ML и AI — свежие вакансии

Разрабатывать и оптимизировать Spark-пайплайны для обработки данных в масштабе (200+ млн строк ежедневно)
Настраивать хранение и доступность данных в DWH
Автоматизировать интеграцию данных: продажи, акции, цены, остатки, погода, календари
Работать в связке с Data Science-командой, обеспечивая стабильный и качественный поток данных для моделей
Участвовать в развитии платформы прогнозирования спроса, делая её более надёжной, масштабируемой и удобной

PySpark{2,3} / Spark SQL
Hadoop / Hive / Trino / S3 / clickhouse / postgres/ greenplum
Airflow
Python3
Docker, YARN / k8s
pytest

МТС Web Services (MWS) — бигтех-компания, предоставляющая облачные, AI-сервисы и платформенные решения под разные задачи бизнеса: от работы с данными до разработки продуктов и оптимизации процессов. Также мы запустили новую публичную платформу собственной разработки — MWS Cloud Platform.
Big Data – один из ключевых юнитов МТС.
Сегодня Big Data – это: 20 петабайт данных, 5 000 метрик на профиль и 400 увлеченных профессионалов в команде.
Наша команда занимается созданием комплексного решения, которое позволяет гибко управлять ценами товаров/услуг/подписок в зависимости от профиля клиента/характеристик товара для достижения различных бизнес-целей. В рамках продукта предстоит не только строить точные ценовые модели, но и встраивать их в операционные процессы компании.

Задачи

Исследовать наборы сырых данных для поиска нужных фичей;
Строить модели персонализации параметров предложения (look-alike, mulitclass) для абонентов b2c на всех этапах их жизненного цикла: привлечение, адаптация развитие, работа с оттоком;
Строить классические модели спроса и response-модели;
Оценивать эластичность спроса и подбирать оптимальную цену для достижения различных бизнес целей компании;
Выполнять сегментацию пользователей и товаров для различных задач;
Поддерживать текущие решения на продукте, сопровождать постановки на регламент процессов в airflow и A/B-тесты моделей;
Участвовать в разработке собственных библиотек для автоматизации основных процессов подразделения

Требования

Глубокое понимание статистических подходов и методов (регрессия, свойства распределений, оценка максимального правдоподобия, проверка гипотез и их правильное использование), опыт их применения;
Коммерческий опыт применения классических алгоритмов машинного обучения (LR, RF, XGBoost/LGBM/CatBoost), их калибровки, понимание преимуществ, недостатков и ограничений;
Хороший уровень sql;
Опыт проведения A/B тестов;
Опыт работы с методами оптимизации и временными рядами (будет плюсом);
Опыт работы с big data стеком (hadoop, spark, airflow) (будем плюсом);
Опыт работы в телекоме (будет плюсом)

Условия

Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах;
Профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше;
Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации;
Участие во внешних IT конференциях. Мы выступаем на HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг и даже проводим собственную конференцию по архитектуре True Tech Arch;
Полезные курсы и вебинары в корпоративном университете и электронную библиотеку;
ДМС с первого месяца работы, включая стоматологию;
Страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях;
Отпуск 28 календарных дней (+3 дополнительных дня за ненормированный рабочий день);
Гибридный формат работы;
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.

Команда занимается сбором качественных данных, которые принципиально важны для обучения передовых моделей ИИ.

• определять техническую стратегию и целевую архитектуру системы

• проектировать системы, готовые к масштабированию от миллионов до миллиардов сущностей: горизонтальное масштабирование, шардирование, геораспределение

• принимать ключевые технологические решения: выбор стека, стратегии хранения, архитектурные паттерны (event-driven, CQRS, и др.)

• проектировать end-to-end пайплайны: URL discovery → fetch → parse → deduplicate → store → deliver

• писать код самых сложных и критичных компонентов: планировщик обхода, URL-фронтир, дедупликация, проводить performance engineering: профилирование, нагрузочное тестирование, устранение bottleneck-ов

• оптимизировать прокси-инфраструктуру и маршрутизацию трафика на глобальном уровне, исследовать и внедрять новые технологии: HTTP/3, QUIC, eBPF, io_uring для максимизации throughput, разрабатывать стратегии оптимизации стоимости инфраструктуры (FinOps)

• руководить командой из 3–6 инженеров: планирование, декомпозиция, приоритизация формировать и поддерживать технические стандарты: Code Review, coding guidelines, архитектурные ADR, менторить разработчиков, проводить 1-1, помогать в профессиональном развитии, взаимодействовать с потребителями данных и смежными командами для планирования roadmap.

• коммерческий опыт разработки на Python от 7 лет, из них не менее 2 лет в роли техлида/тимлида

• экспертиза в проектировании распределённых высоконагруженных систем (миллионы RPS, петабайты данных)

• глубокое понимание сетевого стека: TCP/UDP, HTTP/1.1/2/3, TLS, DNS, QUIC

• практический опыт построения масштабных систем краулинга или аналогичных data acquisition систем

• экспертиза в асинхронном и параллельном программировании

• опыт проектирования микросервисной и event-driven архитектуры

• опыт работы с Kafka, Redis, PostgreSQL, ClickHouse (или аналогами)

• уверенное владение Kubernetes, Docker, Terraform, CI/CD

• опыт работы с облачными платформами

• навыки глубокого troubleshooting: tcpdump, strace, perf, ebpf-инструменты

• опыт управления командой: планирование, Code Review, менторинг, 1-1, найм

Будет плюсом:

• знание Go, Rust или C++ для написания высокопроизводительных компонентов

• лпыт работы в компаниях с масштабным краулингом (поисковые системы, data aggregators)

• опыт работы с io_uring, eBPF, zero-copy networking

• опыт построения геораспределённых систем

• опыт применения ML для оптимизации crawl-стратегий (приоритизация, фильтрация, классификация), публичные выступления, статьи.

• 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

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

• Вознаграждение за рекомендацию друзей в команду Сбера.

Создаем поисковый сервис для ответов на запросы пользователей на естественном языке. Предоставляем GigaChat и другим LLM доступ к актуальной информации из интернета, чтобы пользователи получали точные и свежие ответы на разные вопросы.

Предстоит развивать пайплайны наполнения хранилища мультимодальными данными, строить контур подготовки данных для векторного и полнотекстового поиска, работать с большими объемами данных и высоконагруженной архитектурой. Задача технически сложная и интересная: важны надежность, масштабируемость, качество данных, свежесть индекса и производительность. Ценим проактивность, инженерное мышление и желание развиваться.

• проектировать и развивать end-to-end пайплайны данных для поисковой платформы: ingest, batch/micro-batch обработка, нормализация, дедупликация, лемматизация, обогащение и подготовка данных к индексации

• интегрировать новые источники и мультимодальные данные, обеспечивая корректность, полноту и воспроизводимость загрузки

• развивать S3 Data LakeHouse и хранилища данных для задач векторного, полнотекстового и гибридного поиска

• оптимизировать Spark-процессы на Kubernetes, в частности производительность, стоимость хранения, потребление ресурсов и стабильность выполнения

• обеспечивать надежность пайплайнов (мониторинг, качество данных, диагностика инцидентов, контроль SLA)

• внедрять CI/CD, тестирование и observability для data pipelines.

• работать вместе с ML-инженерами, backend-разработчиками и аналитиками над улучшением качества поиска.

• 3+ лет опыта в роли Data Engineer / ML Engineer / Data Platform Engineer.

• продвинутый Python и SQL

• практический опыт с Airflow и Spark/PySpark в production

• опыт разработки и оптимизации batch или streaming/micro-batch пайплайнов для больших объемов данных: от 100 TB до PB+

• уверенное понимание принципов распределенного хранения данных и распределенных вычислений

• опыт анализа производительности Spark jobs: shuffle, skew, partitioning, memory, resource usage

• опыт построения или развития высоконагруженных платформ обработки данных

• умение проектировать Data LakeHouse / Data Management Platform

• опыт работы с Kubernetes и S3-compatible storage

• понимание Apache Iceberg и современных форматов данных: Parquet, partitioning, schema evolution, compaction

• опыт построения мониторинга, алертов и CI/CD для пайплайнов данных.

Будет плюсом

• опыт работы с поисковыми движками: ElasticSearch, OpenSearch, Vespa

• опыт работы с Cassandra или другими distributed NoSQL-хранилищами

• опыт работы с Kafka или другими брокерами событий

• понимание задач vector search, embeddings, ANN/HNSW, hybrid search

• опыт работы с GPU-инференсом моделей, PyTorch

• опыт работы с облачными платформами: AWS, Yandex Cloud, SberCloud

• опыт с observability stack: Prometheus, Grafana.

• стабильный оклад и премии по результатам работы, ежегодный пересмотр зарплаты

• комфортный современный офис рядом с м.Кутузовская

• гибридный формат работы: встречаемся очно в офисе 1 раз в неделю

• корпоративный спортзал и зоны отдыха

• уникальная система обучения Сбера для профессионального и карьерного развития

• программа адаптации и помощь руководителя на старте

• расширенный ДМС и льготное страхование семьи

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

• бесплатная подписка СберПрайм, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера

• корпоративная пенсионная программа

С помощью аналитики и ML мы участвуем в качественном росте бизнеса. Влияем на доходность кредитного бизнеса и правильно оцениваем склонность человека к невыплате кредита и другие факторы.

Наша команда разделена на две подкоманды:

— первая распределена по конкретным бизнес-линиям: коллеги много коммуницируют с бизнес-линиями, глубоко погружены в продукты и напрямую влияют на качественный рост каждого из них;

— вторая сконцентрирована на исследовании внутренних данных экосистемы Т‑Банка, внешних данных от партнеров и развитии методологии и инструментов построения скоринговых моделей.

Мы разрабатываем с нуля библиотеки, которые позволяют автоматизировать построение моделей и кратно сократить Time-To-Market. Так мы сможем еще быстрее подстраиваться под ситуацию на рынке и меняющийся поток клиентов.

Наш стек:

— SQL: PostgreSQL, Greenplum;

— other: Git, Airflow;

— Python и ML: Scikit-learn, pandas, NumPy, Plotly, Matplotlib, LightGBM, CatBoost, PyTorch.

• Искать точки роста в существующих моделях — за счет новых внутренних и внешних данных
• Доводить сырые данные до реального применения в процессах и получения бизнес-результата через ML
• Внедрять построенные модели в онлайн-скоринг всех кредитных продуктов Т‑Банка
• Автоматизировать регулярное улучшение моделей команды
• Участвовать в развитии внутренних инструментов для решения своих задач
• Улучшать мониторинг текущих моделей команды, настраивать триггеры
• Развивать свои решения и делать их применимыми для других бизнес-линий Т‑Банк

• Вы разбираетесь в ML и анализе данных
• Готовы глубоко погружаться в ML, бизнес-процессы, данные и причинно-следственные связи
• Готовы драйвить все вокруг себя и всегда ищете способы сделать процессы еще лучше
• Любите математику и говорите на языке чисел и теорем
• Вдохновляетесь реальным влиянием ваших действий на бизнес
• Будет плюсом навык разработки Python-библиотек, опыт управления проектами и умение грамотно презентовать результаты своей работы

• Работу в офисе у метро «Белорусская». График работы — гибридный
• Платформу обучения и развития «Апгрейд». Курсы, тренинги, вебинары и базы знаний. Поддержку менторов и наставников, помощь в поиске точек роста и карьерном развитии
• Комплексную программу заботы о здоровье. Оформим полис ДМС с широким покрытием и страховку от несчастных случаев. Предложим льготные условия страхования для ваших близких
• Бесплатный фитнес-зал в офисе или частичную компенсацию затрат на спорт. В фитнес-зале оборудованы зоны по разным направлениям. Можно заниматься самостоятельно или присоединиться к групповым занятиям с тренером
• Возможность работы в аккредитованной ИТ-компании
• Бесплатные завтраки и обеды в нашем кафе. А если захотите перекусить, на каждом этаже есть кухня с чаем, кофе и фруктами
• Линейку льготных тарифов на продукты Т‑Банка
• Well-being-программу, которая помогает улучшить психологическое и физическое здоровье, а также разобраться с юридическими и финансовыми вопросами
• Три дополнительных дня отпуска в год
• Достойную зарплату — обсудим ее на собеседовании

Мы разрабатываем систему, которая автоматизирует весь жизненный цикл инвестиционной сделки. Наши команды работают над следующими направлениями:

• алгоритмизированный и AI поиск потенциальных сделок и клиентов
• управление процессом заключения инвестиционных сделок
• финансовые расчеты и оценка портфеля
• построение финансовой и управленческой отчетности по портфелю инвестиций Сбера
• инвестиционные сервисы для компаний - наших клиентов.

Наша инвестиционная платформа ЮЛ в Сбер - это уникальная разработка на российском рынке для выдачи и сопровождения инвестиционного финансирования юридическим лицам. Такие сделки имеют большое значение для российской экономики, и о них пишут в новостях.

Вы будете работать с микросервисной архитектурой (Kubernetes, Docker, Istio, Kafka).

Мы используем specififcation-driven подход к разработке и активно развиваем эту методологию внутри Сбера.

• развертывание и конфигурация Open Source LLM (DeepSeek, Qwen и др.) на собственных мощностях

• настройка высокопроизводительных инференс-серверов (vLLM, TGI, TensorRT-LLM, llama.cpp)

• оптимизация использования GPU (память, батчинг, quantization) для достижения требуемой пропускной способности и задержек (latency)

• настройка систем observability для слоя инференса: сбор метрик (количество запросов, время генерации, использование VRAM, throughput, количество активных потоков/запросов)

• реализация health checks (ready/live probes) для инференс-серверов

• автоматизация оповещений (alerts) при деградации производительности или падении сервисов

• настраивать сквозную трассировку (trace_id) по всей цепочке сервисов: от пользовательского интерфейса до агентов и инфраструктуры

• развивать дашборды в Grafana для мониторинга агентов, инфраструктуры и ключевых компонентов платформы

• внедрять кастомные метрики для агентов (запросы, статус, P95, LLM-вызовы, токены) без изменения кода агентов

• обеспечивать корреляцию логов и трейсов для быстрого поиска инцидентов

• настраивать алерты: технические (Pod OOM, память, ошибки) и качественные (satisfaction rate, регрессии)

• работать с централизованным Prompt Hub для хранения и обновления промптов без деплоя

• автоматизировать интеграцию E2E-тестов с системой трассировки

• поднятие и конфигурация бэкенд-серверов для работы агентов (FastAPI, Node.js или других runtime)

• контейнеризация (Docker) и оркестрация (Kubernetes / Docker Compose) компонентов системы

• управление окружениями (dev/stage/prod) и CI/CD пайплайнами для доставки кода агентов и обновлений инфраструктуры

• разработка агентов в структурированном формате Markdown, следуя принципам Claude/Harness Engineering (явное описание инструментов, контекста, последовательности действий)

• создание системных промптов, определения инструментов (tools/functions) и четких границ поведения агента

• интеграция агентов с внешними API, базами данных и DevOps-инструментами (Kubernetes, AWS, CI/CD)

• разработка и поддержка пайплайнов CI/CD

• внедрение новых инструментов для автоматизации и мониторинга

• взаимодействие с командами разработки, тестирования и эксплуатации.

• опыт развертывания и сопровождения Open Source LLM в продакшене

• глубокое практическое знание инструментов инференса: vLLM, TGI (Text Generation Inference) или аналогичных (TensorRT-LLM, sglang)

• понимание внутренних механизмов LLM инференса: KV-cache, continuous batching, quantization (GGUF, GPTQ, AWQ)

• опыт написания агентов/промптов в продакшн-среде, знакомство с концепцией Harness Engineering (или готовность быстро в нее погрузиться)

• уверенное владение Python (написание сервисов, скриптов мониторинга, интеграций)

• экспертный опыт работы с контейнеризацией (Docker)

• опыт управления кластерами Kubernetes: написание и поддержка манифестов, работа с Helm (чарты)

• опыт построения и поддержки пайплайнов в Jenkins, GitLab CI

• уверенная работа с Git (стратегии ветвления, код-ревью)

• опыт работы с СУБД (PostgreSQL, ClickHouse или аналогичными) в контексте высоконагруженных систем

• опыт построения observability-стека для микросервисных или агентных систем

• навыки настройки сквозной трассировки, метрик, логирования и алертинга

• уверенное владение инструментами: Grafana, Prometheus, Loki, Jaeger, OpenTelemetry

Будет плюсом:

• опыт работы с фреймворками для агентов (LangChain, LlamaIndex, AutoGen, или собственные решения)

• знание подходов к fine-tuning и evaluation LLM (например, LoRA/QLoRA, использование Axolotl или Unsloth; оценка качества через MMLU, HumanEval, ROUGE, BERTScore, фреймворки DeepEval или LM Evaluation Harness)

• опыт управления GPU-инфраструктурой (NVIDIA A100/H100, L40S, работа с MIG, vGPU)

• навыки администрирования Linux (сети, файловые системы,работа с драйверами NVIDIA).

• комфортный современный офис рядом с м. Ленинский проспект, ул. Вавилова 19, формат работы - гибрид

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

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

• вознаграждение за рекомендацию друзей в команду Сбера.

Яндекс Реклама — крупнейшая рекомендательная система в России. 300 тысяч раз в секунду на большинстве сайтов в рунете мы должны понять, что может заинтересовать пользователя, и порекомендовать ему товар или услугу из сотен миллионов вариантов.

Для решения столь сложной задачи мы используем передовые технологии:
* Обрабатываем знания о пользователе с помощью рекомендательных трансформеров, по сути, пытаясь сгенерировать его следующее действие в интернете
* Разбираем рекламное предложение и его сайт с помощью LLM и на лету генерируем текст объявления для пользователя
* Подбираем ставки для каждого рекламного блока с помощью технологий автобюджета, пытаясь предоставить бизнесам максимальную прибыль

Для работы этих технологий нам доступны петабайты данных про взаимодействия пользователей с рекламой и другими сервисами Яндекса.

Мы ищем сильного ML-разработчика, которому интересно работать с большими объёмами данных, внедрять ML-модели в продакшен, напрямую влияя на продуктовые и бизнес-метрики.

Улучшать ML-модели, которые играют ключевую роль в рекламной системе

Вы будете работать с моделями прогнозирования кликов, конверсий и их ценности; с моделями, которые участвуют в отборе кандидатов, ранжировании и помогают эффективно использовать бюджеты рекламодателей.

Внедрять решения end-to-end: от данных и фич — до запуска в продакшене

Искать точки роста, ставить цели и определять ограничения, проводить исследования, строить пайплайны и внедрять улучшения.

Проверять гипотезы через эксперименты

Все технологии мы проверяем в A/B-экспериментах онлайн, на реальных показах, и замеряем эффективность рекламы.

Больше об ML в Яндексе — в канале Yandex for ML

* Пишете на Python, знаете C++
* Имеете опыт промышленного применения ML
* Знаете алгоритмы классического ML и математическую статистику, умеете анализировать данные
* Можете быстро разобраться в чём угодно: в задачах, технологиях, инструментах, алгоритмах

Команда создает и поддерживает масштабируемое хранилище данных (Data Lake) и разрабатывает передовую интеллектуальную систему поиска, использующую AI/ML, чтобы пользователи могли легко находить нужную информацию во всем многообразии данных Блока

Технологии/инструменты

Python

PyTorch

FastAPI

RNN/LSTM/Transformers

LLM

RAG

AgenticRAG

PostgreSQL

Vector storage

LangChain

LangGraph

MLflow

Git

Docker

OpenShift

Kafka

Jenkins

Grafana

• Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости

• Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию

• Определение ML SysDes решения с учетом разрешенного технологического стека

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

• Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (таких как МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.)

• Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов

• Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений

• Умение переводить бизнес-постановку задачи в ML-постановку

• Высокий уровень владения Python и SQL

• Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers

• Знание принципов построения RAG, VisionRAG и AgenticRAG систем

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

• Знание агентных архитектур (ReAct, Multi-agent и др.)

• Знание фреймворков для работы с LLM (LangChain, LangGraph и др.)

• Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker)

• Понимание жизненного цикла моделей (CRISP-DM)

• Гибкий гибрид (обсуждаем индивидуально)

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

• Ипотека с выгодой для сотрудника и льготные условия кредитования

• Бесплатная подписка СберПрайм+

• Скидки на продукты компаний-партнеров

• ДМС с первого дня и льготное страхование для близких

• Корпоративная пенсионная программа

• Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию

• Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

Ищем технического лидера с опытом управления и экспертизой в построении и развитии data‑платформ.

Вам предстоит возглавить разработку и развитие масштабируемых систем обработки данных, формировать архитектурные подходы, принимать технологические решения и выстраивать эффективную работу команды. Роль подойдет тем, кто сочетает глубокую техническую экспертизу с управленческой ответственностью и хочет влиять на качество данных и бизнес‑решения компании.

Вы будете работать с хранилищами данных, процессами ETL/ELT и инструментами аналитики и визуализации, внедрять инженерные практики, обеспечивать надёжность решений и высокий уровень качества кода.

Проекты охватывают различные направления бизнеса, где данные являются основой для стратегических и продуктовых решений.

• Взаимодействовать с бизнес‑партнерами, заказчиками и владельцами продукта, выравнивать цели и планы команды
• Руководить командой: нанимать, адаптировать, развивать сотрудников и проводить регулярные 1‑1
• Проектировать архитектуру ИТ‑систем и участвовать в выборе технологий
• Выстраивать, внедрять и развивать процессы разработки с фокусом на доставку ценности
• Контролировать метрики команды и продукта, принимать тактические и стратегические решения на основе данных
• Обеспечивать соблюдение нефункциональных требований и технических стандартов
• Проводить code review и техническую экспертизу решений
• Настраивать и развивать CI/CD и процессы автоматизации
• Оптимизировать процессы разработки, устранять узкие места и решать сложные технические проблемы
• Формировать и развивать инженерную культуру, включая практики DevOps и SRE

• Имеете опыт проектирования и построения DWH и процессов доставки данных от 3 лет
• У вас есть опыт управления командой от 7 человек от 2 лет
• Имеете опыт проектирования ИТ‑систем и микросервисной архитектуры
• У вас есть опыт разработки на Python, Java или Go
• Имеете опыт выстраивания процессов разработки по Agile‑подходам (Scrum, Kanban) и управления командой: делегирование, целеполагание, 1‑1 встречи
• У вас есть опыт контроля нефункциональных требований: качество, надежность, доступность, безопасность, производительность
• Работали с базами данных и хранилищами: ClickHouse, GreenPlum, Oracle, Hadoop, S3
• Понимаете современные подходы к разработке и проектированию: DDD, DevOps, SRE
• Будет преимуществом опыт Data‑разработки и применения SRE‑практик: SLA, observability, postmortems, автоматизация

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

Центр изучения и сетевого мониторинга молодёжной среды – аккредитованная IT-компания, созданная по поручению Президента России в 2018 году.

Наша миссия – разработка социально значимых технологических решений для защиты детей и подростков от деструктивного контента в цифровом пространстве. Через создание комплексной мониторинговой системы мы формируем безопасную среду для нового поколения.

Мы ищем в команду ML-разработчика, ответственного за разработку NLP-моделей и работы с большими языковыми моделями (LLM). Мы работаем с колоссальным объёмом текстов, разрабатываем собственные NLP-модели и платформу использования LLM для автоматизации бизнес-процессов.

Стек технологий

• PyTorch, HuggingFace Transformers
• Python, NumPy, Pandas, Sci-kit Learn
• Docker, Kubernetes
• NVidia Triton, TensorRT, ONNX, vLLM
• Jira, Confluence, Git

Чем предстоит заниматься

• Разработка NLP-моделей для работы с данными социальных сетей и социальных медиа
• Разработка LLM-навыков для автоматизации различных задач
• Взаимодействие с отделом разметки данных и отделом DevOps
• Внедрение моделей в промышленную эксплуатацию

Ждем от кандидата

• Опыт работы от 3 лет
• Опыт работы или реализации практических проектов в области машинного обучения
• Глубокое понимание математических оснований машинного обучения и анализа данных
• Проактивность, готовность вникать в задачу
• Знание метрик оценки качества LLM-workflow (LLM-навыков)
• Опыт работы с реляционными базами данными
• Качественный чистый код

Что мы предлагаем

• Чёткие процессы разработки, взаимодействия с проектными командами и DevOps-инженерами
• Большой кластер GPU, включающий в том числе самые современные production-ready ускорители
• Официальное трудоустройство по ТК РФ в аккредитованной IT-компании
• Конкурентный уровень з/п, размер обсуждается по итогам собеседования и зависит от квалификации
• Формат работы - офис / гибрид
• Место работы - офис в центре Москвы
• Гибкое начало рабочего дня, график 5/2, выходные: суббота, воскресенье
• Непрерывное обучение и развитие профессиональных навыков

Лемана Тех ищет руководителя направления разработки, Мы создаём центральную LLM-модель компании, которая станет ядром для интеллектуальных сервисов и внутренних инструментов. Вокруг неё будет выстроена платформа для безопасного и удобного доступа сотрудников к моделям, с логированием, аналитикой и учётом использования ресурсов.

Нам нужен профессионал, который возглавит разработку этой модели и платформы вокруг неё, определит стратегию, архитектуру и руководит командой инженеров.

Обязанности:

• Спроектировать и построить центральную LLM-модель компании (fine-tuning, адаптация под бизнес-задачи, оптимизация)

• Выбрать технологический стек и open-source решения (LangChain, HuggingFace, vLLM, Ray Serve, MLflow и др.)

• Организовать инфраструктуру для обучения, деплоя и масштабирования LLM

• Создать внутреннюю платформу для работы с моделью:

  • управление модельным зоопарком (основная корпоративная LLM + вспомогательные модели),

  • логирование всех запросов/ответов,

  • система мониторинга и аналитики,

  • биллинг и учёт потребления ресурсов

• Обеспечить безопасность, контроль доступа и соответствие комплаенсу

• Руководить разработкой и эксплуатацией: управлять командой, ставить задачи, контролировать качество решений

• Взаимодействовать с бизнесом — формулировать требования и превращать их в архитектурные решения

Требования:

• Опыт работы в роли AI Architect / ML Platform Engineer / Technical Lead от 3–5 лет;

• Практический опыт в обучении и кастомизации LLM (fine-tuning, LoRA, RAG, quantization);

• Знание экосистемы LLM и GenAI (HuggingFace, LangChain, OpenAI API, LlamaIndex и др.);

• Опыт проектирования и эксплуатации AI/ML-платформ в продакшне;

• Владение MLOps/DevOps-практиками (Docker, Kubernetes, CI/CD);

• Опыт работы с системами логирования и мониторинга (Prometheus, Grafana, MLflow);

• Уверенное знание Python и современных бэкенд-фреймворков (FastAPI, gRPC);

• Опыт управления командой инженеров, постановки задач и code review.

• Будет плюсом

• Опыт построения и оптимизации корпоративных или доменных LLM;

• Работа с GPU-кластерами (on-prem и облачные: AWS/GCP/Azure);

• Опыт внедрения внутренних биллинговых систем для IT/ML-сервисов.

Условия:

• Работа в компании с развитой инженерной культурой;

• Гибкая система премирования;

• Расширенный социальный пакет: ДМС со стоматологией с первого месяца работы, психолог и страхование жизни, компенсация питания и оплата мобильной связи;

• Возможности профессионального роста, программы развития для сотрудников;

• Корпоративное обучение и доступ к базе знаний;

• Внутренние профессиональные сообщества и мероприятия;

• Автономность работы, возможность менять правила, ошибаться и создавать новое;

• Формат работы - офис;

• Современный офис в 2 минутах ходьбы от МЦК ЗИЛ.

С каждым годом на выбор сотрудника становится доступно больше дополнительных опций. Например, частичная компенсация путешествий, затрат на обучение, спортивных занятий.

Мы расширяем нашу команду разработки и приглашаем опытного Back-end или Full-stack разработчика, чтобы принять участие в разработке новых продуктов на стыке электроники и софта. Проекты будут интересны разработчикам, которые могут выйти за рамки классических фреймворков и реализовать богатый и нестандартный функционал взаимодействия между устройствами и облачными сервисами.

Проект #1: Система мониторинга гольф-полей. Мы разрабатываем устройства со встроенными камерами и радаром для наблюдения за ударом по мячу и отслеживанием его попадания в лунку. Цель - дать игрокам возможность делать ставки на исход собственного удара. Back-end: NestJS, обработка стримингового видео, MQTT телеметрия, ML модели для распознавания мяча и лунки, моделирование физики полёта мяча, определение результата игры, биллинг, финансовые дэшборды, взаимодействие с платёжными шлюзами.

Проект #2: Интерфейс с виртуальными гольф-симуляторами. Перенос наработок из #1 в режим гибридного или виртуального гольфа. Сохраняя базовые функции системы, сделать возможность мониторинга исхода ударов по мячу в виртуальных гольф-симуляторах через захват экрана (HDMI sniffing), OCR-анализа стримингового видео для определения исхода игры.

Проект #3: Портативная система личной безопасности. Мы разрабатываем устройство размером с пачку сигарет со встроенной камерой, сенсорами движения, GPS, LTE и WiFi. Устройство можно перевести в режим охраны и оно будет сообщать о нештатной ситуации. Устройство можно взять с собой в путешествие, и мониторить свой номер в отеле, как пример. Разрабатываем электронику и все облачные сервисы. Стриминг видео, управление алертами, дэшборды для менеджмента и мобильное приложение для пользователей.

Мы ищем профессионального back-end разработчика, который может взять на себя роль архитектора и разработчика этих и других решений, которые мы создаём для наших заказчиков. Мы постоянно ищем новых людей и у нас постоянно появляются новые проекты. Они каждый раз необычные и интересные (ниже примеры).

Если у вас широкий набор навыков и длительный опыт разработки, если вам интересны нестандартные задачи, то будем рады побеседовать.

Требования:
- Длительный опыт в разработке. Уровень увлечённости софтом и разработкой далеко за рамками среднестатистического. Опыт хобби-разработок со школы. Будем рады вместе с вами посмотреть на код ваших личных проектов на собеседовании.
- Node/Nest.js. Django для пользовательских и админ-порталов.

Примеры задач:
- Спроектировать архитектуру стриминга видео с LTE камер безопасности и систему управления алертами
- Разработать видео-конвейер для монтажа RTMP видеопотоков, получаемых с различных устройств
- Натренировать ML модель для распознавания мяча и лунки
- Написать OCR конвейер, который позволит определять контекст игры в виртуальном симуляторе гольфа
- Написать сервис биллинга, которые будет внедрён во все наши проекты
- Реализовать систему мониторинга Grafana/Prometheus
- Написать генератор синтетических данных по результат игр, спроектировать BI дэшборды для менеджмента системы.
- Встроить процесс интеграционного и нагрузочного тестирования в процесс разработки.
- Создать эмулятор устройства (прокси для тестов и разработки), пока реальное устройство не до конца готово.

Кратко о нас:
Мы - инжиниринговая компания полного цикла. Мы создаем электронные устройства от идеи до массового производства для заказчиков в Америке и Европе. У нас есть офисы разработки в Москве и в Иваново, мы производим электронику в Тайване, разрабатываем софт во Вьетнаме.

Примеры недавних и активных в настоящий момент проектов:
- Несколько проектов носимых устройств на nRF54. 1) Терминал для общения с LLM в виде смарт-часов. 2) Устройство для бегунов, получающее пульс и ритм бега через ANT+ от смарт-часов Garmin, визуализирует в виде паттернов свечения на браслета на запястье. 3) Трекер для инвентаря игрока в гольф. Все проекты - полного цикла. Продуктовый дизайн, разработка конструктива и электроники, встроенного ПО, мобильного приложения.
- Система мониторинга для гольф-полей. Разработка кастомных панорамных камер на RK3588 со стримингом видео через LTE. Интеграция радара для отслеживания мяча. Продвинутый софт для управления сетью устройств на множестве гольф-полей. Очень сложный и масштабный full-stack проект (электроника, firmware, UX/UI, back/front, mobile, интеграция с 3rd party системами)
- Карманная система личной безопасности. Встроенная камера наблюдения, центральный процессор RV1106G3, система датчиков, сенсорный хаб на nRF54L15, спикер и микрофон. Интерфейсы BLE/WiFi/LTE. Full-stack разработка (hardware/firmware/mobile app, back/front, UX/UI).
- Голосовой ассистент на базе ИИ. Формат плоского кредла, вставляется в айфон. Активирует DP Alt Mode. Принимает видео с экрана телефона, конвертирует кадры в JPEG при помощи ПЛИС. Кадры отправляются в облако, в ответ генерируется последовательность нажатий мыши и клавиатуры, которое устройство ретранслирует на айфон. Фактически, OpenClaw для телефона. Всё в формате платы 53x9 мм.
- Система "умная яхта". Набор датчиков для применения на лодках и яхтах разного размера. Гейтвей Zigbee-to-LoRaWAN для лодок. LoRaWAN интерфейс для передачи данных на берег. Своя система мониторинга состояния лодок и предупреждения опасных ситуаций. Частная сеть LoRaWAN.
- Семейство электровелосипедов нового поколения. Цифровое управление steer-by-wire. Полное проектирование конструктива, схемотехники и встроенного ПО. Четыре процессорных узла. Бортовая шина CAN. Кастомные бутлоадеры и каскадное обновление встроенного ПО.
- Смарт-часы со встроенными картами, i.MX RT500, конкурент часам Garmin Fenix. Полная разработка электроники и конструктива, встроенного софта, облачных сервисов. Разработка велась в четырех странах.
- Кастомная материнская платы для Nvidia Orin NX (мы - официальный партнер NVidia).
- VR-шлем со встроенными электродами ЭЭГ (на базе Meta Quest Pro). Полная разработка конструктива, электроники, встроенного софта, интеграция с VR-приложением.
- Система диагностики спазмов мышц ротовой полости, сбора телеметрии о состоянии пациента. Разработка электроники, конструктива, встроенного ПО, мобильного приложения.
- 8-канальный портативный энцефалограф, возможность подключения пассивных и активных электродов.
- Система промышленного взвешивания с облачными сервисами управления запасами. Разработка электроники и встроенного ПО, web-сервисы.
- Интерактивный баскетбольный щит (Nvidia Orin / RK3588). Разработка конструктива, электроники, ML конвейеров для сегментации игровой площадки, распознавание игроков, мяча, определение траектории движения мяча, детекция промахов и попаданий в сетку.

Мы вовлечены во все стадии разработки - от создания PoC и pre-EVT прототипов до запуска в производство в Китае и Тайване. Если у вас есть интерес к новыми технологиям, к разработке инженерно-сложных продуктов, ориентированных на международный рынок, будем рады с вами побеседовать.

Условия:
- Full-time занятость на наших проектах
- Возможна работа удаленно или в одном из наших офисов
- Возможны командировки в г. Иваново и в Тайвань
- Конкурентная заработная плата
- Корпоративная поддержка повышения уровня английского языка

AI Platform Team отвечает за всю инфраструктуру AI: от исследований моделей до их продакшн-запуска.

Наша задача — дать продуктам надёжный и эффективный доступ к LLM. Строить отказоустойчивые системы, которые держат нагрузку.

Мы ищем инженера, который будет проектировать, разворачивать и оптимизировать платформу для инференса больших языковых моделей. Работать с vLLM/Triton, GPU-кластерами, observability-стеком, чтобы модели работали быстро, стабильно и экономично.
Если вы строили высоконагруженные ML-системы и хотите решать инфраструктурные задачи в области LLM — давайте обсудим.

ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:

Развитие и эксплуатация инфраструктуры для инференса LLM, включая BitrixGPT, локальные и облачные модели:

• внедрение стеков для эффективного обслуживания LLM, таких как vLLM, Nvidia Triton Inference Server и их аналогов,

• оптимизация схем распределения нагрузки, батчинга и стриминга токенов.

Настройка, эксплуатация и оптимизация GPU-кластеров для инференса:

• управление ресурсами, планирование загрузки (capacity planning), снижение стоимости владения.

Профилирование и отладка сервисов инференса:

• поиск и устранение узких мест, влияющих на задержки (latency) и пропускную способность (throughput).

Настройка наблюдаемости (observability) AI-стека:

• сбор метрик, логирование, трассировка и алертинг (Prometheus, Grafana и других инструментов,
• разработка дашбордов для мониторинга доступности, задержек, ошибок и стоимости инференса.

Участие в разработке и улучшении платформенных процессов:

• совместная работа с командами разработки и data science,
• ревью архитектуры и сервисов, обмен экспертизой на внутренних митапах.

ЧТО МЫ ОЖИДАЕМ ОТ КАНДИДАТА:

• Продовый опыт эксплуатации ML-/LLM-сервисов.

• Практический опыт работы с контейнеризацией и оркестрацией (Docker).

• Владение Python для разработки сервисов, утилит, оркестрации и автоматизации.

• Понимание устройства современных LLM: архитектура трансформеров, токенизация, контекстное окно, влияние параметров (batch size, KV-cache) на latency и throughput.

• Опыт настройки мониторинга и логирования в production (Prometheus, Grafana, ELK-стек, Sentry или аналоги).

• Навыки анализа и оптимизации производительности сервисов: профилирование, поиск и устранение узких мест.

• Готовность отстаивать своё мнение и предлагать улучшения для достижения наилучшего результата.

ТАКЖЕ ДЛЯ НАС ВАЖНО:

• Практический опыт работы с vLLM и/или SGLang.

• Опыт работы с GPU-инфраструктурой: CUDA, мониторинг и тюнинг GPU-нагрузки.

• Знание принципов безопасной разработки и эксплуатации веб-сервисов.

ЧТО МЫ ПРЕДЛАГАЕМ:

• Полная занятость с возможностью удаленной работы или работы в комфортном офисе в Москве/Калининграде;
• Уникальная возможность влиять на пользовательский опыт миллионов компаний по всему миру;
• Работа в компании, где принятие решений основано на данных и аналитике;
• Конкурентоспособная заработная плата, оформление по ТКРФ;
• Программы профессионального развития и обучения;
• ДМС со стоматологией после трех месяцев работы;
• Сервис психологической поддержки ЯСНО и онлайн-платформа для спорта;
• Корпоративная культура, направленная на заботу о сотрудниках и их благополучии.

Ищу ИИ-бизнес-ассистента / ИИ-разработчика с сильным методологическим и системным мышлением.

Нужен человек, который умеет не просто пользоваться ChatGPT, а собирать бизнес-процессы в работающую систему с помощью ИИ.

Что нужно уметь:

• работать с ChatGPT и другими ИИ-инструментами на продвинутом уровне;
• собирать разрозненную информацию в регламенты, инструкции, базы знаний, методички и документы;
• автоматизировать рутинные бизнес-процессы;
• создавать и автоматизировать таблицы, отчёты, аналитику, дашборды;
• работать с Mind Map / XMind, структурировать большие объёмы информации;
• создавать качественные презентации с помощью ИИ;
• настраивать ИИ-ассистентов под разные задачи бизнеса;
• связывать между собой документы, таблицы, CRM и другие сервисы через автоматизации;
• быстро разбираться в новом процессе и предлагать, как его упростить и автоматизировать.

Главное требование: сильное логическое и методологическое мышление. Мне нужен человек, которому можно дать бизнес-задачу или большой объём хаотичной информации, а на выходе получить понятную структуру, готовый документ, систему или автоматизированный процесс.

Будет большим плюсом опыт работы с n8n / Make, Google Sheets, Notion, XMind, Gamma/Canva и AI-агентами.

Мы развиваем GigaChat и ищем сильного ML-инженера в команду AI Quality. Наша команда — это главный навигатор развития модели. Мы не просто тестируем сборки, мы исследуем новые возможности GigaChat, сопоставляем его работу с реальными продуктовыми требованиями и находим точки для кратного роста качества. Публичные бенчмарки покрывают далеко не всё и часто оторваны от жизни, поэтому мы строим собственную инфраструктуру замеров, которая честно показывает, как модель решает настоящие задачи пользователей.

Это роль для человека, который возьмёт на себя ответственность за сквозной цикл оценки: от ресёрча ландшафта и проектирования датасетов под продуктовые вызовы до написания надёжного кода и внедрения бенчмарка в общий харнесс. Ищем не столько исполнителя, собирающий дашборды, сколько мотивированного инженера-исследователя. Тот, кто глубоко понимает, что нужно продукту, замечает узкие места именного базового качества модели, вспоминает актуальную статью с подходящим методом оценки и приходит с готовым планом: «давайте замерим вот так, потому что именно это покажет наш реальный прогресс».

Чем предстоит заниматься

Развивать инфраструктуру и пайплайны замеров (Evaluation Harness).

• Реализовывать и поддерживать бенчмарки: парсинг датасетов, промпт-шаблоны, постпроцессинг ответов, подсчёт метрик.
• Обеспечивать железобетонную воспроизводимость: версионирование конфигов, CI-интеграция. Любой замер должен выдавать идентичный результат и сегодня, и через полгода.
• Разбирать статьи и репозитории новых бенчмарков, понимать их методологию и встраивать в наш пайплайн с автоматическим запуском.

Строить и масштабировать LLM-as-a-Judge.

• Развивать пайплайны моделей-судей: глубокий промпт-инжиниринг, калибровка, контроль смещений (bias), оценка консистентности и сравнение судей между собой.
• Проектировать, настраивать и автоматизировать arena-style оценки.

Создавать целевые датасеты и анализировать данные.

• Проектировать новые арены и тестовые наборы под конкретные слабые места модели и проверяемые гипотезы.
• Вытаскивать сигналы о деградациях из пользовательских логов, собирать промпты, следить за актуальностью и контаминацией существующих датасетов.
• Проводить аналитику и быстро писать скрипты для ответа на вопрос: «почему просела метрика и что именно сломалось».

Проводить research и влиять на релизы.

• Самостоятельно отслеживать state-of-the-art в области evaluation, инициировать внедрение лучших подходов — не дожидаясь постановки задачи сверху.
• Готовить аналитические отчёты по замерам, формулировать жёсткие go/no-go рекомендации и аргументированно отстаивать их перед командой pretrain/post-train.

Для нас важно

• Уверенный Python и инженерная культура: код ревьюится, тестируется и не гниёт. Уверенное владение Git, CI/CD, Bash на уровне самостоятельной поддержки сервисов. Использование AI-ассистентов и знание best practices горячо приветствуются.
• Глубокое понимание устройства LLM: не на уровне обзоров, а на практике. Вы знаете, что такое chat template, почему ризонеры могут давать разные результаты при нулевой температуре, и почему один и тот же бенчмарк можно замерить тремя способами, получив три разных числа. Практический опыт инференса open-source моделей (vLLM, SGLang).
• Насмотренность и инициативность: вы умеете не просто следить за потоком статей, но в нужный момент вытащить из памяти релевантный подход, связать его с текущей задачей и конвертировать в конкретный план действий.
• Базовая статистическая грамотность: доверительные интервалы, bootstrap, чёткое понимание того, когда разница в метрике статистически значима, а когда — это просто шум.

Будет плюсом

• Опыт работы с evaluation-фреймворками (lm-evaluation-harness, HELM, BigCode Evaluation) или написания собственных харнессов.
• Опыт с LLM-judge подходами и глубокое знакомство с профильной литературой (MT-Bench, AlpacaEval, Chatbot Arena).
• Публикации или заметный open-source вклад в области evaluation.

Что предлагаем

• Сильные и сложные задачи на переднем крае развития русскоязычных LLM.
• Огромную степень влияния на продукт: от ваших метрик и рекомендаций зависит, пойдет ли флагманская модель в релиз.
• Команду сильных инженеров и исследователей, задающих высокую планку инженерной надёжности.
• Конкурентную компенсацию, премии и расширенный соцпакет.

Кратко о компании

Компания работает в сфере IT и специализируется на внедрении Корпоративных систем электронного документооборота. Основу компании составляет группа экспертов, которая в течение последних 15 лет представляла на российском рынке интересы компаний EMC Corporation (США), DELL (США) и OpenText Corporation (Канада) - мировых лидеров в данной отрасли ECM/EIM.

Кандидатам представляется возможность стать частью команды профессионалов, участвовать в интересных проектах по разработке и внедрению Информационных систем, освоить современную профессию и получать достойный доход.

Роль «ML-разработчик (middle/senior)»:

Мы ищем ML-разработчика для усиления команды, в составе которой присутствуют Senior Java-разработчик и Junior ML-инженер, и которая занимается внедрением ИИ в систему технического документооборота.

Обязанности:

• Внедрение и эксплуатация ML в продакшн (MLOps & Deployment).
• Деплой: интеграция обученной модели в рабочий код и обеспечение реального времени прогнозов через API.
• Создание API для взаимодействия модели с остальными компонентами системы.
• Оптимизация инференса (квантование, prune) и снижение потребления памяти.
• Мониторинг производительности и поддержка моделей в боевых условиях; настройка алертов и автоматическое дообучение.
• Дообучение: автоматизация процессов обновления модели на новых данных (CI/CD для ML).

• Высшее техническое образование.
• Реальный опыт внедрения ИИ в продуктивные решениях (не только прототипы чат-ботов).
• Опыт работы с RAG.
• Опыт использования в решениях сверточных нейросетей, LLM, VLM. Опыт обучения ML-моделей.
• Архитектурное мышление: проектирование гибридных систем (ML + детерминированные правила).
• Широкий кругозор в ML: понимание различий между ML, ИИ и LLM.
• Понимание принципов оценки работы ML-компонентов. Опыт разработки требований к датасетам.
• Опыт системной отладки и дебаггинга пайплайнов: анализ причин низкого качества, локализация слабых мест.
• Опыт проектирования распределённых систем: разделение ответственности между сервисами, проектирование контрактов. Опыт работы с продуктовой командой и интеграции ИИ-решений.
• Гибкость и устойчивость к неопределенности, умение отказаться от неработающего подхода.
• Английский язык уровня Intermediate (для чтения технической литературы).
• Стремление к профессиональному росту.
• Быть способным работать под минимальным контролем при выполнении поставленных задач.

• Работа удалённо; посещение офиса в Санкт-Петербурге или Екатеринбурге по необходимости.
• 40-часовая рабочая неделя.
• Долгосрочное трудоустройство с возможностью профессионального роста.
• Корпоративный ноутбук (или использование собственного).
• Оформление ДМС после прохождении испытательного срока на сотрудника и членов его семьи.

Программа вовлечения и испытательный срок:

• Программа адаптации под руководством опытных сотрудников
• Испытательный срок – 3 месяца

Big Data МТС — место, где телеком-данные превращаются в реально работающие IT-продукты. Мы создали и протестировали несколько десятков сервисов. Самые успешные из них уже стали частью экосистемы МТС. Например, МТС Маркетолог, рекомендации в KION (МТС ТВ), услуга “Кто звонит?” или Спам-blacklist.

Кого мы ищем?

Middle+/Senior Data Scientist в продукт Защитник

Описание продукта

Мы — data-команда продукта МТС Защитник, который защищает миллионы пользователей от телефонного спама и мошенников. Это живая и постоянно меняющаяся задача: спамеры адаптируются под фильтры, меняют поведение и тексты, а мошенники регулярно придумывают новые схемы, используя социальную инженерию и давление на эмоции. Мы работаем с большими объёмами данных и моделями, которые должны не просто хорошо считать метрики, но и стабильно работать в продакшене с жёсткими требованиями к latency и качеству — и реально влиять на безопасность людей.

Чем предстоит заниматься

• Поддерживать и развивать ML-модели для выявления телефонного спама и мошенничества (табличные модели и NLP: классификация текстов, анализ расшифровок звонков).
• Заниматься feature engineering, у нас много витрин и источников данных, важно извлекать из них полезные сигналы.
• Участвовать в построении pipeline от данных до production-инференса (обучение, оптимизация, мониторинг).
• Участвовать в постановке задач разметки и работе с качеством данных.
• Общаться с бизнес-заказчиками: помогать формализовать задачи, согласовывать метрики, объяснять ограничения и результаты моделей.
• Предлагать и проверять новые подходы к детектированию спама и мошеннических сценариев.

Что нужно для этой работы

• Опыт работы в Data Science / ML от 3 лет.
• Хорошее понимание классического ML и практический опыт feature engineering.
• Опыт продуктивизации ML-моделей и их сопровождения.
• Опыт в дообучении NLP-моделей под конкретные задачи: классификация, NER.
• Умение переводить бизнес-задачи в ML-формулировки и внятно объяснять результаты.
• Уверенные навыки Python и SQL.
• Опционально: PySpark, Hadoop, MLOps.

Что мы предлагаем:

• Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах.

• Профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше.

• Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации.

• Участие во внешних IT-конференциях. Мы выступаем на HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг и даже проводим собственную конференцию по архитектуре True Tech Arch.

• Полезные курсы и вебинары в корпоративном университете и электронную библиотеку.

А еще:

• ДМС с первого месяца работы, включая стоматологию.

• Страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях.

• Отпуск 28 календарных дней + 3 дополнительных дня по ненормированному графику.

• 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.

Направление фильмов и сериалов в VK Видео отвечает за развитие одних из ключевых сценариев потребления: фильмы, сериалы, детский контент, ТВ-шоу и тематические подборки. Мы хотим сделать эти сценарии удобнее и персональнее для пользователя: помогать находить хороший фильм на вечер, выбирать следующую серию любимого сериала, продолжать просмотр с нужного места и получать релевантные рекомендации без дублей.

Мы ищем ML-разработчика, который будет развивать киносериальные рекомендации: формулировать и проверять гипотезы, развивать матчинг и дедупликацию контента, обучать модели, обеспечивать стабильную работу рантайма, проводить A/B-эксперименты и развивать систему метрик.

• Большой масштаб — десятки миллионов пользователей, высоконагруженный рантайм и большие данные
• Значимую продуктовую зону — фильмы и сериалы являются одним из ключевых драйверов роста вовлечения и TVT
• Сильную техническую среду — Discovery-платформа, ML-инфраструктура, Java, YTsaurus, быстрый цикл экспериментов
• Нетривиальные задачи — матчинг тайтлов, дедупликация копий, рекомендации сериалов, подборки, работа с плейлистами и кластерными сущностями
• Реальное влияние на продукт — возможность влиять не только на модели, но и на качество пользовательских сценариев

Задачи

• Развивать рекомендации для фильмов, сериалов, детского контента, ТВ-шоу и тематических подборок, а также разрабатывать механизмы матчинга и дедупликации контента
• Обеспечивать стабильную работу ML-решений в высоконагруженном рантайме 
• Проводить A/B-эксперименты и принимать решения на основе данных
• Находить точки роста и формулировать продуктовые и ML-гипотезы

Требования

• Имеете от года опыта разработки ML-решений
• Уверенно пишете код на Python, Java или C++
• Умеете работать с продуктовыми метриками и A/B-тестами
• Готовы брать на себя сложные технические задачи и доводить решения до продакшена

Будет плюсом

• Работали с рекомендательными, поисковыми или рекламными системами
• Работали с ML-системами в условиях высокой нагрузки
• Работали с видео, медиа, UGC или стриминговыми продуктами
• Сталкивались с задачами матчинга и дедупликации контента
• Имеете опыт оптимизации ML-рантайма и production-инфраструктуры

Мы в 2ГИС считаем своих сотрудников главным активом, и уверены, что AI — это именно тот инструмент, который может сделать их работу эффективнее, а самих сотрудников — счастливее и продуктивнее. Именно поэтому мы уже год активно внедряем ИИ в сервисы и процессы компании.

Мы ищем человека в команду "ИИ для сотрудников". Эта команда будет отвечать за то, какими именно AI-инструментами будут пользоваться наши сотрудники, определять приоритеты и создавать решения, которые принесут реальную пользу.

Чем предстоит заниматься

• Разрабатывать платформу для создания внутренних ассистентов с использованием современных подходов.
• Обеспечивать сотрудникам доступ к актуальным возможностям LLM — интеграция новых моделей, MCP и API.
• Анализировать качество генеративных моделей, выявлять слабые места и предлагать способы их улучшения.
• Постоянно держать руку на пульсе: следить за best practices и open source-проектами в области LLM и интеграций.
• Разворачивать и поддерживать сервисы в Kubernetes: деплой, конфигурация, настройка мониторинга и алёртов.
• Проводить Code Review и архитектурные ревью существующих решений, вносить предложения по оптимизации и развитию.

Что сделает тебя идеальным кандидатом

• Опыт разработки от 5 лет.
• Ты активный пользователь LLM, применяешь их в работе и личной жизни, понимаешь возможности и ограничения.
• Опыт деплоя сервисов в продакшн и обеспечение их стабильной работы.

Будет преимуществом

• Понимание архитектуры AI-агентов (оркестрация, memory, tools).
• Опыт работы с одним из фреймворков для написания LLM пайплайнов: LangChain, LlamaIndex, Haystack.

Почему у нас классно?

• Мы аккредитованная IT — компания.
• У нас можно работать удалённо. Для нас важен специалист, а не его локация. Если хочешь работать в гибридном формате, у нас есть офисы в Москве, Санкт-Петербурге, два классных офиса в Новосибирске. Нет дресс-кода и строгого графика: главное, чтобы было удобно тебе и команде.
• Используем современные технологии и любим о них говорить: выступаем на конференциях и сами их
• У нас есть ДМС, мы заботимся о здоровье сотрудников.

Присоединяйся! Будем создавать полезный продукт вместе.