Data Scientist
Мы развиваем внутренние цифровые продукты, которые помогают сотрудникам получать информацию, решать рабочие задачи и эффективнее взаимодействовать с сервисами банка. В числе наших продуктов — Раф, диалоговый агент-ассистент сотрудника, вну…
↑ Вакансия с автоподнятиемМы развиваем внутренние цифровые продукты, которые помогают сотрудникам получать информацию, решать рабочие задачи и эффективнее взаимодействовать с сервисами банка. В числе наших продуктов — Раф, диалоговый агент-ассистент сотрудника, внутренний поиск и другие пользовательские сценарии. Все они создают данные, на основе которых можно измерять качество продуктов, лучше понимать поведение сотрудников и находить новые задачи, которые Insider может помогать решать.
ML Engineer помогает превратить эти данные в работающие метрики, модели и продуктовые улучшения. В фокусе роли — оценка качества AI-систем и поиска, анализ пользовательского поведения, выявление новых jobs-to-be-done и разработка прикладных ML-решений.
Ключевые задачи
- Развивать систему оценки качества продуктов Insider (диалогового агента, поиска и других пользовательских сценариев).
- Определять измеримые критерии качества и переводить продуктовые ожидания в метрики, тестовые наборы и процедуры оценки.
- Организовывать сбор и подготовку данных из продуктовых событий, поисковых запросов, диалогов, действий агента, пользовательской обратной связи и экспертной разметки.
- Строить offline- и online-пайплайны расчета метрик, обеспечивать их воспроизводимость и сопоставимость между версиями продукта.
- Оценивать качество ответов и действий AI-агента (корректность, релевантность, выбор инструментов и успешность выполнения пользовательской задачи).
- Исследовать качество поиска (релевантность результатов, успешность поисковых сессий, переформулировки запросов, запросы без результатов и другие сигналы).
- Разрабатывать модели классификации, кластеризации, ранжирования, поиска аномалий и прогнозирования пользовательского поведения.
- Анализировать последовательности пользовательских действий, выделять типовые сценарии и сегменты пользователей.
- Находить неудовлетворенные потребности и новые jobs-to-be-done, которые могут стать основой для развития продуктов Insider.
- Разрабатывать автоматические модели оценки качества и классификации ошибок.
- Формировать эталонные и диагностические выборки, проектировать разметку и контролировать качество данных.
- Проводить анализ ошибок, находить причины изменения метрик и определять сценарии, требующие улучшения.
- Оценивать продуктовые и модельные изменения с помощью экспериментов, статистических методов и A/B-тестов.
- Создавать мониторинг качества после запуска (отслеживать деградации, изменения пользовательского поведения и появление новых классов ошибок).
- Интегрировать модели, метрики и пайплайны обработки данных в продуктовую и инженерную инфраструктуру команды.
- Вместе с Product Owner, аналитиками и инженерами формулировать гипотезы, определять критерии успеха и интерпретировать результаты исследований.
Экспертиза
- Коммерческий опыт работы ML Engineer или Data Scientist над прикладными ML-задачами.
- Уверенное знание классического машинного обучения (классификация, регрессия, кластеризация, ранжирование, методы отбора признаков и оценка моделей).
- Понимание статистики, дизайна экспериментов, доверительных интервалов и принципов A/B-тестирования.
- Опыт разработки метрик, тестовых наборов и пайплайнов оценки качества ML-систем.
- Опыт анализа продуктовых событий, пользовательских сценариев, логов или поискового поведения.
- Умение проводить анализ ошибок, выявлять смещения в данных и оценивать качество моделей по отдельным сегментам.
- Уверенное владение Python и основными библиотеками для анализа данных и машинного обучения.
- Знание SQL и опыт работы с большими наборами данных.
- Умение писать поддерживаемый и воспроизводимый код и покрывать критичную логику тестами.
- Опыт интеграции моделей или ML-пайплайнов в продуктовую среду.
- Умение понятно объяснять выбор метрик, ограничения оценки и результаты экспериментов инженерам и продуктовым партнерам.
- Интерес к исследованию пользовательского поведения и поиску новых продуктовых возможностей на основе данных.
Дополнительные навыки, которые мы ценим
- Опыт работы с поисковыми или рекомендательными системами, ранжированием, OpenSearch, векторным или гибридным поиском.
- Опыт оценки диалоговых систем, LLM-приложений, RAG или AI-агентов.
- Понимание специфики оценки агентных систем (качество отдельных действий, выбор инструментов, траектория выполнения и итоговый результат).
- Опыт построения автоматических оценщиков, включая ML-классификаторы и LLM-as-a-judge, а также проверки их согласованности с экспертной оценкой.
- Опыт построения моделей пользовательского поведения, сегментации, анализа последовательностей действий или выявления пользовательских намерений.
- Опыт организации экспертной разметки и оценки согласованности разметчиков.
- Опыт работы с MLOps (версионирование данных и моделей, воспроизводимые эксперименты, развертывание и мониторинг).
- Базовое понимание production-разработки, API, контейнеризации и облачной инфраструктуры.
Бенефиты для сотрудников
- Возможность работать из офиса или удаленно.
- ДМС со стоматологией, массажем, телемедициной, ежегодными чекапами, которое работает как в Москве, так и в регионах.
- Три оплачиваемых отгула в год.
- Страхование жизни в путешествиях, от несчастных случаев, болезней и критических заболеваний.
- Бесплатные индивидуальные консультации психологов, юристов, экспертов по личным финансам и консультантов по здоровому образу жизни.
- Поддержку опытного наставника, обучающие курсы для комфортной адаптации, помощь в развитии экспертизы со стороны профессиональных сообществ банка.
- Собственную ИТ-академию, участие в конференциях.
- Льготные условия по банковским продуктам и услугам.
- Скидки от партнеров банка в приложении PrimeZone в сферах здоровья, развлечений, творчества и интернет-покупок.
Похожие вакансии Data Science & ML
Привет! Мы команда разработки аппаратных проектов.
Мы делаем устройства, которые улучшают складские процессы в Озоне и ищем в свою команду CV инженера на проект "Разработка автоматических устройств измерения ОВХ товаров и постингов".
Вы будете
- Разрабатывать и поддерживать решения на основе компьютерного зрения для измерения габаритов товаров;
- Настраивать камеры и работать с SDK устройств;
- Разрабатывать микросервисы - Python, Docker;
- Проводить интеграции с внутренними системами заказчиков;
- Работать с ML моделями;
- Покрывать фичи тестами;
- Анализировать эффективность существующих решений, оценивать внедрение новых алгоритмов.
Нам важно
- Высшее образование (техническое, математическое);
- Знание Python 3;
- Навыки разработки качественного кода с применением паттернов ООП;
- Базовое знание теории алгоритмов и структур данных;
- Знание алгоритмов компьютерного зрения: классические и ML подходы;
- Знание git;
- Знание английского языка на уровне чтения технической литературы.
Будет плюсом
- Знание методов 3д реконструкции по фото и стерео зрения, основ проективной и эпиполярной геометрии, опыт работы с 3д облаками точек;
- Знание основных принципов и алгоритмов машинного обучения (регрессия, нейросети, градиентный спуск);
- Опыт применения алгоритмов детекции, классификации и сегментации изображений;
- Навыки разработки на C++;
- Опыт работы с БД и знание SQL;
- Опыт работы с web (бэкенд или фронтенд);
- Опыт написания качественных unit тестов.
X5 – ведущая российская продуктовая розничная компания, которая управляет магазинами нескольких торговых сетей: магазинами «у дома» «Пятёрочка», супермаркетами «Перекрёсток» и «жёсткими» дискаунтерами «Чижик». X5 занимает лидирующие позиции в e-commerce, цифровые бизнесы компании включают 5Post и X5 Digital.
Под управлением X5 находится более 30 тыс. магазинов (Пятерочка, Перекресток, Чижик), а также более 5 тыс. точек подключённых к программе франчайзинга под брендом «ОКОЛО».
X5 является одним из крупнейших российских работодателей. На сегодняшний день в компании работают 375 тыс. сотрудников. По итогам 2025 года Х5 вошла в топ-3 рейтинга лучших работодателей России по версии HeadHunter.
X5 Tech - IT-компания и основной цифровой партнер торговых сетей и бизнесов X5 Group. Команда из более 5000 специалистов разрабатывает решения, которые помогают 372 тысячам сотрудников группы работать с максимальным технологическим комфортом, а миллионам покупателей быстро и удобно покупать свежие продукты.
Мы команда, которая работает над задачами поиска и рекомендательных систем в компании.
Команде предстоит создавать модели по требованиям от внутренних бизнес-заказчиков, определять метрики и критерии успеха, обеспечивать жизненный цикл моделей. Глобальная задача для команды - повысить качество работы рекомендательных систем во всех бизнесах X5.
Чем предстоит заниматься:
- Участвовать в разработке моделей для продуктивной среды;
- Строить модели машинного обучения, улучшать качество;
- Писать код, проводить code-review;
- Предлагать способы оптимизации и совершенствования существующих инструментов.
Что ждем от кандидата:
- Знание Python;
- Опыт работы в рекомендательных системах/поиске;
- Опыт работы в роли mle/ds от 5ти лет;
- Знание теоретических и практических продвинутых методов машинного обучения;
- Знание SQL, знакомство с hadoop-стэком;
- Опыт работы с docker, kubernetes, pyspark, kafka, postgres, airflow;
- Наличие опыта вывода разработанных решений в прод.
Мы предлагаем:
- Официальное оформление с белой ЗП, ежеквартальные премии по результатам работы;
- Удобный офис с бесплатной парковкой на м. «Волгоградский проспект» / МЦД «Калитники». Офис БЦ Оазис
- Гибкий график работы (с 8/9/10 утра) / График работы: 5/2, с 9:00 до 18:15 (в пятницу — до 17:00);
- Возможность работать удалённо или в гибридном формате;
- Широкий пакет ДМС (включая выезд за рубеж и стоматологию), страхование жизни и здоровья;
- Возможность учиться и развиваться за счёт компании: внешние тренинги и семинары по профессиональным тематикам, участие в крупнейших конференциях страны, программы развития цифровых и управленческих навыков (Цифровая академия, Школа Тимлидов), онлайн и офлайн мастер-классы, корпоративный университет «X5 Полка», школа наставников и многое другое;
- Программы мотивации для спикеров и авторов: внутренняя школа Speak Up School, Write Up, ачивки и баллы за выступления, подготовка спикеров к крупнейшим конференциям страны, сообщество авторов на Хабре, возможность шерить опыт с комьюнити внутренних и внешних экспертов;
- Обмен опытом через cообщества: 12 технических комьюнити от java до devops;
- Яркая корпоративная жизнь с большим количеством мероприятий, конкурсов и возможностей для творческой реализации: регулярные внутренние митапы, демо-дни, открытые микрофоны, день IT-специалиста, программы волонтерства, корпоративное предпринимательство X5 Idea Challenge.
Присоединяйся к команде X5 Tech, чтобы создавать будущее ритейла вместе с нами!
Мы — команда, которая строит и развивает LLM-агентов для поддержки пользователей и внутренних бизнес-процессов. Делаем решения под ключ: от прототипов и экспериментов до промышленных сервисов с мониторингом качества, метриками и стабильной эксплуатацией.
Работаем на стыке ML/LLM и backend-разработки: проектируем пайплайны, интегрируемся с продуктами и инфраструктурой, строим RAG-системы и агентные сценарии, измеряем качество (precision/recall/F1, macro-F1), ведём эксперименты и улучшаем модели на данных. Используем Python, LangGraph/LangChain-подходы, Langfuse для наблюдаемости, Git и внутренние платформы хранения/обработки данных (в том числе YTsaurus), а также очереди и хранилища (Kafka/Redis).Задачи
- Разрабатывать и развивать LLM-агентов: сценарии, инструменты (tools), оркестрацию, память, маршрутизацию, обработку ошибок и fallback-логики
- Проектировать и внедрять RAG: индексация, эмбеддинги, ретриверы, ранжирование, чанкинг, оценка качества поиска и ответа
- Интегрировать агентные решения в прод: сервисы, API, взаимодействие с Kafka/Redis и другими компонентами инфраструктуры
- Настраивать наблюдаемость и контроль качества: логирование/трейсинг, Langfuse, дашборды, алерты, анализ деградаций
- Проводить офлайн/онлайн-оценку качества: считать precision/recall/F1/F1-macro, строить датасеты, проводить A/B или квазиэксперименты, формулировать гипотезы улучшений
- Участвовать в улучшении пайплайнов данных и экспериментов: подготовка данных, разметка/валидация, хранение и воспроизводимость
- Писать поддерживаемый код: ревью, тесты, документация, CI/CD, участие в архитектурных решениях
Требования
- Уверенный Python (проектирование модулей, типизация, тестирование, работа с API/сервисами)
- Практический опыт работы с LLM/agentic-подходами: промптинг, tool calling, цепочки/графы, управление контекстом, обработка галлюцинаций и ограничений моделей
- Понимание и опыт оценки качества: precision/recall/F1, macro-F1, построение датасетов и интерпретация метрик
- Опыт построения или внедрения RAG (retrieval, embeddings, индексация, ранжирование, чанкинг, оценка retrieval-качества)
- Опыт разработки и эксплуатации сервисов: REST/gRPC, асинхронность, логирование, мониторинг, работа с Git
- Понимание очередей/кешей/хранилищ (Kafka, Redis или аналоги), опыт интеграций
Будет плюсом
- Опыт с LangGraph/LangChain, Langfuse (трейсинг, промпт-менеджмент, датасеты, evaluation)
- Опыт с YTsaurus или другими распределёнными системами хранения/обработки данных
- Опыт low-code/конструкторов пайплайнов и быстрых прототипов, доведение их до production
- Знание подходов к ранжированию, rerank, hybrid search, query rewriting, guardrails/safety
- Опыт A/B-тестов, построения продуктовых метрик и причинно-следственного анализа
- Опыт работы с контейнеризацией и деплоем (Docker/K8s), CI/CD
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.