ML и AI — свежие вакансии

Наша команда учит мультимодальные модели, которые не просто «видят картинку и отвечают на вопрос», а действительно понимают визуальный контекст, следуют инструкции и работают на уровне продуктового качества.

Развивать RL и RLHF для VLM

Вам предстоит переосмыслить методы алайнмента на стыке визуальной и текстовой модальностей: как наградить модель за правильный визуальный reasoning, как отучить её галлюцинировать при описании изображения и как превратить продуктовые требования сервисов Яндекса в функцию награды. Вы будете находить ответы на эти вопросы и внедрять решения в RLHF-пайплайн — так, чтобы поведение модели было предсказуемым, полезным и безопасным.

Развивать reasoning и работу с документами (OCR)

Требуется выйти за пределы простых подписей к фото. Вы будете учить модель рассуждать над сложным визуальным контекстом: разбирать документы, таблицы, графики и интерфейсы, аккуратно распознавать текст (OCR) и безупречно следовать многошаговым инструкциям. Для этого предстоит собирать reasoning-данные и активно экспериментировать с UG-данными и AI-фидбэком.

Разгонять large-scale-обучение до предельных скоростей

RL loop для мультимодальных моделей — это один из самых сложных инженерных вызовов в современном ML. Вам предстоит ускорять генерацию на лету, профилировать узкие места и добиваться того, чтобы эксперименты крутились кратно быстрее, а GPU не простаивали ни секунды.

Больше об ML в Яндексе — в канале Yandex for ML

* Отлично знаете классические ML, NLP и CV
* Понимаете, как устроены современные LLM или VLM, решали с их помощью прикладные задачи или имеете релевантный исследовательский опыт
* Имеете опыт работы с RL или RLHF, post-training или мультимодальным reasoning — или готовы быстро погрузиться в эти направления
* Следите за трендами в области LLM и VLM, умеете с ходу отличать хайп от рабочих практик и готовы быстро реализовывать новые идеи

* Работали с reasoning-задачами, post-training или RLHF/alignment
* Имеете опыт работы с OCR и document understanding: распознавание текста, структуры документов, таблиц и графиков
* Обучали большие модели или large-scale ML-системы
* Понимаете ограничения современных VLM и следите за трендами в multimodal reasoning

Обязанности

Мы разрабатываем продукты рискового скоринга и лидогенерации. Нашими продуктами пользуется 80% банковского сектора России. Также есть решения для страхования, электронной коммерции, ритейла и туризма. Ищем Scala разработчиков в нашу команду дочерней компании OneFactor.

Наш стек: Scala 2.13, Typelevel, gRPC, Kafka, RabbitMQ, Kubernetes, MongoDB, PostgreSQL

Чем предстоит заниматься

- Разрабатывать системы анонимизации данных

- Создавать сервисы поставки данных на ML-платформу

- Улучшать производительность и надежность сервисов

- Участвовать в дизайне архитектуры и принятии технических решений

- Устранять аварии и обеспечивать SLA сервисов на необходимом уровне

Требования

Опыт Scala от 3 лет

Понимание и применение принципов разработки распределенных отказоустойчивых высоконагруженных систем

Отличное знание Kafka

Будет плюсом:

Опыт на Spark

Опыт работы с Kafka Streams/Spark Streaming

*Трудоустройство в аккредитованную ИТ-компанию ООО «ЕдиныйФактор"

Хотите стать частью увлекательного процесса цифровой трансформации?

Блок IT в СОГАЗ активно развивается и меняет подход к созданию продуктов. Мы создаем новые сервисы и решения, которые делают нашу работу более технологичной и эффективной.

Проект: Мы — команда центра внедрения ИИ. Мы не просто автоматизируем рутину, а строим продуктовую ML-платформу. В фокусе: генеративные AI-ассистенты и классические модели машинного обучения.
Формат работы - у нас полный офис в комфортабельном бизнес-центре м. Курская.

Обязанности:

• Проектировать архитектуру AI-систем;
• Внедрение GPU-планировщика для шаринга нагрузки на одном железе;
• Проектирование и поддержка ML-пайплайнов;
• CI/CD для моделей: версионирование данных, моделей, экспериментов;
• Мониторинг production-моделей;
• Деплой и оптимизация LLM / inference-серверов;
• Контейнеризация и оркестрация сервисов;
• CI/CD (GitLab CI);
• Мониторинг и observability (Prometheus, Grafana);
• Обеспечение выполнения требований ИБ в отношении инфраструктуры.

• Бэкграунд в ML/DS — понимание процессов обучения, инференса, работы с данными;
• Опыт от 2 лет в MLOps / DevOps с ML-спецификой;
• Docker, Kubernetes — production-опыт;
• CI/CD (GitLab CI, методология GitOps);
• Глубокие знания Linux;
• Опыт построения или управления GPU-кластерами (NVIDIA, CUDA, nvidia-container-toolkit);
• Понимание специфики multi-tenant GPU-шаринга (MIG, MPS, time-slicing);
• Опыт работы с LLM / inference-серверами (vLLM, TGI, Triton);
• Опыт с GPU-планировщиками;
• Опыт с MLflow, Kubeflow, Airflow или аналогами;
• Высшее техническое образование.

• Оформление полностью в соответствии с ТК РФ, включая оплачиваемый отпуск 29 календарных дней (плюс 1 день отпуска);
• ДМС в лучших клиниках города, страхование жизни и страхование от несчастных случаев и болезней + ДМС родственников с 75% скидкой;
• Премиальные условия на всю продуктовую линейку группы компаний «СОГАЗ» для работников и их близких родственников (ОСАГО, каско, имущество, жизнь);
• Социальный пакет и специальные предложения по страхованию, кредитованию и другие программы от наших партнёров;
• Профессиональное развитие: курсы, тренинги, корпоративная библиотека;
• Заботу компании о детях сотрудников: подарки на Новый год и скидки в детские лагеря.

В ПРОЦЕССЕ РАБОТЫ НЕОБХОДИМО

• Разработка API для получения данных из витрин отчетности
• Рефакторинг утилиты по тестирования SQL кода
• Работа с хранилищами данных (MS SQL, MySQL, PostgeSQL)
• Работа с неструктурированными данными
• Разработка API для интеграции с внутренними и внешними сервисами с использованием языка python
• Создание пайплайнов для обработки и анализа данных
• Сбор и анализ требований
• Работа с системой контроля версий (GitLab)
• Подготовка документации
• Работа с брокерами сообщений
• Автоматизация и оптимизация бизнес процессов
• Создание, поддержка, рефакторинг ETL\ELT процессов
• Создание процессов автоматического тестирования и валидация данных.

ЧТО БУДЕТ ВАШИМ ПРЕИМУЩЕСТВОМ

• Умение и понимание работы с SQL

Требования к кандидату по python:

• опыт работы с базами данных из python (в контексте любых проектов, но желательно ETL/ELT)
• опыт работы с различными API (отправка запросов, обработка ответов)
• опыт работы с брокерами (любыми: RabbitMQ/Kafka/NATS) на уровне чтения/записи
• опыт разработки API как преимущество.

Дополнительные инструменты:

• - отслеживание версионности: git
• - управление окружениями: anaconda3(miniconda3) / uv
• - docker/docker-compose на уровне написания сборки простых контейнеров (как преимущество).

ДЛЯ ВАС МЫ ПРЕДЛАГАЕМ

• Официальное трудоустройство: оформление с полным пакетом социальных гарантий, включая отпуск и больничные

• Комфортные кафе и столовые: уютные пространства для общения с коллегами за чашкой кофе, обсуждения совместных проектов и последних корпоративных новостей

• Уникальная атмосфера в команде: разнообразие поколений и культур, способствующее созданию вдохновляющей рабочей среды

• Инвестиции в ваше будущее: повышение компетенций и внедрение лучших мировых практик для вашего профессионального роста

• Возможность посещения бизнес-мероприятий: участие в мероприятиях, способствующих расширению профессиональных связей и знаний

• Корпоративные фитнес-услуги: на площадке корпорации доступны фитнес-залы, залы для занятий йогой, SPA-центры и массажные кабинеты с персональной скидкой для сотрудников

• Поддержка на этапе адаптации: вас будет сопровождать наставник и руководитель, которые помогут вам бережно интегрироваться в коллектив.

Ищем человека, способного посмотреть на любой бизнес-процесс — от простого операционного до сложного клиентского — и определить, какие части этого процесса можно автоматизировать с помощью AI, а какие — полностью перепроектировать, используя LLM, AI-агентов и современные методы автоматизации.

Обязанности

• формирование и развитие AI-инициатив - от поиска бизнес-кейсов и проверки гипотез до запуска решений в промышленную эксплуатацию.
• перевод бизнес-потребностей в продуктовые и технические требования, управление бэклогом, координация работы DS/ML-команд и контроль достижения бизнес-результата
• организация PoC, оценка эффективности решений, принятие решений о масштабировании и развитии AI-продуктов.

Требования

• глубокое понимание Business Process Management (BPM): умение читать, анализировать и перепроектировать бизнес-процессы. Понимание ценности процесса и способов её измерения
• широкий кругозор в AI: LLM и LMM, AI-агенты, мультиагентные системы, RAG, Tool Use, Memory, Routing. Понимание не только терминов, но и областей применения
• владение AI-фреймворками на уровне принятия решений: LangGraph, CrewAI, AutoGen, OpenClaw или аналоги. Не обязательно писать код ежедневно, но необходимо понимать, какой фреймворк для какой задачи подходит
• опыт запуска AI-решений в production: знание жизненного цикла AI-продукта, понимание отличий PoC от промышленного решения.
• понимание MLOps и AIOps: CI/CD для ML, мониторинг, observability, evaluation, A/B-тестирование
• базовое понимание инфраструктуры: Docker, Kubernetes — для коммуникации с инженерами
• истемное мышление: способность видеть процесс целиком, а не отдельные задачи.

Будет плюсом:

• опыт внедрения Human-in-the-Loop (HITL) сценариев для критичных процессов
• понимание безопасности и комплаенса: 152-ФЗ, требования ЦБ, регуляторные требования
• опыт в финтехе или работе с регулируемыми данными
• английский язык для чтения документации и статей.

Условия

• офис: г Москва, проспект Кутузовский, 32
• офисный формат работы из города Москва
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.

О компании и формате работы: С 2010 года наша компания занимается разработкой программных продуктов и предоставлением ИТ-решений для среднего и крупного бизнеса в СНГ, США, Европе и Израиле. В нашей команде более 90 инженеров. Мы являемся золотым партнером Microsoft и подрядчиком Amazon.
В связи с запуском новых масштабных проектов (миграция ETL-систем, построение Data-платформ, развитие WMS и backend-сервисов) мы расширяем команду инженеров и аналитиков.

Формат работы: Полная удаленка (Full-time / Проектная занятость).

Чем предстоит заниматься (в зависимости от вашего профиля):

Направление Data Engineering / ETL:

• Разработка, поддержка и оптимизация ETL/ELT-процессов (Apache Airflow, PySpark, NiFi);
• Участие в проектах миграции хранилищ и ETL-систем на открытый стек (Airflow, Greenplum, PostgreSQL, Clickhouse);
• Проектирование и отладка DAG'ов, проведение валидации и контроля качества данных;
• Интеграция источника данных (Oracle, Kafka, BI-системы) и настройка потоковой обработки.

• Сбор и анализ функциональных и нефункциональных требований, подготовка детализированных ТЗ и MVP;
• Проектирование и кастомизация логики промышленных систем (WMS / ERP / BPM);
• Составление сложных SQL-запросов (оконные функции, оптимизация, работы с планами запросов);
• Согласование тестовых сценариев и проведение приемочных испытаний для заказчиков.

• Проектирование и развитие backend-архитектуры продуктов и микросервисов (Python, Django, FastAPI);
• Работа с речевыми технологиями (ASR/TTS), IP-телефонией, системами голосовых роботов или интеграциями с CRM/ERP;
• Проектирование REST/SOAP API, интеграция с внешними сервисами и базами данных (PostgreSQL, MySQL);
• Диагностика и устранение production-инцидентов, оптимизация производительности.

• Опыт работы на аналогичной роли (Data Engineer / Analyst / Python Developer) от 3-х лет;
• Уверенное владение SQL на высоком уровне (сложные джоины, оконные функции, оптимизация запросов);
• Опыт работы с одной из ключевых технологий направления:
  • Для Data: Apache Airflow, PySpark, Greenplum, Clickhouse, NiFi, Kafka;
  • Для Аналитиков: Опыт с WMS/ERP/BPM системами, проектирование ТЗ, ER-диаграмм;
  • Для Backend: Python, Django, FastAPI, AsyncIO, PostgreSQL/MySQL;
• Понимание архитектуры БД и интеграционных протоколов;
• Самостоятельность, ответственность и ориентация на результат (production-ready).

• 100% удаленный формат работы из любой точки (гибкое начало дня);
• Участие в интересных, высоконагруженных проектах для крупных международных и российских клиентов;
• Стабильный доход и прозрачная система сотрудничества (ИП / Самозанятость / Аутстафф-контракты);
• Сильная команда опытных инженеров и отсутствие бюрократии;
• Возможность выбора проекта (основной проект или совмещение/второй проект).

Ищем кандидата для участия в работе команды внедрения рисковых моделей Банка. Внедряемые модели участвуют в процессах кредитования и имеют высокое влияние, поэтому с одной стороны - скорость внедрения, а с другой - обеспечение должного качества (корректность реализации, настройка их автоматического тестирования и мониторинга в ПРОМ) имеют исключительно важное значение.

Обязанности

• участие в проектах по внедрению готовых математических моделей в ПРОМ (анализ и оценка поступающих бизнес-требований, опромышливание моделей)
• помощь в поддержке внедренных моделей и настройка их мониторинга (используются как свое решение, так и смежные)
• развитие процесса внедрения моделей в рамках MLOps: CI/CD для ML - автоматизация тестирования качества кода, настройка автоматического деплоя
• формирование технических требований к доработке централизованной инфраструктуры системы принятия решений для ускорения / автоматизации внедрения моделей.

Требования

• высшее техническое или математическое образование
• Знание SQL (аналитические функции, подзапросы, в идеале - оптимизация запросов)
• навыки работы с Python (кодирование, отладка и тестирование кода, владение профилированием и оптимизацией, а также визуализация данных)
• команда внедрения моделей использует в работе современный стек технологий: BitBucket, Jira, Confluence, Pycharm, Jenkins, Kubernetes, Spark 3.2+.

Приветствуется:

• опыт работы с Kubernetes, микро-сервисной архитектурой
• опыт работы со стеком технологий Больших Данных (Hadoop, Spark, Hive)
• опыт работы в качестве Data Engineer / Data Analyst/ Machine Learning Engineer.

Условия

• комфортный современный офис рядом с м. Кутузовская
• офисный формат работы
• ежегодный пересмотр зарплаты
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте (для Junior позиций)
• 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.

Мы ищем разработчика, который сочетает активную работу с кодом и продуктовый подход, при этом ежедневно использует современные ИИ-инструменты для ускорения разработки. Специалист будет создавать прототипы и полноценные функции, работать с LLM, API и пайплайнами, а также преобразовывать бизнес-задачи в технические решения.

Обязанности:

• Формирование продукта и его техническая реализация (преобразование бизнес-требований в технические спецификации, определение критериев успеха и метрик; быстрая проверка гипотез через написание кодовых прототипов и минимально жизнеспособных продуктов.)
• Разработка с применением ИИ-инструментов (написание и ревью кода с активным использованием LLM и кодогенераторов для создания функций, скриптов, тестов и интеграций; разработка и адаптация промпт-стратегий, шаблонов и вспомогательных утилит для улучшения качества генерируемого кода.
• Создание и интеграция компонентов (реализация бэкенда, API, пайплайнов инференса и оркестрации, подключение моделей через SDK, REST и gRPC; оптимизация производительности, управление стоимостью инференса и обеспечение надёжности на этапе внедрения.)
• Взаимодействие с бизнесом и пользователями (сбор и анализ требований от внутренних подразделений, изучение цепочек создания ценности для выявления точек применения ИИ-функций)
• Работа с данными и инфраструктурой (проектирование ETL- и фиче-пайплайнов, контроль качества данных; настройка CI/CD для автоматизации развертывания кода.)
• Контроль качества и безопасность (тестирование сгенерированного кода и моделей, проверка пограничных случаев, соблюдение требований к безопасности и приватности.)

Требования:

Опыт работы:

• От 3 лет в разработке ПО и не менее 1–2 лет в роли старшего разработчика, технического менеджера или продакт-инженера;
• Практический опыт создания функций с использованием LLM и кодогенераторов, а также внедрения решений в промышленную эксплуатацию.

Технические навыки:

• Уверенное владение одним из основных языков программирования, опыт разработки бэкенда и API;
• Работа с ML- и LLM-фреймворками и SDK, понимание промпт-инжиниринга и методов управления генерацией кода;
• Знание принципов MLOps, опыт работы с контейнеризацией и оркестрацией будет преимуществом;
• Опыт использования реляционных и нереляционных баз данных, понимание ETL и инженерии признаков.

Продуктовое мышление:

• Умение формулировать гипотезы, определять метрики успеха и принимать решения на основе данных;
• Опыт коммуникации с бизнес-стейкхолдерами и перевода их задач в конкретные разрабатываемые функции.

Условия:

• Офисный формат работы. Офис находится рядом с м.Профсоюзная;
• Заработная плата: оклад + премия (обсуждается индивидуально);
• Нестандартные задачи, возможность реализовывать свои идеи и влиять на развитие целой отрасли;
• ДМС со стоматологией и льготное страхование родственников, психологическая, юридическая поддержка - после испытательного срока;
• Обучение: лекции, курсы, ворк-шопы, школа анализа данных, дизайна презентаций и многое другое;
• Спортивные секции, соревнования и скидки в фитнес-клубах;
• Доступ в бесплатную электронную библиотеку, скидки на обучение английскому языку;
• Наставничество и помощь в адаптации новых сотрудников от вашего личного Бадди;
• Участие в жизни ИТ-коммьюнити, развитие навыков выступлений на конференциях и митапах, написания статей​.

Мы развиваем платформу роста и ценообразования Яндекс Еды, управляем стоимостью доставки для пользователей и помогаем партнёрам с ценообразованием товаров.

Наша цель — увеличивать GMV и маржинальность, сохраняя объём заказов, ретеншен и качество пользовательского опыта. Решения команды напрямую влияют на экономику сервиса и результаты партнёров.
Здесь можно применять современные методы ML и оптимизации в продукте с большим масштабом, самостоятельно запускать решения и видеть их измеримый эффект на бизнес, пользователей и партнёров.

Развитие алгоритмов ценообразования

Мы развиваем системы, которые управляют стоимостью доставки для пользователей и помогают партнёрам выбирать цены на товары. Вам предстоит строить модели на данных о заказах, ценах и поведении пользователей, оценивать эластичность спроса и искать оптимальный баланс между GMV, маржинальностью, количеством заказов и ретеншеном.

Совместная оптимизация нескольких механик

Мы оптимизируем не одну механику изолированно, а несколько взаимосвязанных воздействий одновременно. Вы будете развивать RL-агента, который выбирает их комбинацию с учётом состояния рынка и бизнес-ограничений, работать с offline RL, multi-objective и байесовской оптимизацией, симуляциями среды и историческими данными.

Анализ экспериментов и поиск точек роста

Вы будете исследовать данные, формулировать продуктовые гипотезы и доводить решения от прототипа до запуска. Предстоит проектировать и анализировать A/B-тесты, оценивать инкрементальный эффект и искать парето-улучшения, которые дают бизнесу рост без недопустимого ухудшения пользовательских метрик.

Развитие LLM-инструментов для работы с данными

Вы будете развивать внутренние инструменты на базе LLM, включая text-to-SQL-ассистента: улучшать качество и надёжность решений и применять их для реальных аналитических и продуктовых задач команды.

Больше о мобильной разработке в Яндексе — в канале Yandex for Mobile

* Занимались ML-разработкой, прикладными исследованиями или продуктовой аналитикой
* Уверенно работаете с Python и SQL
* Знаете машинное обучение и математическую статистику
* Умеете проектировать эксперименты и связывать результаты моделей с бизнес-метриками
* Самостоятельно ведёте задачи от постановки до внедрения
* Эффективно используете агентские системы для написания, отладки и ревью кода, а также решения исследовательских и продуктовых задач
* Умеете обсуждать идеи и аргументировать технические решения

* Занимались динамическим ценообразованием, offline RL, multi-objective оптимизацией, causal inference, PyTorch, распределёнными вычислениями или разработкой LLM-инструментов

Узнайте про разработку Городских сервисов Яндекса на [dev.go.yandex](http://dev.go.yandex/?utm\_source=yandex\_jobs&utm\_medium=social&utm\_content=1&utm\_campaign=vacancies)

Мы создаем сервисы кредитования в Сбербанке, позволяющие клиентам быстро и удобно получать кредиты онлайн. Клиент может подать заявку на получение кредита через мобильное приложение или WEB, получить одобрение всего за две минуты и мгновенно перевести средства на свою банковскую карту или счет, без необходимости посещать отделение банка лично.

Наш проект постоянно развивается. Мы планируем улучшать клиентский опыт и развивать наши сервисы внедряя механики динамического ценообразования.

Работа в нашей команде позволит вам принять участие во всех этапах разработки высоконагруженных распределённых систем, начиная от проектирования и заканчивая внедрением в промышленную эксплуатацию. Вы сможете активно влиять на создание новых продуктов и улучшение существующих бизнес-процессов, применяя современные технологии и подходы.

Присоединяйтесь к нашей команде и станьте частью инновационного процесса, создающего удобные решения для миллионов пользователей по всей России!

Обязанности:

• разработка backend-сервисов на Java / Spring Boot в микросервисной архитектуре
• участие в code review
• написание unit и интеграционных тестов
• участие в настройке процессов разработки нового проекта
• участие в проектировании API-контрактов между сервисами
• взаимодействие с аналитиками, тестировщиками и смежными командами
• работа в CI/CD (Jenkins)

Требования:

• опыт коммерческой разработки на Java — от 2 лет
• spring Boot — уверенное владение (Core)
• REST — проектирование и документирование API (OpenAPI/Swagger)
• опыт написания unit и интеграционных тестов (Mockito + TestNg/JUnit)
• уверенное владение Git
• опыт разработки AI-агентов
• понимание принципов работы с LLM (на проекте используется GigaChat) и опыт интеграции с ними по API, умение писать системные инструкции промпты для LLM
• понимание жизненного цикла ML-моделей в production: интеграция через MLflow / BentoML / Triton, версионирование моделей, health check’и
• опыт участия в code review

Будет плюсом:

• опыт работы с Jenkins (или аналогичными CI/CD)
• опыт работы с микросервисной архитектурой
• kafka — опыт работы с брокерами сообщений, понимание паттернов (producer/consumer, топики, партиции)
• опыт работы в банковской / финансовой сфере
• опыт работы с Docker, Kubernetes

Мы готовы предложить:

• офисный формат работы на ИС, после гибридный
• годовой бонус и ежегодный пересмотр зарплаты
• расширенный ДМС с первого дня и льготное страхование для семьи
• корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях
• офис на Кутузовской, зонами отдыха и спортзалом
• льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+ с возможностью совместного использования на трёх близких.

Ищем двух специалистов: Deep Learning Researcher и Quantitative Researcher в продуктовая команда на стыке DeFi и алгоритмической торговли 🚀

Deep Learning Researcher — production ML/DL-модели для анализа временных рядов и прогнозирования финансовых рынков. Описание и отклик: https://lnkd.in/dKY572sf

Quantitative Researcher — разработка и оптимизация алгоритмических торговых стратегий для DeFi и крипторынков (маркет-мейкинг, хеджирование, бэктестинг). Описание и отклик: https://lnkd.in/d3vYpbs4

Условия для обеих позиций: офис в центре Москв, гибридный формат, выплата в стейблкоинах.

Поделитесь с теми, кому это может быть актуально 😋

"Реакции (%numReactions%)"

"Реакции (%numReactions%)"

2

"https://static.licdn.com/aero-v1/sc/h/cyfai5zw4nrqhyyhl0p7so58v"

"https://static.licdn.com/aero-v1/sc/h/asiqslyf4ooq7ggllg4fyo4o2"

"https://static.licdn.com/aero-v1/sc/h/22ifp2etz8kb9tgjqn65s9ics"

"https://static.licdn.com/aero-v1/sc/h/a0e8rff6djeoq8iympcysuqfu"

"https://static.licdn.com/aero-v1/sc/h/bn39hirwzjqj18ej1fkz55671"

"https://static.licdn.com/aero-v1/sc/h/cryzkreqrh52ja5bc6njlrupa"

"https://static.licdn.com/aero-v1/sc/h/2tzoeodxy0zug4455msr0oq0v"

Нравится

Комментировать

"Ссылка скопирована в буфер обмена."

"При копировании в буфер обмена произошла ошибка."

Поделиться

Копировать

LinkedIn

Facebook

X

Мы - команда Disrupt в Сбере, часть блока ГенИИ. Отвечаем за все новые воплощения Гиги на рынках и работаем в формате фабрики гипотез: ищем перспективные сценарии, запускаем MVP, масштабируем лучшие продукты.

Ищем Data Scientist , который поможет построить систему Discovery новых продуктов на стыке information retrieval, NLP/LLM и ML engineering. Важно не только собрать демо на LLM, но и измерять полноту поиска, качество ранжирования, groundedness ответа и поведение агентного workflow в production.

• Проектировать и улучшать multi-stage retrieval: сбор кандидатов, hybrid search, reranking, фильтрацию и дедупликацию сущностей

• Строить RAG-пайплайны

• Разрабатывать агентов для поиска, извлечения фактов, сопоставления компаний/продуктов, проверки гипотез и подготовки исследовательских карточек

• Создавать evaluation-наборы и метрики (Recall@K, NDCG/MRR, precision по сущностям, citation correctness, groundedness)

• Экспериментировать с embeddings, chunking, query rewriting, rerankers, tool calling, memory/state и стратегиями планирования

• Интегрировать модели и пайплайны в API/воркеры, добавлять трассировку, мониторинг качества и безопасные fallback-сценарии

• Коммерческий опыт в роли Data Science от 2-х лет

• Уверенный Python, SQL, работа с API и базовыми практиками разработки: Git, тесты, code review, Docker.

• Практический опыт с поиском или рекомендациями

• Опыт создания RAG- или LLM-приложений

• Умение формулировать offline-метрику, собирать размеченный набор, проводить error analysis и связывать ML-качество с продуктовой задачей

• 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

• 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

• Вознаграждение за рекомендацию друзей в команду Сбера

Международная компания, которая разрабатывает надежные и актуальные IT-решения для b2c и b2b сегмента развлекательной, игровой и спортивной тематики ищет опытного Middle/Senior Data Engineer.

Чем предстоит заниматься:

• Проектирование и встраивание новых потоков данных в уже существующие системы;
• Выстраивание многослойной архитектуры хранения from scratch для новых проектов;
• Взаимодействие с ПМ, аналитиками, лидом, командами-заказчиками.

Какие навыки нужны:

• Опыт работы с ETL-фреймворками (dagster, airflow, prefect), любой из перечня;
• Опыт работы с реляционными БД (mssql, postgresql, mysql, oracle), не менее одной из перечня;
• Опыт работы с аналитическими БД (Clickhouse, Vertica, Greenplum), не менее одной из перечня;
• Опыт работы с dbt;
• Базовое знание docker (опыт работы с k8s будет плюсом);
• Опыт написания юнит / интеграционных тестов (pytest).

Что компания может предложить:

• Формат: офис, Кипр;
• График: 5/2, гибкое начало рабочего дня;
• Белая заработная плата (обсуждается индивидуально);
• Годовой бонус по результатам работы;
• Современное рабочее место и техника;
• Корпоративное питание (завтраки и обеды);
• Спортзал в офисе;
• Русскоязычная команда;
• Компенсация изучения английского;
• Оплата конференций, митапов и обучения;
• Реферальная программа;
• Оплачиваемый отпуск и корпоративные подарки.

• Высшее техническое образование
• Опыт программирования на python от 0,5 года
• Возможность работать 40 часов в неделю
• Опыт работы с библиотеками Python (selenium, pandas, sqlalchemy, pyTelegramBotAPI)
• Опыт работы с Flask
• Базовые знания SQL

Будет плюсом:

• Опыт работы с реляционными базами данных (PostgreSQL, MySQL)
• Знания REST APIs и микросервисов
• FastAPI, Django
• Умение работать с Git
• Опыт работы с любой BI-системой
• Опыт работы с любой ETL-системой
• Знание Docker
• Уверенное владение SQL
• Умение анализировать данные
• Знание стандартов pep8

Мы предлагаем:

•Официальное трудоустройство в аккредитованную ИТ-компанию: полное соответствие ТК РФ;

•График работы: 5/2 (офисный формат);

• Бронирование: предоставление права на отсрочку от призыва на военную службу по мобилизации и последующих призывов в военное время для граждан, пребывающих в запасе ВС РФ (для военнообязанных);

• ДМС: расширенная программа медицинского страхования, включающая стоматологию, телемедицину и страхование путешественников (подключаем после прохождения 3-х месячного испытательного срока), скидки на страхование для членов семьи;

• Фитнес: предоставляем корпоративные скидки на клубные карты;

• Современный офис м. Киевская

Что нужно будет делать:

• Разработка, настройка и поддержка пайплайнов обработки данных;

• Создание и оптимизация ETL- и ELT-процессов для эффективной работы с данными;

• Разработка скриптов на Python для обработки и анализа данных;

• Работа с различными системами хранения данных, включая PostgreSQL, ClickHouse и S3-совместимые хранилища;

• Написание и оптимизация SQL-запросов для извлечения и трансформации данных;

• Мониторинг выполнения задач, обработка ошибок и обеспечение надежности пайплайнов;

• Взаимодействие с командой для интеграции data-решений в общую архитектуру проекта.

Для нас важно:

• Опыт разработки на Python версии 3.11 и выше с использованием библиотек для работы с данными, таких как Pandas;

• Практический опыт работы с Apache Airflow версии 2.10 и выше для оркестрации пайплайнов;

• Уверенные знания SQL и опыт работы с реляционными базами данных, в частности PostgreSQL;

• Опыт работы с системами хранения больших данных, например ClickHouse и S3-совместимые хранилища;

• Понимание алгоритмов, структур данных и принципов построения ETL-процессов;

• Аналитический склад ума, внимательность к деталям и ответственность;

• Умение работать в команде и открытость к изучению новых технологий.

• Выстроить управление использованием ИИ в холдинге: политика применения AI-инструментов сотрудниками, правила работы с корпоративными данными в промптах, борьба с теневым использованием внешних сервисов;

• Вести реестр AI-систем компании: какие модели и агенты работают, к каким данным имеют доступ, кто владелец, какие риски и какие меры приняты;

• Проверять безопасность AI-продуктов до и после запуска: доступы агентов к базам и системам, защита от инъекций промптов, контроль утечки конфиденциальных и персональных данных через модели;

• Оценивать риски моделей вместе с командами разработки: качество и происхождение обучающих данных, права на данные, персональные данные в выборках, честность заявленных метрик;

• Проводить аудит внешних AI-вендоров и сервисов: куда уходят данные, где хранятся, какие гарантии даёт поставщик;

• Разбирать инциденты, связанные с ИИ: утечки через промпты, некорректные ответы агентов в бизнес-процессах, несанкционированные подключения;

• Обучать сотрудников безопасной работе с AI-инструментами: короткие памятки, разборы кейсов, входное обучение для новых команд;

• Следить за регуляторикой и стандартами в области ИИ и переводить их в практические требования для команд.

• Опыт от 2 лет в информационной безопасности или в разработке и эксплуатации AI-решений. Достаточно сильной базы в одном из двух направлений и живого интереса ко второму: узких готовых специалистов на рынке почти нет, доучим на практике;

• Понимание специфических рисков больших языковых моделей: инъекции промптов, утечка данных через промпты и контекст, отравление данных, галлюцинации в бизнес-процессах. Знакомство с OWASP Top 10 для LLM-приложений будет сильным плюсом;

• Базовые знания классической ИБ: управление доступами, защита конфиденциальных данных, работа с инцидентами, основы сетевой безопасности;

• Понимание жизненного цикла ML-модели и того, где в нём возникают риски: данные для обучения, доступ модели к источникам, вывод в продакшен, мониторинг;

• Уверенный пользователь SQL и Python на уровне чтения кода и написания простых проверок; глубокая разработка не требуется;

• Знание требований к работе с персональными данными (закон РК о персональных данных) или готовность быстро в них разобраться;

• Умение писать понятные документы: политики, регламенты, памятки для сотрудников без ИБ-жаргона;

• Самостоятельность и здравый смысл: область новая, готовых шаблонов мало, придётся формировать практику первым;

• Будет плюсом: опыт аудита ИТ-систем или вендоров, сертификаты в ИБ, опыт внедрения политик использования AI в компании, знакомство с фреймворками AI-рисков (NIST AI RMF, ISO 42001).

• Официальное трудоустройство по ТК РК;

• График работы: 5/2, 8:00–17:30;

• Работа в офисе (БЦ Agar, Астана) — комфортное рабочее место;

• Социальный пакет: оплачиваемый отпуск, больничные, ДМС после испытательного срока;

• Работа в команде IT-поддержки;

• Обучение за счёт компании: курсы, конференции, профильная литература;

• Работа с разными системами и бизнес-процессами;

• Доступ к базе знаний и внутреннему обучению.

О компании
Амаркон — российская компания с 15-летним опытом в области информационных технологий. Разрабатываем и внедряем собственные решения класса ECM, PIM, DAM, BI, порталы и сервисы для e-commerce, а также осуществляем заказную разработку и интеграцию партнерских продуктов. Среди клиентов: X5 Group, Tele2, Русатом Сервис, НЛМК, Metro CC, Лента и другие.

Задачи
● Разрабатывать интеграционные решения на BigData: сбор, трансформация и загрузка данных из API, логов, БД, CRM в Data Lake и DWH.
● Проектировать и развёртывать ETL/ELT-пайплайны на Airflow, Apache Nifi (или аналогах) с автоматизацией, мониторингом и обработкой ошибок.
● Оптимизировать производительность запросов и хранилищ: партиционирование, индексы, настройка Hive/Spark, работа с форматами Parquet/ORC/Avro.
● Обеспечивать качество и безопасность данных: валидация, дедупликация, управление доступом, маскировка PII.
● Участвовать в архитектурных решениях (DWH vs Data Lake, batch vs stream, CDC), разрабатывать документацию и архитектурные схемы.
● Участвовать в код-ревью, выстраивании CI/CD, оперативно реагировать на инциденты.

Требования
● Python: уверенное владение (pandas, requests, ООП, паттерны).
● Java или Groovy: чтение и доработка кода.
● Продвинутый SQL: оконные функции, CTE, JOIN-ы, чтение execution plan, оптимизация, индексы, партиционирование.
● Реляционные СУБД: PostgreSQL, MySQL, Oracle, MsSQL и др.
● Понимание DWH и Data Lake.
● Hadoop-экосистема: HDFS, Yarn, Hive или аналоги.
● Форматы данных: Parquet, ORC, Avro.
● Spark (PySpark/Scala): чтение/запись, оптимизация, партиционирование.
● Airflow, Apache Nifi или аналоги (Talend, Informatica, SAP BW) — проектирование, разработка, сопровождение.
● Настройка мониторинга, обработки ошибок, логирования.
● Docker (сборка, контейнеризация).
● Деплой в Rancher или Kubernetes.
● Git (консоль: ветки, мерж, конфликты).
● Понимание CI/CD, код-ревью.

Желательно:
● Администрирование Unix/Linux.
● Мониторинг (Zabbix, Grafana).
● Ansible.
● Архитектурные схемы.
● Безопасность данных (Ranger, маскировка).
● Облачные платформы (AWS/GCP/Azure: S3, EMR/Dataproc, IAM, VPC).

Мы предлагаем
● Удалённая работа
● Официальное оформление (ИП, СЗ)

Привет!

Наша команда в поиске Data Scientist специалиста в команду RecSys, которая занимается развитием рекомендательных сервисов внутри компании.

Какие задачи решает команда RecSys: разрабатывает алгоритм рекомендаций заведений на карте для нового сервиса, улучшает работу алгоритма поиска по категориям, разрабатывает алгоритмы персональных подборок для всех продуктов в компании 2ГИС.

Чем предстоит заниматься:

• написание сервисов для команды рекомендательных систем;
• разработка систем мониторинга качества рекомендательных систем;
• настройка мониторинга и алертинга качества данных;
• написание unit тестов (pytest), тестов для различных участков ML пайплайна, участие в код ревью.

Мы ждём от тебя:

• опыт работы с рекомендательными системами от 2х лет;
• опыт полного цикла решения ML-задач: от аналитики до вывода моделей в прод (от 3-х лет);
• отличные знания Python, SQL, классического ML-стека и соответствующих ему библиотек;
• владение одним из DL фреймворков (torch/tensorflow/keras);
• глубокое понимание рекомендательных систем: подходы, типичные проблемы, метрики, А\Б тестирование;
• опыт написания Unit-тестов, разработки архитектуры и Code Review;
• опыт работы с инструментами разработки и CI/CD — Git, Jenkins, GitLab, Jira.

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 организуем.
• Стараемся регулярно устраивать тимбилдинги, так как считаем, что хорошие отношения — залог продуктивной работы.

Присоединяйся! Будем создавать полезный продукт вместе.

ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее.

Ждем именно тебя!

Наша команда занимается разработкой и развитием Omnichannel model – единой модели рекомендаций продуктов и сервисов экосистемы Сбера, а также ее интеграцией со всеми доступными поверхностями и каналами коммуникаций. Наша задача – создавать персональные предложения полезных для клиентов продуктов в релевантных каналах коммуникаций.

Обязанности

• Разработка и внедрение моделей машинного обучения для рекомендательных систем.
• R&D SOTA-архитектур и техник: дизайн экспериментов, их реализация и подготовка к опромышливанию.
• Анализ пользовательских данных, выявление инсайтов и формирование data-driven рекомендаций для развития сервисов.

Требования

• Не менее 3-х лет в области машинного обучения, реализованные и внедренные решения.
• Глубокое понимание Classic ML алгоритмов, умение переводить бизнес-задачу в ML постановку.
• Отличное владение Python, опыт написания production-ready кода.
• Опыт работы с Big Data-стеком (Spark, Hadoop Ecosystem), умение строить и оптимизировать пайплайны обработки больших данных.
• Базовые знания и опыт в области MLOps (развёртывание и управление моделями машинного обучения в продакшене).

Будет плюсом

• Опыт построения моделей рекомендаций (ALS, LTR, Sequential Recommendations, GNN).
• Опыт построения DL моделей (PyTorch).
• Опыт в решении задачи Поиска/рекламного аукциона.

Условия

• Дружная команда профессионалов, заряженная сделать лучший продукт на рынке.
• Задачи на стыке рекомендаций и финансов.
• Современный комфортный IT-офис рядом с м. Кутузовская.
• Фитнес-залы, тренировки, корпоративные соревнования.
• Забота о здоровье: помимо базовых возможностей ДМС, сотрудникам доступны регулярные чекапы, лазерная коррекция зрения за счет компании, а также психотерапия в офисе и онлайн.
• Возможность профильного обучения за счет компании.
• Льготные условия по ипотеке и кредитам Сбербанка.

В ИТ‑командах банка ПСБ и дочерней ИТ‑компании ПСБ Лаб уже более 4000 сотрудников. Мы разрабатываем и внедряем финтех продукты и приложения для клиентов, сопровождаем сложные ИТ‑системы банка и входим в тройку цифровых банков России.

Ключевые задачи:

• Разработка ML-решений: Полный цикл создания моделей (кластеризация, прогнозирование, рекомендательные системы, оптимизация) от гипотезы до продвинутого продакшена.
• Работа с Big Data: Извлечение, агрегация и feature engineering из терабайтов сырых данных (SQL).
• Продакшн: Развертывание моделей, мониторинг дрифта и ретрининг.
• Аналитика: Поиск бизнес-инсайтов через A/B тесты, казуальный анализ и исследовательский анализ.
• Менторство: Рецензирование кода джуниоров, управление техническим бэклогом и best practices команды.

Что важно для нас:

• От 3–5 лет коммерческого DS/ML (из них 1+ год в роли сеньора).
• ML: Глубокое знание классических алгоритмов (XGBoost, LGBM), градиентного бустинга, временных рядов.
• Программирование: Python (Senior уровень) — Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow, Чистый, модульный код.
• Data: Продвинутый SQL (оконные функции, оптимизация запросов).
• Опыт с ClickHouse, Snowflake, BigQuery, Dask или Spark (PySpark).
• Инженерия: Git, базовые знания Airflow/Kubeflow.
• Статистика: p-value, мощности теста, бутстрэп, A/B тесты на несбалансированных данных.

Что предлагаем:

• График работы: 5/2 (пн-чт с 09:00 до 18:00, пт до 16.45).
• Гибридный формат работы.
• Официальное оформление в соответствии с ТК РФ.
• Конкурентный уровень дохода.
• Доплата к отпуску и больничному листу.
• «Кафетерий льгот»: ДМС для работника и членов семьи, возмещение затрат на отдых, спортивные услуги, покупки на маркетплейсе «ПСБ Маркет».
• Дополнительные льготы при заключении брака и рождении детей.
• Материальная поддержка в определенных жизненных ситуациях.
• Бесплатная программа поддержки работников: юридические, финансовые и психологические консультации, помощь в бытовых вопросах, автопомощь, корпоративные скидки, профориентация детей работников.
• Возможность профессионального развития и прохождения внутреннего и внешнего профессионального обучения.
• Корпоративная паритетная пенсионная программа.

Data Scientist / ML Engineer (Computer Vision), Junior+ / Middle

Ищем Data Scientist / ML Engineer уровня Junior+ / Middle для работы над проектами в области Computer Vision, видеоаналитики и других задач, связанных с машинным обучением и данными.

Нам нужен инженерно ориентированный специалист, который умеет не только обучать модели, но и доводить ML-задачи до рабочего прототипа: подготовить данные, провести эксперименты, обучить и оценить модель, завернуть её в сервис и сделать минимальный интерфейс для демонстрации результата.

Чем предстоит заниматься

• подготовкой, очисткой и анализом данных;

• обучением и оценкой ML/DL-моделей;

• задачами Computer Vision: classification, object detection, segmentation, tracking;

• обработкой изображений, видео и видеопотоков;

• проведением экспериментов и проверкой ML-гипотез;

• интеграцией моделей в приложения и сервисы;

• разработкой API и небольших web-интерфейсов для ML-прототипов;

• упаковкой и запуском решений в Docker;

• участием в проектировании ML-систем и выборе архитектуры решения;

• участием в других Data Science и ML-проектах;

• взаимодействием с backend-, frontend-, mobile- и AI-разработчиками.

Обязательные навыки и опыт

• Python — уверенное владение языком, понимание ООП, работа с виртуальными окружениями и зависимостями;

• NumPy, Pandas — опыт обработки, очистки и анализа данных;

• scikit-learn — опыт обучения классических ML-моделей, построения pipeline, оценки качества и валидации;

• PyTorch — практический опыт обучения и inference нейронных сетей;

• понимание принципов Deep Learning: loss functions, optimizers, overfitting, regularization, train/validation/test split;

• практический опыт хотя бы с одним направлением Computer Vision: classification, object detection, segmentation или tracking;

• OpenCV — чтение и обработка изображений и видео, resize, crop, преобразования, работа с кадрами;

• понимание метрик качества: Precision, Recall, F1, ROC-AUC, IoU, mAP и когда какие метрики использовать;

• опыт подготовки датасетов, анализа ошибок модели и работы с дисбалансом классов;

• понимание принципов проектирования ML-систем: как организовать pipeline от получения данных и preprocessing до inference, API и выдачи результата;

• понимание разницы между offline и online inference, batch и real-time обработкой;

• базовое понимание требований к производительности, latency, throughput и масштабированию ML-сервисов;

• понимание того, где и как хранить модели, конфигурации, данные и результаты;

• способность предложить разумную архитектуру ML-прототипа или небольшого production-like сервиса;

• Git — branches, commits, merge/pull requests;

• Linux — уверенная работа из терминала, запуск сервисов и скриптов;

• Docker — обязательно: умение написать Dockerfile, собрать image, запустить контейнер, пробросить ports/volumes/environment variables;

• опыт создания простого REST API для ML-модели;

• практический опыт с FastAPI, Flask или аналогичным Python web-framework;

• базовое понимание HTTP, JSON, REST;

• способность самостоятельно сделать минимальный web-интерфейс или UI для демонстрации модели;

• опыт работы с Streamlit, Gradio либо базовыми HTML/CSS/JavaScript будет достаточным для этой части.

Важно: полноценным frontend-разработчиком быть не нужно. Web-навыки нужны для создания прототипов, внутренних инструментов и демонстрационных оболочек вокруг ML-решений.

Будет плюсом

• опыт проектирования более сложных ML system design решений;

• понимание model serving, feature pipelines, очередей сообщений и асинхронной обработки;

• опыт с YOLO / Ultralytics — обучение, fine-tuning и inference моделей детекции;

• Detectron2 / MMDetection;

• Hugging Face Transformers;

• опыт с object tracking: ByteTrack, DeepSORT и аналогами;

• работа с FFmpeg, RTSP, видеопотоками и IP-камерами;

• опыт с OCR;

• CUDA / GPU — понимание работы и ограничений GPU inference;

• ONNX / ONNX Runtime;

• TensorRT и оптимизация inference;

• опыт обработки видео в real-time или near real-time;

• SQL / PostgreSQL;

• более глубокий опыт с FastAPI;

• Streamlit;

• базовый опыт с React / Vue;

• Docker Compose;

• CI/CD;

• базовые знания MLOps;

• мониторинг качества и производительности ML-моделей;

• опыт развертывания ML-сервисов на сервере или в облаке;

• опыт участия в коммерческих ML-проектах.

Какого человека мы ищем

Ищем специалиста, который не ограничивается работой в Jupyter Notebook и способен самостоятельно довести задачу до демонстрируемого результата.

Важно уметь смотреть на ML-задачу как на систему целиком: от источника данных и preprocessing до модели, API, инфраструктуры и конечного пользователя.

Для уровня Junior+ важны хорошая фундаментальная база, собственные или учебные проекты и способность самостоятельно разбираться в новых технологиях.

Для уровня Middle ожидаем опыт коммерческих или production-like проектов, самостоятельный выбор подходов, анализ качества моделей и способность проектировать и доводить ML-задачу от данных и экспериментов до работающего сервиса или прототипа.

По результатам работы может проводиться премирование.