ML и AI — свежие вакансии

Стань частью одной из лучших транспортных систем мира и управляй движением города в ИТ-команде с первого дня!

ИТ-стажировка в Московском транспорте — это 6 месяцев работы над проектами, которые ежедневно делают передвижение миллионов пассажиров умнее, безопаснее и удобнее. Присоединяйся и создавай технологии, которые меняют реальность.

Задачи:

• Сбор, обработка и подготовка данных для обучения моделей.

• Участие в разработке и тестировании нейросетевых моделей для решения транспортных задач.

• Проведение экспериментов и поиск оптимальных архитектур.

• Настройка хранилищ данных и построение пайплайнов обработки.

• Работа с 2D- и 3D-данными, включая облака точек с лидаров.

Навыки:

• Python, PyTorch / TensorFlow, SQL, Docker, Git.

Что предлагаем:

• Официальное трудоустройство, стаж с первого дня работы и выплаты 2 раза в месяц

• Заработная плата до 75 000 рублей до вычета налога (в зависимости от выбранного графика), выплаты 2 раза в месяц

• График 20 или 40 часов в неделю, работа в офисе или в гибридном формате

• Индивидуальная программа адаптации при поддержке опытного наставника

• Возможность остаться в команде по итогам стажировки

Откликнуться на вакансию можно до 14 сентября 2026 года. Стажировка начнется 15 октября.

Ждем тебя в нашей команде!

Мы – команда Kandinsky, создающая и развивающая core-технологии генеративных моделей изображений и видео. Наши модели умеют создавать фотореалистичные сцены, стилизованные иллюстрации и видеоролики по текстовому описанию, редактировать визуальный контент и работать в мультимодальных сценариях. Сейчас мы усиливаем направление оценки качества генеративных моделей и ищем для этой задачи сильных аналитиков.

• дообучение (fine-tuning, адаптеры) и интеграция генеративных моделей генерации изображений и видео для решения задач в проде.

• бенчмаркинг и валидация. Сравнение производительности, качества и скорости инференса opensource-моделей между собой и с моделями Kandinsky. Формирование аналитики.

• оптимизация пайплайнов. Доведение решений до production-ready уровня.

• коммуникация с Research-командой. Передача требований и инсайтов, полученных при экспериментах с opensource, для разработки собственных технологий.

• опыт работы ML Engineer от 4х-лет

• уверенное владение Python и фреймворками глубокого обучения (PyTorch)

• понимание внутреннего устройства актуальных CV-моделей

• знания архитектур и методов обучения SOTA моделей в генеративном CV

• умение работать с контейнеризацией (Docker, Kubernetes) и оркестрацией пайплайнов.

Будет плюсом:

• опыт интеграции генеративных моделей в существующие продуктовые контуры

• навык написания эффективного production-кода на Python

• опыт менторства менее опытных коллег и code review

• умение за возможностями модели увидеть потенциал для бизнес-фичей.

• 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.

В Департамент ИТ блока «Корпоративно-инвестиционный бизнес» в команду «1,5 КГ отличного ЮЛ» открыта позиция Дата инженера.

Мы занимаемся анализом жизненного цикла Клиента в Банке, а также оценкой и прогнозом его финансового положения.

Текущая реализация на микросервисной архитектуре.

У Вас будет возможность поработать с богатыми и интересными данными. Стать частью быстрорастущего DS сообщества Сбербанка. Возможность писать на современном стеке (Python + Spark) и проникнуться всеми нюансами работы в большой технологической компании.

• взаимодействие с PO и аналитиками для согласования требований

• проектирование и разработка аналитических витрин данных

• конфигурирование сборки, поставки на стенд, витрин данных и интеграций (API, ТФС)

• определение очередности расчетов

• разработка и поддержка спецификаций

• проведение интеграционного, unit, регрессионного тестирования

• мониторинг и оптимизация работы витрины: взаимодействие с сопровождением hadoop кластера и разработчиками Core-сервисов.

• опыт работы дата-инженером от 2 лет

• опыт работы с Hadoop и Apache Spark Scala

• отличные знания SQL (JOINы, агрегаты, группировки, вложенные запросы, индексы, оконные функции)

• знание основных алгоритмов и структур данных

• опыт разработки в парадигме ООП, знаете его основные принципы

• знание форматов данных: сsv, json, yaml, parquet

• знание OLTP, OLAP, ACID, Теорема CAP

• понимание процессов ETL, ELT

• знание инструментов для организации и автоматизации работы: IDE, Git, Jira, Confluence.

Приветствуется:

• навыки работы с CI/CD

• знание bash: базовые команды для работы с файлами и процессами, знаете как происходит процесс подключения к нодам - нужно для работы на кластере

• представление о монолитных и распределенных системах: знаете принципы их работы и отличия, цели применения

• навыки работы с генеративными AI-моделями.

• комфортный современный офис рядом с м. Кутузовская, формат работы - офис

• 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

• бесплатная подписка Прайм

• вознаграждение за рекомендацию друзей в команду Сбера.

Привет! Это команда разработки ERP и учётных систем. Мы управляем финансами клиентов, миллионами договоров с контрагентами и зарплатами тысяч сотрудников через ЭДО.

Сейчас мы ищем Senior ML-инженера в команду разработки ML-инструментов.

Мы создаём ядро интеллектуальной обработки документов — систему, которая автоматизирует работу с сотнями типов документов на разных языках. Ежедневно десятки тысяч контрагентов предоставляют пакеты документов. Наша задача — не просто их распознать, а построить интеллектуальный пайплайн, который автоматически извлекает, структурирует и проверяет достоверность и принадлежность данных, интегрируя результат в бизнес-процессы.

У нас активно развиваются llm/vllm в применимости к документам:

• Cовременные OCR системы на базе Qwen, PaddleOCR и т.п.

• LLM модели для анализа и саммаризации документов.

• Агентские системы для автоматизации роутинга потока документов.

Вы будете

• Определять архитектуру и разрабатывать end-to-end ML пайплайны для обработки документов: от приёма сырого изображения до валидированного структурированного вывода.

• Проводить research, выбирать и дообучать state-of-the-art модели для задач CV и NLP: детекция и классификация документов, OCR (печатный/рукописный текст, таблицы), Key Information Extraction (KIE), верификация подлинности и т.п.

• Оптимизировать модели для production (квантизация, дистилляция, работа с Triton/OpenVINO) и обеспечивать их масштабируемость и надёжность в высоконагруженной системе.

• Проводить A/B-тесты новых алгоритмов, анализировать их влияние на бизнес-метрики (качество, скорость, стоимость).

• Заниматься не только обучением моделей, но и внедрением их в production.

• Интегрировать решения с ML-платформой и инфраструктурой Ozon.

• Быть наставником для других участников команды, делиться экспертизой, проводить обзоры архитектурных решений и методологий.

Наш стек

• Язык и данные: Python, PostgreSQL, Redis.

• CV/NLP: PyTorch, OpenCV, семейство моделей Qwen, LayoutLM, Donut e.t.c.

• ML-рантайм и оптимизация: NVIDIA Triton, TensorRT, ONNX, OpenVINO.

• MLOps: Airflow, платформа запуска и трекинга экспериментов (MLFlow/ClearML-like).

• Инфраструктура: Kubernetes, Docker.

Нам важно

• Глубокое экспертное понимание state-of-the-art подходов в Computer Vision.

• Способность аргументированно выбирать архитектуры для решения задач бизнеса.

• Опыт работы с задачами: OCR (распознавание текста), детекции объектов, сегментации изображений.

• Практический опыт внедрения CV-моделей в production: от research и прототипирования до оптимизации, развёртывания в high-load среде, настройки мониторинга.

• Готовность и интерес к решению не только CV-задач, но и смежных ML-проблем.

Будет плюсом

• Опыт дообучения моделей с использованием адаптеров (LoRA, PEFT и др.).

• Опыт работы с задачами few-shot/zero-shot обучения в CV.

• Знание методов генерации и использования синтетических данных для обучения.

Мы предлагаем

• Динамичный и быстроразвивающийся бизнес, ресурсы, возможность сделать вместе лучший продукт на рынке e-commerce.

• Свободу действий в принятии решений.

• Достойный уровень заработной платы.

• Прекрасную команду, которой мы гордимся.

• Возможность развиваться вместе с нашим бизнесом.

VK Реклама — платформа, которая объединяет все крупнейшие в России и СНГ социальные сети и сервисы с общим охватом более 140 млн человек. Благодаря VK Рекламе у рекламодателей есть единая точка доступа к аудитории рунета и колоссальному объёму мобильного трафика высокого качества.

Ядро рекламной системы — аукцион, обеспечивающий эффективную реализацию выбранных рекламодателями стратегий ставок и подбор рекламы для пользователей.
Мы ищем ML-специалиста, которому интересно глубоко погрузиться в механику аукциона, растить эффективность рекламных продуктов и стратегий ставок с помощью методов машинного обучения.
Что предлагаем:
Возможность внедрять решения, влияющие на ~100 млн пользователей ежедневно
Интересную предметную область - реклама сочетает в себе рекомендательную систему и аукцион со множеством дополнительных механизмов
Технологические платформы компании, упрощающие внедрения в рантайм

Задачи

• Разрабатывать и улучшать ML-модели ранжирования в аукционе
• Проводить AБ эксперименты с моделями в высоконагруженной системе
• Оптимизировать производительность существующих алгоритмов

Требования

• Знание классических методов машинного обучения (линейные модели, градиентный бустинг, матричные факторизации, методы NLP) и DL
• Понимание принципов и методов предобработки данных, feature engineering и оценки моделей
• Практический опыт разработки на Java, Python или C++
• Знание алгоритмов и структур данных
• Уверенное владение SQL

Будет плюсом

• Опыт разработки рекомендательных систем
• Опыт работы с большими данными (Spark, Hadoop, YTsaurus)

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

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

Инференс LLM в масштабе — это сложная инфраструктурная задача: GPU работают на пределе, возникают сетевые задержки, возможны сбои оборудования. Мы создаём решения, чтобы эти события минимально влияли на доступность и latency нашего сервиса инференса.

Оптимизация инференсных движков

Вам предстоит повышать эффективность и снижать latency при выполнении LLM-инференса на GPU.

Развитие инструментов диагностики

Вы будете создавать и улучшать инструменты для быстрого выявления и устранения инфраструктурных проблем, которые влияют на стабильность и скорость инференса.

Исследование и внедрение

Вам предстоит работать с методами оптимизации инференса (квантованием, прунингом) и современными подходами к параллелизации.

* Владеете C++ и Python: имеете уверенные навыки низкоуровневого программирования и оптимизации
* Работали с GPU (NVIDIA) и CUDA: понимаете архитектуру GPU, разрабатывали или оптимизировали алгоритмы под CUDA
* Глубоко понимаете архитектуру Transformer: знакомы с внутренними механизмами (attention, FFN, нормализацией) и их реализациями
* Знаете подходы к параллелизации: понимаете Data Parallel, Tensor Parallel, Pipeline Parallel (желательно ещё Expert Parallel) для распределённого инференса или обучения
* Интересуетесь LLM и MLOps: понимаете задачи и вызовы, связанные с эксплуатацией больших моделей в продакшне
* Умеете эффективно работать в команде и делиться знаниями

* Работали с современными решениями для оптимизации инференса: vLLM, TensorRT-LLM (TRT-LLM) или sglang

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
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.

Чем предстоит заниматься:
• Выполнение задач полного жизненного цикла (от сбора требований до выкатки на установку в прод)
• Разработка/доработка витрин/решений и их автоматизация через оркестраторы
• Изменение алгоритма расчета показателей, оптимизация кода
• Проведение анализа качества данных
• Разработка дата-продуктов и визуальных форм
• Тестирование функционала и передача его заказчику
• Подготовка Adhoc выгрузки по требованиям заказчиков
Наши ожидания от кандидата:
• Знание SQL (Oracle, Postgres, GreenPlum), Hadoop (HDFS, Hive, Impala), PySpark - уровень выше среднего, умение оптимизировать коl
• Знание инструментов обработки и трансформации данных (PySpark, Apache Airflow)
• Знание Iceberg, S3, Kafka - будет плюсом

• Знание PowerBI - будет плюсом

• Знание теории баз данных

• Умение структурировать и анализировать информацию
• Знание основ банковской деятельности

• Знание принципов работы моделей (DS)
Что мы предлагаем взамен:
• Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
• График работы: 5/2, гибкое начало дня
• Удаленка или гибрид, а также уютный ИТ-хаб в Москве, Санкт-Петербурге, Екатеринбурге и сезонный коворкинг в Сочи
• Сложные и интересные задачи, современный стек технологий
• Заботу о вашем здоровье: программа ДМС с первых дней работы, куда входит стоматология, обслуживание в лучших клиниках города, страхование и компенсация 10-ти дней больничного
• Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни
• Оплату посещения профильных конференций и курсов, помогаем с подготовкой к публичным выступлениям и написанием статей на Хабр
• Доступ к бесплатным корпоративным библиотекам Alpina Digital, MyBook и бизнес-изданий
• Предложения от Банка только для сотрудников: собственные спортзалы (Москва, Санкт-Петербург, Екатеринбург), а также скидки на услуги туристических агентств, продукты питания, в рестораны, бары, магазины

MyStartups – дочерняя IT-компания Astana Motors, специализирующаяся на создании технологичных решений для оптимизации бизнес-процессов в разных сферах.

Требования:

• 2–3 года разработки ML/AI-решений, из них не менее 1 года — с LLM/RAG-системами в production.

• Опыт работы в командах с распределением задач (не соло-разработка).

• Портфолио реализованных проектов с измеримым результатом (метрики, нагрузка, количество пользователей).

• Понимание промпт-инжиниринга: few-shot, structured output, работа с системными промптами.

• Production-уровень Python (async/await, тестирование, чистая архитектура проекта).

• Уверенный уровень SQL и PostgreSQL.

• Английский язык не ниже B2 (для работы с документацией и моделями).

• Уверенное владение Docker, Docker Compose (опыт написания production Dockerfile).

• Опыт работы с CI/CD (GitHub Actions, GitLab CI).

• Опыт с системами кэширования (Redis) и объектными хранилищами (MinIO/S3).

• Понимание работы с GPU-инфраструктурой: multi-GPU setups, tensor parallelism, распределение ресурсов.

Будет большим плюсом:

• MLOps и Инфраструктура: Kubernetes, виртуализация (Proxmox или аналоги) для локальных ML-серверов.

• ML/DS: Понимание RLHF/DPO, классический ML (scikit-learn, NLP-задачи), базовый статистический анализ.

• Специфика: Опыт работы с казахоязычными или мультиязычными NLP-задачами.

• Оптимизация: Опыт вывода моделей на ограниченном железе (Apple Silicon, single-GPU) с оптимизацией throughput.

• Самостоятельное проектирование архитектуры и вывод ML-сервисов в промышленную эксплуатацию (от идеи до продакшена).

• Построение RAG-систем полного цикла: от парсинга и чанкинга документов до выдачи ответа с источниками.

• Развёртывание и инференс open-source LLM (Qwen, Llama и т.п.), настройка параметров инференса (batching, quantization, KV-cache).

• Проектирование схем, индексация и тюнинг поиска в векторных БД (pgvector, Milvus/Qdrant/Weaviate).

• Оценка качества генерации: контроль галлюцинаций (hallucination control), ручной и автоматизированный аудит, расчет метрик (faithfulness, relevance).

• Настройка стратегий ретрива (hybrid search, reranking, semantic chunking) и работы с embedding-моделями.

• Внедрение NL2SQL, структурированной генерации (JSON, function calling, tool use) и мультиагентных систем (оркестрация, MCP-серверы).

• Опционально: Fine-tuning/LoRA открытых моделей под доменные задачи, внедрение guardrails и модерации контента.

Инфраструктура и бэкенд:

• Разработка API-сервисов на FastAPI (Pydantic-схемы, async-эндпоинты) и построение дашбордов.

• Оптимизация SQL-запросов в PostgreSQL.

• Самостоятельная настройка CI/CD пайплайнов деплоя.

• Настройка мониторинга сервисов (Prometheus/Grafana: алерты и дашборды) и версионирования моделей/данных (MLflow, DVC).

• Координация задач в команде, техническое лидирование небольшой группы разработчиков.

• Декомпозиция задач и оценка сроков.

• Погружение в новые доменные области (юридические, HR, промышленные регламенты) для построения специфичных RAG-систем.

• Опционально: Подготовка технической документации и памяток для внутренних команд.

• Оформление по ТК РК с первого рабочего дня, полностью белая заработная плата.

• Конкурентный уровень дохода (обсуждается по итогам собеседования).

• Современный офис в Мега Центр (Розыбакиева) с гибридным графиком.

• ДМС для сотрудника и членов семьи после успешного прохождения испытательного срока.

• Оплата профильного обучения, сертификаций, участия в профессиональных конференциях и митапах.

• Предоставление современного рабочего оборудования (MacBook).

• Гибкое начало рабочего дня, отсутствие жесткого микроменеджмента и бюрократии.

• Сложные технические вызовы, современный стек технологий и реальная возможность влиять на архитектурные решения.

• Дружная команда профессионалов, регулярные внутренние технические митапы и knowledge sharing.

Автоматизация процессов и внедрение AI-решений в крупной компании 🚀

КОГО МЫ ИЩЕМ?

Мы ищем специалиста, который сочетает в себе навыки бизнес-аналитика, системного архитектора и эксперта по автоматизации. Если ты умеешь проектировать сложные бизнес-процессы, настраивать Bitrix24 как конструктор LEGO и при этом держишь руку на пульсе AI-трендов — нам точно по пути! 🤖

ЧЕМ ВЫ БУДИТЕ ЗАНИМАТЬСЯ?🎯

• Анализ и проектирование — собираешь требования от внутренних заказчиков, описываешь текущие и целевые процессы, находишь узкие места и ручные операции для автоматизации;
• Настройка Bitrix24 — проектируешь и внедряешь сложные бизнес-процессы, смарт-процессы, CRM-воронки, роботов и триггеры. Настраиваешь маршруты согласования (заявки, оплаты, закупки, документы), автоматические уведомления, контроль сроков и связки между сущностями;
• Интеграции — настраиваешь взаимодействие Bitrix24 с 1С, телефонией, мессенджерами, сайтами и другими системами через REST API и вебхуки;
• Внедрение AI 🤖 — создаёшь внутренних AI-ассистентов, автоматизируешь обработку обращений и документов, подключаешь базы знаний и ищешь новые AI-решения для повышения эффективности команды;
• Поддержка и развитие — диагностируешь и исправляешь ошибки в процессах, оптимизируешь существующие автоматизации, готовишь ТЗ для разработчиков и тестируешь доработки перед запуском;
• Обучение и документация — пишешь инструкции, обучаешь сотрудников и сопровождаешь пользователей после внедрения.

ТРЕБОВАНИЯ:🚀

• Опыт от 3-х лет — глубокой настройки Bitrix24: бизнес-процессы, смарт-процессы, роботы, триггеры, универсальные списки;
• Системное мышление — понимаешь логику условий, ветвлений, циклов, переменных, документов и связанных сущностей Bitrix24;
• Опыт автоматизации — настройка согласований, заявок, документооборота и внутренних процессов;
• Аналитические навыки — умеешь переводить бизнес-требования в технические решения и составлять ТЗ для разработчиков;
• Интеграции — опыт настройки REST API, вебхуков и интеграций с внешними системами;
• AI-компетенции — практический опыт работы с AI-инструментами, понимание работы больших языковых моделей, AI-ассистентов и баз знаний. Умеешь составлять промпты и контролировать качество ответов ИИ;
• Бонусом будет — опыт внедрения AI-решений в реальные бизнес-процессы и знание современных AI-трендов;
• Ответственность — готовность работать с конфиденциальной корпоративной информацией.

УСЛОВИЯ:⭐

• Достойное вознаграждение — конкурентная зарплата, уровень обсуждаем индивидуально по итогам собеседования;
• Комфортный офис — современное пространство в центре города (метро ЦСКА);
• Гибкий график — обсуждаем формат работы (офис / гибрид);
• Амбициозные задачи — участие в масштабных проектах по цифровизации и автоматизации Группы Компаний;
• Профессиональная команда — работа с экспертами, которые заряжают и поддерживают;
• Карьерный рост — возможности развития внутри крупной компании;
• Современный стек — работа с передовыми AI-решениями и технологиями.

Присылай резюме с описанием твоих успешных кейсов по автоматизации в Bitrix24 и внедрению AI-решений. Ждём тебя в команде! 🚀

Сбер2В — система бизнес-сервисов под единым управлением. Вместе мы решаем комплексные задачи государства, бизнеса и регионов с помощью аналитики больших данных, искуственного интеллекта, автоматизации и ЭДО.

Мы в цифрах:
• 50+ собственных решений
• 1,2 млн клиентов малого бизнеса
• 40+ отраслей используют наши продукты
• 2,5 тыс. клиентов крупного бизнеса и госсектора

Наши технологии (аналитика больших данных, машинное обучения, визуализация) помогают бизнесу расти, а регионам — развиваться.

Чем предстоит заниматься:

• Разработкой AI агентов на основе современных генеративных сеток (GigaChat и OpenSource);
• Разработкой системы офлайн- и онлайн-метрик для оценки качества LLM-приложений;
• Следить за последними исследованиями и инновациями в области языковых моделей и применять их на практике.

Что для этого нужно:

• Опыт разработки AI агентов для компаний end-to-end от исследования до запуска в продакшн;
• Глубокое понимание архитектуры нейронных сетей, трансформеров и их применения в моделях LLM;
• Экспертное владение Python-библиотеками для AI/ML (PyTorch, Transformers, LangChain, LlamaIndex, LangGraph, pandas, NumPy, scikit-learn);
• Знание MLOps-инструментов (Docker, LangFuse, Ollama, vLLM);
• Высокий уровень знаний статистики (теорвер + матстат), глубоко понимает ключевые алгоритмы ML.

Что мы предлагаем:

• Работу в аккредитованной IT-компании;
• Удобный офис (м. Калужская, ул. Обручева 30/1 с.2);
• Ежегодный бонус по итогам работы;
• Подключение к ДМС, телемедицина, чек-ап – после прохождения испытательного срока;
• Ведение беременности и родов, лазерная коррекция зрения и стоматология после двух лет непрерывного стажа в группе Сбер;
• Специальные условия для страхования семьи;
• Возможность участия в корпоративной пенсионной программе;
• Корпоративное обучение;
• Бесплатную подписку на СберПрайм+ и скидки у партнёров;
• Новогодние подарки для детей, корпоративные мероприятия и поддержку в особых жизненных ситуациях;
• Скидки в спортклубы X-Fit, WorldClass.

Почему у нас классно работать:

• Видимый результат: твой вклад напрямую влияет на продукт и развитие компании;
• Минимизируем бюрократию, даем возможность проявлять инициативу;
• Есть возможность карьерного роста внутри команды или других подразделений;
• Вклад в развитие общества: наши исследования способствуют улучшению экономики регионов и качества жизни людей.

Мы верим в силу данных как инструмента позитивных изменений.

В нашей команде дата-инженеры занимаются организацией данных и витрин для их получения. Главные потребители наших данных – data scientist’ы, которые занимаются поиском закономерностей, значимых признаков в данных и тренировкой моделей машинного обучения. Сейчас мы активно расширяем команду и приглашаем к сотрудничеству Дата Инженеров!

— проектирование и построение DWH
— подготовка витрин данных для отчетности, бизнеса и дата аналитики
— организация пайплайнов сбора данных от бэкендов и других хранилищ
— организация пайплайна подготовки датасетов для обучения ML моделей
— организация мониторинга компонентов корпоративной платформы данных
— разработка ETL/ELT пайплайнов и поддержка существующих

Какие еще навыки будут полезны в работе:
— Python
— Hadoop, Spark, YARN, Hive, Impala
— noSQL базы: Cassandra, Elastic
— анализ данных при помощи Python-ноутбуков Jupyter, Zeppelin
— работа с очередями сообщений: Kafka, Rabbit, JMS

— понятная траектория роста (оценка эффективности, карьерные консультации, индивидуальная карта развития и т.д.);
— обучение и развитие за счёт ресурсов компании (Учебный центр, корпоративная библиотека, оплата внешнего обучения);
— социальный пакет (ДМС после ИС, скидки от партнёров, детская программа и т.д.);
— насыщенная корпоративная жизнь (радио, подкасты, кибертурнир, собственные мероприятия и участие в крупных событиях отрасли);
— возможность быть преподавателем, наставником, автором корпоративного блога, спикером – каждый выбирает то, что подходит именно ему;
— официальное трудоустройство с первого дня, полностью белая зарплата;
— удобный формат работы (удаленно или офисе/в гибридном формате).

Мы — команда в Департаменте маркетинга Сбера. Мы строим ИИ-агентов на базе LLM, совмещая скорость стартапа с масштабом большой компании: у нас есть доступ к огромным массивам данных, серьёзная инфраструктура и свобода выбирать лучшие инструменты под задачу.

Наши агентные направления Вы будете развивать ключевое направление департамента — создавать агентные системы двух типов:

1. Внутренние продукты для сотрудников. Автоматизация рабочих процессов внутри банка. Например, агенты, которые по текстовому брифу генерируют готовую структуру веб-страниц с контентом и изображениями, экономя время маркетинговых команд.
2. Внешние интерфейсы для клиентов. Диалоговые ассистенты на публичных ресурсах. Ваш код будет напрямую взаимодействовать с миллионами пользователей сайта Сбербанка, помогая им получать ответы через GigaChat, поиск по базам знаний (RAG) и систему скиллов.

Наш главный продукт сегодня — backend AI-ассистента на сайте банка. Это сложная система оркестрации диалогов на LangGraph.

Сейчас мы собираем современный агентный стек с нуля (LangGraph, RAG, function calling).

Чем предстоит заниматься:

• развивать и рефакторить оркестрацию агентов на LangGraph
• разрабатывать скиллы и инструменты (tools) для агента
• интегрировать LLM (писать и оптимизировать system/user-промпты, проектировать Pydantic-схемы для структурированного вывода, настраивать параметры моделей)
• подключать внешние системы (HTTP API, Kafka, поисковые движки)
• строить RAG-пайплайн
• покрывать код unit-тестами
• участвовать в проектировании архитектуры агентских систем.

Мы ожидаем:

• опыт разработки AI агентов от 1 года
• опыт разработки python от 3 лет
• опыт с веб-фреймворками (FastAPI и/или aiohttp) и проектировали REST API; опыт работы с WebSocket/SSE для real-time коммуникаций.
• опыт интеграции LLM через API (GigaChat, аналоги)
• опыт с LangGraph/LangChain или похожими оркестраторами агентов
• опыт с PostgreSQL (проектирование схем, миграции, транзакции) и асинхронным доступом к БД
• умеете доводить LLM-фичи до стабильной работы в проде.

Будет плюсом:

• опыт работы с AEF
• опыт с RAG
• опыт с Kafka и событийными интеграциями
• опыт работы с Docker / Kubernetes, Helm, CI/CD пайплайнами.

Мы предлагаем:

• гибридный формат работы (2-3 дня в офисе)
• годовой бонус и ежегодный пересмотр
• расширенный ДМС с первого дня + стоматологию и льготное страхование для семьи
• корпоративный университет Сбера, внутреннюю образовательную платформу, участие в IT-конференциях
• офис на Кутузовской с зонами отдыха и спортзалом
• льготную ипотеку в Сбере, корпоративную пенсионную программу, подписку СберПрайм с возможностью совместного использования на трёх близких, скидки от партнеров и сервисов группы компаний.

Эт ко мне 🫡

JSCB Hamkor Bank

5 017 отслеживающих

7 ч

Отредактировано

🚀 Hamkorbank ищет AI Engineer

Ищем специалиста, который будет развивать инфраструктуру AI/ML-систем, интегрировать модели в продукты банка и обеспечивать стабильную работу AI-сервисов.

Ключевые задачи:

— разработка и поддержка микросервисов для AI/ML-систем;

— интеграция AI-моделей в backend-продукты и сервисы;

— настройка CI/CD, Docker, Kubernetes и ML-инфраструктуры;

— мониторинг, оптимизация и масштабирование AI-сервисов;

— развёртывание и сопровождение моделей.

Что важно:

— уверенное знание Python, Bash и Linux;

— опыт разработки микросервисов;

— понимание принципов работы AI/ML-систем и backend-инфраструктуры;

— опыт работы с CI/CD, Docker и Kubernetes;

— опыт развёртывания и сопровождения моделей на GPU будет преимуществом.

📩 Для отклика: Abdumalik Abdurakhimov

Знаете специалиста, которому может подойти эта вакансия?

Будем благодарны за рекомендацию или репост 💚

Команда продукта «Smart Support» работает для 200 тысяч сотрудников компании и занимается разработкой удобных и комфортных инструментов ИТ-поддержки.

Наши сервисы направлены на поддержку и решение проблем пользователей с оборудованием (ПК/ноутбуки, мобильные устройства, принтера, ВАРМ и т.д), а также решением проблем с программным обеспечением на этом оборудовании. Сейчас мы активно внедряем AI-агентов в процессы онлайн и оффлайн поддержки, которые позволяют оперативно решать проблемы или вопросы клиентов.

Чем предстоит заниматься:

• разрабатывать агентов и мультиагентные сценарии
• улучшать качество агентов на основе разметки и данных из production
• развивать RAG, Agentic RAG, работу с инструментами и базами знаний
• разрабатывать ML-модели для поиска, ранжирования или классификации
• интегрировать агентов с внутренними системами и сопровождать их в production.

Мы ожидаем:

• уверенный уровень Python и опыт асинхронной разработки
• опыт разработки LLM-агентов от 1 года
• опыт разработки и оценки ML-моделей
• понимание принципов работы и ограничений LLM
• понимание принципов построения агентных систем (structured output, tool calling, ReAct/agentic loop, управление состоянием и контекстом, multi-agent и human-in-the-loop)
• понимание RAG и Agentic RAG (подготовка знаний, embeddings, поиск, retrieval, reranking и формирование контекста для LLM)
• понимание подходов к оценке агентных систем (формирование eval-выборок, выбор метрик, оценка итогового результата и действий агента).

Будет плюсом

• опыт запуска агентов в production
• знание LangGraph
• практический опыт с MCP, A2A и multi-agent-системами
• базовое понимание Kubernetes и CI/CD.

Мы предлагаем:

• гибридный формат работы (3 дня офис, 2 удаленно)
• годовой бонус и ежегодный пересмотр
• расширенный ДМС с первого дня + стоматологию и льготное страхование для семьи
• корпоративный университет Сбера, внутреннюю образовательную платформу, участие в IT-конференциях
• офис на Кутузовской с зонами отдыха и спортзалом
• льготную ипотеку в Сбере, корпоративную пенсионную программу, подписку СберПрайм с возможностью совместного использования на трёх близких, скидки от партнеров и сервисов группы компаний.

Ищем в команду активного коллегу, которому реально интересен искусственный интеллект и хочется быстро в нём развиваться.

Опыт не нужен — всему научим.

Главное — быстро соображать, легко осваивать новое, быть самостоятельным, любопытным и постоянно интересоваться новыми AI-инструментами.

Что будешь делать

Задачи очень разные:

— создавать простые сайты, сервисы и инструменты с помощью AI;
— собирать AI-агентов и скиллы;
— автоматизировать простые бизнес-процессы;
— помогать с маркетингом через AI;
— создавать видео, изображения и контент;
— тестировать новые нейросети и сервисы;
— реализовывать разные идеи и проекты с помощью искусственного интеллекта.

Сегодня можем делать автоматизацию, завтра — видео, послезавтра — небольшой сервис.

Глубоких технических знаний не требуется. Важнее уметь быстро разобраться в задаче и освоить нужный инструмент.

Что предлагаем

— обучение работе с AI с нуля;
— все необходимые AI-подписки и сервисы за наш счёт;
— 10 000–15 000 ₽ на старте с дальнейшим ростом;
— полностью свободный график — можно совмещать с учёбой и другой работой;
— возможность официального трудоустройства, если это необходимо;
— реальные проекты, на которых можно очень быстро прокачаться.

И ещё у нас классный офис :)

Мы находимся в новом IT-парке имени Башира Рамеева.

Современный офис, кофе, чай, вкусняшки и комфортное пространство, куда можно прийти поработать, поучиться, потусить или просто зависнуть между парами.

У нас молодая команда, все общаются на «ты»: скидываем друг другу мемы, угораем, вместе разбираемся в новых технологиях, косячим, исправляем и развиваемся.

Если интересно — напиши пару слов о себе, где учишься, какими AI-инструментами уже пользуешься и почему тебе вообще хочется двигаться в эту сферу.

Юзтех – группа аккредитованных ИТ-компаний полного цикла разработки с многолетней экспертизой в передовых технологиях: DWH, BigData, AI/ML, Blockchain, BI, предиктивная аналитика, цифровые двойники производства и рисков.

ГК Юзтех является технологическим партнером таких компаний, как Mail.ru, 2Gis, НЛМК, Еврохим, Го Инвест, Альфа-Банк, Сбер, ВТБ, МКБ, Самолет, Х5 retail Group, Газпромнефть, Леруа Мерлен, Ситилинк, Ланит, IBS. Также, ГК разрабатывает собственные IT-продукты (Usebus, Octopus, Тил Эйчар) и флагманские проекты, которыми пользуется 70% населения страны.

Приглашаем старшего DevOps (MLOps) -инженера на проект банка. Это позиция в первую очередь для технического лида в небольшую, самостоятельную команду (3–4 человека). Ищем сильного devops - инженера, который хочет развиваться в сторону MLOps. Официальный опыт лидом не обязателен, если вы растили джунов или стажёров как старший специалист — этого достаточно.

Проект: инфраструктурный кластер в K8s, где размещаются сервисы и алгоритмы, поддерживающие и дополняющие процессы работы с ML-моделями.

Задачи:

• проектировать новые техрешения и лидить техническую сторону проекта.
• настраивать и разворачивать инфраструктурные компоненты в кластере K8s.
• создавать / адаптировать пайплайны под задачи AutoML, LLM, computer vision.
• разрабатывать пользовательские инструменты для единого ML-контура (обучение + применение).
• масштабировать системы для управления жизненным циклом ML-моделей.

Важные знания и опыт:

• опыт администрирования Kubernetes (продакшн-кластеры, понимание «под капотом») — обязательно (от 2 лет).
• devops-стек: Docker, Helm, Jenkins / GitLab CI, Python
• опыт с Airflow, MLflow
• самостоятельность, проактивность, готовность погружаться в инфраструктуру и помогать команде, умение видеть общую картину результата.

Будет плюсом (но не блокер)

• Seldon, JupyterHub, CUDA, Hadoop, Spark.

Мы предоставим:

• карьерную и профессиональную возможность в стабильной, аккредитованной ИТ-компании;
• расширенный полис ДМС со стоматологией, корпоративного психолога;
• обучение, сертификацию, онлайн‑изучение английского;
• доступ к корпоративной библиотеке и к корпоративному университету;
• внутрикорпоративные профильные коммьюнити;
• заботу о детях сотрудников: корпоративные скидки, подарки, детские дни;
• геймифицированную программу лояльности: поверь, ты будешь в восторге от нашего корпоративного магазина!
• корпоративную жизнь: мы много работаем и классно отдыхаем!

Мы рассмотрим ваше резюме в течение 3-х рабочих дней.

Работа Дата инженером в составе команды валидации (в связке с DS и методологами) для всесторонней оценки эффективности модели и модельных рисков, связанных с подходами к разработке модели, качеством модели, качеством данных на разработке и применении, системами и процессами использования модели.

Обязанности:

• поиск и загрузка необходимых данных для проведения проверки качества модели, преобразование данных;
• поиск ошибок и аномалий в данных;
• проверка корректности ETL процессов;
• Code review;
• автоматизация проверок на различных этапах валидации;
• участие в ПСИ витрин и моделей;
• подготовка отчетов по результатам работы.

Требования:

• высшее образование;
• опыт работы в обработке/анализе данных (предпочтительно в ИТ компаниях, подразделениях ИТ или рисков банка),
• уверенные знания SQL, Python,
• опыт работы с Hadoop (Spark, PySpark) как преимущество,
• знание стандартов по качеству данных.

Мы ищем Senior Data Scientist в команду Availability (Доступность)

Обязанности

1. Вести ML-проекты end-to-end: постановка задачи → решение → тест → прод → поддержка

2. Совместно с дата инженерами формировать датасеты и требования к данным, оценивать реализуемость, риски и ограничения

3. Совместно с дата аналитиками участвовать в дизайне и анализе A/B-тестов: метрики, сплиты, интерпретация результатов, рекомендации по выкатке решений

4. Разрабатывать и обучать модели (classic ML + DL), в т.ч. решения на эмбеддингах текста и изображений; проводить offline-оценку и анализ ошибок

5. Передавать модель и код в продакшен (Python-сервис), сопровождать релизы и интеграции

6. Отвечать за качество модели после запуска: метрики, мониторинг, дрейф/деградации, план улучшений и регламенты поддержки

Бизнес домен:

1. Разрабатывать и внедрять модели, предсказывающие вероятность бронирования для каждого поискового запроса с учетом бизнес логики
2. Прогнозировать ключевые метрики (например, спрос, доступность объектов), чтобы проактивно улучшать пользовательский опыт
3. Анализировать большие объемы данных для поиска инсайтов, проверки продуктовых гипотез и понимания поведения пользователей

Требования

• От 4х лет на позиции Data Scientist
• Опыт ведения ML-проектов end-to-end в продакшене (от постановки до поддержки)
• Опыт с DL (PyTorch/TensorFlow): понимание принципов fine-tuning, инференс моделей
• Python (production-качество): читаемый код, тесты на критичные компоненты, понимание упаковки модели/артефактов и интеграции в сервис
• Понимание мониторинга ML: метрики качества, дрейф, алерты, диагностика и регламенты поддержки
• SQL на уровне самостоятельной сборки датасетов (joins, window functions)
• Опыт с интерпретируемостью и анализом ошибок модели
• MLflow / W&B / DVC или аналогичные инструменты трекинга экспериментов
• Разговорный английский на уровне В1 (Intermediate)

ML стек

• Классические алгоритмы машинного обучения
• Понимание базовых подходов ранжирования (pointwise, pairwise) и их применения на практике
• Будет плюсом опыт работы с временными рядами

Технический стек

• Python, Pyspark

Бизнес в Малайзии - это несколько независимых брендов, у каждого своя продуктовая линейка. Часть клиентских связей уже описана в графовой базе Neo4j, но пространство для улучшений здесь огромное - есть куда расти и что улучшать.

Помимо построения моделей вы будете заниматься исследовательскими адхоками: например, оценивать потенциал новых переменных или источников данных до того, как они попадут в продакшн.

1. Постановка задачи - вместе с заказчиком определяете цель модели: что значит «хорошая модель» в этом контексте и какие бизнес-проблемы она должна закрыть.

2. Работа с данными

   • для части источников переменные уже готовы;

   • сложные новые источники реализует команда дата-инженеров (ДЕ), а вы выступаете постановщиком задачи как внутренний заказчик;

   • часть источников на базовом уровне вы прорабатываете самостоятельно.

3. Моделирование - эксперименты, выбор и обоснование лучшей модели.

4. Внедрение - реализация модели в виде класса по шаблону на MLflow.

5. Мониторинг - постановка модели на мониторинг через собственный сервис компании.

• Полный цикл от идеи до продакшна и мониторинга - без разрыва между «наукой» и «внедрением».

• Прямую связь с бизнес-результатом: по каждой модели можно посчитать эффект.

• Разнообразие задач: от классического моделирования до исследовательских адхоков и оценки новых источников данных.

• Возможность пробовать новые подходы и технологии на реальных данных, а не в изоляции.

• Python (уверенное владение функциями, классами, ООП-подходом);

• Pandas, scikit-learn;

• SQL (индексы, оконные функции, CTE).

• Гибкость подходов к задачам;

• Желание пробовать новое и не бояться экспериментов;

• Умение увидеть новые возможности - в существующих данных или в state-of-the-art технологиях - и применить их к текущим процессам.

Мы предлагаем

• Участие в развитии международной финтех-группы.
• Международную команду и динамичную рабочую среду.