Senior data scientist в команду скоринговых моделей ЮЛ

• Переводить выходные данные ML-моделей в торговые сигналы и признаки (features)
• Комбинировать признаки, полученные с помощью ML, с существующими стратегиями для улучшения результатов и генерации альфы на рынках США, Японии и Китая — в маркетмейкинге по акциям и криптовалютам
• Применять ML-признаки в HFT
• Оценивать наборы признаков, сверять результаты бэктестов с показателями на реальных торгах, проводить эксперименты и оценивать практическое влияние ML-сигналов на PnL стратегии
• Отслеживать качество сигналов во времени; выявлять деградацию, переобучение или смену рыночного режима и предлагать корректирующие меры

Наши ожидания:

• 3+ лет опыта в квантовых исследованиях, алгоритмической торговле или смежной области
• Умение работать самостоятельно и доводить решения до результата без внешнего контроля
• Сильная математическая и статистическая база
• Уверенное владение Python, включая библиотеки для анализа данных и моделирования (pandas, scikit-learn и т.п.); опыт работы с AI-инструментами
• Прикладные навыки ML — классические методы, включая бустинг, классификацию, ансамбли моделей и feature engineering

Будет плюсом:

• Понимание механики low-latency систем: динамика стакана, качество исполнения, чувствительность к задержкам и микроструктура; опыт работы с латентно-чувствительными системами на уровне cloudbox и выше
• Навыки C++ для latency-чувствительных задач; знакомство с соответствующей инфраструктурой и инструментарием

Привет! Это команда "Внутренние ML Продукты". Мы применяем современный ИИ для автоматизации разнообразных процессов внутри компании. Например, мы создаем умных ассистентов для работы с базами знаний, делаем сервисы-копилоты для разработчиков и сотрудников поддержки, а также помогаем автоматизировать кадровый документооборот.

Наша ключевая цель - внедрить искусственный интеллект во все те места и процессы, где его использование поможет компании работать более эффективно, и освободит наших коллег от рутинной работы, которую сможет взять на себя ИИ.

В команде несколько опытных разработчиков и дата-саентистов, и мы тесно взаимодействуем с другими командами, заинтересованными в применении ИИ в своих задачах.

Ищем дата-саентиста, который готов вместе с нами применять ИИ для автоматизации процессов внутри компании.

Наш стек

• PyTorch, transformers, catboost, фреймворки для инференса (vllm, triton), Python, Go, Kubernetes.

Вы будете

• Участвовать в разработке полезных сервисов на базе ИИ.
• Работать с "большими" современными моделями (напр., с такими LLM как DeepSeek и Qwen) и применять их для решения прикладных задач. У вас будет возможность не просто использовать "готовые" LLM "из коробки", но и дообучать их под конкретные прикладные задачи.
• Решать интересные задачи из разных областей современного машинного обучения: NLP, CV, обработка видео и звука.

Примеры задач

• Зафайнтюнить мультимодальный Qwen2.5-VL под задачу распознавания документов.
• Обучить модель эмбеддингов, которая будет использоваться в RAG-системе для автоматизации работы техподдержки.

Нам важно

• Отличные знания в области машинного обучения: классический ML, DL, NLP и/или CV.
• Опыт работы с такими библиотеками как pytorch, transformers, фреймворки для градиентного бустинга (напр. catboost или xgboost), sklearn, pandas.
• Уверенное владение Python.
• Хорошее знание базовых алгоритмов и структур данных.
• Понимание принципов работы с большими данными, знакомство с такими инструментами как hadoop, spark, airflow.
• Опыт работы с Linux на уровне пользователя.

Будет плюсом

• Опыт работы с современными LLM.

Работа в Правительстве Москвы — это возможность делать наш город современнее и удобнее. Если ты тоже неравнодушен к Москве, хочешь развивать ее и развиваться сам, присоединяйся к нашей команде!

Обязанности:

• ​​Разрабатывать и развивать ИИ‑агента «Помощник проектировщика»: выстраивать логику принятия решений, цепочки рассуждений, работу с контекстом и внешними источниками данных

• Оформлять результаты проектирования в формате научного исследования: формулировать гипотезы, планировать эксперименты, рассчитывать и интерпретировать метрики, готовить отчёты с научно обоснованными выводами

• Оптимизировать модели для повышения точности и производительности: применять методы квантования, дистилляции, сжатия; подбирать архитектуры под специфику задач транспортного проектирования

• Анализировать производительность моделей и организовывать дообучение на новых данных: настраивать пайплайны подготовки данных, отслеживать дрейф данных и метрик качества

• Проводить прикладные научные исследования (НИР): валидировать подходы, обеспечивать воспроизводимость результатов, фиксировать методики, допущения и ограничения

• Решать задачи с помощью ИИ‑технологий: работать со стеком TensorFlow и Keras, а также с современными инструментами для построения агентных систем

• Реализовывать задачи в области NLP (обработка технических текстов, спецификаций, замечаний экспертизы) и компьютерного зрения (OCR, распознавание чертежей, схем, планов)

• Разрабатывать API и другие интерфейсы для интеграции моделей в существующие системы проектирования и документооборота

• Тестировать и отлаживать интеграцию моделей: писать unit‑ и интеграционные тесты, проверять краевые случаи, обеспечивать стабильность работы в контуре заказчика

• Мониторить функционирование ИИ‑моделей в реальных условиях: настраивать логирование и алерты, отслеживать деградацию качества, автоматизировать проверки

• Изучать и адаптировать современные методы ИИ (трансформеры, генеративные модели и др.) под специфику транспортных проектов

• Проводить эксперименты и оценивать их результаты: выполнять A/B‑тесты, сравнивать архитектуры, анализировать ошибки и способы их устранения.

• Участвовать в формировании стратегии внедрения ИИ в компании: определять приоритеты, риски, этапы масштабирования и критерии успеха.

• Консультировать коллег по вопросам ИИ: объяснять ограничения моделей, помогать корректно формулировать запросы и сценарии использования.

• Готовить техническую и проектную документацию: описывать архитектуру, параметры моделей, методики экспериментов, инструкции по эксплуатации и интеграции.

Требования:​​​​​​​

• Высшее образование

• Опыт разработки ML‑моделей и внедрения их в продакшн.

• Практический опыт работы с TensorFlow, Keras; понимание жизненного цикла ML‑модели.

• Знание базовых методов NLP и компьютерного зрения, опыт работы с OCR‑задачами.

• Понимание принципов построения ИИ‑агентов: планирование, память, инструменты, обработка ошибок.

• Умение проектировать и реализовывать API для интеграции моделей.

• Навыки проведения экспериментов и оценки качества моделей: метрики, валидация, воспроизводимость.

• Способность оформлять технические и исследовательские результаты в виде документации и отчётов.

• Уверенное владение Python, Git, базовыми инструментами ML‑инфраструктуры

• Работа в Правительстве Москвы
• Высокопрофессиональная команда
• График 5/2
• Офис: метро Чистые пруды