Данные и ML вакансии

Задачи: — Развивать модели прогнозирования спроса и ценовой эластичности — Исследовать подходы к causal inference, uplift-моделированию и оценки эффекта изменения цены — Проектировать временную валидацию, backtesting и бизнес-метрики качества

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

Задачи: — Проектировать и поддерживать интеграцию источников данных (взаимодействие с процессинговыми системами и Автоматизированной Банковской Системой / АБС); — Организовывать мониторинг актуальности входящих данных и оперативно реагировать на инциденты; — Готовить данные для загрузки в оговоренные форматы хранения (Data Lake / DWH) для последующего потребления смежными командами; — Разрабатывать и оптимизировать витрины данных для BI-отчетности в Superset и PowerBI; — Проводить глубокую проверку качества данных (Data Quality), выявлять аномалии и устранять корневые причины ошибок; — Обеспечивать бесперебойную актуальность данных, нести ответственность за соблюдение SLA и быстрое восстановление при авариях. Требования: — Опыт в направлении финтех; — Отличное знание SQL (DDL/DML) в PostgreSQL; — Хорошее знание SQL (DDL/DML) в ClickHouse; — Отличные навыки оптимизации SQL-запросов в PostgreSQL; — Отличные навыки работы с Python: написание и поддержка DAG-ов в Airflow, опыт работы с асинхронными сервисами; — Хорошие навыки конфигурирования PostgreSQL.

Задачи: — Решать конкретные задачи с данными и пайплайнами, а не просто переливать данные. — Взаимодействовать с аналитиками и менеджерами, отвечать на вопросы и брать ответственность. Требования: — 4+ лет коммерческого опыта в роли Data Engineer / ETL-разработчик. — Сильный SQL. — Уверенный Python для обработки данных и простых сервисов. — Опыт с Spark или аналогом. — Базовый опыт с Kafka. — Проактивность: видеть проблемы и возможности в данных/пайплайнах и предлагать улучшения. Условия: — Трудоустройство по ТК РФ. — Удаленная работа из любой точки мира или в офисах в Москве или Санкт-Петербурге. — Культура свободы и ответственности. — Оплачиваемое обучение: курсы, конференции, профильная литература, софинансирование английского в Skyeng. — Забота о сотрудниках: ДМС с первого дня, включая стоматологию, поддержка ментального здоровья через Alter.

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.

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: — Разрабатывать и тестировать алгоритмы на базе LLM для генерации вопросов, ответов и кратких пересказов; — Работать с RAG-подходами: подготовка данных, индексация, поиск релевантного контекста, генерация ответа на его основе; — Участвовать в развитии виртуального ассистента и сценариев свободного диалога с пользователем; — Настраивать фактчекинг, фильтрацию и оценку качества ответов модели; — Разрабатывать пайплайны для суммаризации полезного контента; — Сравнивать результаты, подготовленные моделью, с редакционными версиями материалов, в том числе на примере «Картины дня»; — Создавать и развивать векторные поисковые индексы для задач RAG; — Тестировать промпты, гипотезы и подходы к улучшению качества ответов. Требования: — Опыт разработки на Python; — Опыт работы с задачами NLP: обработка текстов, классификация, генерация, суммаризация, NER, семантический поиск или похожие задачи; — Понимание принципов работы LLM и практический опыт их применения; — Опыт или хорошее понимание RAG-подходов; — Опыт работы с библиотеками и инструментами для ML/NLP: PyTorch, TensorFlow, Hugging Face, Transformers или аналогами; — Понимание fine-tuning/LoRA/prompt engineering на уровне, достаточном для прикладных задач; — Умение оценивать качество моделей и промптов: метрики, сравнение результатов, базовый benchmarking; — Знание SQL и опыт работы с базами данных; — Готовность разбираться в продуктовой задаче, а не только в модели. Условия: — Официальное трудоустройство; — ДМС со стоматологией, офисный врач, доплата больничного листа, корпоративные скидки; — Современный офис (Даниловская мануфактура, м. Тульская), бесплатный спорт в собственном спортзале от «Лиги Героев»; — Бесплатная подписка на сервисы партнеров; — Полный день в офисе, гибридный график или 100% дистанционный формат работы; — Льготные условия ипотеки в рамках зарплатного проекта; — Насыщенная корпоративная жизнь.

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.

Задачи: — Развитие личного кабинета AI-тренеров: сбор данных из разных источников, настройка систем контроля качества, расчет качества и производительности, отображение данных на дашбордах, настройка пайплайнов поставки данных, написание YQL-скриптов и кода на Python, построение дашбордов в DataLens. — Инфраструктурные задачи: создание сред для обучения агентов, написание кода, развёртывание серверов и докер-образов с открытым кодом. — Контроль ресурсов аналитиков: выдача вычислительных ресурсов, мониторинг использования и оптимизация распределения. — Разработка инфраструктуры бенчмарков: помощь аналитикам в ускорении и упрощении создания бенчмарков для различных сценариев, работа на Python. Требования: — Умение писать на Python и SQL. — Любовь к работе с данными. Будет плюсом: — Опыт построения ETL-процессов, в том числе с Airflow. — Опыт работы с BI-системами (DataLens, Tableau, Power BI и др.). — Опыт работы с YTsaurus или аналогами. — Настройка CI/CD. Условия: — Бесплатное участие сотрудников Яндекса в профильных конференциях. — Школа подготовки спикеров для выступающих на конференциях. — Другие бонусы, полный список доступен на сайте компании.

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)

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

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