домклик

Data Scientist в команду RecSys

Домклик — единственный в России продукт, обеспечивающий полный цикл операций с недвижимостью. Доступен на всех популярных платформах (Web, iOS, Android). Решаем любые вопросы с недвижимостью, делая сложное простым, с заботой о каждом клиен…

домклик

Зарплата не указанаРоссияМоскваГибрид
Домклик — единственный в России продукт, обеспечивающий полный цикл операций с недвижимостью. Доступен на всех популярных платформах (Web, iOS, Android). Решаем любые вопросы с недвижимостью, делая сложное простым, с заботой о каждом клиенте. Мы ищем единомышленников, чтобы вместе помогать людям исполнять мечту о собственном жилье.

Чем предстоит заниматься:
  • решать продуктовые задачи с помощью ML: от постановки гипотезы и исследования данных до запуска решения в production и оценки бизнес-эффекта;
  • развивать ML-модели, влияющие на клиентский опыт и бизнес-метрики продукта. Работать с задачами рекомендаций, ранжирования, прогнозирования и персонализаци;
  • самостоятельно проводить исследования: понимать данные, искать точки роста, формулировать и проверять гипотезы;
  • проектировать эксперименты и оценивать эффект ML-решений — offline-метрики, A/B-тесты, продуктовые и бизнес-метрики;
  • вместе с продуктом и бизнесом определять, где применение ML действительно дает ценность, а где задача лучше решается другим способом;
  • доводить модели до промышленной эксплуатации совместно с ML/Backend-инженерами: продумывать требования к данным, inference, мониторингу и переобучению;
  • улучшать существующие подходы и при необходимости предлагать новые архитектуры и модели;
  • участвовать в развитии DS-практики команды: проводить ревью, делиться экспертизой и помогать принимать технические решения.

Мы ожидаем:
  • уверенное владение Python и стандартным DS/ML-стеком;
  • опыт построения рекомендательных систем: candidate generation, ranking/reranking, embeddings, two-tower модели;
  • хорошее понимание классического ML и умение выбирать подход под задачу, а не под любимую библиотеку;
  • опыт решения продуктовых ML-задач на реальных данных;
  • понимание устройства рекомендательных систем и/или ranking-задач;
  • умение работать с большими объемами данных и уверенное написание SQL-запросов.

Будет плюсом:

  • опыт применения LLM и foundation models внутри продуктовых ML-систем;
  • опыт работы с недвижимостью, маркетплейсами, классифайдами, e-commerce или другими продуктами с большим каталогом объектов.

Мы предлагаем:
  • работу в аккредитованной IT компании;
  • конкурентную заработную плату;
  • полис ДМС с первого месяца работы;
  • современную технику для работы;
  • корпоративный университет, онлайн-курсы для повышения квалификации, конференции, митапы;
  • фитнес-зал в здании офиса;
  • льготную программу ипотеки для сотрудников;
  • комфортный офис класса А в 5 минутах от станции метро и МЦК Кутузовская;
  • гибкое начало рабочего дня и возможность работать в гибридном или удаленном формате в пределах РФ.

Похожие вакансии Data Science & ML

Соц.сети

Senior Applied ML Engineer (Python)

Зарплата не указанаНе указана странаЛокация не указанаУдалёнка

#senior #удаленка

••••••••
Senior Applied ML Engineer (Python)
Опыт работы: более 6 лет
Полная занятость
График: 5/2
Формат работы: удалённо

☑️ Чем предстоит заниматься
-Разработка ML-моделей: прогнозирование вероятности покупки дополнительных услуг при разных ценах, оптимизация ценовых решений, построение нейросетевых моделей
-Экспериментальная методология: проектирование контролируемого исследования (controlled exploration) в допустимом диапазоне цен, правил рандомизации, вероятностей назначения ценовых вариантов и ограничений безопасности
-A/B-тестирование: дизайн контролируемых экспериментов для сравнения новой политики ценообразования с текущей, определение основных (primary) и защитных (guardrail) метрик, критериев остановки и условий развёртывания (rollout)
-Полный жизненный цикл машинного обучения: обучение, валидация, инференс, периодическое переобучение, версионирование моделей, цикл обратной связи между предсказаниями, решениями и фактическими результатами
-Разработка: реализация сквозного ML-прототипа, включая минимальные HTTP API, хранение данных и имитацию внешней системы бронирования
-Логирование и данные: корректная фиксация назначенных цен, экспериментальных вариантов, вероятностей назначения, фактов покупки и бизнес-метрик

☑️ Наши пожелания к кандидатам
-Уверенное владение Python, NumPy, pandas, scikit-learn, PyTorch или TensorFlow, а также C# для интеграции с бэкендом
-Опыт разработки, обучения и применения ML-моделей, включая нейронные сети, инженерию признаков (feature engineering) и работу с табличными данными
-Понимание математических основ машинного обучения, теории вероятностей, статистики, методов оптимизации и принципов A/B-тестирования
-Способность проектировать контролируемое исследование (controlled exploration), правила рандомизации, основные и защитные метрики для ценовых экспериментов
-Опыт организации полного жизненного цикла машинного обучения: обучение, валидация, инференс, переобучение, версионирование и обратная связь
-Уверенное владение SQL, PostgreSQL, Git, Docker и навыки разработки Python-приложений с автотестами

Будет плюсом:
-Опыт в динамическом ценообразовании и оптимизации выручки (revenue optimization): прогнозирование спроса, ценовая эластичность, готовность платить
-Знакомство с продвинутыми методами причинно-следственного анализа (causal inference) и последовательного принятия решений (sequential decision making): контекстные многорукие бандиты (contextual bandits), off-policy evaluation, IPW, doubly robust estimation
-Знакомство с MLOps-инструментами (MLflow, оркестрация, мониторинг моделей) и опыт эксплуатации ML-сервисов
-Опыт работы в авиационной отрасли, электронной коммерции или управлении доходами (revenue management)

Контакты: ••••••••

Python Job •••••••• | •••••••• | ••••••••

hh.ru
tenzor soft

AI Engineer

tenzor soft
200–700 $ (≈ 16k–58k ₽)УзбекистанТашкентОфис

Asosiy vazifalar:
• AI modellarning dastlabki versiyalarini ishlab chiqish va test qilish (Scikit-learn, PyTorch yoki TensorFlow)
• Tayyor (Pre-trained) modellarni ishlatish, parametrlarni qayta sozlash, fine-tuning qilish.
• Datasetlar, BigData yig‘ish, tozalash va tayyorlash (Pandas, NumPy orqali)
• Modelni API orqali integratsiya qilishga yordam berish (FastAPI yoki Flask)
• Kodni toza, tartibli va GitHub orqali boshqarish

Talab qilinadigan bilim va ko‘nikmalar:

Asosiy:
• Python dasturlash tilini yaxshi bilish
• Deep Learning kutubxonalari: PyTorch, TensorFlow, Keras
• NLP yoki Computer Vision bo‘yicha asosiy bilimlar
• GitHub va version control tizimlari bilan ishlash
• REST API yaratish (FastAPI yoki Flask)
• Kaggle loyihalarida qatnashgan yoki shaxsiy ML loyihalari bo‘lgan

Afzalliklar (bo‘lsa plus):
- Prompt Engineering.
- Speech-To-Text va Text-To-Speech modellar bilan ishlash
- n8n platformasi bilan ishlash
- Langchain, Langgraph frameworklari bilan ishlash

Другие площадки
джетлин

Machine Learning Engineer (Generative AI / Computer Vision)

джетлинАвтоподнятие
162k–365k ₽Не указана странаЛокация не указанаУдалёнка

Мы запускаем ИИ-инкубатор в Лемана ПРО, чтобы проверять смелые гипотезы и создавать продукты будущего. В рамках одного из ключевых Proof of Concept (PoC) мы ищем специалиста, который разработает модели для генерации изображений, дизайн-проектов и визуализаций готовых решений на основе ассортимента товаров Лемана ПРО.

Это возможность работать на стыке Computer Vision и Generative AI, превращая идеи в работающие прототипы, которые в перспективе изменят клиентский опыт в сфере ремонта и обустройства дома.


Чем предстоит заниматься (Задачи)

  • Разрабатывать и исследовать ML-модели для генерации изображений и визуализации интерьерных/строительных решений на основе товаров Лемана ПРО.

  • Проектировать и реализовывать end-to-end пайплайны для PoC: от сбора и подготовки данных до обучения, оценки и демонстрации результатов.

  • Создавать и поддерживать фреймворки для оценки качества (evals) генеративных моделей и LLM-систем (контроль галлюцинаций, метрики качества генерации).

  • Писать чистый, поддерживаемый production-ready код: модульная архитектура, unit-тесты, логирование, документация, code review.

  • Оптимизировать инференс моделей (стоимость, latency, масштабируемость), работать с GPU-инфраструктурой.

  • Обеспечивать информационную безопасность: контроль рисков prompt injection, защита персональных данных (PII) и корректное управление правами доступа в агентных системах.

  • Тесно взаимодействовать с командой продукта и другими ML-специалистами для валидации бизнес-гипотез и дизайна A/B-тестов.

Наши ожидания (Требования)

Фундаментальная база:

  • Глубокое понимание принципов машинного обучения: подготовка данных и feature engineering, выбор архитектур, регуляризация, борьба с переобучением и data leakage, интерпретация результатов.

  • Уверенные знания математической статистики: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов.

  • Понимание принципов оценки качества ML-систем: offline/online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных (data drift).

Технический стек и разработка:

  • Уверенное владение Python и экосистемой: pandas / polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch (или аналоги).

  • Уверенное владение SQL для работы с большими объемами данных.

  • Навык написания production-кода: модульность, тестирование, логирование, Git, опыт участия в code review.

Специализация (опыт работы хотя бы в одном из направлений, приоритетно CV/GenAI):

  • Computer Vision и генеративный AI (генерация изображений, NeRF, 3D-реконструкция или аналогичные задачи).

  • NLP, LLM и построение RAG-систем.

  • Рекомендательные системы, поиск и ранжирование.

  • Классическое машинное обучение или прогнозирование временных рядов.

Генеративный AI и LLM (важно для текущего PoC):

  • Опыт построения evals для LLM-систем, оценки качества ответов и мониторинга поведения системы.

  • Понимание рисков безопасности: prompt injection, некорректный tool calling, утечки данных.

  • Опыт работы с API языковых моделей, Hugging Face и orchestration-фреймворками (LangChain, LlamaIndex или аналоги).

  • Опыт fine-tuning или адаптации LLM (LoRA / PEFT).

  • Понимание принципов проектирования AI-агентов: управление состоянием (state management), выбор инструментов, контроль автономности и human-in-the-loop.

Инфраструктура и MLOps:

  • Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.

  • Опыт эксплуатации GPU-инфраструктуры и оптимизации инференса (квантование, ONNX, TensorRT и т.д.).

  • Понимание принципов информационной безопасности, privacy и работы с персональными данными.

  • Опыт работы в e-commerce, retail или других продуктовых highload-системах будет значительным преимуществом.

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