Data scientist (NLP) middle

Привет!

Мы — продуктовая IT-компания со стабильным продуктом, который с каждым годом растёт и развивается. В связи с расширением команды мы ищем Python-разработчика в AI Data Growth Lab, работающего на стыке данных и аналитики, ML-моделей и AI-фич продукта, внутренних сервисов, внешних API и интеграций.

Нам нужен человек, который:

• Умеет доводить ML-идеи до продакшена

• Понимает принципы обработки и хранения больших данных

• Пишет поддерживаемый Python-код

• Понимает, что такое продукт, а не только модели

Мы строим интеллектуальные механики вокруг пользовательских данных:
Персонализация, предсказания поведения и рекомендации, антифрод, B2B-аналитика, AI-помощники.

Требования:

Уверенный Python (3+ лет), чистый код, понимание архитектуры;

Работа с данными: SQL pandas / numpy, понимание бизнес метрик, агрегаций, окон, когорт;

ML / Data: опыт работы с ML-библиотеками, понимание ML-пайплайна: данные → модель → прод;

Backend / API: FastAPI / Flask, REST / JSON, Асинхронность.

Будет плюсом:

• ClickHouse (очень большой плюс);

• Опыт с HuggingFace / трансформерами;

• Опыт работы с продуктовой аналитикой.

Обязанности:

• Подготовка и обработка данных;
• ML модели (подбор и обучение, эксперименты, подготовка к продакшену);

• Создание и поддержка Дашбордов и аналитика;

• Разработка внутренних API сервисов на Python, интеграция моделей с продуктом, FastAPI / Flask;

• Улучшение и поддержка чат-ботов, интеграция LLM (Q&A, рекомендации, copilot-механики), prompt-логика, сценарии, пайплайны;

• Участие в аналитических ревью, ML-дизайне, запуске AI-фич в продукт.

А теперь к тому, что обычно читают в первую очередь — условиям работы 👀

Мы предлагаем:

• Работу над стабильным и растущим продуктом

• Гибкий формат работы (удаленно/гибрид/офис)

• Возможность влиять на продукт и технические решения

• Конкурентную заработную плату 100 000 – 170 000₽

• Небольшую, дружную команду без лишней бюрократии

Яндекс Забота — новый страховой сервис Яндекса. Мы создаём и развиваем страховые продукты для разных сфер жизни: от транспорта и жилья до покупок и доставки.

Забота находится на ранней стадии развития, поэтому работа сочетает данные и инфраструктуру бигтеха с высокой свободой нового продукта. У нас уже есть первые модели, продуктовые эксперименты и ML-пайплайны, но многие подходы ещё предстоит сформулировать, проверить и довести до продакшна.

Ищем ML-разработчика на одно из двух связанных направлений — конкретную зону ответственности определим с учётом вашего опыта и интересов.

Дистрибуция страховых продуктов

Предстоит развивать модели отбора пользователей, которым может быть актуален конкретный страховой продукт. Среди ближайших задач — улучшение дистрибуции ОСАГО и КАСКО, а также перенос подхода на новые продукты. Работа включает формулирование продуктовых гипотез, поиск релевантных сигналов в разных сервисах Яндекса, построение интерпретируемых моделей и проверку качества отбора в продуктовых экспериментах.

Риск-скоринг

Вы будете развивать модели оценки страхового риска для КАСКО, ОСАГО и других продуктов. Основные сложности — небольшое количество подтверждённых страховых случаев, неполная разметка и необходимость проверять сигналы на независимых источниках данных. У нас уже есть базовые модели и архитектура пайплайна: нужно будет улучшать признаки и валидацию, следить за качеством текущих решений и адаптировать подход к новым продуктам.

Данные и ML-пайплайны

В обоих направлениях значительная часть работы связана с данными: нужно договариваться с командами — владельцами источников, собирать выборки и признаки, проверять их покрытие и качество, добавлять новые блоки в существующие пайплайны и анализировать результаты A/B-тестов.

Больше об ML в Яндексе — в канале Yandex for ML

* Уверенно владеете Python и SQL
* Имеете хорошую базу в классическом ML, работали с табличными данными
* Понимаете принципы корректной валидации, временных разбиений и возможных утечек
* Умеете самостоятельно вести ограниченный исследовательский или продуктовый трек: от постановки гипотезы до выводов и следующего шага
* Готовы работать с неполными данными и неоднозначными таргетами
* Способны понятно объяснять продуктовой команде логику модели, допущения и ограничения
* Критически относитесь к данным, метрикам и результатам


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

📍 Алматы | Full-time | Office
💰 500 000 KZT (финальный оффер зависит от уровня знаний и практического опыта)

О компании

Biometric.Vision — международная AI-компания, разрабатывающая решения в области Face Biometrics, Digital Identity, KYC, AML, Fraud Prevention и Identity Verification.

Нашими технологиями пользуются банки, финтех-компании, криптоплатформы, телеком-операторы и государственные организации. Мы создаём production-grade AI-продукты для международных рынков.

Чем предстоит заниматься

• Участвовать в разработке и улучшении решений в области Face Biometrics и Identity Verification
• Работать с Computer Vision и Machine Learning моделями
• Участвовать в разработке решений для Face Verification, Liveness Detection, Anti-Spoofing и Deepfake Detection
• Подготавливать, очищать и анализировать датасеты для обучения моделей
• Обучать, тестировать и оценивать ML-модели под руководством более опытных инженеров
• Работать с ML/CV pipeline: от подготовки данных до тестирования и интеграции моделей
• Оптимизировать и улучшать качество моделей
• Анализировать результаты экспериментов и проводить исследования
• Изучать современные подходы и research papers в области Computer Vision и Deep Learning
• Участвовать в разработке и поддержке production ML/CV решений
• Взаимодействовать с ML Engineers, Software Engineers и другими членами технической команды

• Обязательные требования

• Базовые знания Computer Vision и Deep Learning
• Уверенное владение Python
• Практический опыт работы с PyTorch и/или TensorFlow
• Понимание основных принципов обучения и оценки ML-моделей
• Опыт работы с изображениями и/или другими типами данных
• Понимание основных алгоритмов и подходов Computer Vision
• Умение работать с NumPy, Pandas, OpenCV
• Понимание Git и базовых принципов разработки ПО
• Готовность работать с большими объёмами данных
• Интерес к Face Biometrics, AI Security и Computer Vision
• Готовность быстро обучаться и развиваться в направлении ML/CV

• Коммерческий опыт не обязателен, если есть сильные учебные, pet-проекты, стажировки или собственные разработки в области ML/Computer Vision.

  Будет большим плюсом

• Проекты в области Face Recognition / Face Verification / Liveness Detection
• Опыт работы с Anti-Spoofing или Deepfake Detection
• Знакомство с InsightFace, DeepFace
• Опыт работы с ONNX Runtime, TensorRT или CUDA
• Понимание принципов оптимизации inference и latency
• Опыт работы с большими датасетами
• Участие в ML/CV research-проектах
• Опыт внедрения research papers и SOTA-подходов в собственные проекты
• Знание основ MLOps, Docker или CI/CD
• Участие в Kaggle, ML-соревнованиях или open-source проектах

• Технический стек

  Основной:

• Python
• PyTorch / TensorFlow
• OpenCV
• NumPy / Pandas
• Git

• Будет плюсом:

• InsightFace
• DeepFace
• ONNX Runtime
• TensorRT
• CUDA
• Docker
• Kubernetes
• AWS / GCP
• MLOps / CI/CD

• AI-First Engineering

  Мы ожидаем активное использование AI-инструментов в ежедневной работе.

  Будет необходимо использовать AI для:

• AI-assisted coding и debugging
• Research и изучения технической документации
• Анализа и рефакторинга кода
• Генерации и проверки идей
• Работа с LLM API
• Prompt Engineering
• Synthetic Data Generation

• В работе используем инструменты:

• ChatGPT
• Claude
• Gemini
• GitHub Copilot
• Cursor
• Windsurf

• При этом AI-инструменты используются как инженерный помощник, а результаты всегда должны проверяться и валидироваться разработчиком.

  Мы ценим

• Сильную техническую базу и желание развиваться в ML / Computer Vision
• Быстрое обучение и способность самостоятельно разбираться в новых технологиях
• Интерес к современным AI-исследованиям
• Практический подход: умение превращать знания в работающий код
• Внимательность к качеству результатов
• Самостоятельность и ответственность
• Умение задавать вопросы и работать в команде
• Интерес к созданию реальных production AI-продуктов, а не только demo и учебных моделей