Н

Middle/Senior/Lead ML-инженер (Python)

ID 3978 — Middle/Senior/Lead ML-инженер

Неизвестный работодатель

Зарплата не указанаРоссияУдалёнка

ID 3978 — Middle/Senior/Lead ML-инженер

🌍 Локация: РФ
💼 Удаленно
🕔 Занятость: фулл тайм

💡 Требования:
Python (pandas, numpy, scikit-learn); PyTorch/TensorFlow; обработка данных и feature engineering; SQL; Docker; REST/gRPC для inference; MLflow; Git; облачные/ on-prem среды.

📋Задачи:
Подготовка данных и признаков, обучение, валидация и вывод моделей в промышленную эксплуатацию (inference), контроль метрик качества и переобучение.

📨 Отклик — через форму: •••••••• или напрямую рекрутеру: ••••••••

❗️Откликайтесь только при релевантном опыте.

❗️При первичном отклике:
ID вакансии / ФИО / локация / возраст / занятость (работаете/нет) / формат работы (удаленка, гибрид, офис) / стек / опыт / резюме / сверка с требованиями

❗️Повторный отклик: ID вакансии + сверка.

#ML #Удаленно #вакансия

Похожие вакансии Data Science & ML

Соц.сети

Senior Python+LLM

Неизвестный работодатель
Зарплата не указанаРоссияУдалёнка

ID 3993 - Senior python+LLM

🌍 Локация: РФ
💼 Удаленно
🕔 Занятость: фулл тайм

💡 Требования:
Python 5+ лет, продвинутый: ООП, типизация (mypy/pydantic), асинхронность (asyncio), pytest, профилирование.
Проектирование API: FastAPI (или Flask), REST, валидация, обработка ошибок, идемпотентность.
Git, code review, CI/CD (GitHub Actions/GitLab CI), Docker; Kubernetes - плюс.
Работа с БД: PostgreSQL (SQL уверенно), Redis; понимание индексов и транзакций.
Очереди/брокеры: Kafka или RabbitMQ - практический опыт.
Написание документации и поддержка кода в проде (логи, метрики, алерты).

LLM - практика в проде:
RAG end-to-end: чанкинг, эмбеддинги, векторные БД (Qdrant/Milvus/pgvector/FAISS), гибридный поиск (BM25 + вектор), реранкеры.
Промпт-инжиниринг и управление контекстом: шаблоны, few-shot, structured output (JSON Schema/Pydantic), анти-галлюцинационные меры.
Tool calling / function calling, агентные паттерны (ReAct, router/supervisor), LangChain/LangGraph или аналоги.
Fine-tuning LLM: LoRA/QLoRA, instruction tuning, подготовка датасетов; опыт с HF Transformers.
Оценка качества LLM: offline/online-метрики, human-eval, A/B, LLM-as-judge, регрессионные бенчмарки.
Понимание стоимости и latency LLM: кэширование, батчинг, выбор модели, токен-бюджет.

ML - прикладной уровень:
scikit-learn, PyTorch (или TF): обучение, валидация, кросс-валидация, метрики (precision/recall/F1, ROC-AUC).
NLP-база: токенизация, эмбеддинги, классификация, NER; HF Transformers.
Понимание переобучения, дисбаланса классов, утечек данных, калибровки вероятностей.
MLflow (или аналог): трекинг экспериментов, версионирование моделей.
Деплой моделей: инференс-сервис, батч/онлайн, мониторинг дрейфа - базово.

Архитектура и процесс:
Опыт самостоятельных архитектурных решений и ведения задач end-to-end (постановка → прод).
Оценка сложности, декомпозиция, code review, менторство джунов/мидлов.
Работа с продуктом/бизнесом: перевод требований в технические решения, измеримый эффект.

➕Будет плюсом (nice)
Kubernetes, Helm, GPU-инференс (vLLM/TGI), Triton.
Векторные БД в проде (Milvus/Qdrant/Weaviate), OpenSearch/Elastic.
Мультиагентные системы, LangGraph, AutoGen.
Guardrails, PII-маскирование, безопасность LLM (prompt injection).
Опыт с open-source LLM (Qwen/LLaMA/Mistral) и квантизацией.
Airflow/Spark, дата-пайплайны.
Английский B2+ (чтение доков, коммуникация).

📨 Отклик — через форму: •••••••• или напрямую рекрутеру ••••••••

❗️Откликайтесь только при релевантном опыте.

❗️При первичном отклике:
ID вакансии / ФИО / локация / возраст / занятость (работаете/нет) / формат работы (удаленка, гибрид, офис) / стек / опыт / резюме / сверка с требованиями

❗️Повторный отклик: ID вакансии + сверка.

#Python #Удаленно #вакансия

Соц.сети

Junior/Middle/Senior/Lead Data Science

Неизвестный работодатель
Зарплата не указанаРоссияУдалёнка

ID 3980 — Junior/Middle/Senior/Lead Data Science

🌍 Локация: РФ
💼 Удаленно
🕔 Занятость: фулл тайм

💡 Требования:
Python (pandas, numpy, scikit-learn, statsmodels); ML/DL (PyTorch/TF); математическая статистика; SQL; визуализация (matplotlib/plotly); Jupyter; A/B-тесты; big data (Spark) — по уровню.

📋Задачи:
Исследование данных, формулирование и проверка гипотез, разработка моделей ML/DL, оценка эффекта, подготовка аналитических выводов.

📨 Отклик — через форму: •••••••• или напрямую рекрутеру: ••••••••

❗️Откликайтесь только при релевантном опыте.

❗️При первичном отклике:
ID вакансии / ФИО / локация / возраст / занятость (работаете/нет) / формат работы (удаленка, гибрид, офис) / стек / опыт / резюме / сверка с требованиями

❗️Повторный отклик: ID вакансии + сверка.

#Data #Scientist #Удаленно #вакансия

hh.ru
гку инфогород
Зарплата не указанаРоссияМоскваГибрид

Департамент информационных технологий Москвы создает и развивает цифровые проекты, которые делают столицу комфортнее, а жизнь горожан — удобнее и мобильнее. Для системы управления столицей технологии — это незаменимый инструмент, который применяется во всех отраслях экономики, городского хозяйства и социальной сферы. А для миллионов горожан — повседневный помощник, который позволяет получать сотни услуг и сервисов в удобном цифровом формате в режиме 24/7.

Что нужно делать:

  • проектировать и внедрять решения на базе существующих бизнесс потребностей в масштабируемую мультисервисную архитектуру с использованием Python (FastAPI), Kubernetes, Docker, gRPC/REST, Kafka/RabbitMQ и CI/CD (GitLab CI, ArgoCD)
  • анализировать текущие подходы и разработка новых методов автоматизации прикладных задач с применением Python, NumPy/Pandas, а также фреймворков машинного обучения (PyTorch, scikit-learn) и инструментов обработки данных (Spark, Airflow)
  • разрабатывать аналитические инструменты и сервисы обработки данных, включая построение пайплайнов (ETL/ELT), визуализацию (Superset, Grafana) и сервисы анализа на основе Python, SQL и распределённых систем хранения (ClickHouse, PostgreSQL, S3)
  • разрабатывать, обучать, оптимизировать и внедрять модели машинного обучения и LLM-агентов с использованием PyTorch, Hugging Face Transformers, vLLM, TensorRT, включая задачи инференса, RAG (FAISS, Qdrant), prompt engineering и оптимизации (квантование, batching, KV-cache)
  • вести техническую документацию по задачам и решениям (архитектура, API, пайплайны, модели) с использованием Markdown, Confluence, Swagger/OpenAPI и поддержание её актуальности в рамках CI/CD процессов

Какие знания и навыки важны:

  • высшее образование (магистратура/специалитет) в области Computer Science, Data Science, прикладной математики, ИТ или смежных дисциплин
  • опыт работы от 3 лет в разработке программных решений, анализе данных или машинном обучении
  • опыт работы с мультисервисными и масштабируемыми архитектурами (микросервисы, Kubernetes, облачные решения)

Технические навыки:

  • уверенное владение Python (основные библиотеки: pandas, numpy, scikit-learn, TensorFlow/PyTorch)
  • опыт разработки backend-сервисов (FastAPI/Flask), проектирование REST/gRPC API
  • опыт построения и эксплуатации LLM-инференса (vLLM, SGLang, Triton, HuggingFace Inference) и оптимизации (квантование, batching, latency)
  • уверенное владение SQL
  • (Greenplum, Hive)
  • опыт работы с системами очередей и стриминга данных (Kafka, RabbitMQ)
  • опыт разработки и внедрения ML-моделей (классические алгоритмы, нейросети, ансамбли) или LLM-агентов (RAG, fine-tuning, LangGraph, LlamaIndex)
  • практический опыт разработки, деплоя и эксплуатации сервисов в Kubernetes
  • знание методов автоматизированного анализа данных (Feature Engineering, AutoML, оптимизация гиперпараметров)
  • умение проектировать и разрабатывать аналитические инструменты (Dash, Streamlit, BI-системы: Tableau, Power BI)
  • понимание принципов распределённых систем и работы с большими данными (SQL/NoSQL, Spark, Dask, Airflow)
  • опыт работы с GitLab CI / ArgoCD, Docker, Git
  • аналитические и управленческие навыки
  • умение формализовать и декомпозировать задачи, оценивать сложность и приоритезировать решения
  • навыки работы с документацией (технические спецификации, архитектурные схемы, отчеты).
  • ведение архитектурной и технической документации (API, сервисы, пайплайны, модели; Swagger, Confluence)
  • опыт взаимодействия с заказчиками и смежными командами (аналитики, инженеры, разработчики, DevOps)

Личные качества:

  • системное мышление – способность видеть взаимосвязи в сложных системах
  • самостоятельность – умение работать с минимальным контролем
  • критическое мышление – анализ эффективности решений, поиск оптимизаций
  • коммуникабельность – чёткое изложение идей, аргументация решений

Будет плюсом:

участие в open-source проектах или научные публикации в области ML/AI

Что предлагаем:

  • официальное трудоустройство в аккредитованную ИТ-компанию
  • график работы гибрид 5/2
  • ежегодное премирование по результатам работы
  • материальную помощь в случае важных событий в жизни
  • корпоративное обучение и доступ к онлайн-библиотеке
  • скидки от партнеров на ДМС, связь, развлечения, подарки, спорт и т.д.
  • корпоративные тренировки и спортивные активности - бег, футбол, волейбол, баскетбол, теннис и другие

  • Стань частью команды ДИТ Москвы и воплощай в жизнь цифровые проекты столицы!

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