СБЕР

ML Research Engineer (LLM, агенты, прогнозирование) (Python)

Мы делаем ML-продукт аналитики деятельности компаний, которые работают с зарубежными партнерами: он прогнозирует их валютные операции и предлагает подходящие продукты банка. Ищем инженера-исследователя, который проведет задачу от гипотезы…

СБЕР

Зарплата не указанаРоссияМоскваОфис

Мы делаем ML-продукт аналитики деятельности компаний, которые работают с зарубежными партнерами: он прогнозирует их валютные операции и предлагает подходящие продукты банка. Ищем инженера-исследователя, который проведет задачу от гипотезы до прототипа и передаст лучшее решение в разработку.

  • разбираться в задаче вместе с владельцем продукта и аналитиками: что нужно клиенту и какие ограничения у данных

  • быстро проверять гипотезы на данных, а не на интуиции: от постановки эксперимента до прототипа и демо для заказчика

  • выбирать подход под задачу: классический ML, временные ряды, LLM, RAG, агенты или их связку. Сравнивать варианты по качеству, устойчивости, стоимости, скорости и сложности вывода в продакшен

  • проектировать агентов поверх ML-моделей: какие у них инструменты и память, как они собирают контекст и проверяют ответы

  • передавать лучшее решение в разработку так, чтобы его легко было тиражировать.

  • опыт внедрения ML-решения с нуля до продакшена

  • python (pandas, numpy) и SQL, продвинутые навыки построения воспроизводимых пайплайнов

  • глубокие знания классического ML на табличных данных: бустинг, линейные модели, sklearn, отбор признаков. Навыки работы с PyTorch или аналогом и понимаете, когда DL дает выигрыш

  • рабата с LLM: промпты, RAG с эмбеддингами и reranking, tool calling, агенты.Знаете типичные сбои вроде галлюцинаций и умеете их ограничивать. оцениваете ответы и агентов целиком через golden set и LLM-as-a-judge, следите за регрессиями качества, latency и стоимостью вызова

  • умение строить A/B-тесты и офлайн-сравнения: гипотеза, выборки, бейзлайн, абляции, вывод «берем / не берем». Ведете эксперименты в MLflow или аналоге, версионируете данные и промпты

  • понимаете, когда хватает классического ML, когда нужна LLM

  • умеете коротко объяснить, что проверили, почему выбрали этот подход и какие риски остались.

Будет плюсом:

  • опыт в ВЭД: платежи, валютные потоки, внешнеторговые операции, продукты

  • сами строили AI-агентов и агентные системы.

  • комфортный современный офис г. Москва, Кутузовский 32

  • офисный формат работы

  • ежегодный пересмотр зарплаты, годовая премия

  • корпоративный спортзал и зоны отдыха

  • система обучения для профессионального и карьерного развития

  • расширенный полис ДМС с первого дня работы и страхование для семьи

  • программа ипотеки для сотрудников

  • подписка Прайм с возможностью совместного использования на трёх близких

  • вознаграждение за рекомендацию друзей в команду Сбера.

Похожие вакансии Data Science & ML

Соц.сети

Senior Data Scientist

Зарплата не указанаРоссияУдалёнка

📑 Вакансия Senior Data Scientist

Удаленно (РФ)

💎 •••••••• ищет Data Scientist. Задачи: анализ бизнес‐контекста, данных и инфраструктуры, поиск уязвимых мест и точек роста в бизнес‐процессах, тестирование ML‐подходов (классификация, кластеризация, uplift, ранжирование, нейросети), сравнение экспериментальных моделей с текущим решением, валидация моделей по офлайн‐метрикам, запуск лучшего решения в продакшн.

🧩 Требования: от 3 лет опыта в DS, опыт вывода моделей в прод, уверенный Python и продвинутый SQL, опыт в классическом ML (бустинги, регрессия, ранжирование, классификация), знание статистики, A/B‐тестов и основ оптимизации, умение презентовать сложные решения бизнесу, проактивность в поиске точек роста и новых идей. Будет плюсом: PySpark, техническое образование в топ‐10 вузе.

🌐 ••••••••

🔮 •••••••• — бесплатно постим IT-вакансии

hh.ru
вкусно — и точка

Data Scientist (Рекомендательные системы)

вкусно — и точкаАвтоподнятие
Зарплата не указанаРоссияМоскваГибрид

Основные задачи:

  • Разработка моделей для рекомендательных систем CVM

  • Рекомендация персональных предложений в мобильном приложении, рекомендации докупа в корзине, рекомендации в карточке товара

Наши пожелания:

  • Высшее образование
  • Навыки построения авторегрессионных моделей (семейство ARIMA, экспоненциальное сглаживание, Prophet и тд) и деревянных моделей (случайный лес, бустинги) в задачах прогнозирования
  • Высокий уровень Python, средний уровень SQL
  • Знание и опыт использования как классических рекомендательных алгоритмов (матричная факторизация), так и более продвинутых (бустинги, нейронные сети)
  • Умение работать с очисткой от выбросов, сглаживания временного ряда
  • Приветствуется опыт работы с нейронными сетями в задачах прогнозирования

Мы предлагаем:

  • Работу в компании с мировыми стандартами и легендарной историей
  • Оформление в ИТ аккредитованную компанию
  • Интересные задачи и профессиональное развитие
  • Конкурентоспособный социальный пакет
  • Гибридный формат работы

hh.ru
рнпк

DS\ML Инженер

рнпк
Зарплата не указанаРоссияМоскваГибрид
Обязанности:
  • Разработка и внедрение ML-моделей и пайплайнов для решения бизнес-задач (классификация документов, извлечение сущностей, поиск аномалий, RAG-системы).

  • Предобработка, очистка и анализ витрин данных из корпоративного хранилища данных (КХД) для обучения и использования моделей.

  • Интеграция ML-моделей и LLM (в т.ч. через API) в производственные системы и RPA-процессы.

  • Настройка и поддержка векторных баз данных и механизмов эмбеддинга для AI-агентов.

  • Мониторинг качества работы моделей в промышленной эксплуатации (контроль дрейфа данных, точности ответов).

Требования:

  • Высшее техническое (прикладная математика, компьютерные науки, анализ данных).
  • Уверенное знание Python и основных библиотек для работы с данными и ML.

  • Продвинутый уровень SQL и понимание принципов реляционных баз данных.

  • Понимание архитектуры современных LLM и практический опыт построения RAG-систем (работа с LangChain, LlamaIndex или аналогами).

  • Опыт создания и документирования REST API (например, на FastAPI или Flask) для развертывания моделей.

  • Опыт работы с векторными базами данных.

  • Практический опыт работы с российскими LLM или open-source моделями.

  • Знакомство с основами MLOps: Docker, базовые принципы CI/CD для ML, MLflow или аналоги.

  • Опыт работы с неструктурированными данными (текст, PDF, изображения) и OCR-технологиями.

  • Аналитический склад ума и здоровое любопытство к новым технологиям.

  • Умение работать в условиях неопределенности (когда данные "грязные", а требования размыты).

  • Способность объяснять ограничения и вероятностную природу ИИ не техническим специалистам.

Условия:
  • Прием на работу по трудовому договору;
  • Размер заработной платы по результатам собеседования;
  • Ежеквартальная и годовая премия;
  • ДМС (работник+члены семьи), страховка от НС и критических заболеваний;
  • Корпоративная мобильная связь;
  • График 5/2 (гибрид);
  • Собственный спортивный зал на территории.

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