Вакансии в ML и AI

«Лучи» — это новая онлайн-страховая: простая, быстрая и честная.

Мы объединили страхование, медицину и IT, чтобы создать экосистему полезных сервисов. Так мы упрощаем жизни более миллиона людей по всей стране.

В основе нашей компании — собственная технологическая платформа. Единый ID пользователя связывает все продукты, делая клиентский путь удобным и понятным.

Мы задаём ритм, действуем решительно и работаем на другой скорости, чтобы быть лидерами на страховом рынке России.

Цифры говорят за нас:
>1 000 000 застрахованных клиентов
>400 компаний доверяют нам здоровье своих сотрудников
4,85 из 5 — оценка мобильного приложения
100% наших сотрудников влияют на результат
0 минут тратится на формальные встречи
75% клиентов готовы рекомендовать нас

Кого мы ищем:
Мы ищем сильного ML-техлида, который возглавит техническое развитие AI-решений для нашего медицинского направления. Это роль для эксперта, который не хочет уходить в чистое управление, а стремится решать инженерные задачи руками (80% времени — разработка). Вместе с командой предстоит доводить AI-решения до продакшена — от разработки архитектуры до мониторинга модели в проде. Для нас важен опыт вывода агентных систем под реальную нагрузку, умение строить надежные eval-пайплайны и понимание экономики инференса.

Про проект:
Основной фокус сейчас — создание «ИИ-врача», интеллектуального ассистента для нашей телемедицинской клиники. Предстоит с нуля построить агентную экосистему, которая автоматизирует сбор анамнеза, саммаризацию медкарт, драфтинг заключений и согласование назначений по ДМС. Это решение позволит врачу делегировать рутину и сосредоточиться на лечении, а не на бюрократии. Принцип «ИИ драфтит — врач правит и подписывает» превращает каждое исправление эксперта в готовый сигнал для дообучения модели, создавая уникальную для медицинской сферы петлю улучшения качества.

⚙️Стек технологий: Python 3.13+, FastAPI, PostgreSQL, MLflow, LangGraph, OpenAI, Celery, RabbitMQ, Kafka, Docker, k8s, flake8, mypy, pytest.

Чем предстоит заниматься:

• Определять и развивать архитектуру ML/LLM-агентных систем продукта, принимать и документировать ключевые технические решения
• Проектировать инфраструктуру вокруг агентов (harness): оркестрация, маршрутизация, управление контекстом и памятью, вызов инструментов, отказоустойчивость, трейсинг
• Проектировать и развивать самообучающийся контур: сбор ошибок из продакшена, пополнение датасетов оценки, регрессионное тестирование, контролируемая выкатка улучшений
• Отвечать за качество моделей: эталонные наборы, метрики точности, автоматические гейты качества в CI, мониторинг деградации в проде.
• Отвечать за производительность и экономику решения: нагрузка, latency, стоимость обработки обращения
• Обеспечивать соответствие требованиям по работе с персональными и медицинскими данными на уровне архитектуры (обезличивание, аудит решений, хранение)
• Проводить код-ревью и дизайн-ревью, развивать middle ML-инженеров через наставничество и парное проектирование
• Представлять и защищать архитектурные решения перед CTO и продуктовой командой

Что для нас важно:

• Опыт в роли ML-инженера от 4 лет
• Опыт запуска в production масштабных и сложных ML / LLM-решений
• Опыт реализации моделей классического ML (Scikit-learn, CatBoost)
• Глубокое понимание архитектуры современных LLM и мультимодальных моделей
• Опыт промышленного использования inference-фреймворков: vLLM, SGLang, TensorRT-LLM, llama.cpp
• LLMOps Воспроизводимость системы, бенчмарки и регрессионное тестирование
• Опыт дообучения трансформеров (LoRA, QLoRA, SFT) — DPO / RLHF будет плюсом
• Современный LLM-стек: уверенное понимание RAG, agentic-loop, agent harness, multi-agent систем, MCP
• Знание теории вероятностей, опыт проведения и оценки A/B тестов
• Опыт разработки и настройки guardrails для LLM-систем
• Уверенное владение Python и асинхронными фреймворками, такими как FastAPI
• Умение писать тесты (pytest)
• Опыт работы с асинхронными задачами (RabbitMQ, Celery, Kafka)
• Контейнеризация Владение инструментами контейнеризации (Docker)
• Знание стандартов качества кода (Flake8, mypy)
• Навыки настройки CI/CD-процессов и базовая работа с k8s

Будет плюсом:

• Будет плюсом опыт в MedTech / Healthcare, NLP на медицинских текстах и работе с чувствительными данными

• Опыт разработки самообучающихся агентов (self-harness)

У нас в команде:

• Ежегодный отпуск продолжительностью 28 календарных дней
• Формат работы на выбор: удаленный, гибрид или офис
• ДМС «Лучи» для тебя и твоих несовершеннолетних детей через 3 месяца после начала работы + доступ к виртуальной клинике с первого дня работы
• Скидка на подключение к ДМС «Лучи» для родственников
• Страхование от несчастных случаев после трех месяцев работы
• Страховой полис выезжающего за рубеж (ВЗР) для тебя и двух твоих родственников после трех месяцев работы
• Помощь в значимых для тебя событиях
• Корпоративная программа лояльности BestBenefits

❤️ Ты будешь частью большого социально значимого дела. Мы реализуем амбициозную задачу — меняем рынок страхования и здравоохранения, действительно помогаем людям, и у нас это отлично получается.

И у тебя получится!

Компания Emphasoft занимается заказной разработкой IT решений для наших партнеров с западного рынка. Мы специализируемся на разработке web-приложений для стартапов на различной стадии.

Проект - в сфере телекоммуникаций.

Мы ищем сильного технического инженера, который работал с данными (ETL, пайплайны, витрины), а теперь хочет применить тот же системный подход к видеоконтенту, создаваемому с помощью ИИ.

Наш «продукт» — это видео: короткие ролики, сторис, рилс. Наш «источник данных» — генеративные нейросети. Наш «ETL» — это пайплайн от идеи до готового ролика.

Если вы умеете проектировать конвейеры, думать про стоимость, качество и автоматизацию — но хотите делать это не в мире таблиц, а в мире креатива и медиа — эта роль для вас.

Чем предстоит заниматься

1. Проектирование контентных пайплайнов (аналог ETL)

Полный цикл производства видео:
Сбор идей/скриптов → Генерация промптов → Вызов API нейросетей (видео/аудио/изображения) → Автоматизированный рендер и монтаж (ffmpeg и аналоги) → Выгрузка готового ролика.

2. Самостоятельный подбор и поставка AI-моделей

Вы сами оцениваете рынок генеративных моделей, выбираете оптимальные решения под задачу (Runway, Pika, Sora, Midjourney, ElevenLabs, Suno, open-source модели и т.д.) и выстраиваете интеграции с ними. Мы не даём готовый список инструментов — вы приносите его нам.

3. Генерация и поставка исходного контента

Весь первичный материал для видео (изображения, видеоклипы, озвучка, музыка, сценарии) создаётся и поставляется самим инженером с помощью ИИ. Это не задача для отдельного дизайнера или копирайтера — это ваша зона ответственности.

4. Управление бюджетом на генерацию (токены API)

Оплата токенов и подписок на AI-сервисы — на вашей стороне. Вы сами планируете расход, оптимизируете стоимость генерации, выбираете между платными API и open-source альтернативами и отвечаете за экономическую эффективность пайплайна. Фактически вы управляете «себестоимостью единицы контента».

5. Контроль качества (Data Quality → Video Quality)

Выстраивание автоматических и полуавтоматических проверок сгенерированного видео: артефакты, скринтрекинг, липсинк, соответствие техническим требованиям площадок.

Кого мы ищем

Человека с системным инженерным мышлением (как у классического Data Engineer), но применяющего его в креативе и медиа.

Обязательно:

• Сильный Python

• Опыт проектирования и автоматизации пайплайнов (ETL/ELT, оркестрация, очереди, ретраи, мониторинг)

• Опыт интеграции внешних API (в т.ч. нестабильных, с лимитами и платными токенами)

• Понимание, как работать с видео: ffmpeg, кодеки, форматы, разрешения, битрейт

• Опыт работы с генеративными моделями (текст, изображения, видео, аудио)

• Умение самостоятельно разбираться в новых инструментах и приносить их в проект

• Ответственность за бюджет и себестоимость — вы управляете расходом токенов

Будет плюсом:

• Опыт с Stable Diffusion, ComfyUI, LoRA

• Работа с Runway, Pika, Sora, Kling, Midjourney, ElevenLabs, Suno

• Опыт в медиа, продакшене, контент-фабриках

• Понимание требований площадок (Reels, Stories, Shorts, TikTok)

• MLOps-навыки: деплой моделей, Docker, GPU-инфраструктура

Мы предлагаем:

• Полностью удалённую работу.

• Гибкий график — вы самостоятельно управляете своим рабочим временем.

• Оформление по договору B2B (как ИП или самозанятый).

• Корпоративные курсы английского языка для профессионального роста.

• 3 оплачиваемых больничных дня в год.

• Культуру, основанную на доверии и самостоятельности, без микроменеджмента и излишней бюрократии.

IRBIS – это группа компаний, основным видом деятельности которой является оптово-розничная реализация нефтепродуктов. В состав группы также входит 6 бизнес направлений, среди которых перевозка опасных грузов, бункеровка судов, общественное питание и др.

Сегодня ГК IRBIS работает в 45 регионах РФ, в штате компании более 2000 человек.

Чем предстоит заниматься:

• Разрабатывать и внедрять AI-решения для автоматизации бизнес-процессов компании.
• Создавать MCP-серверы и интегрировать ИИ с 1С, API, базами данных и другими корпоративными системами.
• Строить RAG-системы, корпоративные базы знаний и интеллектуальный поиск по внутренним данным.
• Автоматизировать распознавание и обработку документов: PDF, сканы, таблицы, договоры, счета, заявки и другие документы.
• Создавать AI-агентов и сценарии автоматизации, которые взаимодействуют с корпоративными системами.
• Работать с облачными AI-сервисами и локальными LLM, подбирать оптимальную технологию под конкретную задачу.
• Быстро создавать прототипы и самостоятельно доводить успешные решения до промышленной эксплуатации.
• Оказывать техническое содействие и поддержку развитию ИИ-инициатив компании: помогать подразделениям оценивать идеи, проверять гипотезы и превращать их в работающие решения.
• Помогать разработчикам и подразделениям внедрять AI-инструменты в существующие процессы.
• Обеспечивать безопасность, стабильность и качество внедряемых AI-решений.

Требования:

• Практический опыт внедрения LLM-решений в production.
• Сильный Python, REST API, SQL, Git, Docker, Linux.
• Практический опыт работы с MCP, RAG, embeddings, vector databases, AI Agents.
• Опыт работы с облачными LLM/API и развертывания локальных LLM.
• Опыт OCR / Intelligent Document Processing.
• Опыт интеграции AI с корпоративными системами и базами данных.
• Опыт интеграции с 1С будет серьезным преимуществом.
• Понимание вопросов информационной безопасности и защиты корпоративных данных при использовании AI.
• Преимуществом будет знание: Qdrant/pgvector/Milvus, LangChain/ LangGraph, LlamaIndex, n8n, Ollama/vLLM, multimodal-модели, Fine-tuning/ LoRA, инструменты оценки качества RAG/LLM.

Мы предлагаем:

• Оформление по ТК РФ
• Достойная заработная плата по итогам собеседования
• ДМС после года работы
• График работы 5/2 с 8:00 до 17:00
• Место работы: А.Кутуя 86В

• Развивать HTTP API и бизнес-логику двух асинхронных Python-сервисов на FastAPI.
• Проектировать и реализовывать RAG-пайплайны: retrieval, query rewriting, multi-hop поиск, сбор контекста, structured output, цитирование источников и обработку частичных ответов.
• Развивать агентные сценарии на LangChain, LangGraph и deepagents: инструменты, middleware, ограничения числа вызовов, защита от циклов и контроль контрактов ответа.
• Улучшать качество семантического поиска: chunking, dense/sparse retrieval, фильтры Qdrant, reranking, RRF и token budget.
• Развивать событийную индексацию статей, файлов и структурированного контента через Kafka.
• Обеспечивать корректную мультитенантность и фильтрацию результатов по правам пользователей, групп и сообществ.
• Интегрировать и заменять LLM-, embedding- и reranking-провайдеры, включая OpenAI-compatible API, vLLM и Ollama.
• Работать с PostgreSQL, Redis и Qdrant, проектировать модели данных и Alembic-миграции.
• Диагностировать проблемы качества, производительности и надежности на границах внешних сервисов.
• Развивать автоматические тесты и quality gates, поддерживать воспроизводимые локальные и CI-окружения.
• Улучшать наблюдаемость: структурированные логи, технические метрики, OpenTelemetry и трассировку LLM/RAG через Langfuse.
• Участвовать в декомпозиции задач, ревью кода и принятии архитектурных решений.

• Python 3.12, async/await;
• FastAPI, Pydantic 2;
• SQLAlchemy 2 async, Alembic, PostgreSQL;
• Redis, Apache Kafka, aiokafka;
• Qdrant, dense/sparse vectors, embeddings, reranking, RRF;
• LangChain, LangGraph, deepagents;
• OpenAI-compatible API, vLLM, Ollama;
• Pytest, pytest-asyncio, mypy, Black, Flake8;
• Docker, Docker Compose, Kubernetes, GitLab CI;
• Langfuse, OpenTelemetry.

• Уверенное владение Python и практический опыт разработки backend-сервисов.
• Хорошее понимание асинхронного программирования: event loop, конкурентный I/O, таймауты, отмена, управление ресурсами и graceful shutdown.
• Опыт разработки API на FastAPI или сопоставимом Python-фреймворке.
• Практический опыт с PostgreSQL и SQLAlchemy: транзакции, конкурентный доступ, индексы, миграции и диагностика запросов.
• Опыт интеграции внешних сервисов и проектирования устойчивого взаимодействия: retry/backoff, timeout, idempotency, ограничение параллелизма и обработка частичных отказов.
• Понимание событийной архитектуры и семантики Kafka consumer: consumer groups, offset commit, rebalance, повторная доставка и идемпотентная обработка.
• Понимание устройства RAG: chunking, embeddings, retrieval, reranking, контекстное окно, ограничения LLM и способы снижения галлюцинаций.
• Умение писать unit- и интеграционные тесты для асинхронного кода, отделяя бизнес-логику от внешней инфраструктуры.
• Способность разбираться в существующей кодовой базе, находить причины проблем и предлагать минимальные, проверяемые изменения.​​​​​​​​​​​​​​​​​​​​
  
  Будет преимуществом
• Production-опыт с Qdrant или другой векторной базой.
• Практический опыт hybrid search, sparse retrieval, reranker и оценки ранжирования по Precision@K, Recall@K, MRR, MAP или NDCG.
• Опыт разработки LLM-приложений на LangChain/LangGraph или другом orchestration framework.
• Опыт работы со structured output, function/tool calling и потоковой генерацией.
• Понимание prompt injection, разграничения доступа к данным и других рисков безопасности RAG/agent-систем.
• Опыт эксплуатации сервисов в Kubernetes и настройки observability.
• Опыт работы с локальными моделями и inference-серверами: vLLM, Ollama, embedding/reranking inference.

Мы новое подразделение Сбера, занимающееся созданием инструментов и решений для внутренней безопасности с помощью AI. Наши задачи направлены на развитие AI-агентов, создание RAG, запуск локальных инстансов LLM и их файнтюнинг. Наши планы имеют широкий спектр - начиная от разработки DL-моделей для скоринга, поведенческого моделирования и заканчивая графовыми нейронками для выявления скрытых связей.

Ищем Middle/Senior Data Scientist, который будет разрабатывать AI-агентов, адаптировать LLM под специфику задач, строить RAG-системы. Если ты хочешь иметь возможность погрузиться в глубины LLM и Deep Learning, пробовать новые методы к файнтюнингу LLM, строить AI-агентов, то мы ждем тебя в нашу команду.

• cоздание и развитие решений с задействованием LLM-агентов (полноценные мультиагентские системы)

• cоздание RAG-систем

• разработка и поддержка ML/DL моделей, включая их обновление и адаптацию к меняющимся условиям и требованиям бизнеса

• дообучение и адаптация открытых LLM

• создание системы мониторинга качества моделей и контроль их эффективности.

• оконченное высшее образование

• опыт работы от пяти лет в коммерческой разработке на позиции Data Scientist / ML Engineer с подтверждённым опытом вывода моделей в продакшен

• понимание математики классического ML и архитектуры нейросетей (PyTorch/TF)

• уверенное понимание архитектуры трансформеров, опыт работы с LLM API и локальными моделями через PyTorch / Hugging Face

• уверенный Python (чистый код, ООП, знание numpy/pandas/scikit-learn) и понимание принципов микросервесной архитектуры (Asyncio, FastAPI)

• опыт создания агентов на LangChain/LangGraph

• знание основных концепций промпт-инжиниринга и использования Structured Outputs и Function Calling

• опыт проектирования и развития RAG-систем (Multi-stage Retrieval, Dense + Sparse/BM25, Rerankers, Chunking strategies)

• опыт развертывания локальных open-source моделей (Llama, Mistral, Qwen, DeepSeek и др.) в продакшн-окружении и настройки высокопроизводительного инференса LLM с помощью vLLM

• опыт проведения Fine-tuning LLM-моделей (PEFT, LoRA/QLoRA)

• настройка мониторинга data drift и model decay, а также валидация моделей

• 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.

• инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти

• среда для обмена знаниями – высокая экспертиза внутри команды;

• сплоченная команда, работающая над общими задачами и умеющая хорошо отдыхать

• нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам

• стабильная заработная плата и годовой бонус

• полностью офисный формат работы. Современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• подписка Прайм с возможностью совместного использования на трёх близких

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

• вознаграждение за рекомендацию друзей в команду Сбера.

Вы будете

• Участвовать в составлении роадмапа разработки, проводить ресерч и формулировать гипотезы для решения задач.
• Заниматься полным циклом разработки моделей автомодерации контента.
• Работать с multi-modal данными: изображениями, текстами и таблицами.
• Разрабатывать эффективный и воспроизводимый код для обучения моделей.
• Оптимизировать модели, ускорять inference и улучшать бизнес-метрики.
• Делиться опытом с другими участниками команды, участвовать в код-ревью.
• Взаимодействовать с аналитиками, продактами и разработчиками сервисов.

Нам важно

• Уверенное знание Python и опыт разработки на нём.
• Понимание алгоритмов и структур данных.
• Практический опыт работы с PyTorch.
• Знание математической статистики, линейной алгебры и теории вероятностей.
• Отличные знания в области машинного обучения: классический ML и DL, способность объяснить принципы работы алгоритмов и выбрать подходящий для задачи.
• Практический опыт работы в задачах NLP и/или CV, знание современных архитектур (Transformers, CLIP и др.).
• Понимание принципов работы с большими данными, знакомство с такими инструментами как Hadoop, Spark, Airflow, SQL.
• Опыт ведения проектов: принятие технических решений, декомпозиция и распределение задач, координации разработки.

Команда Data Engineering отвечает за Market Data Platform — lakehouse-инфраструктуру, которая покрывает весь путь данных: от сырых биржевых фидов до надёжного хранилища петабайтного масштаба для исследований, бэктестинга и торговли в реальном времени.

Опыт работы с биржевыми данными не обязателен: ключевое для нас — сильная экспертиза в lakehouse-системах. Доменный контекст команда даст сама.

Обязанности:

• Развивать lakehouse на Apache Iceberg over AWS S3: партиционирование и сортировка данных, эволюция схемы, snapshots, time travel, compaction, TTL, point-in-time correctness для reference data. Оптимизировать производительность запросов и стоимость хранения.
• Строить batch- и streaming-пайплайны на Airflow, Spark и dbt для tick data и reference data.
• Развивать сбор и нормализацию market data: биржевые фиды (PCAP, multicast UDP, ITCH, FIX) и данные провайдеров (OneTick, Refinitiv, Bloomberg, ICE), реконструкция L2/L3 order book, обработка пропусков и сверка данных.
• Разрабатывать внутренние библиотеки и единый слой доступа к данным (Spark, Polars): управление схемами, data contracts, валидация, lineage.
• Отвечать за мониторинг, алертинг, SLAs/SLOs и CI/CD на Kubernetes / EKS.

• 5+ лет опыта разработки систем обработки данных в продакшене
• Практический опыт работы с крупными data lake / lakehouse-системами и понимание типичных проблем их эксплуатации
• Опыт работы с Apache Iceberg или аналогичными табличными форматами (Delta, Hudi): партиционирование, эволюция схемы, snapshots, compaction, работа с каталогом.
• Понимание внутреннего устройства Spark и Iceberg и опыт построения пайплайнов end-to-end, а не только работы поверх готовых фреймворков.
• Сильный Python, включая опыт с Polars и/или PySpark.
• Понимание Apache Arrow и колоночных форматов данных.
• Опыт с Airflow и Apache Spark или аналогичными системами оркестрации и распределённой обработки.
• Продвинутый SQL: сложные агрегации, оконные функции, оптимизация запросов, partition pruning.
• Уверенное знание Linux, практический опыт с Docker, Kubernetes/ EKS, AWS S3.
• Понимание принципов хранения и оптимизации структурированных, неструктурированных и бинарных данных: партиционирование, сжатие, управление стоимостью.
• Английский от B2 — для работы с документацией и общения с международной командой.

• Полностью удалённая работа с обязательным пересечением с командой с 12:00 до 18:00 по Москве (GMT+3).
• Компенсация медицинской страховки, спорта и обучения.
• Отсутствие бюрократии и реальная свобода в том, как выстраивать свою работу.
• Возможность расширять зону ответственности по мере роста команды.

Продамус — аккредитованная, продуктовая IT-компания, сервис для автоматизации продаж малого и среднего бизнеса.

Мы разрабатываем Fintech-решения и инструменты для автоматизации: системы приёма платежей, LMS-платформу для управления обучением, сервисы для вебинаров и онлайн-встреч, а также другие продукты, помогающие компаниям работать эффективно и масштабироваться в онлайне.

Сейчас мы строим продуктовую лабораторию внутри IT-блока — место, где идеи быстро превращаются в рабочие решения.

Ищем универсального разработчика, который имеет традиционную базу разработки, при этом сейчас активно работает и создаёт продукты при помощи AI-агентов. Мыслит шире, чем просто код: как инженер бизнес-продукта, а не только исполнитель задач.

Что предстоит делать:

— Разрабатывать продуктовые фичи и сервисы (от идеи до реализации)
— Участвовать в проектировании архитектуры решений
— Использовать AI-инструменты и подходы (vibe coding) для ускорения разработки
— Работать с разными технологиями и стеком под задачу
— Обсуждать решения с командой и влиять на технические подходы
— Быстро переключаться между задачами и продуктами

Что важно:

— Опыт разработки от 3–5 лет (middle+)
— Понимание архитектуры приложений
— Опыт в продуктовой разработке
— Умение писать качественный код без «компромиссов на скорость»
— Навык работы с AI-инструментами (Claude Code, AI IDE и др.)

Технически:
— C# / .NET
— Python (middle+)
— JavaScript
— Docker
— PostgreSQL / MySQL

Будет плюсом
— Опыт запуска продуктов с нуля
— Опыт в fintech / edtech / e-commerce / SaaS

Почему мы:

— Реальное влияние на продукт, а не формальная роль
— Современный стек и подходы (AI-first разработка)
— Быстрая реализация идей
— Сильная команда и высокий инженерный уровень

Если ты хочешь не просто писать код, а создавать продукты быстро и качественно — откликайся.
В сопроводительном письме опиши, какие продукты создавал на основе ai.

• Опыт агентской разработки и использования ИИ-инструментов в повседневной работе.

• Опыт работы с gRPC — в команде сервисы принято делать на gRPC, HTTP почти не используется.

• Переводить выходные данные ML-моделей в торговые сигналы и признаки (features)
• Комбинировать признаки, полученные с помощью ML, с существующими стратегиями для улучшения результатов и генерации альфы на рынках США, Японии и Китая — в маркетмейкинге по акциям и криптовалютам
• Применять ML-признаки в HFT
• Оценивать наборы признаков, сверять результаты бэктестов с показателями на реальных торгах, проводить эксперименты и оценивать практическое влияние ML-сигналов на PnL стратегии
• Отслеживать качество сигналов во времени; выявлять деградацию, переобучение или смену рыночного режима и предлагать корректирующие меры

Наши ожидания:

• 3+ лет опыта в квантовых исследованиях, алгоритмической торговле или смежной области
• Умение работать самостоятельно и доводить решения до результата без внешнего контроля
• Сильная математическая и статистическая база
• Уверенное владение Python, включая библиотеки для анализа данных и моделирования (pandas, scikit-learn и т.п.); опыт работы с AI-инструментами
• Прикладные навыки ML — классические методы, включая бустинг, классификацию, ансамбли моделей и feature engineering

Будет плюсом:

• Понимание механики low-latency систем: динамика стакана, качество исполнения, чувствительность к задержкам и микроструктура; опыт работы с латентно-чувствительными системами на уровне cloudbox и выше
• Навыки C++ для latency-чувствительных задач; знакомство с соответствующей инфраструктурой и инструментарием

Компания DOMEO - Российская компания, лидер среди сервисов по капитальному ремонту и дизайну квартир и частных домов.
На рынке мы уже более 10 лет и на сегодняшний день представлены в трех городах Москва, Санкт-Петербург, Сочи.

Мы строим PIM-систему - единое хранилище всех товаров. Ищем Database Engineer, который спроектирует для нее базу данных.

Что предстоит делать:

• Проектировать и поддерживать базы данных PostgreSQL;

• Оптимизировать производительность: индексы, партиционирование, настройка БД;

• Управлять миграциями (Alembic) с возможностью обновления без остановки;

• Настраивать репликацию, бэкапы и мониторинг;

• Дорабатывать продукт по итогам разбора инцидентов;

Требования:

• Опыт проектирования схем БД для высоконагруженных систем;

• Опыт работы с PostgreSQL от 3 лет;

• Уверенное владение SQL (сложные запросы, оконные функции);

• Опыт оптимизации производительности (индексы, EXPLAIN);

• Понимание партиционирования больших таблиц;

• Опыт работы с большими таблицами (миллионы записей);

• Python (для скриптов и ETL);

• Опыт с миграциями (Alembic / Flyway / Liquibase);

Будет плюсом:

• Опыт мониторинга БД и разбора инцидентов;

• Опыт нагрузочного тестирования;

• Настройка репликации;

• Docker, CI/CD;

• Опыт в e-commerce, ритейле или PIM-системах;

Условия:

• Формат работы: офисный;
• График: на выбор - с 09:00 до 18:00 или с 10:00 до 19:00 (перерыв 1 час). Суббота, воскресенье и праздничные дни - выходные;
• Офис: стильный и современный, в пешей доступности от метро «Шаболовская» (1 минута) и «Тульская» (15 минут);
• Оборудованная кухня и уютные места для отдыха;
• Для желающих - бесплатные занятия йогой в спортивном пространстве офиса;
• Детская комната - если есть необходимость взять ребёнка с собой.

Привет! Это команда "Внутренние ML Продукты". Мы применяем современный ИИ для автоматизации разнообразных процессов внутри компании. Например, мы создаем умных ассистентов для работы с базами знаний, делаем сервисы-копилоты для разработчиков и сотрудников поддержки, а также помогаем автоматизировать кадровый документооборот.

Наша ключевая цель - внедрить искусственный интеллект во все те места и процессы, где его использование поможет компании работать более эффективно, и освободит наших коллег от рутинной работы, которую сможет взять на себя ИИ.

В команде несколько опытных разработчиков и дата-саентистов, и мы тесно взаимодействуем с другими командами, заинтересованными в применении ИИ в своих задачах.

Ищем дата-саентиста, который готов вместе с нами применять ИИ для автоматизации процессов внутри компании.

Наш стек

• PyTorch, transformers, catboost, фреймворки для инференса (vllm, triton), Python, Go, Kubernetes.

Вы будете

• Участвовать в разработке полезных сервисов на базе ИИ.
• Работать с "большими" современными моделями (напр., с такими LLM как DeepSeek и Qwen) и применять их для решения прикладных задач. У вас будет возможность не просто использовать "готовые" LLM "из коробки", но и дообучать их под конкретные прикладные задачи.
• Решать интересные задачи из разных областей современного машинного обучения: NLP, CV, обработка видео и звука.

Примеры задач

• Зафайнтюнить мультимодальный Qwen2.5-VL под задачу распознавания документов.
• Обучить модель эмбеддингов, которая будет использоваться в RAG-системе для автоматизации работы техподдержки.

Нам важно

• Отличные знания в области машинного обучения: классический ML, DL, NLP и/или CV.
• Опыт работы с такими библиотеками как pytorch, transformers, фреймворки для градиентного бустинга (напр. catboost или xgboost), sklearn, pandas.
• Уверенное владение Python.
• Хорошее знание базовых алгоритмов и структур данных.
• Понимание принципов работы с большими данными, знакомство с такими инструментами как hadoop, spark, airflow.
• Опыт работы с Linux на уровне пользователя.

Будет плюсом

• Опыт работы с современными LLM.

В ООО "Газпромнефть-Региональные продажи" требуется дата-инженер

Обязанности:

• Проектирование и реализация ELT/ETL-решений для загрузки сырых данных в Hadoop,
• проектирование и реализация хранилищ и витрин данных в Hive, Hbase, SQL Server, PostgreSQL, Clickhouse и соответствующих ETL,
• проектирование и реализация решений для межсистемной интеграции (rest, soap, MQ, ftp, etc) ,
• оптимизация MVP-решения команд data scientist для переноса их в продуктив,
• развитие архитектуры и оптимизация работы типовых решений на платформе,
• участие в апробации и оптимизации новых компонент платформы,
• анализ и оптимизация бизнес-требований, подготовка технической документации,
• решение инцидентов эксплуатации систем и модулей.

Требования:

• Опыт разработки решений на базе одной из СУБД: MSSQL Server,Oracle, PostreSQL, Clickhouse
• Опыт интеграции с различными источниками данных (rest, soap, api, ftp, dfs, http, rdbms)
• Участие в проектах построения корпоративного хранилища данных или BI системы для крупного бизнеса
• ПО: Hadoop HBase/Hive/Spark/Scala, Informatica DEI/BDM/PC, Kafka
• ЯП: SQL, Python
• Командные оболочки: Bash, PowerShell
• Devops: GitLab, Jira, Jenkins
• Аналитический склад ума,
• Умение работать в команде,
• Умение быстро принимать верные решения в критических ситуациях,
• Стремление к профессиональному росту

Условия:

• Достойную заработную плату, годовую премию по результатам работы
• Постоянный трудовой договор
• Качественную программу ДМС со стоматологией с первого месяца работ
• Неограниченный доступ к образовательному контенту на корпоративном портале знаний
• Подписка на лучшие электронные библиотеки.

Чем предстоит заниматься:

• Аналитика требований заказчика, их формализация и проектировка решения
• Выполнение Adhoc выгрузок по требованиям заказчиков
• Поиск данных в системах банка, анализ качества и сборка прототипа решения
• Разработка дата-продуктов, визуальных форм и проектной документации
• Тестирование функционала, передача решения заказчику и ввод в эксплуатацию
• Консультация заказчиков по продуктам, поддержка данными

Что мы ждем от вас:

• Знание SQL (oracle, postgres), Hadoop (hdfs, hive, impala, sqoop, spark) - уровень выше среднего, умение оптимизировать код
• Знание инструментов обработки и трансформации данных (Spark, Apache Airflow)
• Знание теории баз данных
• Умение структурировать информацию
• Знание основ банковской деятельности (продукты, риски)
• Знание принципов работы моделей (DS)
  

Что мы предлагаем:

• Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
• Полную удалёнку или гибрид на выбор, 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

Работа в Правительстве Москвы — это возможность делать наш город современнее и удобнее. Если ты тоже неравнодушен к Москве, хочешь развивать ее и развиваться сам, присоединяйся к нашей команде!

Обязанности:

• ​​Разрабатывать и развивать ИИ‑агента «Помощник проектировщика»: выстраивать логику принятия решений, цепочки рассуждений, работу с контекстом и внешними источниками данных

• Оформлять результаты проектирования в формате научного исследования: формулировать гипотезы, планировать эксперименты, рассчитывать и интерпретировать метрики, готовить отчёты с научно обоснованными выводами

• Оптимизировать модели для повышения точности и производительности: применять методы квантования, дистилляции, сжатия; подбирать архитектуры под специфику задач транспортного проектирования

• Анализировать производительность моделей и организовывать дообучение на новых данных: настраивать пайплайны подготовки данных, отслеживать дрейф данных и метрик качества

• Проводить прикладные научные исследования (НИР): валидировать подходы, обеспечивать воспроизводимость результатов, фиксировать методики, допущения и ограничения

• Решать задачи с помощью ИИ‑технологий: работать со стеком TensorFlow и Keras, а также с современными инструментами для построения агентных систем

• Реализовывать задачи в области NLP (обработка технических текстов, спецификаций, замечаний экспертизы) и компьютерного зрения (OCR, распознавание чертежей, схем, планов)

• Разрабатывать API и другие интерфейсы для интеграции моделей в существующие системы проектирования и документооборота

• Тестировать и отлаживать интеграцию моделей: писать unit‑ и интеграционные тесты, проверять краевые случаи, обеспечивать стабильность работы в контуре заказчика

• Мониторить функционирование ИИ‑моделей в реальных условиях: настраивать логирование и алерты, отслеживать деградацию качества, автоматизировать проверки

• Изучать и адаптировать современные методы ИИ (трансформеры, генеративные модели и др.) под специфику транспортных проектов

• Проводить эксперименты и оценивать их результаты: выполнять A/B‑тесты, сравнивать архитектуры, анализировать ошибки и способы их устранения.

• Участвовать в формировании стратегии внедрения ИИ в компании: определять приоритеты, риски, этапы масштабирования и критерии успеха.

• Консультировать коллег по вопросам ИИ: объяснять ограничения моделей, помогать корректно формулировать запросы и сценарии использования.

• Готовить техническую и проектную документацию: описывать архитектуру, параметры моделей, методики экспериментов, инструкции по эксплуатации и интеграции.

Требования:​​​​​​​

• Высшее образование

• Опыт разработки ML‑моделей и внедрения их в продакшн.

• Практический опыт работы с TensorFlow, Keras; понимание жизненного цикла ML‑модели.

• Знание базовых методов NLP и компьютерного зрения, опыт работы с OCR‑задачами.

• Понимание принципов построения ИИ‑агентов: планирование, память, инструменты, обработка ошибок.

• Умение проектировать и реализовывать API для интеграции моделей.

• Навыки проведения экспериментов и оценки качества моделей: метрики, валидация, воспроизводимость.

• Способность оформлять технические и исследовательские результаты в виде документации и отчётов.

• Уверенное владение Python, Git, базовыми инструментами ML‑инфраструктуры

• Работа в Правительстве Москвы
• Высокопрофессиональная команда
• График 5/2
• Офис: метро Чистые пруды

Мы - Управление развития искусственного интеллекта блока "Развитие клиентского опыта B2C". В нашей зоне ответственности ML-решения, результаты работы которых ежедневно влияют на поведение десятков миллионов клиентов.

Развитие клиентского опыта – динамический и активно развивающийся процесс. Совместно с бизнесом мы проводим десятки различных экспериментов ежемесячно, и лучшие из них оформляем в полноценные ML продукты. Совокупные финансовые эффекты от наших продуктов > 1 млрд. руб. в год.

И сейчас мы находимся в поиске сильного технического специалиста по профилю Machine Learning Engineer.

Обязанности

• разрабатывать ML продукты в рамках программы Лояльности
• переводить модели и MVP-решения из полу-ручного режима в более устойчивый production/use-case формат
• участвовать в проектировании и создании пайплайнов ML-решений
• формировать и поддерживать лучшие инженерные и исследовательские практики создания.

Требования

• опыт работы от 3 лет в качестве Machine Learning Engineer/Python Developer
• продвинутые знания SQL и Python: опыт разработки и, желательно, внедрения в пром. от 2 лет
• опыт работы с PySpark
• понимание основ Machine Learning
• глубокие знания алгоритмов, понимание принципов ООП, паттернов проектирования.

будет плюсом:

• опыт работы с Apache Airflow
• опыт работы Data Engineer/Data Scientist.

Условия

• комфортный современный офис рядом с м. Кутузовская
• офисный формат работы
• ежегодный пересмотр зарплаты, квартальная и 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
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.

Aston — аккредитованная аутсорсинговая IT-компания, работающая с 2007 года. Наш штат насчитывает 2500+ специалистов. Мы разрабатываем программное обеспечение и IT-решения в сферах Finance, Healthcare, eCommerce, IoT, Media, Big Data, ML и многом другом.

Предлагаем присоединиться в роли Data Engineer и работать над проектом заказчика.

Заказчик - крупнейший коммерческий банк страны, лидер по объему активов и цифровому развитию. Активно продвигает мобильные сервисы, ценит скорость, гибкость и неформальный подход внутри команд. Многократно отмечен престижными наградами, в том числе «Bank of the Year in Russia 2019» (The Banker) и «Best Mortgage Bank in CEE» (Global Finance).

Чем предстоит заниматься?

• реализовывать высоконагруженные конвейеры обработки данных для обеспечения надежной и бесперебойной репликации данных из ИТ-систем;
• реализовывать комплексные задачи по подготовке данных в целевых аналитических хранилищах (DataLake, SandBox, FeatureStore) для построения признаков, необходимых для разработки моделей машинного обучения;
• разрабатывать и поддерживать в актуальном состоянии документацию по разработанному функционалу;
• своевременно отражать статусы выполнения задач в Jira;
• проверять качество кода, написанного инженерами данных.

Чего мы ждем от специалиста?

• опыт работы в роли Data Engineer от 4-х лет;
• отличные знания Python: структуры данных и алгоритмов, ООП и функциональное программирование;
• опыт написания модульных и интеграционных тестов, знание и опыт применения NumPy, Pandas;
• опыт разработки и внедрения в промышленную эксплуатацию сервисов загрузки и обработки неструктурированных данных (текст, xml, json) из внешних источников;
• способность разобраться с API поставщиков данных, используя доступную документацию;
• отличное знание SQL: сложные запросы с использованием аналитических оконных функций, инструменты профилирования для оптимизации их производительности;
• опыт работы с БД Oracle, Postgres, Greenplum;
• опыт работы с инструментами разработки, планирования и мониторинга рабочих процессов (workflow engines) пакетной обработки данных Airflow;
• опыт разработки сложных, высоконагруженных приложений обработки данных на основе PySpark;
• опыт работы с Apache Kafka: продюсеры/консьюмеры на Python, consumer groups;
• опыт разработки сервисов потоковой обработки данных с использованием инструментов Spark Structured Streaming, Flink;
• опыт работы с Flink.

Что мы предлагаем?

• Хорошая зарплата: уровень обсуждается индивидуально, есть доплаты за менторство и профактивности.

• Развитие: долгосрочные проекты от российских заказчиков, возможность менять направления, прозрачная система Performance Review.

• Комфорт и свобода: релокейт между офисами, выбор формата работы (удалённо, офис, гибрид), адаптация для новых сотрудников.

• Обучение: доступ к корпоративному порталу, митапам, конференциям (и как гость, и как спикер).

• Социальный пакет: ДМС со стоматологией, частичная компенсация спорта, бесплатный английский, оплачиваемый отпуск и больничные.

• Корпоративная жизнь: тимбилдинги, детские праздники, внутренние мероприятия.

Наши офисы:

• Москва (ул. Вильгельма Пика, 11, БЦ «Ботаника», 13 эт., оф. 1310),

• Санкт-Петербург (Владимирский проспект, д. 23, 8 этаж),

• Казань (Н. Ершова, 76/1),

• Нижний Новгород (ул. Новая, 28, коворкинг "VMESTE").

Крупнейший универсальный коммерческий банк Казахстана приглашает тебя в свою команду. Мы ищем талантливых людей, готовых развиваться и расти вместе с нами.

Группа Halyk – это более 17 000 сотрудников в Казахстане и ряде других стран. Наш банк успешно работает на благо своих клиентов уже 100 лет. Мы оказываем услуги во всех сегментах финансового рынка: банковском, страховом, ценных бумаг, лизинговом.

Что ты будешь делать:

• Полный цикл разработки моделей: Проектирование, обучение, валидация и внедрение скоринговых и предиктивных моделей для оценки кредитоспособности заемщиков;
• Работа с данными: Загрузка и препроцессинг больших объемов банковских данных, парсинг внешних источников (XML, JSON), скрапинг альтернативных данных для обогащения профилей клиентов;
• Математическое моделирование: Разработка и калибровка моделей (Logistic Regression, Random Forest, Gradient Boosting, SVM) для прогнозирования дефолтов (PD), убытков (LGD) и воздействия при дефолте (EAD);
• Аналитика и сегментация: Глубокий анализ клиентской базы, выявление скрытых закономерностей в поведении заемщиков, определение ключевых факторов риска;
• Внедрение и мониторинг: Интеграция моделей в производственную среду (Production), взаимодействие с IT и бизнес-подразделениями для внедрения результатов в кредитные политики;
• Оценка эффекта: Расчет экономического эффекта от внедрения моделей, A/B тестирование стратегий, статистический анализ качества прогнозов (PSI, CSI, Gini, KS-statistic);
• Отчетность и визуализация: Подготовка аналитических дашбордов и презентаций для руководства с использованием Python (Matplotlib/Seaborn), Excel и BI-инструментов.

Что мы ждем от тебя:

• Стек технологий: Продвинутый уровень Python (Pandas, NumPy, Scikit-learn, Statsmodels). Знание SQL обязательно (подразумевается работой с БД банка);
• Математика и статистика: Глубокое понимание теории вероятностей, матстатистики (проверка гипотез, распределения), математического анализа;
• Domain Knowledge (Желательно): Понимание специфики банковских рисков, принципов скоринга (Application, Behavioral, Collection), знание нормативной базы (ЦБ РФ, Базель III — будет большим плюсом);
• Опыт работы с данными: Умение работать с неструктурированными данными, проводить Feature Engineering для временных рядов и транзакционных данных;
• Инструментарий: Уверенное владение MS Excel (сводные таблицы, сложные формулы). Опыт работы с R будет преимуществом.

Мы предлагаем:

• Уникальный опыт, интересные задачи и проекты;
• Применение инновационных технологий в работе;
• Обучение и тренинги;
• Конкурентная оплата труда в соответствии с международными стандартами.

Заинтересовала вакансия? Откликайся!

Обязанности:

• Проектировать, разрабатывать и поддерживать ETL/ELT-процессы для загрузки, преобразования и передачи данных между корпоративными системами
• Подключать новые источники данных через БД, API, файловые обмены и другие доступные интерфейсы интеграции
• Проектировать структуры хранения данных, витрины и наборы данных для аналитики, отчетности и моделей искусственного интеллекта
• Обеспечивать очистку, нормализацию, дедупликацию и контроль качества данных; реализовывать автоматические проверки и обработку ошибок
• Настраивать оркестрацию, расписания, повторные запуски, журналирование и мониторинг data-пайплайнов
• Оптимизировать SQL-запросы и процессы обработки данных с учетом производительности, объема данных и доступности сервисов
• Обеспечивать стабильность и доступность данных для потребителей, участвовать в разборе инцидентов и устранении причин сбоев
• Вести техническую документацию по источникам, схемам, преобразованиям и правилам качества; взаимодействовать с аналитиками, разработчиками и ML-инженерами

• Высшее образование
• 2–4 года практического опыта в Data Engineering/разработке систем обработки данных. Опыт создания и поддержки ETL/ELT-процессов, интеграции источников и подготовки надежных наборов данных для аналитики и ИИ.
• Уверенный SQL, понимание индексов, планов выполнения, транзакций и оптимизации запросов. Практический опыт PostgreSQL или сопоставимых СУБД.
• Уверенный Python для интеграций, преобразований и автоматизации обработки данных; понимание структуры поддерживаемого production-кода.
• Практический опыт проектирования и поддержки ETL/ELT-пайплайнов; работа с Airflow/Prefect/Dagster или аналогичными средствами оркестрации.
• Понимание принципов DWH, Data Lake/Lakehouse, слоев хранения, витрин данных, схем данных и жизненного цикла наборов данных.
• Опыт работы с REST API, Git, Docker; умение организовать валидацию, мониторинг качества, обработку ошибок и воспроизводимость процессов загрузки данных.

• Работа в крупном агропромышленном холдинге
• Официальное трудоустройство и официальная заработная плата;
• Конкурентоспособный уровень заработной платы, который обсуждается индивидуально;
• Ежегодная индексация заработной платы
• График работы 5/2 (дневные с 08:00 до 17:00)
• Медицинское страхование в соответствии с законодательством РФ
• Возможность обучения, развития, карьерного и профессионального роста.
• Рабочее место, г. Ижевск, ул.Песочная, 11

Обязанности:

• Анализировать бизнес-задачи и формулировать их как задачи машинного обучения с измеримыми критериями качества
• Подготавливать и исследовать данные: очистка, преобразование, анализ качества, построение признаков и формирование обучающих выборок
• Разрабатывать, обучать и сравнивать модели для задач классификации, регрессии, прогнозирования и анализа временных рядов
• Выбирать метрики, строить baseline-решения, проводить валидацию, эксперименты и интерпретацию результатов
• Доводить модели от прототипа до использования в бизнес-процессе: пакетный расчет, сервис/API либо интеграция с прикладной системой
• Участвовать в построении воспроизводимых ML-пайплайнов, версионировании кода и моделей, контейнеризации и автоматизации запуска
• Контролировать качество моделей после внедрения, анализировать деградацию качества и инициировать переобучение при необходимости
• Документировать решения и взаимодействовать с инженерами данных, разработчиками, аналитиками и владельцами бизнес-процессов

• Высшее образование
• Опыт 2–4 года в ML/Data Science. Python, pandas (возможно), PyTorch/TensorFlow. Опыт построения, обучения и оценки моделей
• Опыт работы с табличными данными, временными рядами, классификацией/прогнозированием. SQL, Git,
• Базовое понимание Docker и API
• Умение доводить модель от эксперимента до использования в бизнес-процессе
• Понимание обучения и валидации моделей, feature engineering, подбора метрик, борьбы с переобучением, интерпретации результатов и сравнения экспериментов
• Уверенный SQL; опыт работы с табличными данными и временными рядами, понимание качества данных и влияния исходных данных на результат модели
• Базовое понимание REST API, Docker, Git и принципов развертывания моделей Способность подготовить модель к использованию в прикладном сервисе или бизнес-процессе
• Умение переводить бизнес-потребность в техническую постановку, выбирать достаточную сложность решения и оценивать практический эффект, ограничения и риски модели

• Работа в крупном агропромышленном холдинге
• Официальное трудоустройство и официальная заработная плата;
• Конкурентоспособный уровень заработной платы, который обсуждается индивидуально;
• Ежегодная индексация заработной платы
• График работы 5/2 (дневные с 08:00 до 17:00)
• Медицинское страхование в соответствии с законодательством РФ
• Возможность обучения, развития, карьерного и профессионального роста.
• Рабочее место, г. Ижевск, ул.Песочная, 11