Данные и ML вакансии - удалённо

• Знание отчётности Банка России и методологии расчёта обязательных нормативов. • Понимание полного цикла автоматизации регуляторной отчётности.

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.

- 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.

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.

🧩 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;

— 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.

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

💎Опыт создания и управления DWH architectures, ClickHouse, dbt.

-Разработка и сопровождение OLAP-кубов. -SSAS Multidimensional database.

Вам предстоит Помогать проектировать и строить хранилища данных на Iceberg (спроектировать и реализовать озёрное хранилище вокруг Apache Iceberg, используя Spark/Trino в качестве compute-движков, с расчётом на объёмы данных в сотни ТБ); Мы ожидаем от вас Уверенный Python в контексте DE (2+ года);

-Выбор и построение подходящих математических моделей для решения поставленных задач. -Выбор оптимальной архитектуры решения задач продукта.

Проектировать и разрабатывать пайплайны загрузки данных. Делать это оптимально в зависимости от потребностей команд потребителей;

ML-команда развивает рекомендательную систему и инструменты компьютерного зрения, обработки текста и распознавания речи. Предстоит улучшать модели, участвовать в сборе данных и оптимизировать инфраструктуру запуска моделей и мониторинга.

Улучшать текущие и развивать новые пайплайны обработки текста в запросах и карточках товаров (исправление опечаток, синонимизация); Развивать направление онлайн-инференса в продуктах обработки текста;

Разрабатывать алгоритмы персональных, похожих и сопутствующих рекомендаций под разные продукты и рекомендательные поверхности; Повышать релевантность рекомендаций для увеличения средней корзины и конверсии;

Уверенное знание Python (ООП, typing, итераторы, генераторы, управление памятью). Опыт асинхронного и конкурентного программирования, разработки надежных сервисов на FastAPI, TDD, мониторинга и аудита.

Задачи: — Стать первым Analytics Engineer и связать платформу данных с бизнес-командами; — Создавать надёжные датасеты, KPI, модели данных и документацию для self-service аналитики; — Развивать самостоятельную работу команд с Snowflake, BI-инструментами и Snowflake MCP; — Удалённая работа из любой точки Франции с гибким графиком. Требования: — Сильный SQL и опыт BI-инструментов, например Looker, Metabase или Omni; — Опыт современных хранилищ данных: BigQuery, Redshift или Snowflake; — Знание Git, моделирования данных и принципов data warehousing; — dbt будет преимуществом; — Свободные английский и французский, умение работать с нетехническими стейкхолдерами.