Данные и ML вакансии

Задачи: — Выявление производственных проблем и точек роста на основе данных; — Участие в обследовании производственных участков, выезды в цеха, изучение технологических процессов на месте; — Формализация производственных задач в цифровые кейсы: прогнозирование, классификация, детекция отклонений, контроль качества, оптимизация режимов; — Сбор, выгрузка, очистка и консолидация данных из производственных и корпоративных информационных систем; — Анализ данных технологических процессов, поиск закономерностей, факторов влияния и причин отклонений; — Разработка, обучение и валидация ML-моделей для прогнозирования, оптимизации и поддержки принятия решений; — Разработка и внедрение CV-решений; — Подготовка датасетов, разметка данных, организация процессов сбора и актуализации обучающих выборок; — Проверка гипотез, проведение пилотных проектов и оценка экономического эффекта; — Визуализация результатов анализа, подготовка отчетов и рекомендаций для производственных подразделений; — Взаимодействие с внутренними заказчиками, подрядчиками, интеграторами и смежными командами. Требования: — Практический опыт разработки и внедрения решений на базе ML; — Практический опыт разработки и внедрения решений на базе Computer Vision; — Опыт работы с производственными данными, временными рядами, журналами событий, технологическими параметрами; — Опыт полного цикла работы с данными: сбор, выгрузка, очистка, анализ, построение признаков, обучение моделей, внедрение; — Опыт проведения обследований производственных процессов и интервью с внутренними заказчиками; — Понимание специфики промышленного предприятия и готовность работать “в поле”; — Желателен опыт работы в металлургии, горнодобывающей промышленности, тяжелой промышленности, химическом производстве или энергетике; — Понимание технологических процессов агломерационного, коксового или доменного производства будет преимуществом; — Уверенное владение Python и библиотеками для ML/CV; — Знание методов регрессии, классификации, кластеризации, поиска аномалий, анализа временных рядов, оптимизации, глубокого обучения; — Опыт построения CV-моделей; — Опыт работы с SQL и промышленными базами данных (MES, ERP, SCADA, historians, лабораторные системы, систем АСУ ТП); — Понимание принципов интеграции моделей в промышленный ИТ-ландшафт; — Опыт работы с Docker, Git, MLOps-инфраструктурой; — Применение LLM в разработке решений; — Понимание производственных показателей: качество сырья и продукции, производительность, простои, расход топлива и энергоресурсов, стабильность технологических режимов, надежность оборудования; — Понимание причинно-следственных связей в производственном процессе и умение переводить экспертные знания технологов в аналитические модели; — Навык оценки экономического эффекта от цифровых инициатив: снижение потерь, снижение брака, снижение простоев, рост производительности, снижение расхода ресурсов. Условия: — ДМС, включая стоматологию; — Страхование жизни и страховка для путешественников; — Корпоративная мобильная связь; — Система скидок для сотрудников НЛМК ИТ; — Частичная компенсация питания в корпоративных столовых; — Возможность обучения за счет работодателя; — Активная корпоративная жизнь; — Поддержка от компании в жизненно важных событиях; — Бесплатный доступ к электронной библиотеке.

• Оценка целей бизнес задач, бизнес метрик, алгоритмов и методов машинного обучения, имеющихся и необходимых данных.

Задачи: — работа с live стратегиями на рынке perpetual derivatives. Требования: — опыт работы квант-трейдером на другом DEX или CEX. Условия: — зарплата $120-200k в год + performance bonus. Стек технологий: — Python — Rust — C++

• Сбор, очистка, разметка и предобработка данных (табличные, текстовые источники). • Разведочный анализ данных (EDA), формирование и проверка гипотез, feature engineering.

Задачи: — Обучать, тестировать и внедрять модели, которые обеспечивают рекомендации Peec AI для повышения видимости клиентов в AI-поиске. — Разрабатывать алгоритмы для извлечения практических инсайтов из поведения AI-поиска, создавая рекомендации, помогающие брендам увеличить видимость в AI Search. — Управлять полным жизненным циклом моделей от экспериментов до продакшн-развертывания, тесно сотрудничая с инженерной командой для интеграции ML-решений. — Проектировать и реализовывать конвейеры данных для приема, обработки и анализа больших объемов данных. Требования: — Опыт backend-разработки на Python с навыками создания API, конвейеров данных или ML-инфраструктуры. — Знание FastAPI, Docker и облачных платформ, предпочтительно GCP. — Глубокий интерес к работе LLM, умение анализировать поведение AI-поиска и превращать паттерны в продуктовые функции. — Опыт доведения проектов от исследований до продакшна в условиях стартапа с быстрым темпом, сильные навыки решения проблем и комфорт работы с неоднозначными задачами. — Отличные коммуникативные навыки для объяснения сложных технических концепций клиентам и заинтересованным сторонам. Плюсы: — Вклад в open-source проекты. — Развернутые побочные/хобби проекты. — Публикации на ведущих ML/AI конференциях. — Опыт создания компании или работы в быстрорастущем стартапе. — Владение Typescript. Условия: — Работа в быстрорастущем европейском стартапе на стадии Series A с реальным влиянием и ответственностью. — Регулярные командные мероприятия и выезды. — Агрессивный пакет акций. — Оплата ужина и Uber домой при работе допоздна. — Современный офис в Берлине. Ограничений по месту работы или формату удалённой работы в тексте не указано.

• Погрузиться в бизнес-домены банка, осмысленно преобразовывая потребности бизнеса в точные постановки задач для ML-моделей. • Языками Python и SQL.

- Придумывать новые подходы и алгоритмы, которые помогут растить долгосрочную выручку Авито; - Воплощать эти гипотезы в реальность, от проработки идеи до выкатки в production;

As an Associate Data Engineer at BeyondTrust, you will contribute to building and enhancing our data lake which currently consumes billions of events each day. Contribute to data modelling efforts that support identity security use cases and analytical requirements.

• Внедрять ML‑алгоритмы в ценообразование продуктов продвижения: дифференцированное и динамическое ценообразование. • Проводить ценовые тесты совместно с командой аналитики и подбирать метрики для офлайн/онлайн оценки.

Location: Anywhere; Europe, Middle East, Africa, Asia-Pacific (EMEA, APAC) Workplace: Remote ABOUT US Circle is building the world’s leading AI-powered, all-in-one platform for digital businesses. We make it possible for creators, coaches, educators, and businesses to bring together their audience with engaging discussions, live streams, events, chat, courses, and payments — all in one place, all under their own brand. We’re proud to be a fully remote company of around 270 (and growing!) team members from 30+ countries around the world. We seek exceptional individuals around the world, set them up to do the best work of their lives, and in turn, create a meaningful impact in their own lives. We don't track hours, but we do manage for high expectations very closely. We collaborate across time zones, are highly async, and like to document a lot. Twice a year, we bring the whole company together in beautiful places around the world for our company offsites. So far, we’ve hosted offsites in Turkey, Portugal, Mexico, Thailand, Colombia, Italy, Ireland, and more, with still more to come! Check out our Careers https://careers.circle.so/ page for more about working at Circle. ABOUT THE ROLE The AI Quality engineering team at Circle owns the foundation for measuring, diagnosing, and improving the quality of Circle's AI-powered features. This team focuses on building the infrastructure to measure, diagnose, and improve production AI systems, rather than ML research or model training. We're looking for a Lead Engineer to help us build out the evaluation frameworks, observability tooling, and diagnostic infrastructure that tell us whether our AI Agents are working well, where to improve them, and how to make them faster and more cost-efficient. This is a hands-on player-coach role. You’ll also lead and manage the AI Quality engineering team, with an ambitious and growing roadmap. If you're excited about making AI systems work reliably, efficiently, and at scale, this is for you. WHAT YOU'LL BE DOING - Build and own our evaluation infrastructure. Design the CI/CD pipelines, scorers, and datasets that tell us whether Circle's AI agents (planners, tool-callers, and sub-agents) are actually working, from a single tool call to a full multi-turn conversation. - Diagnose exactly where quality breaks down. Trace failures across the agent pipeline including plan creation vs. execution, tool selection, tool trajectory in complex areas like workflows, site builder, and analytics. Turn what you find into prototypes that solve the issue or identify priorities for AI core engineering can help. - Grow the datasets that make evaluation possible. Stand up annotation workflows and build out AI-generated and simulated conversations so we can cover more of the product faster than manual labeling alone. - Run structured experiments across prompts, models, and the agent harness. Evaluate new and open-source models against our production baseline, build the framework we use to decide when to shift models, and chase cost and latency wins through model swaps, caching, and routing by plan complexity. - Lead and grow the AI Quality engineering team. Set technical direction and manage day-to-day priorities, all while staying hands-on in the code yourself. - Partner closely with AI Core engineering. Work with the engineers building Circle's AI products so they have real confidence that their changes are actually improving quality, not just shipping. WHAT YOU'LL NEED TO BE SUCCESSFUL - 7+ years of experience building and shipping production software, ideally including LLM-powered agents that take real actions in a product. You've worked on complex, tool-using systems (multiple tools, planning or orchestration, sub-agents) not just simple, single-turn assistants, and you can walk us through something you shipped and how you knew it was actually working. - Comfortable in Ruby on Rails / Python or ready to pick them up quickly. Ruby on Rails is our production system and the foundation that Circle’s AI Agents are built on and proficiency in Python is a strong plus, especially for the data and evaluation side of the work. - Experience building evaluation or observability infrastructure for ML/AI systems. You've built eval pipelines, scorers, dashboards, or CI/CD for evals before and have experience with evaluation frameworks like Braintrust, LangSmith, or similar. - Experience designing datasets, annotation workflows, or labeling pipelines for ML/AI evaluation. You know how to turn raw examples into a dataset you can trust through human annotation, AI-generated data, or simulation. - Learn fast, experiment aggressively, and thrive in a highly dynamic environment. You’ll need to be comfortable running a lot of experiments and letting the results settle the argument, including the ones that don't work (which will be many of them in the beginning). - Comfortable in a fast-paced environment with ambiguity. You’ll need to learn and pick up new technologies when projects require it. - Strong alignment with our company values https://circle.so/careers. - You are proficient in English (spoken, written, and reading) at a CEFR Level C2 https://magoosh.com/english-speaking/english-proficiency-levels-a-guide-to-determining-your-level/ / ILR Level 5 https://www.govtilr.org/.   COMPENSATION & BENEFITS Circle offers U.S.-benchmarked compensation globally, equity in the company with ongoing refresh grants, and 35 days of paid time off each year. We’re a remote-only team that comes together twice a year for company retreats in incredible destinations around the world. Alongside incredible flexibility and autonomy, we offer a benefits package that supports health, wellbeing, and professional growth. Learn more in our Candidate Hub. https://circleco.notion.site/circle-candidate-hub LEARN MORE - Candidate Safety & Interview Process Notice https://app.notion.com/p/circleco/Circle-Candidate-Hub-374b655313b7803d9580fb7da4f51acf?source=copy_link#374b655313b780e5b681c4d56b962790 - Diversity, Equity & Inclusion https://app.notion.com/p/circleco/Circle-Candidate-Hub-374b655313b7803d9580fb7da4f51acf?source=copy_link#374b655313b7807a8e3ff5c25a1d93ba - How We Use Candidate Data https://app.notion.com/p/circleco/Circle-Candidate-Hub-374b655313b7803d9580fb7da4f51acf?source=copy_link#374b655313b780e49e98f390eec6bb51 - Equal Employment Opportunity https://app.notion.com/p/circleco/Circle-Candidate-Hub-374b655313b7803d9580fb7da4f51acf?source=copy_link#374b655313b7807a967dea67e68f31f0 - Visit our Candidate Hub https://circleco.notion.site/circle-candidate-hub to learn more about working at Circle, our benefits, and our hiring process.

Location: Global We are the creators of a new fintech era! Our mission is to change this world by making blockchain accessible to everyone in everyday life. WhiteBIT is a global team of over 1,200 professionals united by one mission — to shape the new world order in the Web3 era. Each of our employees is fully engaged in this transformative journey. We work on our blockchain platform, providing maximum transparency and security for more than 8 million users worldwide. Our breakthrough solutions, incredible speed of adaptation to market challenges, and technological superiority are the strengths that take us beyond ordinary companies. Our official partners include the National Football Team of Ukraine, FC Barcelona, Lifecell, FACEIT and VISA. The future of Web3 starts with you: Join us as an Quantitative Researcher. Requirements Education & Experience: — MSc or PhD in a quantitative field; a live trading track record outweighs credentials — 5+ years in quantitative research or trading at a top-tier HFT firm, market maker, systematic fund, or crypto-native market maker; exchange-side market-structure experience is a plus — Hands-on experience with at least one TradFi asset class (FX, futures, equities) and / or equivalent crypto asset classes; both maker and taker strategies Core Technical Skills: — Advanced probability, statistics, time-series analysis, optimization; strict validation discipline (multiple testing, out-of-sample hygiene, live–sim parity) — Market microstructure: order-book dynamics, queue position, fill probability, adverse selection and markouts, market impact — Expert Python (NumPy, pandas/Polars, PyTorch); working C++ or Rust for latency-critical components — Tick-data engineering at scale: columnar stores, cross-venue normalization, data-quality control Market Knowledge: — Crypto microstructure: CEX matching engines and fee schedules, perpetuals (funding, mark price, liquidation/ADL), cross-venue arbitrage, DEX/AMM basics — TradFi microstructure: FX ECN mechanics (firm vs last-look liquidity, prime brokerage), listed futures; low-latency architecture (tick-to-trade path, colocation, exchange protocols) — Inventory and hedging: quoting models of the Avellaneda–Stoikov class and extensions, multi-asset inventory optimization, hedging, settlement workflows, real-time risk limits and kill switches Exchange Microstructure & Mechanism Design: — Maker-taker economics and market-quality measurement: fee-tier and rebate architecture, per-segment elasticity, spread/depth/slippage/markout metrics, defenses against rebate farming and wash trading — Liquidity program design: obligation-based schemes (two-sided quoting, presence at touch, minimum depth, uptime) and incentive-based schemes (tiered rebates, credit lines, connectivity benefits) — Maker protection and flow segmentation: markout-based counterparty scoring, retail price improvement (RPI) order types, asymmetric speed bumps and latency floors, minimum quote life, self-match prevention — Exchange P&L modeling: net fee capture, subsidy budget and payback, LP unit economics from onboarding to self-sufficiency Mindset & Soft Skills: — Owner mentality with direct P&L accountability; ships to production and makes honest kill decisions — Clear written communication with traders, engineers, exchange management, and external LPs — Compliance discipline across crypto and TradFi market-abuse regimes. Responsibilities Responsibilities — Liquidity Program: — Design the program end-to-end: MM tiers, admission criteria, obligations (max spread, min depth, uptime, presence at touch), incentives, and graduation to subsidy-free self-sufficiency — Optimize the fee schedule for net capture: taker tiers priced to measured elasticity by segment; maker rebates funded from taker fees; safeguards against tier gaming — Design order-book mechanics for comfortable quoting: tick and lot sizing, post-only / iceberg / RPI order types, self-match prevention, minimum quote life, passive-liquidity protection options — Build the toxic-flow framework: markout-based flow classification, counterparty scoring, continuous monitoring, access rules or surcharges for consistently toxic takers — Own the program financial model and roadmap: subsidy budget with payback targets; phases bootstrap → organic profitability → self-sufficiency; a market-quality dashboard as the single source of truth Responsibilities — Trading Desc: — Own the strategy roadmap — crypto first, then TradFi FX and futures; design pricing, quoting, hedging, and execution as one portfolio — Run end-to-end alpha research on tick/order-book, cross-venue, funding/basis, and on-chain data — Design the inventory-aware hedging framework, portfolio risk limits, and parameter governance — Partner with engineering on low-latency implementation; validate in high-fidelity simulation and canary deployments — Own P&L attribution, TCA/markout analysis, and research standards — Lead the TradFi FX entry research workstream (LSEG FX Spot Matching, Euronext FX). Working terms Immerse yourself in Crypto & Web3:Master cutting-edge technologies and become an expert in the most innovative industry. Master cutting-edge technologies and become an expert in the most innovative industry. Work with the Fintech of the Future: Develop your skills in digital finance and shape the global market. Take Your Professionalism to the Next Level: Gain unique experience and be part of global transformations. Drive Innovations: Influence the industry and contribute to groundbreaking solutions. Join a Strong Team: Collaborate with top experts worldwide and grow alongside the best. Work-Life Balance & Well-being: Modern equipment. Comfortable working conditions, and an inspiring environment to help you thrive. 24 calendar days of paid leave. Additional days off for national holidays. With us, you’ll dive into the world of unique blockchain technologies, reshape the crypto landscape, and become an innovator in your field. If you’re ready to take on challenges and join our dynamic team, apply now and start a new chapter in your career! Let’s Build the Future Together! WhiteBIT offers all candidates an equal opportunity to join the team. All hiring decisions are made without regard to race, national origin, gender identity or sexual orientation, age, religion, disability, medical condition, marital status, familial status, veteran status, or any other legally protected characteristic of an individual.

🧩 Требования: глубокая экспертиза в одном из направлений — MLOps, Streaming или проектирование архитектуры хранилищ данных с нуля; от 4 лет коммерческого опыта в роли Data Engineer/ETL‑разработчика;

Задачи: — Разработка кросс-ассетных стратегий: поиск альфа-сигналов, построение и валидация математических и ML-моделей для прогнозирования движений рынка на различных горизонтах (от HFT до среднесрочных стратегий).

• Анализ требований: - Прием и анализ входящей документации от заказчиков.

Развитие и поддержка ML-инфраструктуры (Linux, Docker, Kubernetes, Python, GitLab CI, Git, Kubeflow, Prometheus, Grafana Airflow S3 / MinIO HelmPyTorch / TensorFlow Fine-tuning — LoRA, QLoRA, PEFT Дистилляция RAG,Hugging Face Quantization, ONNX, TensorRT). Интеграция LLM и других моделей в продакшн-окружение.

— Разработка поведенческих моделей для сегментов ФЛ по основным продуктам банка. — Знание основных алгоритмов и методов ML и анализа данных: линейные модели, ансамбли, временные ряды, классификация и кластеризация.

• Хорошее владение SQL и PL/SQL.

Задачи: — построение uplift-моделей по сегментам для разных групп — разработка uplift-моделей для различных номиналов промоакций с последующей оптимизацией — прогноз RFM — участие в проведении A/B тестов, расчет финансовых эффектов от внедрения моделей