ML и AI — свежие вакансии

Мы в Центре Робототехники Сбера создаем универсальный воплощенный ИИ для роботов, который будет управлять разнообразными физическими воплощениями. Например, манипуляторами, мобильными колесными роботами, роботами собаками, мобильными манипуляторами.

В основу нашего ИИ ляжет большая мультимодальная модель. Ей будут подчиняться фундаментальные модели навигации, манипуляции и планирования движений.

Один из основных шагов на этом длинном пути - это масштабные исследования возможностей больших языковых моделей (Large Language Models) и мультиагентных систем для задач робототехники.

Сейчас мы ищем в команду специалистов уровня middle\senior.

Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него в Сберчате, диалог зайдёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

• разработка сервисов на основе мультимодальных LLM для взаимодействия с пользователем и декомпозиции высокоуровневых задач с учетом возможностей роботов и ограничений среды

• обучение и дообучение языковых и мультимодальных моделей

• анализ и внедрение идей из научных публикаций

• разработка и тестирование мультиагентных систем.

• уверенное владение Python

• знание алгоритмов и структур данных

• опыт обучения языковых моделей

• опыт работы с PyTorch и HuggingFace Transformers

• понимание классических ML-алгоритмов и архитектур нейросетей (Transformers, RNN, LSTM)

• навыки работы с генеративными AI-моделями, опыт создания AI-агентов и использование их в работе будет преимуществом

• опыт использования GigaChat, Kandinsky и аналогов в продуктах

• инструментальное владение Ai для анализа, генерации и автоматизации

• технический английский (чтение статей и документации).

• офисный формат, адрес Автозаводская 23а к2

• ежегодный пересмотр зарплаты и годовая премия

• расширенный ДМС и льготное страхование для семьи

• уникальная система обучения Сбера для профессионального и карьерного развития

• выгодная ипотека для сотрудников

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

Мы в Центре Робототехники Сбера создаем универсальный воплощенный ИИ для роботов, который будет управлять разнообразными физическими воплощениями: манипуляторами, мобильными колесными роботами, роботами-собаками, мобильными манипуляторами и другими робототехническими платформами.

Сейчас мы ищем в команду специалиста уровня middle/senior.

Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него в Сберчате, диалог зайдёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

• подготовка и развитие датасетов для обучения VLM-моделей навыкам планирования и взаимодействия с роботом.Сбор, очистка, структурирование и валидация данных экспериментов, результатов работы моделей

• формирование новых обучающих выборок на основе анализа ошибок моделей и потребностей расширения функционала системы

• разработка пайплайнов для автоматизации сбора, фильтрации, разметки, проверки качества и версионирования данных

• курирование разметки данных: подготовка инструкций, контроль качества

• взаимодействие с ML-исследователями и инженерами для подготовки данных под обучение, дообучение и оценку моделей

• обучение моделей.

• опыт работы с подготовкой и обработкой данных для ML-задач

• уверенное владение Python и библиотеками для работы с данными (Pandas, NumPy и аналогами)

• опыт автоматизации процессов подготовки данных и разработки пайплайнов обработки данных

• понимание принципов контроля качества датасетов и воспроизводимости экспериментов

• опыт работы с Docker, Linux, Git

• понимание машинного обучения и подготовки данных для обучения моделей

• навыки работы с генеративными AI-моделями, опыт создания AI-агентов и использование их в работе будет преимуществом

• опыт использования GigaChat, Kandinsky и аналогов в продуктах

• инструментальное владение Ai для анализа, генерации и автоматизации

• готовность разбираться в предметной области робототехники, VLM-моделей и мультимодальных данных.

Будет плюсом

• опыт подготовки данных для ML, NLP, CV или мультимодальных моделей

• опыт работы с данными для обучения LLM/VLM-моделей

• опыт работы с DVC, MLflow, ClearML или другими инструментами для управления экспериментами и датасетами.

• офисный/гибридный формат, адрес Автозаводская 23а к2

• ежегодный пересмотр зарплаты и годовая премия

• расширенный ДМС и льготное страхование для семьи

• уникальная система обучения Сбера для профессионального и карьерного развития

• выгодная ипотека для сотрудников

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

Планирование архитектуры приложений с использованием LLM (Large Language Model) в качестве основной технологии;
Разработка ML-бэкендов и микросервисов для обеспечения функциональности и интеграции различных сервисов;
Выстраивание интеграционных взаимодействий со смежными командами: активное участие в встречах и согласование решений;
Оптимизация текущих решений с акцентом на производительность и управление нагрузкой (onnx, openvino, tensorrt).

Опыт работы в роли MLE от 2-х лет;
Опыт разработки классических моделей машинного обучения в областях NLP (Natural Language Processing);
Уверенное знание Python и опыт разработки сетевых/асинхронных приложений;
Опыт разработки, внедрения и оценки эффективности решений на основе современных NLP моделей в роли ведущего или лида проекта;
Широкая насмотренность в области LLM, RAG (Retrieval-Augmented Generation), а также опыт применения современных подходов к разработке решений;
Опыт выстраивания процессов и внедрения лучших практик в разработке и анализе данных;
Знание Docker, CI/CD, FastAPI и SQL, с готовностью разрабатывать решения с нуля;
Опыт с topic modeling, NER, кластеризацией, SSL, few shot / unsupervised learning;
Опыт участия в проектах по внедрению Gen AI-решений;
Опыт в оптимизации инференса (vllm, Triton Inference Server, аналоги).

Работа в крупнейшем в России интегрированном провайдере цифровых решений;
Возможна полная или частичная удаленная работа из России;
В Москве - БЦ Академик, победивший в номинации лучший проект «Бизнес-центр класса А. Москва» Возможность работать из офисов в городе Краснодар и Новосибирск.
Официальное оформление — согласно ТК РФ (полный соц. пакет: ежегодный оплачиваемый отпуск 28 календарных дней, оплата больничных);
Официальная заработная плата (оклад и годовая премия);
Кафетерий льгот с 1 рабочего дня: ДМС, компенсация транспорта, интернета, спорта, обучения и др.;
Корпоративное обучение: внутренние митапы, участие в конференциях, доступ к корпоративным библиотекам технической и бизнес литературы.

МТС Web Services (MWS) — бигтех-компания, предоставляющая облачные, AI-сервисы и платформенные решения под разные задачи бизнеса: от работы с данными до разработки продуктов и оптимизации процессов. Также мы запустили новую публичную платформу собственной разработки — MWS Cloud Platform.
Big Data – один из ключевых юнитов МТС.
Сегодня Big Data – это: 20 петабайт данных, 5 000 метрик на профиль и 400 увлеченных профессионалов в команде.
Мы – data-команда продукта МТС Защитник, который защищает миллионы пользователей от телефонного спама и мошенников. Это живая и постоянно меняющаяся задача: спамеры адаптируются под фильтры, меняют поведение и тексты, а мошенники регулярно придумывают новые схемы, используя социальную инженерию и давление на эмоции. Мы работаем с большими объёмами данных и моделями, которые должны не просто хорошо считать метрики, но и стабильно работать в продакшене с жёсткими требованиями к latency и качеству - и реально влиять на безопасность людей.
Поэтому мы ищем Middle+/Senior ML Engineer, который поможет нам в развитии инструментов борьбы со спамом и мошенниками.
Используемый стек ML: Python, CatBoost, PyTorch, Transformers, ONNX, Triton Inference Server, MLflow; Data: PySpark, ClickHouse, Pandas, NumPy

Задачи

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

Требования

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

Условия

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

Привет! Это отдел функциональности поиска.

Современный сервис для пользователя – это не просто инструмент решения понятных и привычных задач, но еще и помощник для исследования чего-то нового и ранее неизвестного. Зачастую покупатель на маркетплейсе не знает какой конкретный товар закроет его потребность, ему нужна консультация эксперта и возможность удобного выражения своих желаний. Прямо как в магазине, только на экране мобильного телефона.

Мы уверены, что в мире развитых AI технологий все это уже возможно. Мы ищем DS-специалиста, который будет работать в стриме применения перспективных AI/LLM-технологий в функциональности поиска Ozon.

Вы будете

• Разрабатывать и внедрять ИИ-агенты для поискового ассистента.

• Проектировать и реализовывать системы на основе Retrieval-Augmented Generation (RAG).

• Адаптировать LLM под внутренние и внешние задачи с применением PEFT-методов, RLHF, DPO.

• Заниматься построением пайплайнов обработки и сбора данных и обучения LLM.

• Участвовать в полном ML-цикле: от исследования и создания прототипов до продакшн-внедрения и мониторинга моделей

Нам важно

• Наличие фундаментальной математической базы, знание алгоритмов, математической статистики, классического ML и нейросетей.

• Понимание технических деталей современных LM (как large, так и small), особенности их обучения, понимание принципов дообучения готовой модели на новых данных.

• Опыт работы с современными архитектурами языковых моделей, в том числе обучение/дообучение своих моделей.

• Понимание принципов построения ассистентов на базе LLM, оценки их качества, контроля безопасности и этических вопросов

Будет плюсом

• Опыт разработки продуктов, связанных с поиском, рекламными технологиями или рекомендательными системами.

• Знание технологий обработки больших данных, таких как Hadoop, Spark или аналогичные.

• Навыки работы с инструментами автоматизации ML-пайплайнов.

Наша команда разрабатывает систему рекомендаций для международного Поиска. Наша цель — персонализированно показать человеку наиболее релевантный контент из интернета. Мы ищем энергичного и целеустремлённого специалиста, который возглавит центр международной экспертизы по рекомендациям.

Обучение SOTA моделей

Вам предстоит обучение SOTA моделей для построения рекомендательных систем. Необходимо создавать интересные, полезные и этичные рекомендации для пользователей.

Обработка петабайтов данных на всех языках

Значительный вклад в качество алгоритма машинного обучения дают правильные данные. У нас есть десятки источников и хранилища с петабайтами данных, вам необходимо грамотно использовать ровно то, что поможет решить целевую задачу.

Улучшение архитектуры системы рекомендаций

В рекомендациях участвует не один алгоритм машинного обучения. Это большая рантайм-система со множеством взаимодействий между компонентами. Вам предстоит участвовать в проектировании компонентов системы и оценивать влияние новых изменений.

* Руководили командой
* Хотите делать качественный сервис, следить за его состоянием и думать о пользователях
* Хорошо знаете C++ или Python
* Готовы погружаться в новые технологии, предлагать и реализовывать идеи по их улучшению
* Отлично знаете базу классического машинного обучения
* Понимаете, как устроены современные рекомендательные системы

Yandex Crowd — крупный инфраструктурный сервис Яндекса. Мы используем краудсорсинг, чтобы расширять бизнес-процессы: разметку данных, модерацию контента, полевые исследования, тестирование. Также мы разрабатываем внутренние функции для наших продуктов: клиентский сервис, телемаркетинг, локализацию и документирование.

Наша цель — автоматизировать рутинные задачи краудсорс-исполнителей. Работаем по двум направлениям: асессорская разметка и клиентский сервис. Создаём и внедряем генеративных чат-ботов, агентов, co-pilot для операторов и асессоров, GenAI-based-разметку. Количество наших моделей и микросервисов, интегрированных в платформы, растёт. Нужно поддерживать стабильность, прозрачность и единообразие разработки и вывода в прод.

Ищем MLOps-лида, который соберёт команду и выстроит инфраструктуру и процессы для наших смелых ML-решений.

Автоматизация ML-процессов

Вам предстоит создавать эффективные автоматизированные пайплайны для обучения, тестирования и развёртывания ML-моделей, внедрять CI/CD и современные инструменты управления ML-процессами.

Стабильность и доступность моделей

Вам нужно будет обеспечивать стабильную работу моделей в продакшне, контролировать их состояние и гарантировать, что сервисы будут доступны для пользователей и отказоустойчивы.

Развитие ML-платформы

Вам предстоит определить техническое видение развития ML-платформы в Yandex Crowd и инструментов для Data Scientist, выстроить процессы, чтобы быстро и эффективно запускать новые решения, сократить время вывода их на рынок и масштабировать лучшие практики внутренней инфраструктуры.

Развитие команды MLOps-инженеров

Вы будете формировать и развивать команду MLOps-инженеров: нанимать сотрудников, быть для них наставником, передавать экспертный опыт, распределять задачи и способствовать их профессиональному росту.

* Работали в команде над разработкой на Python
* Руководили созданием и поддержкой бэкенд-сервисов
* Организовывали и внедряли системы мониторинга и логирования
* Умеете работать с Docker и Kubernetes
* Разбираетесь в полном жизненном цикле ML-моделей, выводе их в продакшн
* Способны принимать архитектурные решения

* Руководили построением или эволюцией CI/CD-процессов
* Внедряли инструменты для управления GenAI-решениями: RAG, агенты, LLM-пайплайны
* Занимались построением внутренних ML-платформ или сложных ML-продуктовых инструментов

Команда визуального поиска разрабатывает CV-технологии в самом сердце Яндекса. Наши алгоритмы и сервисы интегрированы в ключевые продукты компании и помогают миллионам пользователей решать повседневные задачи. Вы точно с нами знакомы, если пользовались поиском по картинке, Алисой, умной камерой, Маркетом или другими сервисами, в сценариях которых изображение играет главную роль.

Мы не только создаём инновационные сценарии с нуля, но и постоянно совершенствуем существующие, обеспечивая их стабильность и высочайшее качество на уровне мировых стандартов.

Ищем опытного разработчика на C++ с глубокими знаниями в ML, который готов создавать и внедрять в продакшн сложные технологии компьютерного зрения.

Проектирование архитектуры ML-систем

Вам предстоит не просто писать код, а проектировать целостные системы для визуального поиска и анализа изображений. Вы будете отвечать за выбор технических подходов, построение пайплайнов и обеспечение масштабируемости и отказоустойчивости наших решений.

Внедрение и оптимизация моделей в продакшене

Ваша ключевая задача — превращать state-of-the-art-модели (CV, LLM/VLM) в быстрые и стабильные компоненты высоконагруженных сервисов Яндекса. Это включает в себя глубокую работу с кодом на C++, его профилирование и оптимизацию производительности для достижения максимальной эффективности.

Участие в полном цикле жизни продукта

Вы будете не просто исполнителем, а полноценным участником процесса: от генерации и проверки гипотез вместе с командой до выкатки фич, участия в PR-активностях и анализа результатов после запуска.

Взаимодействие с R&D- и ML-исследователями

Предстоит тесно работать с исследовательскими командами Яндекса, чтобы быстро адаптировать самые передовые технологии и внедрять их в продукты.

Больше об ML в Яндексе — в канале Yandex for ML

* Отлично знаете C++ и занимались коммерческой разработкой на нём
* Глубоко понимаете принципы машинного обучения и классические алгоритмы
* Внедряли ML-модели в продакшн: знаете, как заставить модель работать быстро и стабильно под нагрузкой
* Умеете разбираться в сложной кодовой базе, рефакторить и улучшать существующие решения
* Готовы быстро погружаться в устройство сервисов Яндекса и находить лучшие точки применения для ML-технологий

* Работали с Python для ML-задач (PyTorch, TensorFlow)
* Понимаете архитектуру современных нейронных сетей: трансформеры, VLM, CNN

Прикладная аналитическая платформа "Блока Риски" — это решение, позволяющее создавать аналитические витрины на Облаке Данных по различным направлениям бизнеса, таким как:

• Расчет оптимальных стратегий взыскания.
• Расчет предложений по реструктуризации.
• Расчет компонентов кредитного риска PD, LGD, EAD.
• Ускорение расчета RWA.
• Процесс калибровки промышленных моделей.
• Аналитика по портфелю, взысканию и фроду.

У нас более 120 витрин, 2000+ потоков загрузки данных, 1200 нод, 40 000 ядер и 25+ петабайт данных.

Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры.

ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Обязанности

• Участие в проектировании и разработке витрин и хранилищ данных.
• Участие в проектировании и реализации инструментов автоматизации разработки.
• Участие в доработке промышленных витрин данных.

Требования

• Опыт работы от 2-х лет с одной или несколькими СУБД: Oracle, MS SQL, Teradata либо СУБД стэка Bigdata.
• Опыт работы в роли аналитика с функцией подготовки выгрузки данных для заказчика.
• Уверенное знание SQL: сложные запросы, аналитические функции, понимание физической реализации join’ов, оптимизация производительности запросов.
• Знание одного или нескольких языков программирования: PL/SQL, T-SQL, Java, Python, Scala на уровне переменных, процедур, функций, циклов, условных операторов.
• Знание одного или нескольких ETL-инструментов: Informatica, MS SSIS, SAS, ODI.
• Понимание принципов организации хранилищ данных, подходов к проектированию логической и физической моделей, понимание основной проблематики хранилищ и подходов к решению.

Условия

• Возможность выбрать офис рядом со станцией метро Кутузовская или Тульская.
• Формат работы: фултайм офис.
• Ежегодный пересмотр зарплаты и 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.
• 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.

Работа в Сбере – это

Технологии

Участие в развитии инноваций на базе ИИ

Развитие

Акселераторы для стартапов, хакатоны и регулярные митапы от лидеров направлений

Комфортный офис

Креативные пространства для работы, спортзалы, зоны для отдыха и перезагрузки

Сообщество

Возможность найти союзников по любым интересам

Мы — команда GigaChat, создающая и развивающая core-технологию генеративной языковой модели. Наша система умеет писать тексты, видеть изображения и даже ловить вайб в коде. Она отвечает на вопросы, ведёт диалоги, сочиняет стихи и рассказы, генерирует бизнес-идеи, пишет письма и многое другое.

Недавно мы выпустили крутую русскоязычную модель GigaChat MAX 2 уровня GPT-4 , а ещё научили её слушать.

Сейчас мы расширяем команду отдела production-внедрения. Мы развиваем инфраструктуру инференса больших языковых моделей: раскатка моделей, стабильность сервисов, производительность, cost optimization, взаимодействие с продуктовыми командами и эксплуатацией.

Обязанности

• низкоуровневая оптимизация работы с «железом»
• работа над инфраструктурой для нагрузок на кластеры и балансировки запросов
• вывод новых архитектур в продуктив.

Требования

• опыт работы в области глубокого обучения, в том числе с LLM
• глубокое знание CUDA и Python
• опыт использования GigaChat, Kandinsky и аналогов в продуктах
• навыки создания и использования AI-агентов.

Условия

• комфортный современный офис рядом с м. Кутузовская
• возможность выбрать удобный график – офис/гибрид/удаленка (в РФ)
• 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
• ипотека для сотрудников по дисконтной прогамме
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.

Мы ищем Senior Data Engineer, который будет отвечать за инфраструктуру, пайплайны и качество данных для обучения современных Vision-Language Models. Роль находится на стыке data engineering и ML: нужно будет работать с большими мультимодальными датасетами, понимать потребности исследователей и ML-инженеров, строить пайплайны очистки, фильтрации, категоризации и генерации данных, а также обеспечивать воспроизводимый экспорт данных в формат для обучения моделей.

• Собирать и структурировать потребности ML-команды в данных: какие данные нужны для обучения, дообучения, оценки и улучшения VLM.
• Предлагать и реализовывать идеи пайплайнов очистки, фильтрации, дедупликации, категоризации и генерации данных.
• Ориентироваться в современных практиках построения датасетов для Vision-Language Models: image-text pairs, synthetic data, filtering, quality scoring, data mixture design, dataset versioning.
• Отвечать за инфраструктуру хранения и подготовки данных, включая:

1. импорт данных из различных источников: production, Common Crawl, open-source datasets, generated data;
2. валидацию и контроль качества данных;
3. хранение и версионирование датасетов;
4. экспорт данных в форматы, пригодные для обучения моделей.

• Проектировать и реализовывать пайплайны обработки данных на большом масштабе, включая десятки миллиардов изображений.

• Разрабатывать пайплайны генерации синтетических данных для обучения и улучшения VLM.

• Собирать статистику по данным, строить отчёты и визуализации для анализа состава, качества и покрытия датасетов.

• Обеспечивать воспроизводимость, наблюдаемость и надёжность data-процессов.

• Работать в тесной связке с ML-инженерами, исследователями и инфраструктурной командой.

• Сильный опыт в data engineering и построении production-grade data pipelines.

• Уверенное владение Python, включая multiprocessing, multithreading и async-подходы.

• Опыт работы с большими объёмами данных и распределённой обработкой.

• Практический опыт с объектными хранилищами, в частности S3 или аналогами.

• Опыт работы с YTsaurus или похожими системами для распределённого хранения и обработки данных.

• Понимание принципов валидации, очистки, дедупликации и версионирования датасетов.

• Опыт работы с DVC, Git, Docker.

• Опыт работы с PostgreSQL или другими реляционными базами данных.

• Умение проектировать устойчивые пайплайны: от импорта данных до финального экспорта в training-ready формат.

• Способность самостоятельно разбираться в нечетко сформулированных задачах и доводить их до работающего решения.

• Готовность работать на стыке engineering и ML research.

Будет плюсом

• Опыт работы с мультимодальными данными: изображения, текст, image-text pairs, captions, OCR, metadata.

• Понимание того, как устроены современные датасеты для обучения VLM / LMM / multimodal models.

• Опыт построения пайплайнов для synthetic data generation.

• Опыт реализации quality scoring, filtering, semantic deduplication, clustering или data attribution.

• Опыт визуализации статистики по большим датасетам и построения внутренних аналитических дашбордов.

• Опыт работы с Common Crawl, LAION-подобными датасетами, open-source vision-language datasets.

• Базовое понимание ML training pipeline и того, как качество данных влияет на качество модели.

• 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

• ипотека выгоднее до 7% для каждого сотрудника

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

• вознаграждение за рекомендацию друзей в команду Сбера.

Обязанности:

• Разворачивать, настраивать и сопровождать компоненты кампейн-платформы во всех окружениях (dev / test / prod) на Linux-серверах.
• Развивать интеграционный слой: API, коннекторы к каналам коммуникации, очереди, обмен с внутренними системами банка.
• Поддерживать стриминговую инфраструктуру: топики Kafka, деплой и сопровождение джобов, чекпоинты, состояние, масштабирование.
• Настраивать и тюнить сервинг-слой под онлайн-выдачу.
• Заниматься производительностью и надёжностью: нагрузочные тесты, capacity planning, разбор инцидентов и постмортемы.
• Настраивать разграничение доступа и выполнять требования ИБ.
  DataOps
• Выстраивать CI/CD для данных: версионирование кода витрин, DAG'ов и стриминговых джобов в Git, автотесты, автоматический прогон релизов между окружениями.
• Внедрять data quality as code: автоматические проверки свежести, объёма, схемы и дрейфа данных, quality gates внутри пайплайнов.
• Строить data observability: сквозной мониторинг лага, дашборды в Grafana по SLA данных, алертинг на нарушения.
• Развивать lineage и каталог данных (DataHub): автоматический сбор метаданных, прозрачность зависимостей кампейн-витрин.
• Управлять окружениями и тестовыми данными: воспроизводимость, обезличивание, быстрый разворот песочниц.
• Автоматизировать рутину и снижать time-to-market для новых кампаний: шаблоны, self-service инструменты для команды CVM.

Требования:

• От 3 лет опыта в эксплуатации или разработке распределённых систем / data-платформ.
• Уверенный Linux: администрирование, диагностика, работа с systemd, логами, ресурсами; сетевые основы.
• Скриптинг на Bash и Python.
• Практический опыт с Kafka: топики, партиционирование, консьюмер-группы, диагностика.
• Docker и Kubernetes на уровне уверенной эксплуатации.
• Опыт настройки CI/CD-пайплайнов (GitLab CI, Jenkins или аналог) и работы с Git.
• SQL и понимание работы СУБД: планы запросов, базовый тюнинг.
• Опыт построения мониторинга и алертинга: Prometheus, Grafana, работа с логами (ELK или аналог).

Будет плюсом:
• Практика DataOps: тестирование пайплайнов, data quality-фреймворки, контрактное тестирование данных.
• Apache Flink: деплой, стейт, чекпоинтинг, тюнинг.
• Greenplum, ClickHouse или другая СУБД.
• Redis, Informatica PowerCenter / PowerExchange CDC, NiFi, Airflow, DataHub, dbt.
• Ansible или другие инструменты автоматизации конфигурации.
• Опыт работы с кампейн-платформами / marketing automation.
• Понимание требований ИБ в банковской среде.

Став частью команды Forte, ты получишь:

• Конкурентную заработную плату и бонусы за персональную эффективность;
• График работы 5/2 с 9:00-18:00 в комфортном офисе;
• Жизнь внутри компании с ее корпоративными мероприятиями: тимбилдинги, челленджи, спортивные турниры, благотворительные акции;
• Заботу о здоровье с медицинским страхованием, а также DayOff в честь дня рождения и за выслугу лет;
• Выгодную рассрочку в крупные фитнес-клубы;
• Доступ к корпоративной библиотеке для непрерывного обучения и саморазвития.

15.06.2026

Asuri - B2B SaaS-платформа для AI-агентов, которые под контролем человека выполняют реальную работу через интеграции (Composio) и самообучаются: агент, доказавший себя, "повышается", и это доступно во всех будущих задачах.

Задачи

- Разобраться в продукте и кодовой базе, быстро стать самостоятельным

- Писать код через оркестрацию AI-агентов, а не автодополнение

- Помогать готовить и выкатывать релизы (dev → stage → prod)

- Построить с нуля бизнес-дашборды (выручка/расходы/маржа) — их пока нет, а без них не виден путь к окупаемости

Требования

- Реальный опыт разработки через AI-агентов (AI-first)

- Опыт с бизнес-автоматизациями (n8n/Zapier/Make или agentic-пайплайны)

- Крепкий фулстек на TypeScript/Node.js

- Опыт сборки дашбордов/аналитики

- Разговорный английский - обязательно

Плюсом: Claude Agent SDK или похожие агентные SDK, Composio, Stripe/usage-based биллинг, опыт в стартапах ранней стадии.

Стек: TypeScript, NestJS/Fastify, tRPC, Drizzle/Postgres, Next.js/React, Claude Agent SDK, Docker. Разработка ведётся AI-first - код пишется и ревьюится через оркестрацию агентов Claude Code.

Senior Fullstack Engineer (Python / React / LLM) (платформа Experts)

Мы делаем платформу для скаутинга и поддержки эксперта. Эксперт приходит через партнерскую сеть, проходит проверку по критериям, подписывает договор онлайн и заполняет структурированные формы о своей профессиональной деятельности. Из этих данных собираются базы, которые используют другие наши продукты.

Проект находится на стадии MVP. Первые эксперты должны начать пользоваться продуктом в августе 2026 года, первые клиенты ожидаются ориентировочно в сентябре. Бэклог на следующие 6–12 месяцев ещё формируется, поэтому задачи и приоритеты будут уточняться по мере тестирования продукта.

Ищем двух fullstack-инженеров: первый выходит на старте и закладывает архитектуру, второй присоединяется следом.

Задачи

Предстоит построить платформу с нуля: от регистрации партнера по реферальной ссылке до передачи данных об эксперте в смежные продукты.

1. Проектировать backend, API и структуру данных
2. Разрабатывать личные кабинеты партнера и эксперта на React: формы, прогресс, статусы, возврат на доработку
3. Делать админку: очередь заявок, оповещения, решения по экспертам
4. Собирать контур допуска партнера: видеоуроки, тест, доступ к работе
5. Вести договор в кабинете эксперта
6. Строить KYC-пайплайн на LLM: прием документов, извлечение данных, оценка по критериям, вердикт
7. Отвечать за качество LLM: промты, стабильность результата, разбор расхождений с решением администратора
8. Собирать из форм структурированные данные и отдавать их в смежные продукты через API
9. Строить очереди и фоновые процессы, деплоить и держать стабильность после релиза

Задачи приходят не как готовые технические задания, а как описание процесса и ожидаемого результата. Инженеру нужно самостоятельно уточнить ограничения, сравнить варианты реализации и выбрать решение, подходящее для текущего масштаба, а не для гипотетического. Часть требований к обработке данных на входе будет неполной — их предстоит уточнять вместе

Ищем лидера для двух небольших команд data engineering и аналитики, суммарно до 10 человек. Это не greenfield и не роль «поставить красивые дашборды». У нас уже есть работающий, но неоднородный контур: ClickHouse, Kafka, dbt, Airflow/MWAA, AWS, GitLab CI, продуктовая аналитика в PostHog, внешние источники и витрины для продукта, финансов и антифрода. Он растёт быстрее, чем успевают закрепляться контракты, владение и правила эксплуатации. Нужен человек, который наведёт в этом порядок и затем сможет устойчиво развивать команды.

Чем предстоит заниматься

-Вести data engineering и analytics: цели, приоритеты, качество результата, развитие людей

-Описать и закрепить понятные контракты данных: источник, схема, ключи, временная семантика, дедупликация, backfill, SLA и владелец

-Сделать поставку данных предсказуемой: CI/CD для dbt и DAG, контроль версий, проверки до публикации, наблюдаемость и понятные разборы инцидентов

-Довести до эксплуатационного уровня витрины и ingestion-пайплайны на Kafka, ClickHouse, dbt и Airflow

-Выстроить data quality: сверки источника и витрин, идемпотентность, обработка поздних событий, reconciliation и тесты на критичных данных

-Свести потребности продукта, маркетинга, биллинга и антифрода в прозрачную модель приоритетов, а не в бесконечный поток разовых выгрузок

-Самому погружаться в сложные технические узлы, ревьюить решения и поднимать планку инженерной работы команды

Что важно

-Опыт руководства небольшой технической командой или сильного технического лидерства в data-направлении

-Уверенный SQL и практический опыт с ClickHouse: производительность, партиционирование, репликация, дедупликация, materialized views, Kafka Engine

-Опыт с Kafka, dbt и Airflow; понимание эксплуатации пайплайнов, а не только написания SQL-моделей

-Умение разбирать легаси-контур по фактам: код, схемы, логи, данные, потребители, стоимость и риски

-Опыт проектирования витрин для продуктовой, финансовой или риск-аналитики

-Умение превращать размытый запрос в проверяемый контракт и доводить его до работающего результата

-Нормальная управленческая зрелость: давать ясную обратную связь, не прятать проблемы, не подменять результат статусами и презентациями

-Опыт и культура code review: читать и разбирать чужой код, держать инженерные стандарты и качество командных решений

Кому не подойдёт

-Человеку, который хочет управлять большой функцией, не работая с платформой руками

-Аналитику, для которого data engineering заканчивается на постановке задачи

-Инженеру, который считает документацию, качество данных и договорённости необязательной бюрократией

-Кандидату, которому нужен идеальный greenfield вместо сложной, но живой системы

Что можно сделать в первый год

-Зафиксировать границы владения командами и критическими контурами

-Убрать непрозрачные и дублирующиеся поставки данных

-Ввести единый минимальный стандарт для новых источников, витрин, backfill и проверок качества

-Сделать состояние ключевых пайплайнов и данных наблюдаемым

-Сформировать самостоятельную команду, которой не нужен постоянный ручной контроль фаундера

Мы предлагаем

-Полностью удалённую работу из любой точки мира.

-Современное корпоративное оборудование.

-Работу над продуктом с реальной нагрузкой и масштабом.

-Влияние на ключевые продуктовые метрики через рекомендации

Кто мы

Команда синтеза речи (text-to-speech). Мы занимаемся генерацией звука, развиваем свои модели, экспериментируем с архитектурами, красим метрики в зеленый.

Кого ищем

Senior ML engineer с опытом в обучении генеративных моделей: TTS, LLM, CV.

Чем предстоит заниматься

Эксперименты с LLM-based моделями TTS, voice cloning, speech2speech LLM, токенизаторами звука, RL. Обычно комбинируем идеи из разных статей, предлагаем свое, проверяем гипотезы. Пробуем совсем новые подходы почти с нуля.

Будет плюсом

• Опыт обучения мультимодальных LLM.
• Опыт снижения стоимости контекста при обработке видео.
• Опыт расширения контекста LLM.
• Понимание RL-подходов для обучения моделей: RLHF / RLVR, PPO / GRPO / DPO.
• Опыт построения бенчмарков с использованием LLM-as-a-judge.

Условия

• 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.
• Ипотека выгоднее до 7% для каждого сотрудника.
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
• Вознаграждение за рекомендацию друзей в команду Сбера.

Мы развиваем GigaChat и ищем сильного ML-инженера в команду online RL. Это роль для человека, который умеет доводить исследовательские идеи до работающих решений: проектировать и запускать эксперименты, строить надёжные пайплайны обучения и добиваться реального роста качества модели.

Нам нужен не просто исполнитель задач, а инженер с сильным исследовательским мышлением, который способен самостоятельно разбираться в сложных проблемах, предлагать новые идеи и решения и нести ответственность за результат.

Чем предстоит заниматься

• Разрабатывать и улучшать методы online RL.
• Реализовывать и дорабатывать подходы post-training и online RL.
• Проектировать и проводить эксперименты: формулировать гипотезы, подбирать конфигурации, анализировать результаты не только на уровне метрик, но и на уровне причин.
• Разбираться, почему модель стала лучше или хуже, насколько устойчив результат и можно ли его масштабировать на другие домены и типы задач.
• Следить за state-of-the-art: читать статьи, воспроизводить результаты, адаптировать лучшие подходы под наши задачи и инфраструктуру.
• Строить и развивать инфраструктуру обучения.
• Разрабатывать и поддерживать пайплайны online RL: от генерации rollout'ов и сбора reward-сигналов до обновления весов модели.
• Обеспечивать воспроизводимость экспериментов: версионирование данных, конфигов, чекпоинтов, контроль деградаций.
• Оптимизировать throughput и эффективность использования GPU: distributed training, параллелизм, профилирование узких мест.
• Выстраивать связку между моделью, средами исполнения, верификаторами и reward-моделями так, чтобы новые идеи можно было быстро проверять.
• Работать с данными и системой оценки качества.
• Участвовать в проектировании и реализации reward-сигналов: rule-based верификаторы, reward-модели, LLM-as-a-judge, execution-based проверки.
• Строить и улучшать пайплайны подготовки данных: фильтрация, дедупликация, балансировка, контроль утечек.
• Анализировать ошибки модели, выявлять систематические слабые места и формировать целевые обучающие выборки для их устранения.
• Работать в сильной команде.
• Тесно взаимодействовать с исследователями, другими инженерами, командами данных и инфраструктуры.
• Брать на себя ответственность за целые куски системы: от идеи до результата в проде.
• Делиться знаниями, участвовать в код-ревью, помогать поднимать общую планку качества.

Для нас важно

• Отличное владение Python и PyTorch.
• Практический опыт в LLM post-training: RLHF, online RL, DPO или смежных направлениях.
• Опыт проведения ML-экспериментов от начала до конца: постановка гипотезы → реализация → анализ → выводы.
• Понимание distributed training: Data Parallel, FSDP, DeepSpeed или аналоги.
• Умение писать чистый, надёжный, production-ready код.
• Способность разбираться в сложных системах и самостоятельно находить и устранять узкие места.
• Будет плюсом.
• Опыт работы с reward-моделями, process reward models, LLM-as-a-judge.
• Опыт построения сред исполнения, sandboxes и верификаторов для code- или STEM-задач.
• Опыт работы с large-scale inference и оптимизацией генерации (vLLM, Sglang и т.д.).
• Понимание современных open-source стеков для обучения LLM (Verl, Megatron, TRL и др.).
• Публикации, open-source вклад или сильный прикладной track record.

Что предлагаем

• Сильные и сложные задачи на переднем крае развития русскоязычных LLM.
• Прямое влияние на качество модели: результаты твоей работы видны в бенчмарках и в продукте.
• Команду сильных инженеров и исследователей, у которых есть чему поучиться.
• Возможность совмещать инженерную и исследовательскую работу.
• Конкурентную компенсацию, премии и расширенный соцпакет.