Данные и ML вакансии - гибрид

Задачи: — Сбор, обработка и анализ данных Яндекс.Метрики и внутренних систем. — Создание ETL-пайплайнов, витрин данных и регулярной отчётности. — Разработка парсеров и интеграций с внешними API. — Построение классических ML-моделей для целей аналитики. — Создание аналитических ИИ-агентов. — Контроль качества, полноты и актуальности данных. — Поддержка аналитических сервисов и автоматизированных отчётов. Требования: — Высшее образование (техническое, математическое). — Уверенное знание SQL и Python. — Практический опыт работы с ClickHouse. — Опыт работы с Яндекс.Метрикой, включая API и Logs API. — Опыт разработки ETL-пайплайнов. — Опыт написания веб-парсеров и интеграций с API. — Понимание аналитических метрик и принципов построения витрин данных. — Опыт создания ИИ-агентов или LLM-интеграций. Будет преимуществом: — Знание Airflow и других инструментов оркестрации. — Docker, PM2, FastAPI. — Redash, Superset, DataHub. — Selenium и автоматизация работы с веб-интерфейсами. — PostgreSQL, Redis, Qdrant. — RAG, MCP и работа с LLM API. — Опыт работы с большими объемами медиаданных. Условия: — График работы: 5/2, гибрид. — Оформление по трудовому договору. — Стабильность и прозрачность в отношении заработной платы. — Испытательный срок 3 месяца. — По окончании испытательного срока возможность подключения к программе добровольного медицинского страхования и другим опциям социальной политики. — Работа в бизнес-центре класса А с развитой инфраструктурой (офис в 5 минутах от м. «Маяковская», кафе и магазины, зоны отдыха внутри здания).

Задачи: — Возглавлять команду Data Scientists, участвовать в найме, онбординге и развитии сотрудников; — Обеспечивать операционную деятельность: дейли-митинги, спринт-планирование, ретроспективы, демо; — Формировать и развивать бэклог задач, определять приоритетные бизнес-задачи и оценивать ценность решений; — Выстраивать кросс-функциональное взаимодействие с Data Engineering, MLOps и бизнес-подразделениями, договариваться о приоритетах и ресурсах; — Отвечать за полный жизненный цикл моделей: сбор данных, разметка, обучение, валидация, деплой, мониторинг; — Руководить проектированием и внедрением решений; — Обеспечивать разработку, валидацию и мониторинг моделей, включая стандарты, политики и документооборот; — Проводить архитектурные ревью, задавать стандарты качества кода и документации; — Принимать участие в написании production-кода; — Контролировать соблюдение сроков и качества результатов; — Переводить бизнес-проблемы в технические задачи, формулировать гипотезы, определять метрики успеха и критерии приемки; — Презентовать результаты и влияние моделей бизнес-заказчикам, защищать метрики качества; — Отвечать за разработку и согласование единых стандартов разработки моделей внутри подразделения. Требования: — Высшее техническое образование в области прикладной математики, информатики, компьютерных наук или смежных дисциплин; — Совокупный опыт в Data Science и машинном обучении от 5 лет; — Управленческий стаж минимум 2 года на позиции тимлида или руководителя ML-подразделения с прямым подчинением инженеров и дата-сайентистов; — Успешная реализация комплексных проектов полного цикла с выводом в промышленную эксплуатацию; — Опыт внедрения моделей в production и построения системы мониторинга их качества; — Глубокое владение Python и SQL; — Практика работы с пайплайнами оркестрации (Airflow), распределённой обработкой данных (Spark), контейнеризацией (Docker) и системами контроля версий (Git); — Опыт работы с большими данными в среде S3/Hadoop и аналитическими СУБД ClickHouse, Greenplum; — Уверенное знание классического ML-стека: градиентный бустинг, линейные алгоритмы, а также специализированные подходы — uplift-моделирование и антифрод-системы; — Навыки декомпозиции сложных задач, распределения нагрузки, контроля сроков и качества delivery; — Навыки эффективного взаимодействия с бизнес-заказчиками и смежными командами (Data Engineering, MLOps, Product); — Владение инструментами командной работы Jira и Confluence. Условия: — Конкурентоспособная заработная плата, ориентированная на ожидания и квалификацию кандидатов; — ДМС со стоматологией, корпоративное обучение; — Офис/гибридный формат работы в Москве (Москва-Сити); — Современные технологии и подходы к ведению проектов; — Работа в аккредитованной IT-компании.

Задачи: — Развитие рекомендательной системы на сайте kommersant.ru. — Создание и поддержка RAG-систем и ИИ-агентов (база знаний, умный поиск). — Оценка качества моделей, рекомендаций и ответов LLM. — Мониторинг качества, скорости и стоимости ML/LLM-сервисов. — Проведение A/B-тестов и анализ результатов. Требования: — Высшее образование (техническое, математическое или IT-направление). — Опыт работы в Data Science от 3 лет. — Уверенное знание Python и SQL. — Знание классического ML, статистики и продуктовых метрик. — Опыт разработки рекомендательных систем, общее понимание видов архитектур. — Знание RAG и опыт проектирования RAG-архитектур. — Опыт работы с LLM, эмбеддингами и векторными базами данных. — Умение превращать прототипы в стабильные production-сервисы. Будет преимуществом: — Опыт работы с LightRAG, GraphRAG или другими графовыми RAG-подходами. — Знание Qdrant, ClickHouse, PostgreSQL, Redis. — FastAPI, Docker. — Опыт создания систем оценки LLM и работы с несколькими провайдерами моделей. — Опыт разработки ИИ-агентов и MCP-интеграций. — Опыт работы с медиаконтентом и рекомендательными системами для издателей. Условия: — График работы: 5/2, гибрид. — Оформление по трудовому договору. — Стабильность и прозрачность в отношении заработной платы. — Испытательный срок 3 месяца с возможностью подключения к программе добровольного медицинского страхования и другим опциям социальной политики. — Обеспечение необходимым техническим оборудованием (ноутбук). — Работа в бизнес-центре класса А с развитой инфраструктурой (офис в 5 минутах от м. «Маяковская», кафе и магазины, зоны отдыха внутри здания).

Задачи: - Сбор требований с бизнес-заказчиков и анализ источников данных - Разработка, реализация и поддержка типовых потоковых интеграционных решений на стеке технологий: Trino, Iceberg, S3, Spark, Apache Airflow, Kafka, Cosmos, Flink - Оперативное реагирование на информацию о проблемах в зоне ответственности, выполнение типовых задач в установленный срок - Поддержание в актуальном состоянии документации типовых интеграционных решений платформы больших данных, предоставление отчетности руководителю Требования: - Общее представление о стеке технологий Lakehouse - Понимание различия работы между BigData/Lakehouse и с данными обычного размера - Знание SQL (индексы, функции, оптимизация, профилирование производительности) - Опыт работы с любой реляционной БД (Oracle, Postgres, MySQL, MsSQL, DB2 и т.п.) - Умение работать с Git (знание команд git pull/commit/push) - Опыт работы с DBT, Cosmos - Представление о работе с Trino - Понимание устройства Iceberg, форматов данных - Понимание работы с minio или любого другого хранилища на основе S3 - Опыт использования систем ведения проектов и документации - Знания основ программирования (JAVA, Python)

Компания "Урал Логистика" приглашает ML-инженера для участия в создании системы обработки документов и данных для грузовых железнодорожных перевозок. Задачи: — Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку — Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения — Создавать baseline для задач извлечения, классификации, определения сущностей и связей — Дообучать модели, готовить инструктивные наборы, обучать адаптеры и сравнивать результаты с базовыми моделями — Определять метрики, стратифицировать выборки и анализировать ошибки по типам документов, сценариям и полям — Работать с извлечением сущностей и связей для построения и обновления графового представления данных — Разворачивать локальный inference и оптимизировать его под доступную инфраструктуру — Работать с tensor parallelism, batching, длиной контекста, GPU-памятью и квантованием — Измерять задержку, пропускную способность, утилизацию и стоимость обработки документа — Версионировать данные, модели, конфигурации обучения и результаты экспериментов — Участвовать в интеграции моделей с прикладными AI-сервисами и production-конвейерами Требования: — Уровень middle+ и выше — Практический опыт построения ML-конвейеров, используемых в production — Уверенное владение Python, PyTorch и Hugging Face Transformers — Опыт fine-tuning языковых моделей, подготовки данных и работы с PEFT — Умение строить корректную оценку качества и контролировать утечки между обучающими и тестовыми данными — Опыт локального inference LLM и понимание устройства GPU-памяти — Знание компромиссов между качеством, скоростью, длиной контекста, batching и квантованием — Знание Linux, CUDA, SQL, Docker и Kubernetes — Способность довести модельное решение до устойчивой эксплуатации Условия: — Полная занятость — Возможность трудоустройства через российское юридическое лицо в штат или через согласованную аутстафф-модель — Основной формат — офис или гибрид — Для самостоятельных специалистов возможна распределённая работа из России — Итоговый грейд и масштаб ответственности определяются по результатам собеседования

Задачи: — Развивать ML-решения для рекламной монетизации, персонализации и рекомендаций — Вести и менторить Data Science-команду — Формировать Data Science-направление, roadmap и технические стандарты команды — Кросс-функциональная работа с Product, Engineering, Analytics и Ad Monetization Требования: — 5+ лет опыта в Data Science, желательно в consumer mobile-продуктах — Опыт в advertising monetization, revenue optimization или advertising analytics — Опыт разработки recommendation, personalization или ranking systems — Сильные навыки Python и SQL — Практический опыт с ML: classification, regression, ranking, forecasting, predictive modeling — Понимание A/B-тестирования, applied statistics и работы с большими behavioral datasets — Опыт технического лидерства или менторинга Data Scientists Условия: — Гибридный формат работы (удаленка с обязательным посещением офиса время от времени) — Локация офиса: Лимассол, Варшава — Занятость: Full-time

Задачи: — Руководство и наставничество в командах Data Science Требования: — Опыт работы в Data Science не менее 5 лет, предпочтительно в мобильных потребительских продуктах — Глубокие знания в области монетизации рекламы, оптимизации доходов или аналитики рекламы — Опыт работы с системами рекомендаций, персонализации или ранжирования — Продвинутые навыки Python и SQL — Экспертиза в машинном обучении, предиктивном моделировании, прогнозировании и прикладной статистике — Опыт работы с большими поведенческими наборами данных — Опыт руководства или наставничества в командах Data Science — Родной русский язык Будет преимуществом: — Знание AdMob, AppLovin, Unity Ads, ironSource — Опыт с MLOps и облачными платформами AWS, GCP, Azure — Знания в области LLM и генеративного ИИ

Задачи: - Развивать ядро матчинга: retrieval кандидатов по текстовым, картиночным и мультимодальным эмбеддингам, обучать модели классификации пар, работать с атрибутами товаров - Улучшать NLP-часть пайплайна с учетом специфики оптовых товаров: обработка названий, извлечение атрибутов из описаний, дообучение эмбеддинг-моделей - Доводить решения до прода и отвечать за них Требования: - Сильное понимание NLP: трансформерные модели, эмбеддинги, векторный поиск, опыт дообучения моделей под свою задачу - Опыт в задачах матчинга - Опыт в Data Science и ML Engineering с выводом моделей в продакшен от 3-х лет - Уверенные знания Python, ML-стека, SQL - Умение выбирать решение под задачу: не использовать нейросеть там, где достаточно эвристики, и наоборот - Опыт с CV и мультимодальными моделями (CLIP-подобные, metric learning), LLM/VLM в задачах классификации/ранжирования будет плюсом

Задачи: — Строить и развивать аналитическое хранилище компании на базе BigQuery. — Настраивать конвейеры данных из продуктовых и маркетинговых источников (AppsFlyer, Adjust, RevenueCat, Amplitude, Mixpanel, Facebook Ads и др.). — Формировать данные в удобный для аналитиков и продуктовых менеджеров вид. — Документировать модель данных. — Внедрять лучшие практики работы с хранилищем: слоистая архитектура (raw / staging / marts), соглашения по наименованиям, версионирование, тесты качества данных. — Взаимодействовать с продуктом, маркетингом и аналитикой для понимания бизнес-требований и трансформации их в структуру данных. Требования: — Опыт работы в data engineering от 2 лет или сильная аналитическая роль с реальным инженерным компонентом (уровень solid junior / light middle). — Уверенное владение Python для написания ETL/ELT скриптов, работы с API и автоматизации конвейеров. — Опыт работы с GCP (BigQuery, Cloud Functions, Cloud Storage). — Уверенный уровень SQL: оконные функции, CTE, оптимизация запросов. — Понимание принципов аналитических хранилищ: слоистая архитектура, нормализация/денормализация, идемпотентность конвейеров, инкрементальные загрузки. — Опыт интеграции данных из внешних источников через API или готовые коннекторы. — Сильные коммуникативные навыки для общения с нетехническими стейкхолдерами, умение задавать уточняющие вопросы и объяснять технические ограничения простым языком. — Опыт работы с Git: ветвление, код-ревью. Желательно: — Опыт с типичными источниками подписочного/мобильного стека: AppsFlyer, Adjust, Adapty, Amplitude, Mixpanel. — Понимание специфики мобильной атрибуции: SKAdNetwork, постбеки, детерминистическая и вероятностная атрибуция. — Опыт работы с BI-инструментами (Looker Studio, Metabase, Tableau, Power BI) на уровне настройки источника и построения дашбордов. — Знания Terraform / IaC для ресурсов GCP. — Опыт с CDC / стримингом (Pub/Sub, Dataflow) — плюс, но не критично. Условия: — Гибридный формат работы: 2 дня в офисе в Варшаве, 3 дня удаленно. — Обеды оплачиваются в офисные дни. — Возможность участвовать в командных мероприятиях. — Гибкий график с фокусом на результат. — Работа в молодой команде с энергией стартапа, без бюрократии и микроменеджмента.

О компании и роли Продуктовая mobile game-компания с многомиллионной аудиторией и сильной рекламной моделью монетизации. Ищем Lead Data Scientist, который будет развивать ML-решения для рекламной монетизации, персонализации и рекомендаций, а также вести и менторить Data Science-команду. Почему стоит рассмотреть • Влияние на ключевые продуктовые метрики: ad revenue, engagement, retention и LTV • Большие объёмы behavioral data и реальные production ML-задачи • Возможность влиять на Data Science roadmap, технические решения и развитие команды • Работа на стыке Data Science, Product, Engineering и Ad Monetization Важно • 5+ лет опыта в Data Science, желательно в consumer / mobile-продуктах • Обязателен опыт в advertising monetization, revenue optimization или advertising analytics • Опыт с recommendation, personalization или ranking systems • Сильный Python и SQL • Опыт с ML-моделями, A/B-тестированием и applied statistics • Опыт работы с большими behavioral datasets • Опыт технического лидерства или менторинга Data Scientists

Задачи: — развивать ML-решения для рекламной монетизации, персонализации и рекомендаций — вести и менторить Data Science-команду Требования: — 5+ лет опыта в Data Science, желательно в consumer mobile-продуктах — опыт advertising monetization, revenue optimization или advertising analytics — опыт разработки recommendation, personalization или ranking systems — сильные Python и SQL — практический опыт с ML: classification, regression, ranking, forecasting, predictive modeling — понимание A/B-тестирования, applied statistics и работы с большими behavioral datasets — опыт технического лидерства или менторинга Data Scientists Условия: — гибридный формат работы (удаленка с обязательным посещением офиса время от времени) — работа в международной mobile game development-компании — кросс-функциональная работа с Product, Engineering, Analytics и Ad Monetization — возможность формировать Data Science-направление, roadmap и технические стандарты команды — прямое влияние на рекламную выручку, engagement, retention и LTV продукта

Коперник AI — российская R&D-продуктовая компания, которая занимается разработкой, обучением и внедрением интеллектуальных систем (AI) промышленного уровня. Задачи и требования в вакансии не указаны в тексте.

Задачи: — проводить аналитику и мониторинг работы моделей — собирать и подготавливать данные, последующий EDA, feature engineering — разрабатывать новые ML-модели — оптимизировать скрипты data/model/inference pipelines — подготавливать код проекта к проду, подготавливать, дизайнить и проводить АБ-тесты. Требования: — высшее образование по техническому направлению — от года релевантного опыта в ML — прочный математический фундамент (понимание градиентного спуска, характеристик основных распределений, PCA, МНК, базовые статистические тесты проверки гипотез) — умение и желание писать код на Python, оптимизировать его, разбираться в чужом коде, понимание SQL — владение основными библиотеками для анализа данных: pandas, numpy, scipy, matplotlib, statmodels — глубокое понимание основных алгоритмов классического ML (линейная/логистическая регрессия, деревья решений, ансамбли), базовые знания по DL (основные архитектуры, тонкости обучения) — владение основными фреймворками для ML/DL: sklearn, pytorch, transformers и др. Будет плюсом: — интерес к методам ML в задачах ценообразования и финансах — изучение Reinforcement Learning, multi-arms bandits — чтение статей по современным решениям для работы с последовательностями. Условия: — комфортный современный офис рядом с м. Кутузовская — гибридный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета — программа адаптации и помощь руководителя на старте (для Junior) — расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — Проектировать и разрабатывать пайплайны загрузки данных, оптимизируя их под потребности команд-потребителей — Проектировать загрузку данных, раскладку по слоям, витрины в ClickHouse, включая выбор движка таблиц, ключей сортировки, партиционирования, шардирования и репликации — Оптимизировать запросы и хранение данных, выявлять и устранять причины медленных запросов и аномального роста таблиц — Разрабатывать и поддерживать DAGи в Apache Airflow с учетом идемпотентности, ретраев, бэкфиллов и зависимостей между задачами — Обеспечивать качество данных через проверки полноты и консистентности, сверки между системами, алертинг и мониторинг пайплайнов — Взаимодействовать с продуктовыми командами и аналитиками для разбора требований, согласования контрактов данных, объяснения ограничений и предложения вариантов Требования: — Опыт работы с ClickHouse, включая идентификацию проблем на кластере и работу с распределенной БД — Уверенное владение SQL и опыт работы с большими объемами данных (таблицы 50+ Тб) — Владение Python для разработки пайплайнов и бекенда на FastAPI — Опыт работы с Apache Airflow, включая разработку и эксплуатацию DAGов в продакшене — Опыт работы с Apache Kafka, понимание модели топиков, партиций, консьюмер-групп, оффсетов и семантики доставки, опыт построения загрузки из Kafka в хранилище — Опыт интеграции данных из REST API и реляционных БД (PostgreSQL и аналоги), включая инкрементальную загрузку и работу с изменениями данных

Задачи: — Строить крупномасштабные конвейеры данных, обрабатывающие миллиарды событий ежедневно. — Проектировать и развивать платформу самообслуживания для хранилища данных и бизнес-аналитики для игровых команд. — Проектировать и развивать конвейеры машинного обучения для поддержки дата-сайентистов в создании новых моделей на основе игровых данных. — Применять практики непрерывной интеграции и доставки. — Оптимизировать тестирование, инструменты и качество данных. — Сотрудничать с инженерами данных, дата-сайентистами, бизнес-аналитиками, командами маркетинга и продуктовых команд. Требования: — Обучение или недавнее завершение обучения по специальности компьютерные науки, программная инженерия или смежные области. — Понимание принципов проектирования ПО, объектно-ориентированного программирования, паттернов проектирования, алгоритмов и структур данных. — Навыки программирования на Python, Java, C# или аналогичных языках. — Знание реляционных баз данных. — Интерес к построению конвейеров данных и работе с крупномасштабными данными. — Возможность работать в гибридном формате на территории Белграда, Сербия. Условия: — Оплачиваемая стажировка на полный рабочий день с гибкостью в связи с учебой. — Наставничество и поддержка от опытных разработчиков игр, помощь в развитии карьеры. — Коллаборативная среда, основанная на прозрачности, доверии и командной работе. — Обеды, закуски, напитки, доступ в спортзал, организованные спортивные мероприятия, эргономичные рабочие места и современное техническое оборудование. — Доступ к игровой комнате для детей, музыкальному уголку, настольным играм, видеоиграм и последним игровым консолям. — Возможность внести вклад в игры, которыми пользуются миллионы пользователей.

Задачи: — исследовать и разрабатывать торговые стратегии для DeFi и крипторынков: от гипотезы и анализа данных до бэктестинга, валидации и оценки результата стратегии — Quant/ML research и разработка торговых стратегий для DeFi и крипторынков — применять ML/DL-подходы для маркет-мейкинга, forecasting, управления позициями и смежных задач — разрабатывать стратегии дельта-нейтрального хеджирования и управления рисками — проводить бэктестинг и использовать симуляционные среды на крипто-данных: order book, trades — анализировать рыночные данные и улучшать алгоритмы по результатам реального исполнения Требования: — senior-уровень в Quant/ML research, systematic trading, HFT/prop trading, market microstructure или смежных задачах — участие в полном цикле ресерча: гипотеза > данные > модель/логика > бэктестинг > валидация и анализ результата — понимание временных рядов, OOS-проверки, future leakage и торговой экономики — знание Supervised Learning, статистического анализа, оптимизации моделей — уверенный Python; PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna — опыт доведения стратегий до реального исполнения или PnL-оценки — опыт работы с order book и trades — автономность в постановке гипотез и доведении их до результата — владение русским языком для общения в команде Будет плюсом: — Reinforcement Learning — опыт на Rust или low-latency engineering — опыт в трейдинге, маркет-мейкинге, low-latency крипте — опыт в квант-фондах, HFT, prop trading, банковских квант-командах — опыт с DeFi, DEX/CEX, AMM/LP, perpetuals, funding, cross-venue arbitrage — активное использование AI-инструментов Условия: — фиксированная зарплата в стейблкоинах (USDT/USDC, 1:1 к доллару) — квартальный profit sharing от результатов стратегий — оплачиваемый отпуск — компания оплачивает AI-подписки

Задачи: — строить и улучшать модели для разных частей всего пайплайна — заниматься полным циклом DS/ML задач — участвовать в создании и развитии платформы рекламы — улучшать процесс построения моделей (от выдвижения гипотез до мониторинга работы модели) Примеры задач: — построить эмбеддинги на основе описания рекламных объявлений и добавить эти данные в модели прогнозирования конверсии — обучить модель для прогнозирования распределения ставок в аукционах и совместить модель с текущим алгоритмом определения ставки — провести эксперименты с новыми офлайн/онлайн признаками в моделях и доставить признаки до сервиса на Go — внедрить модель, которая фильтрует подозрительный входящий трафик Требования: — знание классического ML и Deep Learning подходов — опыт промышленного использования методов RecSys — опыт разработки моделей от проблемы до сопровождения в проде — уверенный опыт разработки на Python и Pyspark, опыт написания продакшн-кода — знание принципов распределенной обработки данных — умение принимать решения на основании данных и аргументировать свою позицию — умение находить решения для проблем, декомпозировать, объяснять и контролировать выполнение Условия: — офис метро Маяковская (Оружейный переулок) — гибридный формат работы — конкурентная компенсация (оклад и премии по результатам деятельности) — ДМС с первого рабочего дня, страхование от несчастных случаев и тяжелых заболеваний — материальная помощь и социальная поддержка, корпоративная пенсионная программа — дисконт-программы от компаний партнеров — бесплатный фитнес на территории работодателя — подписка Прайм с возможностью совместного использования на трёх близких — внешнее и внутреннее профессиональное обучение: семинары, тренинги, конференции, корпоративная библиотека