опытом внедрения AI-агентов)

Проект по разработке системы, которая автоматизирует весь жизненный цикл инвестиционной сделки.

Мы используем самые современные технологии и открыты к предложениям участников команды по изменению стека. Вы будете работать с микросервисной архитектурой (Kubernetes, Docker, Istio, Kafka).

Также мы занимаемся разработкой AI-агентов, автоматизирующих различные бизнес-процессы: обработку бизнес-требований пользователей и управление бэклогом, найм новых сотрудников и т.д.

• Проектирование БД
• Проектирование пользовательских процессов
• Проектирование межсервисных взаимодействий (REST, SOAP)
• Понимание основы работы Kafka (продюссер, консьюмер, топики, партиции)
• Знание SQL, PlantUML, Draw.io
• Владение спецификацией OpenApi
• Понимание работы протоколов HTTP(S) и WebSocket(wss)

Будет плюсом:

• Опыт работы в проектах, связанных с разработкой/внедрением AI и AI-агентов;
• Понимание принципов работы LLM, агентных архитектур (ReAct, LangChain, AutoGen и др.)
• Базовое понимание NLP, prompt engineering, retrieval-augmented generation (RAG);
• Опыт самостоятельного написания скриптов для автоматизации процессов, например, на Python;
• Понимание работы mTLS
• Умение читать и понимать код
• Владение спецификацией AsyncApi
• Владение инструментами Postman, Insomnia

• Оформление по ТК РФ: полностью белая заработная плата, оплачиваемые отпускные и больничные;
• Индексацию заработной платы;
• Расширенная программа ДМС;
• Скидки на фитнес, кино и уроки английского;
• Возможность работать удаленно;
• Гибкое начало рабочего дня.

• Проектирование и разработка ETL/ELT;
• Создание, поддержка и оптимизация пайплайнов обработки данных с использованием Apache Airflow (написание DAG-ов, настройка сенсоров и операторов);
• Интеграция источников: Подключение и вычитка данных из различных систем: CRM, API, внешние базы данных (PostgreSQL, ClickHouse, HDFS);
• Разработка витрин данных: Построение и оптимизация витрин для BI-отчетности, написание сложных SQL-запросов и хранимых процедур;
• Внедрение систем мониторинга качества данных, логирования (Prometheus + Grafana) и проверки данных на всех этапах пайплайна;
• Ведение технической документации.

• Python: Опыт написания скриптов, работы с Pandas, API, написание промышленного кода SQL;
• Написание сложных запросов, оконные функции, оптимизация запросов, хранимые процедуры;
• Airflow: Разработка DAG-ов, настройка коннекторов, управление зависимостями, понимание архитектуры (Scheduler, Worker, Web Server);
• Системное мышление: Способность видеть картину целиком, а не просто выполнять задачу "скопировать таблицу";
• Проактивность: Умение задавать вопрос "Зачем?" и предлагать оптимизации архитектуры;
• Коммуникабельность: Готовность общаться с аналитиками( · Ориентация на результат: Понимание важности SLA (времени доставки данных) и качества данных;
• Будет плюсом · Опыт работы с PostgreSQL · Опыт администрирования самого Airflow (настройка, деплой).

Условия:

• Официальное трудоустройство по ТК РФ;
• График работы 5/2 офис, 8-часовой рабочий день;
• Корпоративные программы обучения и развития;
• Дружная команда профессионалов и поддержка на всех этапах.

Мы создаем технологичные продукты в высоком темпе, проверяя гипотезы и запуская MVP без лишней бюрократии. Наш подход — Vibe-coding (вайб-кодинг) в связке с продвинутыми ИИ-ассистентами (Windsurf, Cursor, Claude Code).

Сейчас мы ищем автономного инженера, который вольется в команду создания новых продуктов с помощью ИИ.

Главное для нас — ваше желание развиваться в AI-сфере и умение логически мыслить. Если у вас горят глаза, а с логикой все отлично — мы всему научим и покажем, как с помощью ИИ выдавать работающий софт в 3–5 раз быстрее обычного.

Чем предстоит заниматься:

• Сборка РЕШЕНИЙ КОНКРЕТНЫХ ПРОБЛЕМ «с нуля» в связке с ИИ-ассистентами.
• Контроль архитектуры: ИИ пишет «мясо» кода, но вы управляете структурой, модульностью и чистотой решений.
• Ревью и отладка: поиск багов и «галлюцинаций» ИИ, доведение кода до продакшн-качества.
• Документирование: фиксация архитектуры и ведение понятных README для команды + скиллов для агентов.

Что мы ищем в кандидате:

• AI-mindset и желание расти: искренний интерес к генеративным технологиям и желание автоматизировать рутину.
• Сильная логика и база: понимание паттернов проектирования, принципов SOLID/DRY (или готовность быстро их освоить).
• Product Mindset: умение мыслить бизнес-ценностью фичи и срезать углы ради скорости запуска.
• Автономность: способность взять верхнеуровневую задачу, разбить её на промпты и довести до рабочего прототипа.
• Опыт работы с Claude/Cursor/Windsurf/Copilot будет плюсом, но если его нет — научим в процессе.

Что мы предлагаем:

• Минимум рутины: мы автоматизируем всё, что можно. Вы занимаетесь логикой, а не бойлерплейтом.
• Любые ИИ-инструменты: оплачиваем нужные вам подписки и API-ключи.
• Свобода и скорость: удаленка, гибкий график, отсутствие бюрократии и бесконечных созвонов.

Процесс отбора (всего 3 шага):

1. Отклик. Пришлите сопроводительное письмо с ответами на два вопроса:
   • Какой стек технологий у вас основной?
   • Использовали ли вы уже ИИ в работе? Если да, то какие задачи решали, какие инструменты использовали, и как это повлияло на скорость?
2. Тестовое задание. Нескучный бизнес-кейс на проверку логики, декомпозиции и навыков управления ИИ (использовать нейросети на тесте нужно и важно!).
3. Финальное собеседование. Короткий созвон-знакомство без «вопросов по учебнику» — только живой диалог по делу.

IEK GROUP – один из ведущих производителей на рынке электротехнического оборудования. Мы разрабатываем и производим инновационные решения для энергетики, промышленности и инфраструктуры.

Кого мы ищем?
Мы приглашаем амбициозных специалистов, готовых внести значительный вклад в развитие нашей команды и продуктовых решений. Если вы готовы решать нестандартные задачи и создавать современные технологии будущего, эта вакансия создана именно для вас!

Чем предстоит заниматься:

• Проектирование и оркестрация мульти‑агентных систем на LangGraph: типовые паттерны ReAct, Plan‑and‑Execute, Human‑in‑the‑loop, Subagents и др;
• Разработка RAG‑пайплайнов и диалоговых ассистентов: Self‑RAG, hybrid search, reranking и др;
• Реализация MCP‑интеграций для подключения внешних инструментов и корпоративных систем к LLM‑агентам;
• Observability, трассировка и evals в проде (LangSmith / LangFuse);
• Упаковка агентов в микросервисы (FastAPI), работа на low‑code платформах (n8n, Dify / Flowise, OpenWebUI);
• Интеграция с корпоративными источниками данных: DWH (MSSQL, PostgreSQL), S3, файловые хранилища, 1С, CRM, Bitrix, WMS, REST API;
• Оркестрация процессов (Airflow), инфраструктура (Git, Docker Swarm).

Наши ожидания:

• Профильное образование (IT / математика / инженерное);
• Опыт в AI/LLM‑проектах аналогичного стека — от 2 лет;
• Уверенный / продвинутый уровень в обязательном стеке;
• Практический опыт с большинством инструментов из блока «Работал»;
• Наличие внедрённых AI/LLM‑решений в промышленной эксплуатации;
• Высокая самостоятельность, готовность работать без онбординга в стек;
• Стек: обязательно Python, FastAPI, LangGraph, RAG, MCP, NLP, OpenAI API, промпт‑инжиниринг / SGR, Qdrant, Elasticsearch, Hugging Face, LangSmith / LangFuse; Опыт работы n8n, Dify / Flowise, OpenWebUI, Apache Airflow, Docker Swarm Приветствуется Claude Code / Codex / OpenCode;
• Самостоятельность. Умение доводить проекты до конца

Что мы предлагаем?

• Возможность развиваться вместе с нами в одной из наиболее перспективных областей технологий будущего; ​​​
• Высокий уровень свободы творчества и ответственности;
• Удаленный график работы;
• Достойный уровень дохода (зависит от профессиональных компетенций);
• Расширенный социальный пакет: ДМС, дополнительные отпускные дни, оплата больничного листа, материальная помощь в критических ситуациях, бесплатные оздоровительные/спортивные мероприятия;
• Правительственные льготы – мы аккредитованная IT-компания;
• Комфортная, доброжелательная рабочая атмосфера;
• Корпоративные традиции и праздники, коллективные мотивационные программы

​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​Мы ждем Ваш отклик! Присоединяйтесь к команде, создающей будущее искусственного интеллекта прямо сейчас.

Объединённая компания Wildberries и Russ — это международная технологическая компания, образованная в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ.

Портал продавцов — это юнит со всеми продуктами WB для продавцов. Здесь есть личный кабинет, загрузка и хранение контента, интеграция с поиском и каталогом, баланс продавца, откгрузка товаров и доставка до покупателя, аналитика и многое другое. Это 1/4 всего бизнеса WB. В сервисе более 1 млн. поставщиков, ежедневный оборот - 5 млрд. рублей.

Вам предстоит:

• Участвовать в разработке production-ready пайплайнов обработки данных для инференса и обучения ML-моделей;
• оптимизировать имеющиеся SQL и pyspark скрипты;
• выполнять оркестрацию через Airflow;
• реализовывать интеграции ML-предиктов в смежные системы Заказчиков внутри компании;
• обеспечивать стабильность и отказоустойчивость работы пайплайнов сбора и трансформации данных ML-команды.

• Имеете уверенный опыт программирования на Python (не менее 2-х лет);
• владеете опытом работы с hadoop (spark/yarn/hdfs/hive), с apache Airflow / Dagster и со Spark (Pyspark);
• имеете опыт с Iceberg, Trino;
• имеете опыт в оптимизации SQL запросов (индексы, партицирование, шардирование и тд);
• владеете опытом работы с MPP СУБД (ClickHouse/GreenPlum/Vertica).

Мои партнеры развиват продукт на стыке Quant Finance, Machine Learning и DeFi. Ищем Quantitative Researcher, который будет заниматься исследованием и разработкой алгоритмических стратегий для криптовалютных рынков, анализом данных и построением моделей для повышения эффективности управления капиталом.

Чем предстоит заниматься:

• Проведение количественных исследований и разработка торговых стратегий для DeFi и криптовалютных рынков
• Построение и развитие моделей машинного обучения (SL, RL) для задач маркет-мейкинга и управления позициями
• Разработка и оптимизация стратегий дельта-нейтрального хеджирования и управления рисками
• Построение бэктестинга и симуляционных сред для оценки торговых стратегий на крипто-данных (order book, trades)
• Анализ рыночных данных и улучшение алгоритмов на основе результатов реального исполнения
• Мониторинг и исследование новых подходов в Quant Finance, RL и DeFi.
  
  Требования:
• Высшее образование (финансы, математика, IT, статистика)
• Опыт работы Quant Researcher от 2 лет; понимание финансовых рынков, временных рядов и разработки торговых стратегий
• Опыт работы с методами Supervised Learning (SL) и Reinforcement Learning (RL), статистическим анализом и оптимизацией моделей
• Уверенное владение Python
• Практический опыт работы с PyTorch, Scikit-Learn, CatBoost, XGBoost и Optuna
• В команде общаемся на русском; английский — на уровне понимания терминологии и чтения документации.
  
  Будет преимуществом:
• Опыт в трейдинге, маркет-мейкинге или low-latency крипто-рынках
• Разработка торговых стратегий
• Работа с крипто-данными (order book, trades)
• Бэктестинг, симуляции и анализ исполнения стратегии.
  
  Условия:
• Офис в самом центре Москвы (рядом со станциями метро Охотный Ряд / Театральная / Чеховская / Пушкинская)
• График: гибридный (полной удаленки не будет); наш будущий коллега живет в Москве
• Финальное вознаграждение будет определяться в зависимости от вашего опыта + profit sharing
• Зарплата выплачивается в стейблкоинах.

Этапы отбора:

• HR-интервью
• Тестовое задание
• Техническое интервью
• Интервью с фаундером.
  
  Присылайте короткое описание релевантного опыта в контексте обязанностей.​​​​​​​​​​​​​​

Мы делаем автомобили доступными.

Если тебе интересна стремительно растущая отрасль автолизинга – мы поможем тебе стать частью будущего нашей большой компании!

О команде:

• Молодая и дружная команда амбициозных специалистов (17 человек);
• Система наставничества (за каждым сотрудником закрепляется старший сотрудник);
• Занимаемся реальными задачами по анализу и развитию продуктов бизнеса;
• Команда функционально разделена на 4 трека:

1. Аналитика данных (DA) - те, кто проверяют гипотезы;
2. Моделирование данных (DS) - те, кто делают ML модели;
3. Инженерия машинного обучения (MLE) - те, кто ML модели интегрирует;
4. Инженерия данных (DE) - те, кто обеспечивает данными (ждём тебя именно сюда!);.

• Все задачи проходят валидацию на адекватность и логичность.

Обязанности:

• Выявлять узкие места и неоптимальные процессы в инфраструктуре данных, инициировать и реализовывать проекты по повышению производительности, стабильности и отказоустойчивости;.
• Проектировать и развивать стабильные и масштабируемые ETL/ELT-системы, хранилища и витрины данных, обеспечивать их надёжность и соответствие бизнес-требованиям;
• Контролировать и совершенствовать практики написания и оптимизации SQL-запросов
• Участвовать в архитектурных обсуждениях, предлагать и обосновывать технические улучшения, оценивать их влияние на текущие процессы;
• Организовывать эффективный мониторинг по критическим потокам данных, руководить действиями по оперативному устранению инцидентов;.
• Выступать ответственным по ветке задач: распределять работу между младшими коллегами, контролировать сроки и качество исполнения;
• Принимать участие в адаптации новых сотрудников и стажёров: помогать в адаптации, проводить проверку кода, давать развивающую обратную связь, способствовать росту их квалификации.

Требования:

• ​​​​​​​Опыт работы в должности аналитика данных, инженера данных или смежной области от 1-го года;
• Наличие опыта применения продвинутых методов анализа или реализации проектов по оптимизации и повышению стабильности систем обработки данных;
• Уверенное знание SQL (сложные запросы, оконные функции, оптимизация);
• Уверенное понимание ETL/ELT-процессов, опыт работы с инструментами интеграции и оркестрации данных (например, Airflow, dbt, NiFi или аналогами);
• Уверенные навыки программирования на Python для автоматизации задач обработки данных;
• Понимание архитектур хранилищ данных и принципов построения витрин данных;
• Глубокое понимание устройства и оптимизации реляционных баз данных, опыт настройки производительности;
• Логическое и системное мышление;
• Внимательность к деталям и осознанность при работе с данными;
• Коммуникабельность, умение работать в команде и выстраивать конструктивное взаимодействие;
• Стремление к обучению, быстрая адаптивность и высокая обучаемость;
• Организованность, способность эффективно планировать рабочее время, навыки приоритизации задач;
• Способность самостоятельно решать типовые задачи и действовать с повышенной автономией в рамках закреплённых зон ответственности;
• Умение брать ответственность за определённую область/домен данных, поддерживать её в актуальном состоянии.

• Официальное оформление в штат компании с первого рабочего дня;
• Возможность работать в удаленном формате;
• Добровольное медицинское страхование;
• Оплачиваемый больничный: в соответствии с ТК РФ+100% компенсация от компании до 10 дней больничного;
• Оплачиваемый отпуск: 28 календарных дней;
• Корпоративные предложения для сотрудников;
• Корпоративные скидки для сотрудников в Best Benefits;
• Онлайн тренировки и офлайн спорт (беговой клуб, футбол, волейбол, осанка, киберспорт, йога, настольный теннис), внешние соревнования (забеги, гонки героев);
• Угощения в офисе (фрукты, сырки, мороженое, соки);
• Широкий выбор профессиональной и художественной литературы в корпоративной электронной библиотеке;
• Программа управления талантами;
• Наставничество со стороны коллег и поддержка руководителя с первого дня работы;
• Возможность обучаться 24/7 в любое время и в любом месте, в том числе со смартфона;
• Удобный и быстрый поиск информации в Базе знаний Компании;
• Развитие компетенций через современные форматы обучения: интерактивные тренинги, развивающие бизнес-игры, обратная связь после оценочных мероприятий;
• Яркая корпоративная жизнь: конкурсы с ценными призами (поездка к морю и пр.), новогодние подарки и праздники для детей сотрудников;
• Комфортный офис: столовая и кафе в бизнес центре.

Аккредитованная ИТ-компания реализует динамично развивающийся проект в сфере здравоохранения. Легаси-кода и готовой инфраструктуры нет — всё предстоит построить. Нам нужен эксперт, который силён в Kubernetes и понимает жизненный цикл ML-моделей (опыт MLOps будет большим преимущество).

Чем предстоит заниматься

Инфраструктура

• Проектирование и развёртывание продакшн-кластера Kubernetes (On‑premise) с нуля;
• Выбор и настройка сетевых политик, Ingress-контроллеров, систем хранения;
• Внедрение автомасштабирования, управление ресурсами и QoS;
• Построение мониторинга и алертинга на уровне кластера и приложений.

MLOps

• Проектирование пайплайнов для обучения и инференса моделей внутри K8s;
• Внедрение трекинга экспериментов и версионирования данных;
• Оркестрация пайплайнов;
• Настройка высокопроизводительного инференса с поддержкой GPU.

Ключевые требования

Обязательные

• Коммерческий опыт работы с Kubernetes в продакшене от 2+ лет — глубокое понимание внутреннего устройства: CRD, Operators, контроллеры, работа с etcd и kube-apiserver;
• Уверенное знание Linux и сетей (TCP/IP, DNS, балансировка);
• Языки программирования: Python и/или Go;
• Опыт настройки мониторинга и логирования.

Желательные

• Понимание жизненного цикла ML-моделей;
• Опыт работы с GPU-оператором в K8s (NVIDIA GPU Operator) и управление GPU-нодами;
• Знакомство с инструментами оркестрации (Airflow, Argo Workflows, Kubeflow) — даже на уровне pet-проектов.

Условия работы

• Удалённый формат;
• Фиксированный проект, но с возможностью дальнейшего продолжения сотрудничества.

Senior Data / BI Engineer

Наш Клиент: Международная трейдинговая компания в сфере нефти и нефтепродуктов

Локация: Дубай, ОАЭ
Формат работы: офис, 5/2

Компания развивает направление аналитики товарно-сырьевых рынков и создает внутреннюю аналитическую платформу для трейдеров, аналитиков и руководства компании

Мы ищем специалиста, который будет развивать полный цикл построения аналитической среды: от загрузки данных до создания готовых дашбордов для бизнеса

Мы рассматриваем кандидата с опытом и навыками:
Высшее образование в области финансов, экономики, математики, риск-менеджмента или смежных направлений
Опыт работы от 5-ти лет в нефтетрейдинге, энергетике, сырьевых рынках или финансовом секторе
Опыт работы Data Engineer, BI Developer или на аналогичной позиции
Уверенное владение SQL
Хорошее знание Python для обработки данных и автоматизации (pandas, SQLAlchemy и аналоги)
Опыт работы с BI системами
Понимание принципов моделирования данных: star schema, dimensional modeling, dbt и аналогичные подходы
Опыт взаимодействия с бизнес-заказчиками
Свободное владение английским языком

Будет плюсом:
Опыт работы с платформами : Snowflake, BigQuery, Databricks
Опыт работы с Airflow, Prefect или другими системами оркестрации процессов
Знание поставщиков рыночных данных: Kpler, Platts, and OPIS (доступ предоставляется!)