Данные и ML вакансии - удалённо

Gradient Labs — AI-платформа для финансовых сервисов, которая автоматизирует customer support и back-office процессы. В компании работают русскоязычные ребята. Размер команды — 11-50 человек, инвестиции — $26M.

Задачи: — Полная ответственность за техническое направление AI-разработки: от быстрых экспериментов до production-ready моделей. — Техническое лидерство. — Определение архитектурных подходов, выбор моделей, технологического стека. — Проведение code review, менторство инженеров, повышение планки качества.

Nebius is an international cloud technology company that is fully focused on infrastructure for artificial intelligence. Work format: On-site (Israel) or remote work (Europe, United Kingdom).

Компания ВсеИнструментыру приглашает на должность Data Engineer для удалённой работы в России с полной занятостью. Основная задача специалиста — развитие корпоративной платформы данных и хранилища данных (DWH), включая модернизацию ETL-процессов с переходом с SSIS на Apache Airflow 3 и внутренний Python-фреймворк, а также повышение надёжности и удобства работы с данными для аналитических команд. В обязанности входит создание и поддержка устойчивых data-пайплайнов с обеспечением таких функций, как повторные попытки выполнения, backfill, идемпотентность, дедупликация и корректная обработка ошибок. Также требуется развитие проверок качества данных, оптимизация SQL-запросов и работы с Microsoft SQL Server, внедрение CI/CD-процессов для работы с данными, создание переиспользуемых инструментов и self-service решений, а также участие в развитии архитектуры DWH и методик моделирования данных. Кандидат должен иметь не менее трёх лет опыта работы Data Engineer, уверенные навыки SQL и опыт работы с Microsoft SQL Server, владение Python с применением ООП, модульной архитектуры, type hints, тестирования, логирования, работы с REST API и базами данных. Необходим опыт работы с Apache Airflow или аналогичными промышленными оркестраторами, знание dbt или похожих SQL-трансформационных фреймворков, понимание ETL/ELT процессов, batch и near-real-time обработки, умение строить отказоустойчивые data-пайплайны, опыт работы с Git и CI/CD, а также реализация проверок качества данных. Требуется понимание архитектуры DWH, организации слоёв данных и подходов к моделированию, таких как Kimball, Inmon, Data Vault и Anchor Modeling.

Задачи: • Разрабатывать и валидировать модели машинного обучения, тренировочные пайплайны, системы инференса и поддерживающую инфраструктуру. • Реализовывать компоненты моделей, пайплайны данных, системы оценки и численные методы. • Строить воспроизводимые программные рабочие процессы с использованием Python и командных инструментов. Требования: • Магистерская степень или PhD в области компьютерных наук, машинного обучения, искусственного интеллекта, прикладной математики, статистики, инженерии или близкой количественной дисциплины. • Сильный профессиональный или исследовательский опыт в машинном обучении. • Практическое владение Python и кодирующими агентами. • Опыт работы в технологической компании, AI-лаборатории, исследовательской организации или другом признанном инженерном окружении приветствуется. • Исключительный опыт в open-source или академической сфере также может быть квалификацией. Условия: • Полностью удалённая работа. • Контрактный формат занятости. • Гибкий график — кандидат сам выбирает часы и дни работы, включая выходные. • Оплата сдельная, от $80 до $150 в час, до 15 часов в неделю. • Выплаты через Stripe или Wise без назначения платежа, аналогично UpWork. • Область проекта: искусственный интеллект. Процесс отбора: • Откликнуться и пройти скрининговые вопросы. • Пройти AI-интервью около 30 минут. • Пройти ревью менеджера по найму. Сроки начала: • Роли обычно закрываются в течение 48 часов. • Ожидается начало выполнения первой задачи в течение 24–48 часов после онбординга. Описание роли: Работа связана с разработкой, обучением и инференсом моделей машинного обучения, оптимизацией производительности и численными вычислениями. Требуется решение сложных инженерных задач, включая реализацию и модификацию моделей, построение воспроизводимых рабочих процессов, оптимизацию памяти и пропускной способности, отладку численных и системных ошибок, а также проверку корректности и производительности реализации.

Задачи: — обновление информации в базе; — проверка записей; — поиск дублирующихся данных; — подготовка простых отчётов; — поддержание порядка в системе. Новым сотрудникам дают инструкции и вводное обучение. Работа проходит полностью онлайн, без необходимости ездить в офис.

Задачи: — Разрабатывать AI-агентов на Python — Интегрировать модели и внешние API — Работать с RAG и Tool Calling — Упаковывать решения в Docker — Разворачивать через Helm в Kubernetes — Работать с ArgoCD и анализировать логи — Исправлять ошибки и самостоятельно обновлять production-деплои — Работать с SCA-сканерами и зависимостями Требования: — 3–6 лет опыта, Middle / Senior — Python + LangChain / LlamaIndex / Semantic Kernel или аналоги — Docker, Kubernetes, Helm — Bash, debugging, анализ логов — Понимание AI Agents, RAG, Tool Calling — Глубокое понимание Python-зависимостей (pip, poetry, virtualenv) — Высокая самостоятельность: от кода до запуска в production Условия: — Формат работы: Remote — Занятость: Full-time — Зарплата: до 260 000 ₽ на руки — Оформление: ИП / СМЗ — Локация: РФ, гражданство РФ

Задачи: — разработка и обучение ML-моделей, систем инференса, численных вычислений, оптимизация производительности и программирование на Python; — создание, решение, проверка и валидация сложных задач в области ML Engineering; — реализация или модификация ML-модели; — создание воспроизводимого процесса обучения или инференса; — оптимизация использования памяти или производительности; — поиск и исправление численных или системных ошибок; — проверка соответствия реализации требованиям по корректности и производительности; — разработка и проверка ML-моделей, training pipelines, inference-систем и вспомогательной инфраструктуры; — реализация компонентов моделей, data pipelines, систем оценки и численных методов; — создание воспроизводимых программных процессов с использованием Python и инструментов командной строки. Требования: — степень магистра или PhD; — опыт использования coding agents с Python в рабочем процессе; — уровень английского языка C1. Условия: — 15 часов в неделю; — оплата $80–$150 в час; — полностью удалённая работа с гибким графиком, специалист самостоятельно выбирает дни и часы работы, включая выходные при желании.

Компания Mira, специализирующаяся на улучшении гормонального здоровья с помощью технологий искусственного интеллекта, ищет основного продуктового дата-сайентиста для удалённой работы в рамках договора с подрядчиком в пределах ЕС. В обязанности входит разработка и внедрение аналитических моделей, направленных на отслеживание и понимание гормональных изменений на разных этапах жизни пользователей. Кандидат должен обладать глубокими знаниями в области анализа данных и машинного обучения, а также опытом работы с продуктами, связанными с биомедицинскими данными. Работа предполагает тесное взаимодействие с командой разработки и продукт-менеджерами для создания инновационных решений в сфере здоровья.

Задачи: – Разрабатывать и дорабатывать ETL-процессы в Airflow – Подключать новые источники данных – Создавать и дорабатывать витрины – Оптимизировать SQL-запросы в GreenPlum и PostgreSQL – Работать с большими объемами данных – Развивать процессы контроля качества данных Требования: – От 1 года опыта работы с данными – Отличное знание SQL: JOIN, оконные функции, процедуры – Умение профилировать и оптимизировать запросы, понимать план выполнения – Понимание принципов работы реляционных БД и архитектуры DWH: ODS, DDS, DM – Практический опыт работы с Airflow и ETL-процессами – Python на базовом уровне – Знание Linux и умение работать с командной строкой – Опыт работы с Git – Понимание принципов работы Docker

Задача: изучать исторические торговые данные для двух связанных инструментов. Создать модель, которая предсказывает индикаторы движения цены одного из них по информации об ордербуке, сделках и дополнительным данным. Работа с реальными биржевыми данными. Когда: 11 сентября — 15 ноября Призовой фонд: $13,600 Победители получат денежные призы, приглашение на собеседование в Wunder Fund, а также интеллектуальное удовлетворение. Wunder Fund занимается высокочастотным трейдингом с 2014 года, с дневным оборотом более $10 млрд.

О компании Aidentity — стартап в сфере AI × Human Intelligence. Продукт, который помогает человеку лучше понять свои сильные стороны и найти свое призвание. Стадия: MVP → развитие продукта → масштабирование Нам нужно: — Опыт работы в стартапе / яркое желание его получить — Готовность влиять на продукт с первого дня — Мышление продуктом, а не выполнение задач — Готовность работать только за долю от компании — ML / Data Science / AI — Python и привычный ML-стек — работа с данными, построением признаков, обучением и оценкой моделей — ML-эксперименты и проверка качества результатов — самостоятельное исследование неизвестной области — интерес к задачам на стыке AI, психологии, человеческие качества и рекомендационные систем — recommendation systems, embeddings, NLP/LLM, clustering, similarity / ranking models. Что предстоит делать ✔️создавать систему синтетических профилей данных ✔️развивать и улучшать алгоритм подбора профессий ✔️проектировать систему, которая будет обучаться на данных пользователей и специалистов ✔️экспериментировать с ML/AI-подходами и проверять гипотезы ✔️оценивать качество рекомендаций и разрабатывать метрики для сравнения разных подходов ✔️исследовать способы персонализации результатов для разных пользователей ✔️в перспективе — работать с NLP/LLM и другими AI-инструментами для анализа и обогащения данных ✔️участвовать в проектировании ML-части продукта и принимать технические решения вместе с командой Что предлагаем: — Удаленка — Гибкий график, part-time — Долгосрочное участие — Опционы — Маленькая команда, где слышат каждого — Продукт с большой миссией Подойдет тем, кто любит эксперименты и не боится неопределенности, готов влиять на будущий результат

Wolt развивает платформу быстрой доставки еды, продуктов и других товаров из ресторанов и магазинов через мобильное приложение и сайт. С 2022 года Wolt входит в группу DoorDash и работает в десятках стран. Требования: — 5+ лет опыта — Владение Python или R — Знание SQL — Опыт работы с Airflow Формат работы: удалённо или в офисе в Берлине.

Требуется Data engineer. Требуемые навыки: — senior — Python.

Основные требования: — Опыт разработки и применения моделей машинного обучения для решения прикладных задач: прогнозирования, классификации, оптимизации, выявления аномалий и анализа производственных процессов. — Понимание основных этапов разработки ML-решений: сбор и подготовка данных, исследовательский анализ, обучение моделей, оценка качества, тестирование и внедрение результатов. — Уверенные навыки программирования на Python и опыт работы с основными библиотеками анализа данных и машинного обучения: Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch или аналогичными инструментами. — Опыт работы с временными рядами, историческими данными и построением прогнозных моделей. — Навыки обработки, очистки, объединения и анализа больших объемов производственных и технологических данных. — Общее понимание процессов энергетической отрасли: производство, передача, распределение и потребление энергетических ресурсов, режимы работы оборудования, технологические показатели и показатели эффективности. — Навыки работы с SQL, базами данных и инструментами хранения и обработки информации. — Умение формировать качественные наборы данных для аналитики и обучения моделей машинного обучения. Чем предстоит заниматься: — Разрабатывать и внедрять алгоритмы машинного обучения и интеллектуального анализа данных для задач энергетической отрасли. — Создавать модели прогнозирования производственных и технологических показателей энергетических объектов. — Разрабатывать прогнозы производства, потребления, нагрузки и других ключевых параметров на различных временных горизонтах. — Анализировать технологические и эксплуатационные данные, выявлять зависимости, закономерности, отклонения и потенциальные точки повышения эффективности. — Разрабатывать модели для оценки и прогнозирования состояния оборудования и технологических процессов. — Решать задачи оптимизации режимов работы энергетического оборудования и объектов. — Создавать алгоритмы выявления аномалий, отклонений и нестандартных режимов работы. Что мы предлагаем: — Участие в разработке современных цифровых и интеллектуальных решений для энергетической отрасли. — Работа над практическими задачами цифровизации, аналитики и повышения эффективности энергетических объектов. — Возможность применять технологии Machine Learning, Data Science и Artificial Intelligence для решения реальных производственных задач. — Работа с промышленными, технологическими и эксплуатационными данными энергетических предприятий. — Участие в проектах по прогнозированию, оптимизации, предиктивной аналитике, мониторингу оборудования и развитию цифровых двойников. — Возможность профессионального развития в направлениях Data Science, Machine Learning, Industrial AI и цифровой энергетики. — Взаимодействие с командой специалистов в области IT, анализа данных, автоматизации и энергетики. — Возможность участвовать в проектах, направленных на повышение надежности, эффективности и технологичности энергетической инфраструктуры. — Конкурентные условия труда и возможности для долгосрочного профессионального развития.

Quantori разрабатывает программное обеспечение для биотехнологических и фармацевтических компаний. Среди клиентов компании Pfizer, LGC, The Jackson Laboratory. В компании работает более 500 человек, инвестиции составляют 15 миллионов долларов. Требования: — Опыт работы не менее 6 лет — Знание Python, R, SQL, Spark, dbt — Уровень английского языка не ниже B2 Формат работы: удалённо.

Можно работать удалённо. Зарплата в валюте. При отклике укажите, что нашли вакансию на Remocate.

Задачи: – проектирование и разработка слоев данных (Raw, Clean, Enriched/Presentation) с учетом лучших практик моделирования (Data Vault 2.0 / 3NF для хранилища, Star Schema для витрин); – разработка и внедрение кастомных алгоритмов дедупликации и Entity Resolution (Fuzzy Matching) на Python; – формализация бизнес-правил качества данных в код, настройка уровней доверия к источникам и правил выживания (survivorship rules); – внедрение Data Contracts и механизмов карантина (quarantine) для некачественных данных с возможностью их последующего разбора; – настройка автоматизированного тестирования данных (Data Quality checks) в пайплайнах. Требования: – Продвинутый уровень SQL и опыт работы с dbt (или аналогами) для построения слоев данных; – уверенное владение PySpark и/или pandas для обработки больших объемов данных и реализации логики матчинга; – практический опыт применения библиотек нечёткого поиска и связывания записей (Splink, recordlinkage, dedupe, theFuzz); – понимание принципов работы алгоритмов сравнения строк (Левенштейн, Джаро-Винклер, косинусное сходство на TF-IDF/эмбеддингах); – глубокое понимание 2-3NF, Data Vault 2.0 и различий между слоями сырых, очищенных и обогащенных данных; – опыт внедрения инструментов тестирования данных (Great Expectations, Soda, dbt tests, deequ или аналоги); – опыт работы с оркестраторами (Airflow, Dagster или Prefect), уверенное использование Git и базовые навыки CI/CD для дата-пайплайнов.