корпорация галактика

Разработчик ML (Python)

Корпорация «Галактика» – аккредитованная IT-компания, один из ведущих отечественных разработчиков программного обеспечения, с более чем 35-летним опытом в создании и внедрении комплексных систем управления для государственных корпораций, п…

корпорация галактика

Зарплата не указанаРоссияМоскваОфис

Корпорация «Галактика» – аккредитованная IT-компания, один из ведущих отечественных разработчиков программного обеспечения, с более чем 35-летним опытом в создании и внедрении комплексных систем управления для государственных корпораций, промышленных предприятий, ведущих учебных заведений и федеральных органов власти. Мы открываем вакансию Разработчик ML.

Чем предстоит заниматься:

  • Разработка и внедрение автономных ИИ-агентов и генеративных моделей (LLM, мультимодальные системы) для ускорения проектирования, разработки и развертывания ERP-систем, а также создания интеллектуальных интерфейсов автоматизации — от генерации кода до обработки естественно-языковых запросов пользователей.
  • Создание ИИ-сервисов и автономных агентов для автоматизации бизнес-процессов.
  • Обучение и тонкая настройка LLM (Large Language Models) и других ML-моделей под задачи компании.
  • Анализ данных, разработка алгоритмов для прогнозирования, оптимизации и принятия решений.
  • Интеграция ИИ-решений в существующие продукты компании.
  • Участие в научно-исследовательских проектах, публикация результатов (при желании).
Что мы ждем от вас:
  • Опыт в работы в IT от 5-ти лет.
  • Опыт работы в области Machine Learning, Deep Learning или Data Science от 3-ех лет.
  • Знание Python и ряда библиотек для ML/DL таких как TensorFlow, Pandas, PyTorch, scikit-learn и др.
  • Опыт работы с NLP, LLM (GPT, Llama, Mistral и т. д.), RAG, автономными агентами.
  • Понимание принципов работы ERP-систем (желательно).
  • Умение работать с большими данными (SQL, NoSQL).
  • Знание методов обучения с подкреплением (RL) — будет плюсом.
  • Английский язык (уровень для чтения технической документации).

Что мы предлагаем:

  • Мы оформляем официально и предлагаем стабильный и прозрачный доход по ТК РФ;
  • Все льготы и преимущества работы в аккредитованной ИТ-компании;
  • Здоровье: программа ДМС со стоматологией и страхование от несчастного случая с первых дней работы в компании; онкострахование;
  • Доплата в период больничного до 100% заработной платы;
  • Корпоративные скидки;
  • Офис в шаговой доступности от м. Динамо, оборудованный всем необходимым для комфортной работы и отдыха.

Похожие вакансии Data Science & ML

hh.ru
aston

Data Scientist

aston
Зарплата не указанаРоссияСанкт-ПетербургУдалёнка

Aston — аккредитованная аутсорсинговая IT-компания, работающая с 2007 года. Наш штат насчитывает 2500+ специалистов. Мы разрабатываем программное обеспечение и IT-решения в сферах Finance, Healthcare, eCommerce, IoT, Media, Big Data, ML и многом другом.

Предлагаем присоединиться в роли Data Scientist и работать над проектом заказчика.

Заказчик - крупнейший коммерческий банк страны, лидер по объему активов и цифровому развитию. Активно продвигает мобильные сервисы, ценит скорость, гибкость и неформальный подход внутри команд. Многократно отмечен престижными наградами, в том числе «Bank of the Year in Russia 2019» (The Banker) и «Best Mortgage Bank in CEE» (Global Finance).

Чем предстоит заниматься?

  • заниматься построением моделей чувствительности и ценообразования для банковских продуктов;
  • генерировать и тестировать гипотезы для улучшения процесса прайсинга юридических лиц с помощью моделей;
  • оптимизировать существующие модели банка - тестировать новые источники данных для моделей;
  • совместно с командами DE, MLOps, мониторинга внедрять модели в промышленные процессы;
  • презентовать бизнесу результаты работы, обсуждать применение моделей.

Чего мы ждем от специалиста?

  • опыт работы в роли Data Scientist от 5-ти лет;
  • знание классического ML;
  • опыт построения uplift-моделей или моделей чувствительности
  • опыт работы с задачами ценообразования;
  • промышленный опыт разработки и внедрения моделей на табличных данных;
  • уверенное владение ML-стеком Python: lightgbm/xgboost/catboost, Scikit-Learn, Pandas, Numpy;
  • умение работать с инструментами Spark, Hadoop, Hive;
  • знание SQL/PySpark.

Будет плюсом:

  • опыт работы с банковскими продуктами;
  • опыт построения рекомендательных систем.

Что мы предлагаем?

  • Хорошая зарплата: уровень обсуждается индивидуально, есть доплаты за менторство и профактивности.

  • Развитие: долгосрочные проекты от российских заказчиков, возможность менять направления, прозрачная система Performance Review.

  • Комфорт и свобода: релокейт между офисами, выбор формата работы (удалённо, офис, гибрид), адаптация для новых сотрудников.

  • Обучение: доступ к корпоративному порталу, митапам, конференциям (и как гость, и как спикер).

  • Социальный пакет: ДМС со стоматологией, частичная компенсация спорта, бесплатный английский, оплачиваемый отпуск и больничные.

  • Корпоративная жизнь: тимбилдинги, детские праздники, внутренние мероприятия.

Наши офисы:

  • Москва (ул. Вильгельма Пика, 11, БЦ «Ботаника», 13 эт., оф. 1310),

  • Санкт-Петербург (Владимирский проспект, д. 23, 8 этаж),

  • Казань (Н. Ершова, 76/1),

  • Нижний Новгород (ул. Новая, 28, коворкинг "VMESTE"),

  • Самара (IT парк Монте Роза).

Откликайтесь, если вы готовы расти и развиваться вместе с командой ASTON!
Наш рекрутер свяжется с вами, чтобы обсудить детали.

hh.ru
Зарплата не указанаКазахстанАлматыОфис

Крупнейший универсальный коммерческий банк Казахстана приглашает тебя в свою команду. Мы ищем талантливых людей, готовых развиваться и расти вместе с нами.

Группа Halyk – это более 17 000 сотрудников в Казахстане и ряде других стран. Наш банк успешно работает на благо своих клиентов уже 100 лет. Мы оказываем услуги во всех сегментах финансового рынка: банковском, страховом, ценных бумаг, лизинговом.

Что ты будешь делать:

  • Разработка, внедрение и сопровождение ML-моделей для выявления и предотвращения мошенничества;
  • Оценка эффективности ML-моделей, проведение валидации, бэк-тестирования, рекалибровки.
  • Проведение анализа клиентской базы на основе транзакционных, поведенческих и иных признаков с целью выявления аномалий, оценки мошеннических рисков;
  • Разработка и оптимизация признаков (Feature Engineering), включая поведенческие, агрегированные и графовые характеристики.

Что мы ждем от тебя:

  • Высшее техническое, математическое или экономическое образование;
  • Опыт работы в Data Science/Machine Learning от 4 лет;
  • Уверенное владение Python и библиотеками Pandas, NumPy, Scikit-Learn, практической опыт работы с алгоритмами машинного обучения CatBoost, LightGBM, XGBoost, Random Forestm Logistic Regression;
  • Глубокое понимание методов классификации, обнаружения аномалий, Feautre engiinering и Feature Selection;
  • Знание математической статистики, теории вероятностей, методов проверки гипотез и экспериментального анализа;
  • Опыт работы с несбалансированными выборками и редкими событиями;
  • Опыт построения, валидации, интерпретации и мониторинга ML-моделей (регрессия, классификация, кластеризация);
  • Понимание принципов MLOps, жизненного цикла ML-моделей, версионирования и воспроизводимости экспериментов;
  • Опыт работы с Git, MLflow или другими аналогичными инструментами;
  • Способность самостоятельно вести полный цикл разработки ML-модели - от исследования данных до внедрения и оценки бизнес-эффекта.

Мы предлагаем:

  • Уникальный опыт, интересные задачи и проекты;
  • Применение инновационных технологий в работе;
  • Обучение и тренинги;
  • Конкурентная оплата труда в соответствии с международными стандартами.

Заинтересовала вакансия? Откликайся!

hh.ru
Зарплата не указанаРоссияКазаньСанкт-ПетербургУдалёнка
Локации (удалёнка):КазаньСанкт-Петербург

Удалённая работа — географически не привязана. Щёлкни по любой из локаций, чтобы открыть оригинальную карточку.

О компании

ООО «НейроЗрение Групп» — дочерняя компания ООО «Цифровая платформа КАМАЗ» и ООО «Университетская стартап-студия». Работает под общим брендом «КАМАЗ Диджитал». Компания находится в Набережных Челнах и разрабатывает систему промышленного компьютерного зрения «Оптера». Аккредитация ИТ-организации в процессе оформления.

«Оптера» анализирует видео с рабочих мест: потоки с камер (RTSP, API систем видеонаблюдения) и архивные записи. Основные функциональные блоки:

– анализ производительности: классификация действий по заданным категориям, фиксация простоев, лишних перемещений и выполнения технологических операций, диаграммы загрузки и маршрутов перемещений, выявление отклонений от рабочего процесса. Применяется в том числе для балансировки линий;

– эргономика: оценка рабочих поз по методике REBA, выявление рабочих мест с повышенной физической нагрузкой;

– охрана труда: контроль наличия средств индивидуальной защиты;

– работа с деталями: детекция и подсчёт, идентификация детали по фотографии с выдачей обозначения, чертежа и 3D-модели (веб-интерфейс и мобильное приложение), контроль качества лакокрасочного покрытия с привязкой к 3D-модели;

– оповещения о событиях и отклонениях на почту и в корпоративные мессенджеры.

Данные обрабатываются в обезличенном виде, без биометрии. Система разворачивается в закрытом контуре предприятия или в облаке и строится на отечественных и свободно распространяемых компонентах. Внешние системы подключаются через REST API. Решения проходят апробацию на производстве ПАО «КАМАЗ».

Развитие продукта

Концептуально «Оптера» должна стать частью единого контура цифрового производства «КАМАЗ Диджитал». Интеграция планируется к реализации, и её архитектуру предстоит выстроить техлиду:

– связка с MDC-системой «Сигнал» (мониторинг оборудования): сопоставление простоев оборудования с действиями персонала на тех же рабочих местах и в те же интервалы времени;

– связка с MES-системой «Пульс» (оперативное управление производством): привязка видеоаналитики к сменам, производственным заданиям и технологическим операциям, сравнение плана и факта;

– общая модель данных и единые справочники (участки, рабочие места, смены, операции), обмен событиями через брокер сообщений и REST API;

– слой интерпретации данных на базе ИИ поверх трёх систем: поиск первопричин потерь и подготовка рекомендаций по изменению участка.

Цель — единая картина по оборудованию, персоналу и производственным заданиям вместо трёх отдельных систем.

Мы ищем технического лидера, который возглавит разработку «Оптеры»: CV/ML-сервисы, серверную часть, веб-интерфейс и развёртывание. Продукт состоит из нескольких десятков сервисов на Python и Vue, работает на GPU и разворачивается в Kubernetes, в том числе в закрытом контуре заказчика на Astra Linux. Техлид отвечает за архитектуру, качество и сроки, растит команду и сам пишет код на ключевых участках. Подчинение — владельцу продукта.

Функциональные обязанности

– Руководство командой (CV/ML, backend, frontend, DevOps): роли, зоны ответственности, распределение задач.

– Найм: профиль вакансий, технические интервью, онбординг.

– Организация процесса: Scrum или Kanban, планирование спринтов и релизов, бэклог, демо и ретроспективы.

– Декомпозиция требований заказчика в задачи с критериями приёмки и оценкой трудоёмкости.

– Контроль сроков и качества: риски, блокеры, приёмка перед выпуском.

– Развитие команды: встречи один на один, обратная связь, планы развития, оценка результатов.

– Обмен знаниями: code review, технические разборы, документация решений.

– Согласование приоритетов и сроков со смежными командами, подрядчиками и заказчиками.

– Отчётность перед владельцем продукта: статус, загрузка, риски, потребность в ресурсах.

– Архитектура платформы: границы сервисов, контракты API и сообщений, схема данных, конвейер обработки многочасовых видео от приёма до отчёта, требования к производительности и отказоустойчивости.

– Технические решения по ML-контуру: выбор и замена моделей, путь от обучения до продакшн-инференса (ONNX, TensorRT), бюджет GPU и задержек, воспроизводимость экспериментов.

– Инженерные стандарты: code review, git-flow, тестирование, линтеры и типизация, CI/CD, наблюдаемость, разбор инцидентов, управление техническим долгом.

– Развёртывание у заказчиков: облако и закрытый контур без интернета, собственные реестры образов (Nexus, Harbor), сертифицированные ОС (Astra Linux).

Требования

Опыт и уровень:

– Коммерческая разработка от 6 лет, из них не менее 2 лет в роли техлида, тимлида или ведущего разработчика с командой от 4 человек.

– Опыт вывода в продакшн и сопровождения продукта.

– Опыт проектирования распределённой системы из нескольких сервисов с очередями и долгими фоновыми задачами.

– Готовность к командировкам на площадки заказчиков.

Технические компетенции:

– Python 3.11+ на уровне эксперта: asyncio, FastAPI, Pydantic, SQLAlchemy + Alembic, PostgreSQL, Redis.

– Очереди и фоновые задачи: RabbitMQ (или Kafka), Celery. Ретраи, идемпотентность, задачи, которые идут часами.

– Компьютерное зрение в продакшене будет плюсом: важно уметь принимать решения по ML-части и проверять работу CV-инженеров, но не обязательно самому обучать модели каждый день.

– Работа с видео: FFmpeg, OpenCV, RTSP, обработка больших файлов в S3-совместимом хранилище – как плюс

– Docker, Kubernetes и Helm на уровне понимания развёртывания: ресурсы и лимиты, GPU-узлы, обновления без простоя.

– CI/CD в GitLab, наблюдаемость (Prometheus, Grafana, Elastic APM), структурированное логирование.

– Безопасность: Keycloak, OAuth2/JWT, LDAP/AD заказчика, хранение секретов в Vault, ролевая модель доступа.

– Понимание frontend-части на уровне архитектуры и ревью: Vue 3, TypeScript, Vite.

Будет плюсом:

– Опыт развёртывания в закрытом контуре без интернета и на отечественных ОС (Astra Linux, РЕД ОС).

– Опыт подготовки ПО к включению в реестр российского ПО или к сертификации.

– Понимание открытых лицензий (MIT, Apache, GPL, AGPL, CC BY-NC, source-available) и их последствий для коммерческого продукта.

– MLOps: ClearML или MLflow, версионирование данных и моделей, разметка в CVAT.

– Векторные БД (Qdrant) и задачи поиска по эмбеддингам.

– Опыт в промышленности, MES или видеоаналитике: смены, техпроцессы, такт, балансировка линий.

– Опыт работы с LLM в продукте: слой интерпретации данных, RAG, агентные сценарии.

Стек: Python 3.11+, asyncio, FastAPI, Pydantic, SQLAlchemy, Alembic, PostgreSQL, Redis, RabbitMQ, Celery, S3, Qdrant, PyTorch, ultralytics, ONNX Runtime, TensorRT, CUDA, OpenCV, FFmpeg, ClearML, CVAT, Vue 3, TypeScript, Vite, Keycloak, Docker, Kubernetes, Helm, GitLab CI, Nexus, Harbor, Vault, Prometheus, Grafana, Elastic APM, Astra Linux, Яндекс.Облако.

Условия:

  • Ипотека, отсрочка, стабильность. Решайте важные жизненные вопросы с нашей поддержкой: ИТ-ипотека и отсрочка от службы для тех, кому это актуально.
  • Инвестиции в развитие. Компенсируем ваше обучение, английский (и не только), спортивные абонементы и билеты на конференции. Растите профессионально — мы поможем.
  • Социальная политика. Специальная программа поддержки в разных жизненных ситуациях, включая мамины дни, подарки детям работников при поступлении в первый класс и на Новый год.
  • Офис или удаленка. офисы в трех городах МСК, СПб и Набережные Челны или ваш собственный уютный домашний офис.
  • Встречаемся онлайн и офлайн. Наши активности — от классических викторин в офисе до киберспортивных баталий на удаленке — не дадут заскучать.

HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.