В Яндексе разрабатывается собственная технологии распознавания текста — OCR. С помощью этой технологии пользователи Яндекс Переводчика прямо в камере телефона могут перевести надпись на памятнике или содержание меню в ресторане с более чем 50 языков — включая не только языки на основе кириллицы и латиницы, но и китайский, арабский, греческий и другие. Пользователи Алисы и Яндекс Картинок могут по сделанной фотографии найти сообщение об ошибке, скопировать текст документа, перейти по ссылке с плаката и даже озвучить надпись на упаковке из магазина, сделанную мелким шрифтом. Технология используется во многих других сервисах и процессах в компании, а также доступна внешним пользователям в Yandex Cloud.

Мы хотим, чтобы наша технология показывала отличные результаты в самых сложных случаях — будь то надпись, выбитая на камне, текст на сильно помятой упаковке товара или написанный по кругу — и при этом работала даже на мобильных устройствах.

Разработка нейросетевых моделей на стыке CV и NLP

Наши задачи лежат на стыке технологий CV и NLP — ведь на входе мы работаем с картинками, а для качественного распознавания нам необходимы хорошие знания о языковой модели. Мы активно внедряем в наши процессы и большие мультимодальные модели. При этом важный фокус — делать технологию универсальной и масштабируемой.

Исследование state-of-the-art-подходов в обучении моделей распознавания текста

Мы хотим, чтобы наша технология показывала отличные результаты в самых сложных случаях: это, например, фото надписи, выбитой на камне, или текста, расположенного по кругу, забликованный снимок текста на сильно помятой упаковке товара, фото рукописных текстов, даже если это архивы XVIII века.

Ускорение и сжатие архитектуры нейронных сетей

Наша технология применяется не только на серверах, но и на мобильных устройствах без доступа в интернет, поэтому мы работаем над эффективностью применения моделей и их компактностью.

Больше об ML в Яндексе — в канале Yandex for ML

* Решали прикладные задачи с помощью технологий Deep Learning
* Понимаете принципы машинного обучения
* Знаете классические алгоритмы и структуры данных, пишете понятный и легко поддерживаемый код
* Интересуетесь последними публикациями в области Deep Learning

* Знаете C++: полученные модели вам придётся внедрять в продакшен, который ежедневно обрабатывает миллионы запросов пользователей
* Умеете работать с большими объёмами данных: мы считаем, что набор репрезентативного и чистого обучающего множества — это один из ключей к успеху

Мы разрабатываем технологии генерации и обработки визуального контента. Ищем Senior ML Engineer, который вместе с командой будет исследовать новые подходы, разрабатывать и обучать генеративные модели, строить комплексные ML-пайплайны и внедрять их в продукты.

Технологический стек

Основной стек: Python, PyTorch, распределённое обучение (FSDP, DeepSpeed).

Модели и методы: диффузионные модели, трансформеры (DiT), VAE; механизмы attention, включая sparse и causal attention; авторегрессионная генерация и методы её обучения; дистилляция моделей; выравнивание моделей по человеческим предпочтениям с помощью RL-методов.

Будет преимуществом: опыт оптимизации с Triton, torch.compile и квантизацией; backend-разработки, работы с API, асинхронной обработкой, реляционными и векторными БД, интеграции LLM/VLM.

• Разрабатывать и обучать генеративные модели для изображений и видео, адаптировать архитектуры и латентные представления под новые задачи.
• Исследовать подходы к управляемой и авторегрессионной генерации, проверять гипотезы из статей и улучшать качество моделей.
• Дистиллировать модели, оптимизировать скорость инференса и потребление памяти.
• Строить масштабируемые пайплайны с VLM и CV-моделями для автоматической разметки, фильтрации и параллельной обработки данных.

Технологический стек

Основной стек: Python, PyTorch, распределённое обучение (FSDP, DeepSpeed).

Модели и методы: диффузионные модели, трансформеры (DiT), VAE; механизмы attention, включая sparse и causal attention; авторегрессионная генерация и методы её обучения; дистилляция моделей; выравнивание моделей по человеческим предпочтениям с помощью RL-методов.

Будет преимуществом: опыт оптимизации с Triton, torch.compile и квантизацией; backend-разработки, работы с API, асинхронной обработкой, реляционными и векторными БД, интеграции LLM/VLM.

• Опыт обучения генеративных или CV-моделей и работы с большими датасетами. Умение выбирать подходы под задачу и оценивать результаты экспериментов.

• Хорошую математическую базу: линейная алгебра, теория вероятностей, статистика и методы оптимизации.

• Практический опыт работы с AI-агентами для ускорения разработки и исследований, умение проверять их код и результаты.

• Английский для чтения статей и документации; умение воспроизводить исследовательские подходы и применять их на практике.

• Будут плюсом научные публикации, выступления на международных конференциях по ML и компьютерному зрению, вклад в open source.

• комфортный современный офис рядом с м. Кутузовская

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

• расширенный полис ДМС с первого дня работы и страхование для семьи

• льготная программа ипотеки для сотрудников

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

• вознаграждение за рекомендацию друзей в команду Сбера.

О команде:

Команда распознавания окружения решает задачи обучения нейронных сетей для распознавания в самых разных сценариях. Мы твёрдо знаем: создать эффективный нейросетевой алгоритм без качественных данных невозможно. Именно поэтому мы строим собственную инфраструктуру для подготовки, обработки и интеграции данных во фреймворки обучения моделей распознавания.

Мы в поисках ведущего разработчика-исследователя в области глубокого обучения и компьютерного зрения (Senior DL/CV Research Engineer) с глубоким знанием высшей математики и проективной геометрии. Специалисту предстоит создавать и оптимизировать нейросетевые алгоритмы восприятия для автономного транспорта, используя Python, базовый C++ и технологии параллельных вычислений (CUDA).

Чем предстоит заниматься:

• Разработка интеллектуальных решений в области глубокого обучения/DL (компьютерное зрение/CV) задач в домене восприятия автономного транспорта;
• Анализ современых подходов и реализация нейросетевых архитектур, обучение, проверка гипотез и проведение исследований;
• Разработка и интеграция модулей нейронных сетей в готовый стек восприятия.

Что мы ждем от кандидата:

• Уверенное знание глубокого обучения/DL (уровень погружения до самых глубоких вннутренних процессов обучения и research), машинного обучения/ML (понимание математики основных классических подходов), линейной алгебры (проективная геометрия, эпиполярная геометрия) и математического анализа, математической статистики;

• Опыт работы с компьютерным зрением/Computer Vision задачам в разных доменах;

• Умение писать продвинутый код на Python;

• Умение писать и читать базовый код на C++;

• Умение писать код для высоконагруженных систем (cuda, openml, mpi).

Всем привет!

Актуальные вакансии на платформе (удаленно/гибрид): 👇

- Data and AI Solution Architect https://lnkd.in/gVvkbwyZ

- Data Solution Architect https://lnkd.in/gKUjgdQp

- Data Architect https://lnkd.in/gYGRUsGp

- Senior Data DevOps Engineer with Azure https://lnkd.in/g-EPATzb

- Cloud Architect https://lnkd.in/gK4b2nnG

- Senior ML Infrastructure Engineer (DevOps) https://lnkd.in/gTccgwhX

- Senior DevOps Engineer https://lnkd.in/gifXd8Pu

- Senior Site Reliability Engineer https://lnkd.in/gSBkkiMr

- Senior AWS Cloud DevOps Engineer https://lnkd.in/gUjdpwwF

If one of these is you, apply. If its someone you know, please tag them:)

Data and AI Solution Architect

flilia.com

Мы ищем сильного бэкенд-разработчика, который будет отвечать за архитектуру и надежность сервисов и пайплайнов обучения ML-моделей

• Разработка системного дизайна сервисов с нуля и выбор оптимальных компонентов (БД, очереди, кэши, векторные хранилища) под конкретные задачи.

• Написание высоконагруженного и отказоустойчивого кода на Python.

• Создание внутренних библиотек и фреймворков для упрощения работы с обучением ML-моделей.

• Разработка пайплайнов для инференса моделей (включая LLM), управление контекстом, работа с API внешних провайдеров и локальных моделей.

• Траблшутинг сложных проблем на стыке инфраструктуры и ML.

• Настройка мониторинга, логирования и алертинга для сервисов.

• Самостоятельный сбор и анализ требований от стейкхолдеров, превращение бизнес-задач в технические решения.

• Проведение code review, помощь команде в вопросах архитектуры и лучших практик Python.

• Опыт коммерческой разработки на Python от 5 лет (AsyncIO, Многопоточность, FastAPI, Django, Flask или аналоги) из них 1 год в ML

• Глубокое понимание принципов построения распределенных систем, опыт проектирования отказоустойчивых архитектур (микросервисы, event-driven, паттерны работы с отказами)

• Понимание GIL, async/await, работа с памятью, умение писать чистый, тестируемый и переиспользуемый код (библиотеки).

• Понимание того, как работают ML-модели и LLM (эмбеддинги, RAG, fine-tuning, контекстное окно), умение выбрать подходящий инструмент (LangChain, vLLM и т.д.).

• Опыт работы с Docker, Kubernetes, CI/CD.

• Понимание принципов мониторинга (Prometheus, Grafana, Sentry) и умение диагностировать проблемы в проде.

• Проактивность, умение работать в условиях неопределенности, способность самостоятельно находить требования и предлагать решения.

• Будет плюсом опыт работы с векторными базами данных (Qdrant, Milvus, pgvector) и понимание MLOps-практик (MLflow, Clearml, Airflow, Feature Store).

• крупнейшее DS&AI community — более 600 DS-специалистов банка

• дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

• возможность быть соавтором НИРов и статей для международных конференций

• возможность выбрать удобный формат работы: гибрид или офис

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

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

• вознаграждение за рекомендацию друзей в команду Сбера.

Мы стремительно растем и, в связи с активным расширением, ищем сильного руководителя на стыке бизнеса, аналитики и технологий, способного выстраивать стратегию Data & AI, управлять Data Office и создавать аналитические и AI-продукты, приносящие измеримую пользу бизнесу.

Нам нужен не просто технический специалист, а человек, который глубоко погружается в бизнес-процессы, самостоятельно выявляет проблемы и точки роста, формирует гипотезы и превращает данные и технологии в конкретные управленческие решения и измеримые бизнес-результаты.

На позиции Team lead of Data & AI в Ваши задачи будет входить:

• Формировать и реализовывать стратегию развития коммерческой аналитики и Data Office с фокусом на измеримый бизнес-эффект (рост продаж, маржинальность, оптимизация затрат и процессов);
• Глубоко изучать коммерческие процессы компании (e-commerce, маркетплейсы, управление товарными категориями, финансы и смежные направления) и выстраивать систему управленческой аналитики по ключевым разрезам: продажи, ассортимент, логистика, реклама, репутация, остатки и др.;
• Выявлять точки роста, определять приоритеты, формулировать гипотезы и предлагать конкретные действия на основе данных;
• Строить и развивать аналитические продукты и системы регулярной/ad-hoc отчётности, которые реально помогают бизнесу принимать решения;
• Управлять командой (data-аналитики, BI-специалисты, data-инженеры): планировать работу, расставлять приоритеты, развивать сотрудников и отвечать за результат команды;
• Выстраивать эффективное взаимодействие между бизнесом, аналитикой и IT: переводить бизнес-задачи в технические требования, ставить задачи и контролировать их реализацию;
• Применять AI/LLM-инструменты для ускорения аналитики, автоматизации процессов и повышения качества решений; выбирать и внедрять подходящие AI-решения;
• Управлять ресурсами, бюджетом и приоритетами направления, работать в режиме высокой скорости и многозадачности.

Для успешного выполнения задач, Вам необходимо:

• Высшее техническое образование (математика, ИТ, инженерные направления и др.);
• Руководящий опыт в области коммерческой аналитики / BI - от 3 лет;
• Обязателен опыт аналитики продаж на маркетплейсах (Wildberries, Ozon и др.), включая анализ динамики, маржинальности, ассортимента и эффективности каналов;
• Умение самостоятельно проводить глубокую аналитику, формулировать выводы и презентовать их бизнесу;
• Понимание бизнеса и способность выстраивать аналитику по разным разрезам (продажи, логистика, реклама, репутация, остатки, категорийный менеджмент, финансы и т.д.);
• Опыт постановки задач data-команде (в т.ч. по интеграциям и выгрузкам данных, особенно в связке с 1С);
• Практический опыт применения AI/LLM-инструментов в аналитике и автоматизации процессов. Умение эффективно ставить задачи ИИ;
• Сильные навыки управления проектами: приоритизация, контроль сроков, работа в условиях высокой скорости и многозадачности;
• Способность визуализировать данные и доносить сложные выводы простым языком.

Будет преимуществом

• Опыт разработки в прошлом (Python, SQL и т.п.);
• Опыт работы с BI-инструментами, ETL, оркестраторами (Airflow), понимание архитектуры DWH;
• Опыт построения системы планирования продаж.

Мы гарантируем:

• Официальное трудоустройство;
• ДМС со стоматологией после прохождения испытательного срока;
• Пятидневную рабочую неделю: пн-чт c 10:00 до 18:30, в пт – с 10:00 до 17:30;
• Комфортный офис: 7 минут пешком от метро;
• Приятные скидки на продукцию компании;
• Социальные программы для сотрудников компании.

Почему мы:

• Высочайшие стандарты и главные инновации международного менеджмента;
• Работа в среде международной коммуникации; 
• Понятная и адекватная система мотивации; 
• Карьерные перспективы, возможность профессионального развития и обучения за счет компании, возможность возглавить стратегические проекты;   
• Возможность предлагать и реализовывать любые идеи и получать за них приятное вознаграждение. 

Приветствуется аналогичный опыт работы в компаниях:
Перекресток, Вкусвилл, Магнит, Лента, Самокат, РИВ ГОШ, REDMOND, М-Видео и других DIY, FMCG и e-commerce лидерах.

Специалист по AI и автоматизации / системный администратор

GETWOLA — технологичная компания в сфере доставки воды. С 2019 года мы строим сервис в Москве: развиваем собственную ERP-систему, приложение для курьеров и автоматизируем процессы. Нашим ПО пользуются и другие сервисы доставки — этим мы особенно гордимся.

Ищем человека, которому интересно разбираться в технологиях, экспериментировать с AI и помогать коллегам применять его в работе. Ориентировочно 20% задач — IT-инфраструктура, 80% — AI и автоматизация.

Что предстоит делать

• Поддерживать IT-инфраструктуру офиса: компьютеры, ПО, сеть, доступы и учётные записи. Подбирать и обновлять технику, помогать сотрудникам с техническими вопросами.

• Разбираться со сбоями интернета, IP-телефонии и корпоративных сервисов, взаимодействовать с провайдерами и подрядчиками.

• Разворачивать и поддерживать нужные инструменты на облачных серверах и локальном оборудовании, обеспечивать команде стабильный доступ к AI-сервисам.

• Находить возможности для автоматизации: изучать, как работают продажи, бухгалтерия, маркетинг и другие отделы, предлагать решения и доводить их до рабочего результата.

• Создавать AI-агентов и сценарии автоматизации, подключать модели к ERP, CRM, 1С, мессенджерам и базам знаний — самостоятельно и совместно с внешней командой разработки.

• Помогать коллегам выбирать и осваивать AI-инструменты: от работы с документами и данными до генерации изображений и видео. Собирать удачные решения в понятные инструкции.

Кого мы ищем

• Вы уверенно разбираетесь в компьютерах, операционных системах, сетях и основах серверной инфраструктуры.

• Активно используете AI, понимаете, какие модели подходят для разных задач, и можете показать свои решения — рабочие или личные.

• Понимаете принципы API, вебхуков и интеграций. Опыт с n8n, Make, Python, SQL, Docker и RAG будет плюсом.

• Умеете самостоятельно разобраться в новой задаче, проверить решение и объяснить его коллегам простым языком.

• Проявляете инициативу: замечаете рутину и предлагаете, как её упростить.

Не обязательно знать весь стек. Нам важны техническая база, любопытство и способность превращать эксперименты в полезные инструменты.

Что предлагаем

• Реальную площадку для развития в AI: задачи действующего бизнеса, заинтересованную команду и бюджет на модели, API, подписки и эксперименты.

• Возможность влиять на то, как работает компания, и видеть результат своих решений.

• Официальное трудоустройство и полностью белую зарплату.

• Полную занятость в офисе: 5/2, с 9:00 до 18:00. Удалённый формат не рассматриваем.

• Комфортный офис с новым ремонтом и необходимую технику.

• 2 000 баллов в приложении на доставку воды домой, корпоративный Литрес и подарки на день рождения.

Как проходит отбор

Короткое знакомство → небольшое практическое задание → техническое интервью → финальная встреча в офисе.

В отклике расскажите, что уже автоматизировали и какими AI-инструментами пользуетесь. Будет здорово увидеть примеры: агента, интеграцию, домашний сервер или другой проект, который вы собрали сами.

По з/п можем обсудить после собеседования.

Медиалогия занимается разработкой продуктов по сбору и анализу данных из СМИ и соцмедиа.

Мы разрабатываем высоконагруженные системы, которые в режиме реального времени сканируют весь текстовый сегмент Интернета (100+ млн. сообщений в сутки, 1.7 млрд. метрик) и, используя уникальные лингвистические технологии, позволяют осуществлять мгновенный анализ упоминаний наших клиентов в социальных сетях, блогах, форумах и управлять их репутацией.

Обязанности:

• разработка и оптимизация ETL/ELT-конвейеров для обработки больших данных;
• настройка и администрирование Hadoop/Spark-инфраструктуры (HDFS, YARN, Hive, HBase);
• оптимизация распределенных вычислений и запросов;
• работа с потоковыми данными (Kafka, Spark Streaming, RabbitMQ);
• участие в проектировании и масштабировании архитектуры данных;
• автоматизация процессов с использованием DevOps-практик (Docker, CI/CD).

Требования:

• высшее (неоконченное высшее) образование;
• опыт работы с Java/Scala и Big Data-фреймворками (Apache Spark, Hadoop);
• глубокие знания Hadoop-экосистемы (YARN, HDFS, Hive, HBase, Parquet);
• опыт оптимизации производительности распределенных систем;
• работа с потоковой обработкой (Kafka, Spark Streaming);
• навыки работы с SQL/NoSQL (PostgreSQL, MS SQL, MongoDB).

Будет плюсом:

• опыт с PySpark, Flink, Airflow;
• знание Elasticsearch, ClickHouse, Vertica;
• навыки настройки кластеров и инфраструктуры.

Условия:

• удаленный или гибридный формат работы;
• заработная плата обсуждается по итогам собеседования с успешным кандидатом;
• ДМС после испытательного срока;
• специальные условия для сотрудников на страхование для членов семьи;
• скидки в компаниях-партнерах (фитнес-центры, обучающие курсы, изучение иностранных языков и многое другое);
• бесплатное онлайн-обучение на корпоративном портале и корпоративная библиотека;
• участие в сложных Big Data-проектах с высокой нагрузкой;
• офис в пешей доступности от ст. м. Дмитровская (БЦ «Савеловский Сити»).

Привет! Мы команда разработки систем технического зрения. Развиваем технологии компьютерного зрения для автоматизации складских процессов Ozon. Наши решения работают с реальными видеопотоками и ML-моделями в продакшене, помогая повышать операций и снижать влияние человеческого фактора.

Ищем специалиста, который будет создавать и развивать CV-системы — от выбора алгоритмов до внедрения в промышленную эксплуатацию.

Вы будете

• Разрабатывать и улучшать модели компьютерного зрения (детекция, классификация, трекинг, сегментация).
• Подбирать алгоритмы и подходы под прикладные задачи, проводить эксперименты и оценивать качество моделей.
• Оптимизировать модели и алгоритмы для эффективной и быстрой работы на больших объёмах данных в production.
• Проектировать и оптимизировать inference-пайплайны, включая real-time сценарии.
• Разрабатывать ML- сервисы и работать с микросервисной архитектурой (Python).
• Анализировать производительность решений и находить узкие места - от моделей до инфраструктуры.
• Работать с видеопотоками и создавать high-load системы обработки данных.
• Взаимодействовать с инженерами и разработчиками на всех этапах - от исследования до продакшена.

Нам важно

• Высшее образование в области математики, компьютерных наук или смежных технических дисциплин.
• Уверенное знание Python и опыт промышленной разработки.
• Практический опыт в Computer Vision или Machine Learning.
• Понимание классических алгоритмов CV и современных ML-подходов.
• Знание основных метрик качества моделей и методов их валидации.
• Хорошую алгоритмическую базу (структуры данных, оценка сложности).
• Навыки написания чистого, поддерживаемого кода и работы с Git.

Будет плюсом

• Опыт работы с GPU (Nvidia, CUDA, TensorRT).
• Опыт построения real-time систем или оптимизации latency.
• Опыт deployment и применения MLOps-практик.
• Опыт работы с видеопотоками (RTSP/RTP) или потоковыми системами обработки данных.
• Опыт разработки high-load сервисов.
• Знание C++ для performance-критичных компонентов.
• Опыт работы с Airflow, Docker, Kubernetes или аналогичной инфраструктурой.
• Знание SQL и опыт работы с БД.
• Навыки написания unit- и integration-тестов.
• Английский язык на уровне чтения технической документации.

Алиса — самый популярный ассистент в России, которым ежедневно пользуются миллионы людей. Наша команда находится на острие технологий: благодаря нам Алиса не просто отвечает на вопросы, а решает задачи пользователя в реальном мире за счёт агентности. Мы переводим взаимодействие с умными устройствами (колонками, телевизорами) на новую архитектуру. В ней большая языковая модель (LLM) самостоятельно вызывает нужные функции-инструменты (tool calling / gpt-tools), чтобы выполнять пользовательские запросы: от включения музыки до построения маршрутов.

Ищем аналитика, который поможет масштабировать новую архитектуру на все сценарии Алисы, глубоко разбираться в качестве работы модели, находить точки роста и выстраивать систему оценки умности ассистента. Вы напрямую повлияете на то, насколько умной, полезной, надёжной и эмпатичной станет Алиса.

Анализ качества работы LLM и поиск точек роста

Вам предстоит глубоко разбираться в качестве работы модели: анализировать пользовательские сценарии и проблемные кейсы, сегментировать ошибки и DSAT, искать закономерности через data mining. Затем — формировать гипотезы, как повысить качество, и оценивать влияние изменений на пользовательский опыт. Вы поможете команде понять, где модель ошибается, почему это происходит и какие улучшения дадут максимальный эффект.

Масштабирование сценариев через tool calling

Вы будете участвовать в переводе ключевых сценариев Алисы (музыка, погода, поиск мест, команды устройств и др.) на новую LLM-архитектуру. Для этого нужно анализировать пользовательские запросы и сценарии, помогать проектировать инструменты и сценарии вызова функций, выявлять точки роста, собирать данные для обучения и приёмки моделей, участвовать в формировании eval-наборов и метрик.

Построение системы оценки качества AI-ассистента

Вместе с командой вы станете развивать систему оценки качества: офлайн-метрики, LLM-as-a-judge, сценарные evals, онлайн-метрики и A/B-эксперименты, мониторинг деградаций, аналитические дашборды и т. п.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Больше двух лет работали Data Analyst, Product Analyst или Analyst в data-driven-продукте
* Работали с LLM либо Generative AI (помимо решения бытовых задач) и хотите создавать свои AI-системы
* Уверенно владеете SQL и Python для анализа данных
* Умеете работать с большими объёмами логов и событийных данных
* Занимались продуктовой аналитикой и искали инсайты через данные
* Понимаете основы статистики и A/B-тестирования
* Умеете формулировать продуктовые гипотезы и оценивать их эффект
* Системно мыслите, умеете разбираться в сложных многокомпонентных продуктах

* Работали с LLM-based-продуктами или AI-ассистентами
* Оценивали качество LLM (LLM-as-a-judge, evals, RAG и т. п.)
* Знакомы с концепциями Agentic AI и tool calling
* Строили дашборды (Tableau, DataLens, Superset и др.)
* Работали с NLP/NLU-продуктами или голосовыми ассистентами
* Понимаете, как устроен цикл обучения и улучшения ML/LLM-моделей
* Умеете работать с неструктурированными данными и текстовыми логами

• Вести ML-задачу полного цикла. Уточнять задачу и критерии успеха, анализировать и подготавливать данные, создавать baseline и выбирать подход. Определять, достаточно ли готовой модели или требуется её адаптация либо обучение.
• Обучать и оценивать модели. Обучать или дообучать модели, анализировать ошибки, сравнивать решения по качеству, скорости и стоимости. Документировать результаты экспериментов и ограничения выбранного подхода.
• Организовывать воспроизводимый MLOps-процесс. Автоматизировать подготовку данных, обучение, оценку и развёртывание; версионировать данные, код, модели и конфигурации. Обеспечивать повторяемость экспериментов и сборок.
• Разрабатывать и сопровождать ML-сервисы. Создавать сервисы инференса и интеграции с продуктом, настраивать окружения CPU/GPU, тестирование, CI/CD, мониторинг, обновление и откат моделей.
• Настраивать ИИ-агентов для ML и инфраструктуры. Создавать skills, проектные инструкции и workflow. Подключать инструменты и документацию, контролировать доступ к данным, секретам и вычислительным ресурсам, проверять подготовленный агентами код.
• Лично валидировать качество. Вручную проверять данные и разметку на выборках, анализировать предсказания и ошибки модели, исследовать проблемные сценарии. Не ограничиваться сводными метриками.
• Проверять решение в целевой среде. Лично проходить реальные сценарии в развёрнутом продукте, проверять интеграции и нагрузочные характеристики. Диагностировать проблемы данных, модели, сервиса и инфраструктуры.
• Контролировать работу после запуска. Следить за качеством, задержками, ошибками, потреблением ресурсов и изменениями входных данных. Исследовать отклонения, устранять проблемы и проверять результат исправлений.

• Практический опыт прикладного ML. Самостоятельная подготовка данных, обучение и оценка моделей, анализ ошибок. Понимание выбора метрик, разделения данных на обучающие, валидационные и тестовые выборки, переобучения и утечек данных.
• Самостоятельная ML-разработка. Уверенный Python, опыт PyTorch и/или scikit-learn либо аналогичных инструментов. Умение читать, писать и отлаживать код подготовки данных, обучения и инференса, а не только запускать готовые примеры.
• Production-опыт и MLOps. Практический опыт развёртывания и сопровождения ML-сервисов. Понимание API, хранения и версионирования артефактов, воспроизводимости окружений, мониторинга, обновления и отката моделей.
• Инженерная инфраструктура. Практические навыки Linux, Docker, Git, тестирования и CI/CD. Умение диагностировать проблемы производительности, использования CPU/GPU и памяти.
• Coding agents и их адаптация. Практический опыт Codex, Claude Code или аналогов; создание skills и проектных инструкций, настройка контекста, инструментов и безопасных окружений под ML- и инфраструктурные задачи.
• Личная ответственность за результат. Готовность самостоятельно проверять код и выводы агентов, вручную анализировать данные и предсказания, проверять реальные сценарии и доводить модель и сервис до согласованного качества.

Будет плюсом:

• Опыт MLflow, DVC, Kubernetes и оркестраторов вычислительных задач.
• Опыт оптимизации GPU-инференса, батчинга, квантования и нагрузочного тестирования ML-сервисов.
• Опыт в одном или нескольких направлениях: NLP/LLM, компьютерное зрение, обработка речи или ML на табличных данных.

Что считается завершённой работой:

• Получено воспроизводимое решение с подтверждённым качеством, проверенное в целевой среде и интегрированное в продукт. Результаты оценки и известные ограничения зафиксированы, мониторинг, обновление и откат предусмотрены.​​​​​​​​​​​​​​ ​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​Личный анализ данных и предсказаний, а также проверка реальных сценариев обязательны. Одной сводной метрики, обученной модели или работающего endpoint недостаточно.

Условия:

• Фиксированная оплата труда. Уровень дохода в оффере будет согласовываться по грейдовой системе, исходя из результатов собеседования.
• Готовы рассматривать кандидатов с разным уровнем квалификации (junior/middle/senior).
• Оформление через ИП.

Привет! Это команда платформы AI-автоматизации.

Мы создаём внутреннюю платформу для разработки AI-агентов и автоматизаций, которой смогут пользоваться продуктовые команды Ozon. Наша цель — дать инженерам готовый набор инструментов для создания агентских систем без необходимости каждый раз строить инфраструктуру с нуля.

Сейчас проект находится на этапе активного развития. Уже есть собственный LLM-шлюз и базовая платформа, а дальше мы строим полноценную экосистему для агентской разработки: SDK, Tool Hub, визуальную оркестрацию, инструменты наблюдаемости и оценки качества AI-решений.

Целевая команда не будет заниматься обучением языковых моделей. Вместо этого мы создаём платформенные сервисы и инструменты, которые помогают инженерам быстрее внедрять AI в свои продукты.

Ищем разработчика, который поможет развивать платформу для агентской разработки и создавать инструменты, которыми будут пользоваться десятки продуктовых команд.

Наш стек

• Языки: Go, Python, TypeScript/JS — уверенно знать один из них; Go как основной или как второй язык — дополнительный плюс.
• Инфраструктура: Docker, Kubernetes, gRPC.
• Данные и обмен: PostgreSQL, Redis, S3, Kafka.
• AI‑слой: написание AI‑автоматизаций и оркестрация агентов; системы управления инструментами (tool management) и скиллами, коммунальные агенты; RAG‑пайплайны; интеграция с LLM‑провайдерами и собственными self‑hosted-моделями (обучение и хостинг моделей — на ML‑инфраструктуре, не на нас).
• Observability: OpenTelemetry, Grafana CI/CD: GitLab CI.

Вы будете

• Разрабатывать SDK и платформенные компоненты для создания AI-агентов.
• Создавать инструменты и сервисы вокруг MCP и Tool Hub.
• Развивать платформу для запуска и сопровождения AI-автоматизаций.
• Интегрировать существующие open source-решения в экосистему платформы.
• Участвовать в проектировании архитектуры платформы вместе с командой.

Примеры задач

• Разработать SDK для создания агентских приложений.
• Интегрировать внешний агентских фреймворк с внутренним LLM Gateway.
• Добавить поддержку новых MCP-инструментов.
• Построить сервис для безопасного выполнения действий от имени пользователя.
• Реализовать механизмы трейсинга и контроля использования LLM.

Нам важно

• Опыт коммерческой разработки на любом современном языке программирования.
• Опыт проектирования backend-сервисов.
• Понимание принципов построения API и распределённых систем.
• Опыт разработки платформенных решений или внутренних инструментов.
• Интерес к современному AI-инструментарию и практический опыт его использования.
• Опыт создания автоматизаций или AI-интеграций.

Будет плюсом

• Наличие pet-проектов c применением AI.
• Практический опыт работы с несколькими harness-системами и понимание их отличий, преимуществ и недостатков.
• Опыт разработки AI-агентов, пайплайнов автоматизации, систем tool management.

Мы ищем аналитика-разработчика в команду, которая автоматизирует клиентскую поддержку, продажи и внутренние процессы Коммерческого департамента Яндекса с помощью машинного обучения, LLM и AI-агентов. Наша цель — сократить объём ручной работы и улучшить клиентский опыт в нашем сервисе.

Вы будете разрабатывать решения для автоматизации — от анализа бизнес-задачи и создания прототипа до внедрения и развития систем в промышленной эксплуатации.

Автоматизация обработки обращений по всем каналам связи

Вам предстоит работать с текстовыми обращениями, звонками и документами. Вы будете применять NLP и LLM для понимания запросов, распознавание и синтез речи для голосового взаимодействия, компьютерное зрение и OCR для извлечения данных из документов.

Оценка качества и результата решений

Вместе с командой и бизнес-заказчиками вы будете определять показатели успеха и оценивать экономический эффект автоматизации. Предстоит разбирать ошибки, улучшать качество решений, контролировать стоимость работы систем и их устойчивость.

Проектирование и развитие систем автоматизации

Вы будете проектировать компоненты систем, участвовать в обсуждении архитектуры и ревью кода. Совместно с командой разработчиков нужно доводить решения до промышленного использования и развивать их после запуска.

Подбор и реализация подходящих способов автоматизации

Предстоит разбираться в бизнес-процессах, находить возможности для автоматизации, проверять гипотезы и создавать прототипы. Вы будете выбирать и сочетать подходы — от алгоритмов на основе правил до систем с LLM и AI-агентами.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

* Хорошо разбираетесь в NLP, понимаете принципы работы LLM и AI-агентов и создавали системы на их основе
* Понимаете, как устроены RAG-системы и базы знаний для них, — от подготовки, индексации и обновления данных до поиска информации и формирования ответов на её основе
* Умеете писать и поддерживать код, разбираться в чужих решениях и находить причины ошибок
* Продуктивно взаимодействуете с инженерами и бизнес-заказчиками, уточняете требования и оцениваете результат через бизнес-показатели

* Применяли компьютерное зрение и OCR для обработки документов
* Создавали внутренние инструменты для клиентской поддержки, продаж и других процессов с большим объёмом ручной работы

Обязанности:

• Проведение исследований и анализ экспериментов с данными (структурированными и неструктурированными: текст, изображения, видео, аудио).
• Разработка и внедрение моделей машинного и глубокого обучения (TensorFlow, PyTorch, scikit-learn).
• Оптимизация алгоритмов и процессов аналитики для повышения точности и производительности.
• Создание дашбордов и отчётов для визуализации результатов (Tableau, Power BI).
• Обеспечение качества данных: сбор, очистка, хранение и проверка данных.
• Исследование рынка, поведения пользователей и конкурентной среды на основе данных.
• Сотрудничество с бизнес-аналитиками, продуктовыми менеджерами и разработчиками для достижения бизнес-целей.
• Разработка методик воспроизводимого кода и документации для экспериментов.
• Участие в создании цифровых продуктов и услуг, реализация как исследовательских, так и прикладных решений.

Требования:

• Опыт работы в Data Science не менее 4 лет, включая проекты с ML/Deep Learning.
• Высокий уровень владения Python, R, SQL и библиотеками машинного обучения (TensorFlow, PyTorch, scikit-learn).
• Знание статистики, методов анализа данных и алгоритмов машинного обучения.
• Опыт работы с инструментами визуализации (Tableau, Power BI) и облачными платформами (AWS, GCP, Azure).
• Навыки обработки неструктурированных данных (текст, изображения, видео).
• Умение разрабатывать воспроизводимые эксперименты и оптимизировать алгоритмы.
• Опыт взаимодействия с бизнес-командами и командой разработки.
• Лидерские качества, способность влиять на стратегию подразделения.

Условия:

• Официальное трудоустройство в аккредитованной ИТ компании.
• Корпоративная бонусная программа, позволяющая компенсировать проценты по ипотечному кредиту.
• Ежегодный пересмотр и индексация заработной платы по результатам работы, годовые премии.
• Расширенная программа ДМС, включая стоматологию.
• Удаленный формат работы.

Наша команда занимается созданием следующего поколения интеллектуальных систем для анализа рисков. Среди наших проектов:

• разработка NLP моделей на основе LLM, создание sota AI-агентов и мультиагентных систем для операционных и ESG-рисков
• создание transformer-based моделей для решения банковских задач на финансовых данных; моделирование финансовых рынков с помощью машинного обучения
• разработка классических ML-моделей для процесса кредитования, которые являются ядром бизнеса Сбера и ключевым драйвером прибыли.

и сейчас наша команда в поиске талантливых стажеров трех направлений: Data Scientist, LLM-researcher, и Quant-Risks в Управление риск-моделирования.

• разработка моделей для автоматизации и оптимизации кредитных процессов

• сбор, анализ и подготовка данных для моделирования

• написание поддерживаемого, читаемого кода; участие в обсуждениях технических подходов

• помощь в опромышливании результатов исследований

• презентация результатов исследований бизнес-заказчиками.

• статус студента бакалавриата/магистратуры на момент трудоустройства

• в области компьютерных наук, математики или другой релевантной области

• знания в области теории вероятностей и математической статистики

• отличные навыки программирования на Python, SQL.

• знание библиотек Numpy, Pandas, Scikit-learn, XGBoost/LightGBM/CatBoost, Transformers, Pytorch

• опыт разработки моделей машинного обучения (классический стек, NLP, DL).

Будет плюсом: опыт работы с LLM, c большими данными (PySpark).

• формат работы: офис в г. Москва, рядом с м. Кутузовский пр.
• гибкий график и возможность совмещать с учебой: от 30 до 40 часов в неделю
• возможность заниматься спортом в одном из спортзалов банка
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.

Мы ищем инженера, который будет напрямую работать с командой клиента: погружаться в процессы конкретного подразделения, выявлять задачи, где технологии и AI могут дать заметный эффект.

Ты будешь самостоятельно проектировать, разрабатывать и внедрять решения. Первые проекты связаны с финансовыми подразделениями крупных компаний, поэтому особенно ценен опыт работы с бизнес-процессами, данными и внутренними системами.

Чем предстоит заниматься:

• погружаться в процессы, данные и бизнес-логику клиентского подразделения;

• общаться с заказчиками и пользователями, уточнять потребности и формулировать техническое решение;

• быстро проектировать, разрабатывать и внедрять небольшие AI- и software-решения: агенты, автоматизации, интеграции, внутренние сервисы;

• работать с API, базами данных и внутренними системами клиента;

• самостоятельно реализовывать MVP решения;

• использовать LLM, RAG, tool calling, MCP и AI coding tools там, где это оправдано задачей;

• проверять решение вместе с пользователями и дорабатывать его по обратной связи;

• выделять повторяемые сценарии и решения, которые можно масштабировать на другие процессы и проекты.

• опыт работы с заказчиком, бизнес-пользователями или внутренними стейкхолдерами: discovery, сбор требований, разбор процессов, solution consulting, аналитика или похожий формат;

• умение задавать вопросы, быстро погружаться в незнакомый процесс и находить реальную проблему за исходным запросом;

• сильная инженерная база: backend или fullstack-разработка;

• коммерческий опыт разработки на Python, JavaScript / TypeScript, Java, Kotlin, C#, Go или другом современном языке не менее 3х лет;

• опыт API, интеграций, баз данных и архитектуры приложений;

• опыт уже реальных внедренных AI/LLM или automation-решений, которыми пользовались сотрудники или клиенты;

• практический опыт с AI-агентами, RAG, tool calling или LLM-based интеграциями;

• способность самостоятельно пройти путь от разговора с пользователем до работающего решения.

Будет плюсом:

• опыт в роли business/system analyst, solution engineer, technical consultant или presale engineer;

• AI Security: защита от промт-инжектинга, деперсонализация данных;

• Docker, CI/CD, cloud;

• опыт запуска пилотов и MVP для внешних заказчиков;

• опыт работы с финансовыми подразделениями.

• работу напрямую с реальными бизнес-задачами клиентов;

• возможность видеть эффект своей работы сразу в конкретном процессе;

• высокую самостоятельность: от discovery до реализации;

• современный AI-native стек и свободу в выборе технического подхода;

• возможность создавать решения, которые затем можно масштабировать на другие команды и клиентов.
  
  P.S. В сопроводительном письме просим кратко описать одно AI/automation-решение, которое вы лично внедрили: для кого оно было, что вы сделали сами и используется ли оно сейчас?

• Работа с BI-отчетностью: проектирование, разработка, актуализация дашбордов и отчетных форм. Обеспечение качества, достоверности и своевременности данных, а также техническая поддержка пользователей
• Интеграция данных и ETL: подключение к внутренним и внешним источникам данных; разработка, тестирование и сопровождение процессов извлечения, преобразования и загрузки данных (ETL/ELT); мониторинг производительности потоков данных
• Управление доступами: предоставление, изменение и отзыв прав доступа к данным и аналитическим системам в соответствии с регламентами информационной безопасности
• Предиктивная аналитика: подготовка и обработка данных для построения прогнозных моделей; взаимодействие со специалистами по Data Science при внедрении моделей в бизнес-процессы и мониторинг их качества
• Работа с требованиями: проведение интервью и рабочих встреч с Заказчиками для выявления потребностей в аналитике; документирование, согласование и приоритизация требований

• Высшее образование в области информатики, математики, статистики, экономики или смежных технических дисциплин
• Опыт разработки ETL-процессов, анализа данных или бизнес-аналитики не менее года
• Практический опыт работы с языками программирования Python и SQL
• Владение инструментами визуализации данных и системами бизнес-аналитики (BI)
• Знание принципов работы реляционных и нереляционных СУБД, а также архитектур данных
• Знание основ теории вероятностей, математической статистики и методов анализа данных
• Знание методик сбора и формализации требований от заказчиков

• Место работы: Московская обл., Красногорский р-н, 26 км. Автодороги "Балтия", БЦ "Рига Ленд"
• Корпоративный транспорт от м. ул. 1905 года, м. Щукинская, м. Строгино, МЦД Красногорская
• Конкурентные условия оплаты труда
• Корпоративный пакет социальных льгот (ДМС, мобильная связь и другие)

Наша команда занимается созданием следующего поколения интеллектуальных систем для анализа рисков. Среди наших проектов:

• разработка NLP моделей на основе LLM, создание sota AI-агентов и мультиагентных систем для операционных и ESG-рисков
• создание transformer-based моделей для решения банковских задач на финансовых данных; моделирование финансовых рынков с помощью машинного обучения
• разработка классических ML-моделей для процесса кредитования, которые являются ядром бизнеса Сбера и ключевым драйвером прибыли.

и сейчас наша команда в поиске талантливых стажеров трех направлений: Data Scientist, LLM-researcher, и Quant-Risks в Управление риск-моделирования.

• разработка моделей ценообразования и расчета риск-метрик для финансовых инструментов, а также подходов к управлению рыночными рисками

• развитие передовых методов ИИ для финансов: генеративное моделирование мультимодальных данных (диффузия, VAE, LLM и др.), обучение с подкреплением

• обозревать статьи и придумывать новые SoTA подходы для решения банковских задач на финансовых данных.

• статус студента бакалавриата/магистратуры на момент трудоустройства, образование с математическим уклоном

• понимание финансовой математики: знания в области теории вероятностей и случайных процессов, математической статистики и эконометрики

• свободное владение Python (NumPy, Pandas, PyTorch)

• базовые знание ML/DL

• знание классических методов ML, Deep Learning

• знание современных генеративных моделей / RL-алгоритмы

• знание архитектуры и принципов LLM.

• формат работы: офис в г. Москва, рядом с м. Кутузовский пр.

• гибкий график и возможность совмещать с учебой: от 30 до 40 часов в неделю

• возможность заниматься спортом в одном из спортзалов банка

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

• вознаграждение за рекомендацию друзей в команду Сбера.

Наши клиенты — акционеры, бизнес-блоки Банка и более 100 миллионов клиентов Сбербанка!

Мы создаём риск-инфраструктуру для устойчивого роста бизнеса, развиваем аналитическую платформу данных и переводим на AI-алгоритмы принятие кредитных решений. Наши IT-решения контролируют качество кредитного портфеля, автоматизируют процессы реструктуризации, урегулирования и сбора просроченной задолженности, контролируют алготрейдинг, рассчитывают оптимальный уровень рисков, управляют жизненным циклом моделей.

Задачи:

• уточнение постановки задачи для определения оптимального состава данных для выборки
• коммуникации с экспертным сообществом Банка для идентификации необходимых систем-источников и особенностей хранения данных внутри них
• извлечение данных из источников
• разработка и документирование детерминированного алгоритма трансформации и очистки данных
• контроль качества выборки
• разработка регулярно обновляемых витрин.

Мы ждем тебя, если ты:

• сейчас обучаешься на 4 курсе бакалвриата или являешься студентом магистратуры (ИТ направления)

• знаешь SQL: сложные запросы, аналитически функции, понимание физической реализации join’ов, оптимизация производительности запросов

• имеешь базовые знания python

• обладаешь аналитическим складом мышления, умеешь быстро погружаться в новые предметные области.

• офисный формат работы рядом с м. Кутузовская или м. Тульская

• гибкий график и возможность совмещать с учебой: от 30 до 40 часов в неделю

• стажировка длительностью от 3 до 6 месяцев с возможностью перехода в штат компании

• возможность пройти обучение по интересующим тебя направлениям soft и hard skills в виртуальной школе Сбера и на специальных тренингах

• возможность заниматься спортом в одном из спортзалов банка.