ML и AI — свежие вакансии

• 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.

ПерилаГлавСнаб — производственно-строительная компания полного цикла, которая с 2008 года растёт на высококонкурентном рынке и усиливает позиции в своём сегменте. Мы не просто удержались на рынке — за эти годы мы обогнали десятки конкурентов, масштабировались из 1 филиала в 7 и стали лучшим игроком на рынке в направлении комплектующих, производства и монтажа.

Среди наших объектов — «Лужники», парк «Зарядье», ВТБ Арена, Парк Победы, учебно-лабораторный комплекс МИЭМ и другие проекты, где требования к срокам, качеству и исполнению изначально высокие.

Мы ищем человека, который заберёт ИТ-контур компании целиком и сделает его понятным.

Восемь лет IT в ПГС держался на одном сильном инженере. Он построил многое: хранилище данных на Greenplum с ETL на Airflow, микросервисы вместо монолита CRM, модель прогноза остатков для автозакупок, ботов, рассылки, телефонию на четырёх операторах, виртуальные рабочие столы для филиалов. Всё это работает и приносит деньги.

Проблема в другом. Мы честно провели инженерный аудит перед его уходом и получили цифры: 110 живых ИТ-проектов, 103 технические ловушки, 411 вопросов, на которые в компании нет письменного ответа. Половина систем описана в вики без следа исполнения, вторая половина живёт в задачах, но нигде не описана. Знание было, но оставалось в голове одного человека.

Мы не хотим повторить это ещё раз. Поэтому берём не «ещё одного разработчика», а руководителя, который умеет две вещи одновременно: писать код на уровне сильного инженера и выводить знание из головы в систему.

Компания при этом идёт вперёд быстро: у нас развёрнут корпоративный граф знаний на 500 000+ узлов, работают нейронаставники для менеджеров, команда учится вайб-кодингу на Claude Code, строится AI Business OS. Мы не боимся нейросетей и не собираемся ждать. Нам нужен человек, который эти инновации возглавит и сделает безопасными — с бэкапами, правами, ревью и откатом, — а не тот, кто объяснит, почему это не взлетит.

Это роль с прямым выходом на собственника и топ-менеджмент. Здесь не нужно пробивать бюджет через пять согласований — нужно отвечать за результат.

Что будет на старте:

• Доход: оклад 200 000 руб. + KPI до 50 000 руб.
• Оформление: официальное трудоустройство по ТК РФ с первого рабочего дня.
• Заработная плата: полностью белая.
• График: 5/2, понедельник–пятница, с 9:00 до 18:00.
• Формат работы: по согласованию с кандидатом.
• Готовый аудит хозяйства на входе. Вы получите не «разбирайся сам», а описанные 326 проектов, реестр из 103 технических ловушек с обходными путями, карту 13 систем с адресами, базами и точками подключения, и список из 411 конкретных открытых вопросов. Такого входа нет почти нигде — обычно новый ИТ-руководитель полгода восстанавливает картину по обрывкам
• Корпоративный доступ к ИИ-инструментам: Claude, ChatGPT, собственная инфраструктура под вайб-кодинг, RDP-контур, граф знаний на Neo4j
• Команда и подрядчики в подчинении, бюджет на внешних исполнителей
• Прямое подчинение собственнику, участие в управленческом ритме компании (недельное планирование, ретро, демо)
• Реальное влияние: ИТ здесь не сервис-функция, а то, через что считаются деньги компании — мотивация продавцов, себестоимость, остатки, закупки

Чем предстоит заниматься:

• Разработка и данные
  • Развивать и поддерживать боевой контур: CRM Terrasoft (MSSQL), корпоративный портал Битрикс24 (PHP/REST), обмен с 1С, витрины данных (PostgreSQL/Greenplum), ETL на Airflow
  • Писать код самому — это hands-on роль, не «управление из кабинета»
  • Довести до конца незакрытые интеграции: стадии сделок ТС↔Б24, телефония четырёх операторов, транскрибация звонков, обмен документами с 1С
• Порядок и надёжность
  • Разобрать реестр из 103 технических ловушек: подтвердить, обойти или починить — по каждой принять решение и записать его
  • Закрыть 411 открытых вопросов по системам: где что лежит, чем запускается, что сломается, если выключить
  • Навести порядок в правах и доступах: сейчас часть паролей лежит в файлах отчётов, часть учёток избыточна, sa со слабым паролем помечен как риск
  • Отвечать за бэкапы и восстановление: не «настроил», а «регулярно проверяю восстановление и знаю время простоя»
  • Ввести обязательное правило: любая доработка попадает в документацию до того, как считается сделанной
• Руководство
  • Вести команду разработки и подрядчиков: постановка задач, ревью кода, сроки, приёмка
  • Держать ритм отдела: недельное планирование, груминг, ретро, демо — этот ритм уже работает, его нужно наполнить содержанием
  • Принимать входящий поток обращений от бизнеса через задачи Битрикс24 и чат рекламаций ИТ по регламенту 0.03.4.11: возвращать плохо поставленные задачи на доработку, а не догадываться
  • Растить людей внутри: у нас есть матрицы инженерной зрелости и грейды, их нужно применять
• Инновации — безопасно
  • Возглавить внедрение ИИ в процессы компании: нейронаставники, RAG-агенты по базе знаний, автоматизация в n8n, вайб-кодинг силами самих сотрудников
  • Сделать это управляемо: права доступа к данным, защита персональных данных клиентов, ревью того, что сгенерировала нейросеть, тестовый контур и откат
  • Учить команду и смежные отделы работать с ИИ-инструментами, а не замыкать их на себе

Вы нам подойдёте, если:

• У вас 6+ лет коммерческой разработки и есть опыт руководства командой разработчиков или ИТ-отделом
• Уверенно пишете на Python и SQL (MSSQL/T-SQL обязательно, PostgreSQL — плюс). Умеете читать чужой недокументированный код и базу без описаний
• Работали с CRM и учётными системами как инженер: интеграции, обмены, доработки. Опыт с Terrasoft, Битрикс24 (PHP/REST), 1С — сильное преимущество
• Строили или поддерживали инфраструктуру данных: ETL, хранилище, витрины, BI-отчётность
• Понимаете эксплуатацию: Docker, Linux, бэкапы, мониторинг, VPN, права доступа. Знаете, что такое восстановиться из бэкапа, потому что делали это
• Реально используете нейросети в работе и можете показать, что сделали с их помощью: агент, бот, автоматизация, ускорение разработки. Нам важно не «слышал про вайб-кодинг», а «вот что я собрал»
• Умеете сказать «здесь риск, вот как я его закрою» — и закрыть. Не «всё нормально» и не «это невозможно»
• Документируете как часть работы, а не когда попросят
• Спокойно работаете в прямом контакте с собственником и руководителями отделов, умеете переводить с языка бизнеса на технический и обратно

Руководитель центра исследований возглавляет научно-исследовательскую функцию AI-департамента и отвечает за формирование образовательной повестки компании в области искусственного интеллекта. Он направляет работу исследовательской команды— оценку внешних решений, дообучение моделей, обеспечение качества внутренних AI-систем — и одновременно организует систему развития AI-компетенций сотрудников БКС. Ключевое требование - это прикладной исследователь, умеющий превращать результаты работы команды в реальные решения и понятные знания.

В подчинении CDS.

Чем предстоит заниматься:

• Управлять исследовательской повесткой: определять приоритеты работ — какие модели и технологии изучать, какие эксперименты проводить, какие гипотезы проверять; соблюдать баланс между перспективными исследованиями и прикладными задачами платформы;
• Мониторить рынок AI-решений: систематически отслеживать новые модели, архитектуры, открытые и коммерческие продукты; готовить аналитические обзоры и рекомендации для продуктовой команды и руководства;
• Дообучать и адаптировать модели: руководить работами по донастройке моделей, построению систем на основе баз знаний, разработке векторных хранилищ применительно к задачам брокерской компании;
• Контролировать качество AI-решений: разрабатывать и внедрять методологии оценки качества моделей и агентных систем внутри компании; устанавливать стандарты;
• Развивать центр экспертизы по науке о данных: формировать и совершенствовать команды специалистов по данным и машинному обучению; устанавливать технические стандарты, методологии валидации и подходы к оценке моделей;
• Управлять развитием AI-компетенций сотрудников: формировать образовательные программы по искусственному интеллекту для разных категорий сотрудников — от базовой грамотности для бизнеса до технических треков для разработчиков; управлять небольшой командой, отвечающей за создание и поддержку учебных материалов и электронного обучения.

Наши ожидания:

• 5+ лет в науке о данных или разработке моделей, из них 2+ года в руководящей роли;
• Сильный технический бэкграунд в машинном обучении и AI: глубокое понимание архитектур трансформеров, методов донастройки моделей, систем на основе баз знаний, мультимодальных систем;
• Опыт самостоятельной постановки и проведения AI-исследований: от гипотезы до анализа результатов и практических выводов;
• Практический опыт работы с большими языковыми моделями в промышленной эксплуатации: понимание компромиссов между скоростью, стоимостью и качеством, подходов к снижению галлюцинаций;
• Умение писать и структурировать технические материалы — доклады, внутренние методические документы, обучающий контент;
• Опыт разработки или участия в образовательных программах будет значительным преимуществом.

Будет плюсом:

• Публикации, доклады на конференциях или открытые проекты;
• Опыт в обработке финансовых текстов, анализе клиентских запросов или работе с данными брокерской или инвестиционной деятельности;
• Знакомство с методологиями обучения взрослых.

Мы предлагаем:

• Доступ к современным AI-инструментам;

• Работу в стабильной и активно развивающейся компании – лидере инвестиционного рынка;

• Современный стек технологий, амбициозные проекты, возможность профессионального развития;

• Гибридный режим работы: возможность работать удаленно (частично или полностью);

• Работу в аккредитованной Минцифры России ИТ-компании, резиденте Сколково;

• ДМС с первого месяца работы.

ООО «Софт Бизнес Системы» — мы разрабатываем систему речевой аналитики. Наши продукты работают с текстовыми и голосовыми данными, используют LLM для генерации ответов, семантического поиска и извлечения инсайтов. Мы выходим на рынок и ищем технического лидера, который построит AI-платформу и доведет её до продакшена.

Нам нужен инженер, который умеет не только проектировать решения, но и работать руками: писать код, тюнить модели, экспериментировать с промтами.

Чем предстоит заниматься:

• Проектировать и развивать RAG-архитектуру (Retrieval-Augmented Generation) для текстовых и голосовых сценариев.
• Отвечать за качество поисковой выдачи — метрики, бенчмарки, эксперименты с чанкингом, эмбеддингами и ранжированием.
• Развивать семантический поиск — подбор моделей эмбеддингов, гибридные подходы.

• Заниматься fine-tuning LLM (LoRA, QLoRA) под конкретные домены и бизнес-задачи в зависимости от требований к качеству и латентности.
• Отвечать за качество сгенерированных ответов для текстовых и голосовых ботов.

• Версионировать промты, модели, датасеты, конфиги — чтобы любой эксперимент был воспроизводим (MLflow, Weights & Biases).

• Настроить пайплайны для доставки моделей в прод (инференс, мониторинг, A/B тестирование, канареечные релизы).
• Оптимизировать инференс под промышленные карты (A100, H100, H200) — работа с памятью, батчинг, квантизация.
• Обеспечивать наблюдаемость: метрики качества, дрифт данных, задержки.

Мы ждем, что вы:

• Имеете опыт работы в AI/ML от 5 лет, из которых минимум 1 год на позиции Team Lead / Tech Lead.
• Владеете Python на уровне необходимом для обучения и дообучения моделей, прототипирования.
• Готовы изучить или перейти на Rust (инференс и ML/LLM сервисы реализованы на нём).
• Имеете коммерческий опыт построения RAG-систем — от выбора эмбеддеров до настройки векторных баз (Qdrant, Milvus, Pinecone).
• Занимались fine-tuning LLM с использованием современных техник.
• Понимаете, как работает инференс на железе (A100/H100) — квантизация, vLLM.
• Умеете коммуницировать с бизнесом — переводить метрики качества на язык продуктовых решений, аргументировать технический выбор.

Будет плюсом:

• Опыт работы с голосовыми моделями (ASR, TTS) или акустическими данными.
• Публикации или open-source контрибуции в области LLM/Information Retrieval.

Мы предлагаем:

• Удаленную работу и гибкий старт.
• Полную занятость.
• ДМС со стоматологией.
• Годовую премию по результатам оценки OKR.
• Дружелюбную команду разработчиков и минимум бюрократии.
• Возможность строить AI-платформу с нуля и влиять на ключевые продуктовые решения.

Если вам близка роль, где нужно совмещать архитектуру, ML-экспертизу и hands-on разработку, — откликайтесь, будем рады познакомиться.

Менеджер по инжинирингу признаков отвечает за преобразование исходных городских данных — геопространственных, IoT, транзакционных и административных — в качественные, хорошо документированные и переиспользуемые признаки (features) для аналитики и моделей ИИ/машинного обучения, применяя практики управления данными в соответствии со стандартом DAMA-DMBOK.

Обязанности:

• Проектирование, разработка и поддержка конвейеров инжиниринга признаков и хранилищ признаков (feature store), преобразующих исходные данные в признаки, готовые для аналитики и моделирования
• Применение областей знаний DAMA-DMBOK — качество данных, управление метаданными, моделирование данных, управление эталонными данными — в процессах инжиниринга признаков
• Документирование происхождения данных (data lineage), определений и метаданных для каждого признака в целях управления данными и повторного использования командами
• Взаимодействие с data scientist'ами и архитекторами данных для согласования разработки признаков с требованиями моделей и отчётности
• Разработка геопространственных признаков (ГИС-слои, пространственные соединения, агрегации на основе местоположения) для приложений умного города, таких как маршрутизация, землепользование и планирование инфраструктуры
• Применение гибких, быстрых итеративных практик разработки признаков, основанных на опыте работы в стартапах и финансовой отрасли
• Поддержка каталогизации данных, мониторинга качества и соблюдения политики управления данными департамента

• Степень бакалавра (предпочтительно первое высшее образование) в области компьютерных наук, статистики, инженерии данных, географии/ГИС или смежной области
• Опыт работы в области инженерии данных или инжиниринга признаков от 4 лет
• Практическое знание методологии управления данными DAMA-DMBOK (сертификация CDMP — преимущество)
• Владение Python и SQL; опыт работы с инструментами ETL и конвейерами данных
• Свободное владение русским и английским языками

Желательно:

• Опыт работы с геопространственными решениями (ГИС-платформы, пространственные базы данных, например PostGIS)
• Опыт работы в стартап-среде (динамичная, гибкая разработка)
• Опыт работы в финансовой отрасли (среда с интенсивной обработкой данных и строгим регулированием)
• Сертификация CDMP (Certified Data Management Professional)
  • 
    

Главный менеджер возглавляет функцию аналитики данных и ИИ/машинного обучения департамента, превращая городские данные в практические инсайты и решения на основе искусственного интеллекта для операционной деятельности умного города — от оптимизации транспорта и энергопотребления до общественной безопасности и городских сервисов для жителей.

Обязанности:

• Определение и реализация дорожной карты в области аналитики и ИИ департамента в поддержку приоритетов умного города
• Руководство командой data scientist'ов и аналитиков, контроль полного жизненного цикла моделей — разработка, валидация, развёртывание и мониторинг (MLOps)
• Выбор, внедрение и управление инструментами аналитики и ИИ/машинного обучения, с приоритетом решений с открытым исходным кодом (Python/R, scikit-learn, TensorFlow/PyTorch, MLflow, Apache Airflow)
• Обеспечение того, чтобы результаты аналитики напрямую влияли на операционные и политические решения руководства города, основанные на данных
• Тесное взаимодействие с заместителем директора для обеспечения того, чтобы архитектура данных формировала конвейеры данных, готовые к аналитике
• Разработка стандартов практики data science, управления моделями, объяснимости и ответственного/этичного использования ИИ
• Разработка и поддержка отчётности и дашбордов для руководства города (Power BI, Apache Superset, Grafana и аналогичные инструменты)
• Управление отношениями с поставщиками технологий и ИИ-решений, университетами и научно-исследовательскими партнёрами

• Степень магистра (или кандидата наук) в области Data Science, статистики, компьютерных наук, прикладной математики или смежной области
• Опыт работы в области аналитики данных или data science от 6 лет, включая от 2 лет управления командой
• Подтверждённый практический опыт работы с инструментами ИИ/машинного обучения, статистическим моделированием и промышленными конвейерами данных
• Продемонстрированная способность переводить сложный анализ в чёткие рекомендации для нетехнического руководства
• Знание облачных платформ и инструментов с открытым исходным кодом для работы с данными и ИИ
• Свободное владение русским и английским языками
• Опыт работы в области городской аналитики, умных городов или аналитики государственного сектора
• Портфолио или публикации в области прикладного ИИ/машинного обучения
• Опыт создания или масштабирования функции data science с нуля

Заместитель директора отвечает за проектирование и управление общегородской архитектурой данных, обеспечивая масштабируемость, безопасность и совместимость аппаратной и программной инфраструктуры, лежащей в основе систем умного города, с приоритетом на решения с открытым исходным кодом (open-source). Эта роль объединяет стратегическое управление данными с практическими техническими решениями в области архитектуры, формируя техническую основу для цифрового двойника города, сетей IoT и сервисов на основе искусственного интеллекта.

Обязанности:

• Разработка и владение стратегией общегородской архитектуры данных — хранилищ данных (data lake/data warehouse), интеграционных слоёв, API и систем управления эталонными данными (MDM) — в поддержку платформ умного города (цифровой двойник, сети IoT-датчиков, сервисы электронного правительства)
• Определение эталонных архитектур и технологических стандартов как для аппаратного обеспечения (периферийные устройства, датчики, сетевая и дата-центровая инфраструктура), так и для программного обеспечения (базы данных, оркестрация, аналитические платформы), с чётким приоритетом решений с открытым исходным кодом (например, PostgreSQL/PostGIS, Apache Kafka, Kubernetes, стек на базе Linux) для минимизации зависимости от поставщиков и затрат на лицензирование
• Разработка и внедрение политик управления данными — качество данных, безопасность, конфиденциальность, управление метаданными и жизненным циклом данных — в соответствии с принципами DAMA-DMBOK
• Взаимодействие с департаментами ИТ, городского планирования, коммунальных служб и общественной безопасности для согласования архитектуры данных с задачами умного города
• Принятие решений по выбору между собственной разработкой и закупкой (build-vs-buy), а также оценка поставщиков для инфраструктурных инвестиций с приоритетом открытых стандартов и совместимости
• Управление и наставничество команды архитекторов и инженеров данных
• Представление департамента в межведомственных инициативах и международном бенчмаркинге с аналогичными программами умных городов
• Обеспечение соответствия архитектурных решений национальной стратегии цифровизации

• Степень магистра в области компьютерных наук, инженерии данных, информационных систем или смежной области (степень бакалавра с обширным профильным опытом также рассматривается)
• Опыт работы в области архитектуры данных или корпоративной архитектуры от 8 лет, включая от 3 лет на руководящей должности
• Подтверждённый практический опыт работы с инфраструктурой данных на основе открытого исходного кода: Linux, PostgreSQL, Apache Kafka, Kubernetes/Docker, Hadoop/Spark
• Глубокое понимание аппаратной инфраструктуры умного города: IoT-датчики, периферийные вычисления (edge computing), сетевая и дата-центровая архитектура
• Знание фреймворков управления данными (DAMA-DMBOK, ISO/IEC 38505, DCAM)
• Свободное владение русским и английским языками (знание казахского языка — преимущество)
• Опыт работы в проектах умного города, государственного сектора или масштабных проектах цифровой трансформации
• Опыт работы с геопространственными данными и ГИС-системами
• Профессиональная сертификация (TOGAF, CDMP или эквивалент)

​​​​​

• Проектировать, обучать и выводить в продакшен ML-модели для бизнеса: раннее предупреждение рисков по срокам и себестоимости строительных проектов, скоринг подрядчиков, прогноз качества;

• Разрабатывать AI-агентов и сервисы на базе больших языковых моделей: ассистенты для анализа данных, автоматизация разбора документов и обращений, RAG-поиск по корпоративной базе знаний;

• Строить и сопровождать пайплайны данных: выгрузки из корпоративного даталейка, витрины, контроль свежести и качества данных, point-in-time дисциплина для обучающих выборок;

• Доводить модели до реальных продуктов: API, дашборды, интеграция с корпоративными системами, мониторинг качества и деградации после запуска;

• Проверять гипотезы бизнеса на данных и давать честные вердикты: что работает, что не работает и почему, с числами и ограничениями;

• Оформлять методологию и результаты для руководства: понятные отчёты, метрики, границы применимости;

• Развивать ML-платформу команды: стандарты экспериментов, переиспользуемые компоненты, MLOps-практики;

• Работать в связке с аналитиками, дата-инженерами и владельцами бизнес-процессов, менторить младших коллег.

• Опыт коммерческой разработки на Python от 4 лет, из них от 2 лет в машинном обучении или прикладном AI;

• Подтверждённый опыт вывода ML-моделей в продакшен: от постановки задачи и сбора данных до мониторинга качества после запуска;

• Уверенное владение SQL и опыт работы с корпоративными хранилищами данных (PostgreSQL, витрины, материализованные представления, оптимизация запросов);

• Практический опыт работы с большими языковыми моделями: API ведущих провайдеров, построение агентов, RAG-архитектуры, промпт-инжиниринг, оценка качества ответов;

• Знание классического ML-стека: pandas, scikit-learn, градиентный бустинг, валидация без утечек данных, метрики качества (AUC, precision, recall, калибровка);

• Опыт оркестрации пайплайнов данных (Airflow или аналоги) и контейнеризации (Docker, Kubernetes);

• Инженерная культура: код-ревью, тесты, git, воспроизводимость экспериментов, документация;

• Умение честно оценивать ограничения данных и моделей и доносить их до бизнеса простым языком;

• Русский язык свободно, английский на уровне чтения технической документации;

• Будет плюсом: опыт в строительной, промышленной или девелоперской аналитике, опыт работы с данными 1С, опыт построения ML-платформ и MLOps-процессов, опыт менторства.

• 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.

Вы будете:

• Разрабатывать и оптимизировать пайплайны обработки данных.
• Интегрировать новые источники данных в Data Lake.
• Участвовать в развитии дата платформы (внедрение новых фреймворков и практик инженерии данных).
• Проводить код-ревью.

Мы ожидаем:

• Высшее образование.
• Опыт разработки пайплайнов обработки данных в Airflow.
• Практический опыт оптимизации Spark-приложения.
• Понимание работы СУБД и принципов построения хранилищ данных.
• Уверенное владение SQL, Python.