Вакансии в ML и AI

Чем предстоит заниматься:
• Подготовка регулярных отчетов, ad-hoc выгрузок
• Ведение проектной документации и формирование предложений по оптимизации процессов
• Сотрудничество с другими отделами для реализации стратегии развития
• Адаптация отчетных форм под новые потребности бизнеса


Наши ожидания от кандидата
• Опыт работы в аналогичной должности не менее 3х лет
• Уверенное владение SQL, работа с большими объёмами данных
• Опыт работы с СУБД Oracle или PostgreSQL
• Умение работать в команде и взаимодействовать со смежными подразделениями
• Креативность и желание разрабатывать новые решения
• Внимательность к деталям и способность выявлять полезные для бизнеса закономерности


Что мы предлагаем взамен:
• Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
• Гибкий график работы: 5/2
• 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

BOS.pro (Business Operating System) — платформа, где ИИ-агенты создают и ведут бизнес-приложения для предпринимателей. Агенты здесь — способ собирать сам продукт, включая маркетинг.

На удаленке, но рост как в офисе в Сан Франциско.

Marketing OS — приложение для маркетинговых экспериментов: проекты, визуальный конструктор воркфлоу, рекламные каналы. Цель: агентство само запускает кампании клиентов (таргетинг, креативы, видео через Video OS, лендинги) и экспериментами снижает стоимость привлечения (CPA). Сейчас ранний пилот: строишь продукт с нуля вместе с первыми клиентами.

Что будешь делать

• Собрать Marketing OS от модели данных до интерфейса: проекты, эксперименты, визуальный конструктор воркфлоу, подключение рекламных каналов.
• Сделать агентов, которые собирают кампанию: аудитории и таргетинг, креативы, лендинги.
• Поднять Video OS: генерация видео и анимации (motion), чтобы ролик не собирали руками.
• Замкнуть цикл «гипотеза — запуск — метрики — новый эксперимент». Это цель пилота, без обещанных процентов снижения CPA.
• Вести работу циклом goal + loop + dynamic workflows (цель, короткий цикл, воркфлоу под задачу) и спекой до кода (OpenSpec). Стек: TypeScript/Node, React, PostgreSQL/Supabase.

Как мы работаем

• Полная занятость и полная вовлечённость, full-time, без параллельных проектов.
• Judge-модели разных вендоров проверяют работу перед мержем. Прод-готовый код, а не вайбкодинг. За решения агентов отвечаешь ты.

Как выходишь на темп

1. Первая неделя — погружение: тестируешь платформу, разбираешь баги и задачи вместе с агентами, собираешь свой параллельный сетап.
2. Затем выходишь на темп около 100 закрытых задач в день. Задача — короткий проверенный тикет (баг, тест, фикс, прогон), который ведут параллельные агенты, а не отдельная фича руками. Это тренировка рычага: ты ставишь цель и дирижируешь агентами; результат проверяют тесты, judge-модели и ревью, команда рядом.
3. Дальше — своё направление в зоне ответственности: Marketing OS или Video OS.

Кого ищем

• Fullstack-инженера с итересом в маркетинге: TypeScript/Node, React, PostgreSQL/Supabase, API, вебхуки.
• Каждый день работаешь с Claude Code, Codex или другими CLI-агентами.
• Понимаешь performance-маркетинг (CPA, A/B-тесты) или быстро в нём разберёшься. Плюс — опыт с генерацией видео.

Что получишь

• Рычаг: дирижируешь параллельными агентами, прогоны можно оставлять на ночь, перед мержем работу смотрят judge-модели разных вендоров.
• Продукт с нуля и своё направление: Marketing OS или Video OS, от архитектуры до прода.
• Задачи платформы, на которой предприниматели ведут бизнес: от CRM и таск-менеджера до Marketing OS и ERP.

Условия

• 2000–3000 USD в месяц — сумма договора, выплаты два раза в месяц. Оформление: договор с ИП или договор ГПХ с физлицом, не трудовой договор.
• Удалённо из любого города, график 5/2 - 6/1. Чекапы в 12:00 - 19:00 по МСК: между ними гибко, но как правило работаем за "одним рабочим столом" с пошереным экраном, сносом блокеров и обменом находками. Утром и на ночь, включая выходные проверяем/дозапускаем агентов.

Как проходит найм

С помощью ИИ мы сократили процесс найма, чтобы не тратить твоё время. Одна встреча (~30 минут): показываешь экран со своим рабочим сетапом — как агенты уже делают реальную задачу и как ты проверяешь результат. Живое демо говорит о тебе больше, чем пять раундов собеседований. Затем решение с командой и оффер.

Откликайся на hh или напиши рекрутеру Марии в Telegram:

BOS.pro (Business Operating System) — платформа, где ИИ-агенты создают и ведут бизнес-приложения для предпринимателей. Агенты здесь — способ собирать сам продукт, включая маркетинг.

На удаленке, но рост как в офисе в Сан Франциско.

Marketing OS — приложение для маркетинговых экспериментов: проекты, визуальный конструктор воркфлоу, рекламные каналы. Цель: агентство само запускает кампании клиентов (таргетинг, креативы, видео через Video OS, лендинги) и экспериментами снижает стоимость привлечения (CPA). Сейчас ранний пилот: строишь продукт с нуля вместе с первыми клиентами.

Что будешь делать

• Собрать Marketing OS от модели данных до интерфейса: проекты, эксперименты, визуальный конструктор воркфлоу, подключение рекламных каналов.
• Сделать агентов, которые собирают кампанию: аудитории и таргетинг, креативы, лендинги.
• Поднять Video OS: генерация видео и анимации (motion), чтобы ролик не собирали руками.
• Замкнуть цикл «гипотеза — запуск — метрики — новый эксперимент». Это цель пилота, без обещанных процентов снижения CPA.
• Вести работу циклом goal + loop + dynamic workflows (цель, короткий цикл, воркфлоу под задачу) и спекой до кода (OpenSpec). Стек: TypeScript/Node, React, PostgreSQL/Supabase.

Как мы работаем

• Полная занятость и полная вовлечённость, full-time, без параллельных проектов.
• Judge-модели разных вендоров проверяют работу перед мержем. Прод-готовый код, а не вайбкодинг. За решения агентов отвечаешь ты.

Как выходишь на темп

1. Первая неделя — погружение: тестируешь платформу, разбираешь баги и задачи вместе с агентами, собираешь свой параллельный сетап.
2. Затем выходишь на темп около 100 закрытых задач в день. Задача — короткий проверенный тикет (баг, тест, фикс, прогон), который ведут параллельные агенты, а не отдельная фича руками. Это тренировка рычага: ты ставишь цель и дирижируешь агентами; результат проверяют тесты, judge-модели и ревью, команда рядом.
3. Дальше — своё направление в зоне ответственности: Marketing OS или Video OS.

Кого ищем

• Fullstack-инженера с итересом в маркетинге: TypeScript/Node, React, PostgreSQL/Supabase, API, вебхуки.
• Каждый день работаешь с Claude Code, Codex или другими CLI-агентами.
• Понимаешь performance-маркетинг (CPA, A/B-тесты) или быстро в нём разберёшься. Плюс — опыт с генерацией видео.

Что получишь

• Рычаг: дирижируешь параллельными агентами, прогоны можно оставлять на ночь, перед мержем работу смотрят judge-модели разных вендоров.
• Продукт с нуля и своё направление: Marketing OS или Video OS, от архитектуры до прода.
• Задачи платформы, на которой предприниматели ведут бизнес: от CRM и таск-менеджера до Marketing OS и ERP.

Условия

• 2000–3000 USD в месяц — сумма договора, выплаты два раза в месяц. Оформление: договор с ИП или договор ГПХ с физлицом, не трудовой договор.
• Удалённо из любого города, график 5/2 - 6/1. Чекапы в 12:00 - 19:00 по МСК: между ними гибко, но как правило работаем за "одним рабочим столом" с пошереным экраном, сносом блокеров и обменом находками. Утром и на ночь, включая выходные проверяем/дозапускаем агентов.

Как проходит найм

С помощью ИИ мы сократили процесс найма, чтобы не тратить твоё время. Одна встреча (~30 минут): показываешь экран со своим рабочим сетапом — как агенты уже делают реальную задачу и как ты проверяешь результат. Живое демо говорит о тебе больше, чем пять раундов собеседований. Затем решение с командой и оффер.

Откликайся на hh или напиши рекрутеру Марии в Telegram

Ежемесячная аудитория около 20 млн. человек. Растить число пользователей и решать их проблемы помогают уже больше 1000 человек.

В Циан большая команда ML - DS, DE, своя MLOps-платформа.

Команда разделена на продуктовые стримы. Мы формируем самодостаточные команды (разработчики, аналитики, ML-инженеры) для решения задач бизнес-направления. С процессами интеграции моделей в продакшн нам помогает команда MLOps-платформы. В команде настроены процессы перфоманс ревью, регулярного обмена опытом, выделяем время на исследовательскую работу.

Мы ищем Middle Data Scientist в команду Trust&Safety. Команда отвечает за качество контента на площадке и делает так, чтобы пользователи видели только актуальные и настоящие объявления. Для эффективной борьбы с множеством нарушений коллеги разрабатывают инструменты, которые обрабатывают миллионы изображений, звонков, чатов и кликов пользователей.

• Пишем преимущественно на Python (Numpy, SciPy, Pandas, sklearn, PyTorch).

• Активно используем экосистему Hadoop (PySpark, Hive, Kafka), у нас свой большой кластер

• Для автоматизации запусков наших пайплайнов используем Airflow

• Для технических метрик — Grafana, для бизнес-метрик — Superset/FineBI.

• Разработка моделей машинного обучения, направленных на борьбу с нарушениями правил площадки и недобросовестными пользователями (формализация и постановки задачи, сбор данных, обучение, онлайн/оффлайн оценка качества, мониторинг)

• Внедрение своих ML-моделей в продакшн: написание микросервисов и Airflow DAG’ов

• Коммуникация с продуктом и разработкой

• Опыт: От 3х лет релевантного опыта на позиции DS в продуктовой компании. Опыт доведения ML-моделей до продакшена и оценки влияния на бизнес от внедрения

• Python: навык писать легко читаемый и поддерживаемый код, опыт выкатки сервисов в продакшн

• Классический ML: бустинги, ApproxNN

• SQL: оконные функции, оптимизация запросов

• Желателен опыт с Apache стеком: HDFS/Kafka/Spark/Airflow
  Будет плюсом опыт с DL: опыт обучения CV/NLP моделек на PyTorch

• Удаленную работу с возможностью приходить в офис в Москве, Санкт-Петербурге и Новосибирске. В офисе – кухни, оборудованные всем необходимым, а также снеки, фрукты, кофе и чай, бесплатная авто и вело парковки;

• Технический рост. У нас есть успешные примеры роста с точки зрения ML, а также инженерии (разработка, архитектура приложений и сервисов) : есть возможность консультироваться с командой и брать инициативу по реализации крупных и сложных проектов.

• Рост и развитие: в первые месяцы у каждого сотрудника есть ментор, после появляется личный план развития и возможность прокачивать soft/ hard skills на практике, обучении, конференциях;

• ДМС с первого рабочего дня (со стоматологией, госпитализацией, страховкой выезжающего за пределы нашей страны);

• 5 day off в год, помимо основного отпуска;

• Кафетерий льгот ;

Задачи

• Миграция в целевую архитектуру данных
• Реализация и систематизация ETL-процессов согласно требованиям
• Оптимизация работы с данными для продуктовой аналитики
• Документирование данных и процессов по управлению данными

Требования

• Профессиональные знания и навыки: Python, SQL, Airflow, ClickHouse
• Опыт работы: 4+ года в разработке или data engineering
• Опыт построения архитектуры DWH объёмом 100+ TB
• Опыт создания ETL-процессов
• Опыт миграции данных между различными БД

Будет плюсом

Команда бизнес-аналитики приглашает в свой контур Инженера DWH. Мы ищем эксперта, который сфокусируется на построении надежной архитектуры хранилища, обеспечении консистентности данных и автоматизации потоков. Если Вы готовы работать с большими объемами данных и видеть прямой вклад своей работы в развитие бизнеса, мы будем рады познакомиться!

Чем предстоит заниматься:

• Миграция DWH на целевую платформу
  данных (Clickhouse, Superset, dbt);
• Разработка ETL-процессов в AirFlow, NiFi,
  Python, Kafka;
• Разработка ИИ-агентов по работе с
  данными (LangChain, OpenWebUI);
• Конфигурирование и эксплуатация
  компонентов платформы данных;
• Настройка CI/CD-процессов разработки и
  эксплуатации;
• Взаимодействие с бизнес-заказчиками и
  смежными командами.

• Высшие образование;
• Опыт в разработке и эксплуатации DWH /
  ETL от 3 лет;
• Уверенные знания SQL и Python;
• Опыт конфигурирования приложений на
  уровне Docker, Linux от 1 года;
• Будет плюсом опыт или активный
  интерес к LLM / GenAI (Ollama, vLLM,
  LangChain).

• Официальное трудоустройство по ТК РФ с первого дня работы;
• Новый и современный офис на Западе Москвы (рядом природно-исторический парк Москворецкий);
• ДМС со стоматологией;
• Мероприятия для сотрудников летом, на Новый год, гендерные праздники;
• Развитая корпоративная культура;
• Развитие сотрудников внутри компании, возможность карьерного роста;
• График/режим работы: пн - пт 09:30-18:00, основной режим работы удаленный (1-2 раза в месяц очные встречи);
• Корпоративный транспорт от станции метро Крылатское до офиса Банка и обратно;
• Кухонные зоны и чай, кофе, фрукты в офисе.

О компании ООО "банк Раунд" — надёжная финансово-кредитная организация с богатой историей и современным подходом к обслуживанию клиентов. Мы ценим инициативу, открыты к инновациям и стремимся создавать лучшие сервисы для наших клиентов. Присоединяйтесь к нам и станьте частью команды, которая меняет банковский рынок!

Привет! Мы ищем Junior Data Scientist в дружную и высокопрофессиональную команду Business Data Science.

От нас – много интересных задач, прекрасный коллектив, потенциал для роста. От тебя – овладение нашим подклассом задач и необходимым для его решения инструментарием, при желании – решение нестандартных задач и участие в разработке внутреннего инструментария.

Чем мы занимаемся: регрессионные модели на бизнес-данных, помогающие клиентам из крупного и очень крупного бизнеса принимать критически важные для их работы решения.

Что предстоит делать:

• построение регрессионных моделей на бизнес-данных:

1. ETL – выгрузка и загрузка данных;
2. Preprocessing – предобработка данных;
3. Feature Engineering – формирование предикторов;
4. Modeling – построение модели, включая верификацию;
5. Reporting – подготовка отчёта по результатам моделирования.

• взаимодействие с внутренними и внешними заказчиками;
• участие в разработке внутреннего инструментария самого разного характера;
• другие нестандартные задачи.

Что мы от тебя ждем:

• опыт моделирования и/или работы с данными в рабочих или академических проектах;
• владение Python или R и соответствующими библиотеками для анализа данных;
• математический фундамент: представление о математической статистике, теории вероятностей, алгоритмах оптимизации и т.п.

Будет плюсом:

• интерес к разработке и программированию (есть задачи по созданию и развитию инструментария);
• опыт в бизнес-аналитике (бизнес-аналитик, маркетинговый аналитик, стратег) или хорошее понимание, как устроен бизнес;
• практическое представление о Git, CI/CD, Docker, ML Flow;
• умение презентовать результаты работы внутреннему и внешнему заказчику.

Alice AI помогает пользователям решать самые разные задачи: искать информацию, разбираться в сложных вопросах и работать с внешними инструментами. За то, как модель ведёт диалог, рассуждает и следует инструкциям, отвечает команда алайнмента.

Одно из направлений команды — системные промпты и управляемость модели. Системный промпт задаёт роль, стиль, формат ответа и правила работы с инструментами. При изменении инструкций модель должна предсказуемо менять поведение, сохраняя общее качество ответов.

Мы ищем руководителя, который задаст техническое направление этой работы и поможет команде превращать исследовательские гипотезы в решения для релизной модели.

Техническое развитие направления

Вы будете формировать технический курс вместе с командой, руководителем и продуктовыми партнёрами, выбирать ключевые гипотезы и принимать решения по результатам экспериментов.

Обучение и управляемость модели

Вам предстоит развивать методы обучения, данные и reward-модели, которые помогают Alice AI следовать системным инструкциям. Работа включает постановку воспроизводимых экспериментов, анализ поведения модели и развитие следующей итерации решения.

Оценка качества

Оценку качества системных промптов разрабатывает команда аналитики. Вы будете активно взаимодействовать с ней: помогать формулировать требования к оценке, следить за её качеством и проверять, насколько надёжно она отражает изменения в поведении модели.

Интеграция результатов

Вы будете доводить подтверждённые экспериментами решения до релизной модели, согласовывать технические изменения с командами RL, интеграции и оценки качества и участвовать в разборе сложных проблем на стыке направлений.

Техническая работа с командой

Вы будете вместе с командой исследовать актуальные подходы к управляемости языковых моделей, определять, какие из них подходят для наших задач, и проектировать решения для проверки на Alice AI.

Больше об ML в Яндексе — в канале Yandex for ML

* Хорошо понимаете устройство современных LLM, instruction tuning и методы алайнмента
* Руководили техническим развитием ML-направления или сложного исследовательского проекта
* Умеете связывать продуктовые цели, исследовательские гипотезы и метрики качества
* Строили воспроизводимый цикл ML-экспериментов и принимали технические решения по их результатам
* Умеете проектировать ML-системы и оценивать применимость новых подходов к задачам продукта
* Умеете объяснять сложные решения, делиться экспертностью и договариваться со смежными командами

* Работали с instruction following или controllability языковых моделей
* Работали с оценкой поведения LLM или reward-моделями

Управление развития Искусственного Интеллекта блока «Транзакционный банкинг B2C» ищет профессионала на позицию Middle Data Scientist. Мы занимаемся разработкой и внедрением ML-моделей на огромной клиентской базе B2C, чтобы своевременно предлагать клиентам кредитные карточные продукты, персонализировать условия обслуживания и автоматизировать поддержку клиентов.

Мы работаем над:

• модели склонности и отклика и для СберБанк Онлайн и других каналов дистрибуции карточных продуктов.

• NLP-моделями на текстовых данных (анализ обращений, чатов, отзывов клиентов для улучшения карточных продуктов).

• продвинутыми подходами в классическом ML: управление лимитом кредитной карты, uplift-моделирование маркетинговых кампаний, прогнозирование оттока и выхода из грейс-периода, feature engineering на больших данных

• строить ML-модели на основе различных данных: табличные, последовательности событий (транзакции по картам, кликстрим, операции), текстовые

• писать production-ready код и передавать его в CI/CD-пайплайн команды MLOps (вы отвечаете за качество кода и воспроизводимость)

• улучшать процесс построения моделей, разрабатывать собственные прикладные модули командного фреймворка разработки для повышения производительности DS и улучшения качества кода в промышленной среде

• предлагать и обосновывать внедрение новых ML-моделей в процессы банка, сопровождать интеграцию моделей в бизнес-процессы кредитования и обслуживания карт

• выдвигать data-driven гипотезы и предложения по запуску новых механик и карточных продуктов, а также находить инсайты в данных.

• глубокое знание классического ML и опыт применения к реальным бизнес-задачам (градиентный бустинг, NLP-алгоритмы).

• понимание основных Deep Learning подходов.

• продвинутое знание SQL (оконные функции, оптимизация плана запроса).

• отличное знание Python, в том числе библиотек lightgbm, pandas, numpy, sklearn, torch.

• опыт работы с Hadoop, PySpark (оптимизация запросов, работа на общем кластере), Greenplum.

• опыт работы с кредитными и/или дебетовыми картами: понимание бизнес-процессов кредитования, скоринга, управления лимитами, персонализации предложений будет вашим преимуществом.

• 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 Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

Ищем студента или выпускника, который активно использует нейросети и хочет применять их в реальных проектах по разработке программного обеспечения.

Мы занимаемся разработкой ПО — от проектирования и разработки до внедрения. Стажёр будет участвовать в проектах и учиться применять ИИ на разных этапах работы.

Что предстоит делать

• изучать различные ИИ-инструменты;
• применять ИИ при выполнении задач в проектах по разработке ПО;
• формулировать и улучшать запросы;
• проверять результаты работы ИИ, находить ошибки и оценивать качество решений;
• сравнивать разные подходы и фиксировать результаты;
• предлагать способы эффективного применения ИИ в разработке;
• взаимодействовать с аналитиками и инженерами.

Нам важно

• вы студент или выпускник;
• имеете практический опыт использования нейросетей;
• знаете принципы программирования и умеете писать код (опыт разработки будет преимуществом);
• понимаете основы машинного обучения (опыт в сфере ML очень желателен);
• умеете проверять результат и замечать ошибки;
• умеете понятно формулировать мысли и вопросы;
• готовы экспериментировать и самостоятельно разбираться в задачах.

Условия

• 20 часов в неделю;
• стипендия 5 000–15 000 ₽ в зависимости от уровня подготовки и прогресса;
• продолжительность около 6 месяцев;
• участие в реальных проектах и наставничество;
• возможность дальнейшего трудоустройства.

Что вы получите

• практический опыт применения ИИ в разработке ПО;
• опыт работы с современными ИИ-инструментами;
• регулярную обратную связь от наставников;
• возможность развиваться в сфере разработки и применения ИИ.

Мы ищем руководителя, с сильным техническим бэкграундом, который возглавит команду, определит архитектуру и обеспечит техническую реализацию проекта по направлению «Генеративный ИИ». Проект охватывает все этапы от исследования до промышленного внедрения.

• Формирование и развитие команды: активный найм, онбординг, менторство, создание культуры инженерного совершенства;

• Техническое лидерство: проектирование архитектуры проекта (от инфраструктуры до кода), выбор технологического стека, ревью ключевых решений, контроль качества;

• Управление жизненным циклом моделей: координация процессов pre-training, SFT, RLHF/DPO, оценка качества (eval), мониторинг экспериментов;

• Оптимизация MLOps-пайплайнов: проектирование и автоматизация конвейеров данных, обучения, валидации и развертывания; обеспечение воспроизводимости экспериментов;

• Ресурсное планирование: распределение GPU-ресурсов, управление очередями заданий, оптимизация утилизации оборудования (включая I/O и память);

• Информационная безопасность: разработка и внедрение политик безопасной работы с данными и моделями в закрытом контуре, контроль соответствия требованиям ИБ;

• Взаимодействие со стейкхолдерами: координация с смежными командами и бизнес-подразделениями, регулярная отчетность о статусе и рисках.

• Опыт работы в области ML / NLP от 5 лет, из них не менее 2 лет — на руководящих позициях (Team Lead, Tech Lead, Engineering Manager);

• Глубокое понимание архитектуры трансформеров, принципов обучения и инференса LLM;

• Практический опыт распределенного обучения (Distributed Training) с использованием DeepSpeed, Megatron-LM, FSDP, Ray;

• Уверенное владение Python, PyTorch, экосистемой Hugging Face;
• Опыт построения MLOps-пайплайнов на Kubernetes, Airflow и CI/CD;
• Понимание принципов работы с высоконагруженной GPU-инфраструктурой (оптимизация I/O, мониторинг, работа с очередями);

• Знание основ информационной безопасности при обработке больших данных в закрытых контурах;
• Опыт управления командой от 5 человек: найм, адаптация, постановка целей, развитие сотрудников.

Будет плюсом:

• Опыт запуска LLM-систем в production с нуля;

• Работа с узкоспециализированными (доменными) данными;

• Опыт оптимизации моделей: квантизация, дистилляция, pruning.

• Работа в аккредитованной IT-компании (льготная ипотека и проч.);
• Оформление по ТК РФ и его полное соблюдение (оплачиваемые отпуска, больничные);
• ДМС со стоматологией с первых недель работы.

Привет! Мы команда Сервисы формирования лент.
Мы строим платформу, которая превращает терабайты данных в персонализированные рекомендации для миллионов пользователей Ozon. Наши алгоритмы решают, что покупатели увидят в следующий момент, и в этом нам помогают сложные ML-модели, работающие в реальном времени. Вместе с командой Data Science мы постоянно улучшаем платформу, делая рекомендации точнее и релевантнее.

Сейчас мы ищем ведущего ML-инженера, который возьмёт на себя проекты ключевого сервиса инференса моделей и расчёта признаков. Вы будете отвечать за техническую экспертизу, глубоко вникать в архитектуру и разработку и помогать команде справляться с нетривиальными задачами.

Наш стек

Go (основные сервисы), Python (ML-часть), Cassandra, ScyllaDB, Redis, NVIDIA Triton, ONNX, OpenVINO, Kubernetes, Hadoop, Airflow.

Вы будете

• Проектировать, разрабатывать и оптимизировать высоконагруженные ML-сервисы для рекомендаций, нейросетевого скоринга и обработки стриминговых данных.

• Интегрировать решения с ML-платформой и инфраструктурой Ozon.

• Продуктивизировать сложные модели, включая нейросети и аналоги LLM.

• Улучшать пайплайн публикации моделей и метрик качества рекомендаций.

• Внедрять мониторинг, обеспечивать отказоустойчивость и низкие задержки.

• Заниматься развитием коллег в команде, участвовать в код-ревью, делиться экспертизой и помогать команде принимать технические решения.

Нам важно

• Глубокие знания в ML Engineering и работе с высоконагруженными системами.

• Опыт вывода в production сложных моделей, включая нейросетевые подходы (LLM, глубокие рекомендательные системы и т.д.).

• Умение проектировать распределённые системы и оптимизировать их производительность.

• Способность вести экспертные обсуждения, разъяснять сложные решения и вдохновлять команду.

Будет плюсом

• Опыт работы с LLM, рекомендательными системами или скорингом.

• Практика внедрения стриминговой обработки данных.

• Понимание принципов персонализации в e-commerce или маркетплейсах.

Наши сервисы написаны на Go, но мы открыты для специалистов с опытом на других языках (Python, Java, С++, C#, Rust и т.д.), готовых погрузиться в наш стек. Главное – экспертность в ML Engineering и желание решать сложные задачи в команде!

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.

Компания Zolla – крупная федеральная сеть магазинов мужской и женской одежды в связи с расширением отдела ищет себе в команду Data Engineer/Дата-инженера.

ЗАДАЧИ, КОТОРЫЕ ПРЕДСТОИТ РЕШАТЬ:

НАШИ ОЖИДАНИЯ:

МЫ ПРЕДЛАГАЕМ:

• Работу удаленно или в комфортабельном и уютном офисе в БЦ Кунцево Плаза в 5 минутах пешком от м. Молодежная;
• График работы 5/2 (гибкое начало рабочего дня);
• Оформление в соответствии с ТК РФ, официальную заработную плату (выплата 2 раза в месяц), оплачиваемый больничный лист, оплачиваемый отпуск 28 календарных дней;
• ДМС включая стоматологию (условия в зависимости от стажа работы);
• Дисконтную карту на продукцию компании, участие в распродажах в офисе;
• Корпоративные скидки на фитнес;
• Реальные перспективы профессионального и карьерного роста;
• А еще уютные лаундж-зоны, технологичные переговорные, просторные кухни и вкусный капучино.

Kolesa Group — международная IT-компания, строим классифайды для 12,5 миллионов пользователей. Наши продукты — kolesa.kz | krisha.kz | avtoelon.uz — помогают людям и бизнесам продавать, покупать и владеть авто, недвижимостью, товарами и услугами.

Культура экспериментов, командный дух, технологии, постоянное развитие и желание достичь крутых результатов — отличительные черты Kolesa Team.

Сейчас мы в поисках опытного backend-разработчика, который будет развивать и поддерживать наши сервисы для машинного обучения, используя подходы DevOps и MLOps.

О вакансии:

Наибольшая часть работы: классическая разработка и поддержка сервисов, межсервисные взаимодействия, работа с базами данных, S3 хранилищами и другими инфраструктурными инструментами.

Сверху погрузим в контекст MLOps, GPU и всего, что необходимо в работе — главное, чтобы был опыт работы с Python или Go на уровне middle+ и желание погружаться в новую сферу. Разработка ведется на Python и Go — столкнуться придется с обоими языками.

Тебе предстоит:

• Написание и поддержка сервисов и утилит для ML команды;

• Поддержка автоматизации генерации сервисов и деплоя для ML моделей;

• Разработка и поддержание инфраструктуры разметки данных;

• Оптимизация потребляемых ресурсов GPU сервисами;

• Автоматизация и систематизация этапов работы над ML моделями, кроме тренировки (сбор данных, разметка, post-production мoниторинг);

• Разработка и поддержка сервисов связанных с LLM;

• Внедрение инструментов для снижения TTM релизов ML сервисов.

Мы ждем от тебя:

• Опыт работы с Python или Go;

• Опыт работы Linux;

• Опыт работы с реляционными и NoSQL базами данных (в основном используем: mongo, postgresql, mysql);

• Опыт работы с git и системами сборки и деплоя (GitLab CI/CD, GitHub Actions);

• Опыт работы с контейнеризацией (Docker, containerd);

• Умение давать оценку сроков выполнения задач и соблюдать их, вовремя сигнализировать о проблемах;

• Написание и поддержка тестов;

• Умение находить, решать и предотвращать проблемы с помощью мониторинга, логирования, сбора и анализа метрик;

• Понимание сервисной архитектуры, подходов к межсерверному взаимодействию.

Будет преимуществом:

• Опыт работы с Kubernetes;

• Опыт работы с RedPanda/Kafka;

• Опыт работы с PyTorch, CUDA;

• Опыт проектирования систем интегрированных с LLM;

• Понимание основ Data Science/Machine Learning.

Что приятного предлагаем:

• Гибридный формат: офлайн в офисе в г. Алматы с возможностью работы из дома;

• Работу в сильной команде, где ценятся взаимопомощь и ориентация на результат;

• Постоянный рост: система грейдирования, индивидуальные планы развития, менторство;

• Тематические мероприятия: квизы, киновечера, Family Day, тимбилдинги;

• Медицинскую страховку, оплату авиабилетов, фитнеса, образования и многое другое — твой выбор, куда использовать соцпакет;

• Обучение: мы оплачиваем участие в конференциях, тренингах, мастер-классах;

• Корпоративные скидки от наших партнеров;

• Программа релокации для иногородних сотрудников.

Цель продукта: оптимизировать инвестиции в строительство и модернизацию сети радиодоступа.

Задачи

Работа с PySpark и геоданными;

Требования

Студенты 3-6 курсов бакалавриата, специалитета или магистратуры;
Уверенное знание SQL
Будет плюсом: Опыт работы с Python
Умение валидировать данные и разбирать бизнес-логику формирования данных Понимание бизнес-процессов и опыт общения с заказчиком Опыт систематизации и описания требований Знание подходов к визуализации

Условия

Cобственную 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;
Полезные курсы и вебинары в корпоративном университете и электронную библиотеку.
А еще:
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.

Мы разрабатываем крупнейший мессенджер в России, чтобы соединять людей, сервисы и компании. Создаём простые и удобные инструменты коммуникации. 

Сейчас развиваем платформу и ищем ведущего дата-инженера.

Задачи

• Проектировать, реализовывать и оптимизировать сложные ETL-процессы (в том числе разработка DAG для автоматизации)
• Участвовать в проработке и пилотировании нового: Data Quality, развитие собственного ETL-фреймворка, тесные интеграции с аналитическими инструментами
• Работать с данными на каждом этапе их трансформации: от появления информации в конкретном источнике до принятия решений на данных
• Извлекать из исходных данных ценную информацию и скрупулёзно обрабатывать её для последующего анализа
• Реализовывать стабильный расчёт бизнес-метрик вместе с командой аналитиков
• Поддерживать и модифицировать созданные решения, обеспечивать доступность сервиса и корректность данных для принятия решений

Требования

• Уверенно знаете Python на уровне написания собственного фреймворка и SQL на уровне оптимизации запросов
• Умеете проектировать DWH: слои, модели хранения данных, процессы ETL
• Хорошо понимаете принципы работы распределённых систем Hadoop или YTsaurus, ClickHouse
• Использовали Airflow, Luigi или другой оркестратор
• Умеете выбирать технологии для решения конкретных задач
• Понимаете принципы работы инструментов мониторинга и способны настраивать алерты для отслеживания состояния ETL-процессов
• Знаете основные алгоритмы и структуры данных, особенно используемые в работе с большими данными
• Эффективно общаетесь с людьми, находите общий язык с разными специалистами

Обязанности:

• Подбирать, обучать и дообучать модели распознавания и синтеза речи (ASR/TTS), а также speech-to-speech модели для голосовых AI-сервисов банка.

• Развивать качество работы моделей на казахском и русском языках: учитывать смешанную речь, банковскую терминологию, имена, суммы и шумные условия.

• Проектировать голосовые диалоги в реальном времени: потоковую обработку аудио, определение конца реплики, обработку перебиваний и full-duplex взаимодействие, при котором агент одновременно слушает пользователя и отвечает ему.

• Готовить речевые датасеты: очищать и размечать аудио, формировать обучающие и тестовые выборки, проводить эксперименты и анализировать ошибки моделей.

• Интегрировать речевые модели с голосовыми агентами на LiveKit Agents или аналогичной платформе, backend-сервисами и мобильными каналами банка.

• Оптимизировать качество и скорость ответа, потребление GPU и устойчивость сервиса при одновременных голосовых сессиях.

• Готовить модели и голосовые сервисы к промышленной эксплуатации в защищённом контуре банка.

Требования:

• Уверенное владение Python и PyTorch.

• Практический опыт обучения или fine-tuning речевых моделей, а не только интеграции готовых облачных ASR/TTS API.

• Обязательный опыт работы с LiveKit Agents / LiveKit Server либо аналогами для потоковых голосовых приложений.

• Понимание архитектур ASR, TTS и speech-to-speech, методов подготовки аудиоданных и оценки качества речевых моделей.

• Опыт работы со streaming inference, VAD, turn detection, endpointing и обработкой перебиваний (barge-in).

• Понимание особенностей full-duplex диалога, включая одновременную речь пользователя и агента.

• Опыт вывода ML-моделей в production: разработка API, Docker, мониторинг, профилирование и оптимизация инференса на GPU.

• Умение строить воспроизводимые эксперименты и находить баланс между качеством модели, задержкой ответа и стоимостью вычислений.

Будет преимуществом:​​​​​​​

• Опыт обучения речевых моделей для казахского языка и работы с переключением между казахским и русским языками в одной реплике.

• Практический опыт с full-duplex speech-to-speech моделями.

• Опыт развёртывания речевых моделей on-premise и работы с чувствительными данными в регулируемой среде.

​​​

S7 Techlab — IT-подразделение крупнейшей частной авиакомпании России. Мы разрабатываем собственные продукты для продажи авиабилетов, коммуникаций с путешественниками, учета финансов и обслуживания в аэропорту. Наши системы прогнозируют спрос и управляют предложением услуг, автоматизируют поддержку и улучшают пользовательский опыт на сайте и в приложении S7 Airlines.

В нашей команде работают талантливые увлеченные эксперты — каждый день мы создаем лучший тревел-опыт в России. Наши программные решения регулируют работу авиапарка, оптимизируют маршруты, оценивают потребности в обслуживании самолетов. Мы внедряем искусственный интеллект, машинное обучение и облачные технологии, исследуем большие данные и клиентский опыт. Наши разработки помогают миллионам людей экономить время и получать лучший сервис в полете и на земле. Мы превращаем идеи в инструменты — и меняем авиацию.

Data office S7 построен на принципах data mesh и децентрализованной аналитики.

В нашей линейке продуктов представлены хранилища, отвечающие за данные по коммерции, флоту, сотрудникам, пассажирам и рейсам.

Вам предстоит быть участником единой команды, которая занимается их разработкой и руководить ее частью.

Мы храним и обрабатываем данные в Vertica и PostgreSQL, оркестрируем ETL процессы в Airflow, реализуем стриминг в Apache Flink, обмениваемся данными с другими системами в Kafka и S3.

Храним всю инфраструктуру в Kubernetes.

Чем предстоит заниматься:

• Управление командой разработки в продуктах систем класса DWH - распределение задач, найм менторинг и развитие подчиненных, контроль и ответственность за результат команды;
• Формирование технических решений;
• Разработка, поддержка и оптимизация ETL процессов для формирования слоя модели данных, витрин данных, а также загрузки данных систем источников;
• Настройка инструментов для обработки и анализа данных;
• Взаимодействие с командой аналитиков по постановке задач и выявлению приоритетов, с командой разработки по технической реализации, со смежными командами (DBA, devops, SRE);
• Миграция с легаси решений на новые целевые.

Что мы ждем от кандидатов:

• Опыт от 3-х лет на аналогичной должности;
• Экспертное знание SQL и Python;
• Понимание способов моделирования систем класса DWH и компонентов платформы данных;
• Опыт работы с MPP БД / движками (Vertica, Greenplum, Trino, Spark), глубокое понимание особенностей работы распределенных вычислений;
• Оркестраторы ETL процессов (Airflow, Dagster);
• Опыт управления командой разработки от 2-3 человек.

Будет плюсом, если знаете и применяли в работе:

• Распределенный брокер сообщений Kafka;
• DQ фреймворки (Great Expectations, Soda, Deeque);
• Распределенные объектные хранилища (HDFS, S3);
• SQL фреймворки (dbt, sqlmesh);
• Контейнеризация и оркестрация (Docker, Kubernetes).

Мы предлагаем:

• Работа в аккредитованной IT-компании;
• Гибридный/офисный формат работы;
• Работа в комфортном офисе по адресу ул. Петровка, 7;
• Интересные и амбициозные задачи, открытость к любым, даже самым смелым идеям и предложениям в своей зоне ответственности;
• ДМС со стоматологией после прохождения испытательного срока;
• Корпоративная жизнь, насыщенная разнообразными коллективными событиями;
• Подарки для детей к первому классу и на Новый год;
• Профессиональное развитие: проходить обучение в компаниях-партнерах, участие и выступление в конференциях;
• Полеты по корпоративным тарифам S7 Airlines;
• Корпоративные скидки в BestBenefits: скидки в рестораны, на обучающие курсы, товары и тд.;
• Программа комплексной поддержки «Понимаю» (бесплатные консультации юристов, психологов, нутрициологов, финансистов).

Мы — команда приложений голосового ввода, занимаемся разработкой распознавания речи для различных применений в Яндексе. Мы научили Алису слышать речь на других языках, собрали голосовой ввод для Яндекс Переводчика, Яндекс Клавиатуры, Яндекс Разговора, разработали ASR для перевода видео в браузере и постоянно улучшаем эти технологии. Также наша команда часто берёт на себя амбициозные R&D-проекты, выходящие за рамки голосового ввода.

Мы ценим опыт в ML и интерес к исследованиям, а работе со звуком готовы научить.

Разработка ASR для Яндекс Разговора

Яндекс Разговор — это приложение, которое упрощает общение людей с нарушением слуха и слышащих людей. Мы хотим добавить новые возможности в нашу модель: внедрить детекцию смены спикера, поддержать мультиязычность, улучшить распознавание с нарушениями речи, в сложных акустических условиях и на специальных терминах.

Улучшение качества ASR для Яндекс Клавиатуры

Яндекс Клавиатура позволяет миллионам пользователей вводить текст быстрее, в том числе с помощью голосового ввода, и наша задача — сделать голосовой ввод ещё удобнее и лучше. Вам предстоит экспериментировать с архитектурами, подходами к обучению, а также научить модель предсказывать пунктуацию.

* Работали в области DL, например с CV или NLP, знаете PyTorch
* Понимаете принципы машинного обучения
* Хорошо знакомы с Python

* Работали с ML в области голосовых технологий
* Работали с C++
* Работали с большими объёмами данных

Каждый день роботы доставки Яндекса возят еду и посылки по улицам городов России.

Наша задача — разрабатывать продвинутые модели планирования и прогнозирования траекторий, которые обучаются на миллиардах шагов симуляции и успешно переносятся в продакшн.

Наша команда занимается созданием и улучшением RL-планера, который ежедневно принимает миллионы решений на дорогах и тротуарах. Мы активно экспериментируем с передовыми подходами в Reinforcement Learning и трансформерными архитектурами, используем мощный GPU-симулятор, а также постоянно ищем новые подходы к обучению моделей и улучшению их качества.

Хотите создавать алгоритмы, которые помогают роботам доставки безопасно и эффективно передвигаться в реальном мире? Присоединяйтесь, чтобы ваш код управлял движением роботов, которых вы видите на улицах!

Поиск и интеграция новых подходов к обучению RL-планера

Вам нужно будет исследовать современные методы RL и их модификации (PPO, GRPO, TD-λ и другие), прототипировать новые алгоритмы, настраивать reward-функции и сценарии обучения. Ваша задача — превратить идеи из статей и экспериментов в устойчивый продакшн-пайплайн.

Развитие архитектур трансформерных моделей планирования

Вам предстоит проектировать и внедрять новые модули в модели на базе Wayformer- и MotionLM-подходов. Вы будете отвечать за качество модели, стабильность обучения и интерпретируемость поведения модели.

Разработка и расширение сценариев симуляции

В составе команды вы будете придумывать новые сложные сцены для GPU-симулятора. Цель — закрыть sim-to-real gap и сделать планер максимально устойчивым к неожиданным ситуациям в городе.

Больше об ML в Яндексе — в канале Yandex for ML

* Уверенно знаете Python и PyTorch
* Понимаете основы Reinforcement Learning и трансформерных моделей
* Готовы изучать сложные подходы и решать нетривиальные задачи

* Работали с RL, Motion Planning или трансформерами
* Обладаете знаниями в области робототехники и симуляции
* Имеете опыт работы с C++, ROS, TRT, Cuda

Чем предстоит заниматься:

Это роль-гибрид: вы будете одновременно AI-лидером (проработка гипотез, работа с подрядчиками) и Data Scientist'ом (модели, данные, ML).
🔬 1. Бизнес-гипотезы

• Взаимодействовать с бизнес-заказчиками (маркетинг, продажи, продукт, HR, логистика), выявлять точки применения AI
• Формулировать и тестировать гипотезы: «А что, если мы автоматизируем / предскажем / кластеризуем / порекомендуем вот это?»
• Проводить оценку эффективности гипотез (стоимость разработки vs выгода)

🤖 2. Работа с LLM и YandexGPT

• Развивать текущую интеграцию с LLM (Яндекс) — уже используем её, нужно масштабировать
• Проектировать RAG-решения (Retrieval-Augmented Generation) для ответов по корпоративным данным
• Разрабатывать AI-ассистентов для: Ad-hoc запросов по анализу данных - ответы на типичные вопросы по данным виесто формирования типовых дашбордов, внутренних процессов — поиск по документам, генерация отчётов, интерпретация показателей

📊 3. Data Science (модели и данные)

• Разрабатывать ML-модели (классификация, регрессия, кластеризация, прогнозирование временных рядов)
• Собирать и подготавливать данные для моделей из DWH и других корпоративных источников
• Проводить EDA, feature engineering, валидацию, A/B-тесты
• Подтверждать качество моделей — формальная метрика качества (business metrics, а не только ML-метрики)
• Документировать результаты (отчёты, презентации для стейкхолдеров)

🤝 4. Работа с подрядчиками и пилотами

• Искать на рынке внешние AI-решения, отвечающие запросам бизнеса
• Формировать ТЗ для подрядчиков, оценивать их компетенции
• Управлять пилотами: сроки, KPI, приёмка результатов
• Готовить фактуру для принятия решения: build (делаем сами) vs buy (покупаем готовое решение vs partner (берём подрядчика)
• Текущий пул: LLM-проекты с Яндексом; в планах — AI-ассистенты для данных, NLP-решения, Computer Vision (если есть потребность)

🛠️ 5. Интеграция и внедрение

• Доводить модели до продакшена — встраивать их в существующую DWH-инфраструктуру
• Писать ETL/ELT-пайплайны для ML (совместно с DWH-инженерами)
• Мониторить качество моделей в продуктивном контуре, настраивать автопереобучение
• Интегрировать AI-решения с текущими системами компании (CRM, BI, корпоративный портал)

Что мы ожидаем:

• Опыт работы со сложными запросами, оконными функциями, CTE, DWH (PostgreSQL / ClickHouse);
• Опыт работы с YandexGPT / GPT / Open-source LLM, понимание RAG, промпт-инжиниринг;
• Владеете базовыми навыками разработки;
• Имеете опыт ведения проектов от сбора требований, защиты идей перед стейкхолдерами до презентации результатов.

А также:

• Pandas, NumPy, Scikit-learn, FastAPI / Flask;
• Градиентный бустинг (CatBoost, XGBoost, LightGBM), линейные модели, кластеризация, метрики, валидация.
  

Со своей стороны мы предлагаем:

• Работу в одной из крупнейших международных компаний, с брендами, которые действительно любят;
• Конкурентоспособную заработную плату (по результатам собеседования), годовой бонус;
• Официальное трудоустройство, соблюдение Трудового Кодекса РФ;
• Оплачиваемый больничный до 100% оклада;
• Полис ДМС (расширенный со стоматологией), страхование жизни;
• Компенсацию питания;
• Сервис «Понимаю» - бесплатные консультации психологов, юристов, финансистов, специалистов по здоровому образу жизни;
• Пятидневную рабочую неделю (гибридный формат работы), пятница - сокращённый рабочий день (до 15:30);
• Офис в центре Москвы (7 минут от ст. м. Новослободская и Маяковская);
• Кофейные наборы в подарок каждый квартал;
• Лучший кофе в офисе :)

О команде:

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

Чем предстоит заниматься:

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

Что мы ждем от кандидата:

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

Будет плюсом:

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

Мы делаем Алису умнее. Для этого нужны комплексные инструменты. Мы создаём агентов для взаимодействия с реальным миром: бронирования, Заметки, Яндекс 360 — всё это срез задач ML-консьержа. Эти инструменты нужно правильно применять. Поэтому мы разрабатываем агента Zero — решаем задачу оркестрации для всей функциональности Алисы.

Наша глобальная цель — сделать единую точку входа для решения произвольных задач пользователей.

Руководство ML-командой

Вы будете управлять командой ML-разработчиков: ставить цели, налаживать взаимодействие со смежниками, курировать полный цикл ML-разработки. Важной задачей будет развитие команды: рост экспертного опыта, поиск кандидатов и проведение собеседований, создание новых задач.

Обучение моделей

Вам предстоит обучать большие LLM-системы: заводить SFT и RL поверх внутренних (YaGPT) и внешних (SOTA Open Source) моделей.

Развитие продукта

Вы будете анализировать данные, генерировать направления роста, проверять гипотезы в проде и делать продукт лучше.

Внедрение SOTA-подходов

Нужно будет следить за трендами в сфере, ставить амбициозные цели, проводить эксперименты и доводить успешные исследования до внедрения.

Больше об ML в Яндексе — в канале Yandex for ML

* Руководили ML-командой
* Работали над кросс-функциональными проектами
* Запускали ML-системы в продакшен
* Разбираетесь в SOTA-подходах
* Хотите сделать Алису лучше

* Работали с RAG-системами и агентами
* Выступали на конференциях