Данные и ML вакансии

Мы ищем: Талантливого ML-разработчика с временными рядами и классикой, в области прогнозирования в ритейле на стажировку, которому предстоит работать над интересными высоконагруженными проектами. Требования: — Опыт в Data Science / Machine Learning от 2 лет; — Прагматизм: готовность искать рабочие решения, а не идеальные, но нереализуемые модели; — Глубокое знание Python, SQL и PySpark; — Разработка ETL-процессов для обработки больших данных (чтение, трансформация, агрегация, запись); — Оптимизация Spark-запросов (партиционирование, кэширование, работа с broadcast-переменными); — Знание основных ML-фреймворков (Scikit-learn, TensorFlow/PyTorch); — Опыт работы с данными: обработка, анализ, feature engineering. Будет плюсом: — Опыт продакшн-разработки (не только исследования); — Понимание, как устроены процессы в бизнесе, а не только в Jupyter Notebook; — Умение запускать ML-модели в PySpark; — Использование Spark MLlib для распределенного обучения; — Работа с PySpark Pandas UDFs для эффективного применения ML-моделей к большим данным. Условия: — Работа в команде экспертов; — Широкий технологический стек, сотни проектов; — Гибкий график работы, который позволяет высыпаться и выделять время на хобби; — Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии; — Процессы удаленной работы и просторные офисы с зонами коворкинга; — Возможность прокачаться во всех интересующих направлениях: стать тимлидом, архитектором, разработчиком full-stack; — Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка; — Активный обмен опытом, внутренние и внешние митапы, хакатоны, доклады по развитию hard и soft skills; — 50+ клубов по интересам и профессиональных сообществ внутри компании; — Корпоративная база знаний и социальная сеть для удобства общения с каждым из 1500+ сотрудников. Дополнительно: — Набор осуществляется по ИТ специальностям, указанным в Приказе Минцифры № 27 от 22.01.2026г. — Решение Министерства цифрового развития, связи и массовых коммуникаций РФ о предоставлении государственной аккредитации организации от 10.03.2022 №АО-20220309-3771014210-3

Задачи: — Управление командами Data Analysts и Data Scientists, распределение задач, развитие экспертизы и формирование рабочих процессов. — Формирование и развитие data-driven стратегии направления Soft Collection. — Анализ поведения клиентов и эффективности стратегий коммуникации с клиентами. — Разработка и внедрение ML-моделей для прогнозирования вероятности платежа, сегментации клиентов, определения оптимального канала и времени коммуникации, приоритизации клиентов и оценки эффективности стратегий collection. — Разработка стратегий Decisioning / treatment для определения кому, когда и каким способом осуществлять коммуникацию. — Проведение A/B-тестов и uplift-исследований, оценка причинно-следственного воздействия стратегий взыскания. — Развитие системы KPI и метрик направления: cure rate, roll rate, recovery rate, collection rate, cost-to-collect, ROI и других бизнес-метрик. — Создание аналитических витрин, дашбордов и систем мониторинга эффективности стратегий и моделей. — Взаимодействие с бизнесом, Collection, Risk, IT, Data Engineering и другими подразделениями. — Преобразование бизнес-задач в аналитические и ML-задачи, обеспечение внедрения в production. — Ответственность за качество моделей, мониторинг производительности и регулярный пересмотр стратегий. — Развитие культуры experimentation и принятия решений на основе данных. Требования: — Уверенное владение Python: pandas, numpy, sklearn и ML-библиотеки. — Продвинутый уровень SQL. — Хорошее понимание статистики, ML и методов оценки моделей. — Опыт в A/B-тестах, propensity-моделях, классификации, сегментации и прогнозировании. — Знание банковских/финансовых метрик и кредитных процессов — большой плюс. — Опыт работы с большими данными и распределёнными вычислениями — преимущество. — Опыт разработки аналитических решений и ML-моделей от постановки задачи до внедрения в production. — Понимание принципов MLOps и мониторинга моделей — преимущество. — Опыт работы с BI-инструментами и созданием управленческих дашбордов. — Опыт управления командами аналитиков / Data Scientists или техническое лидерство. — Умение самостоятельно формировать roadmap направления. — Сильные коммуникативные навыки и умение говорить на языке бизнеса и финансовых результатов. — Умение декомпозировать сложные задачи и расставлять приоритеты. — Ориентация не только на качество аналитики или моделей, но и на бизнес-эффект. — Способность развивать сотрудников и повышать профессиональный уровень команды.

Location: EMEA; Romania; Bulgaria; Kenya; Portugal; United Kingdom; Spain; Brazil; South Africa; Argentina; Armenia Workplace: Remote ✨ ONE PLATFORM, A WHOLE WORLD OF OPPORTUNITY The best jobs have always clustered in a handful of the world's wealthiest cities. But talent is everywhere. Oyster set out to close that gap - building a global employment platform that lets companies hire, pay, and care for brilliant people anywhere. We're proof that a high-performing culture doesn't need an office. Distributed across 60+ countries since 2020, we've built something the industry keeps noticing: - Ranked #10 of 250 on TIME and Statista's 2026 list of America's Top WorkTech Companies https://www.oysterhr.com/library/oyster-hr-named-10-of-americas-top-worktech-companies-of-2026-by-time - Named one of America's Greatest Startup Workplaces 2026 https://www.oysterhr.com/library/oyster-2026-newsweek-award by Newsweek - A G2 Spring 2026 Leader https://www.oysterhr.com/library/oyster-named-best-roi-for-any-global-employment-platform-for-g2-spring-2026 across Employer of Record, Global Employment, Multi-country Payroll, and HR Compliance - The only B Corp-certified global employment platform ~ independently verified since 2023 Two of those rankings measured our business impact from the outside. One measured how our own people feel about working here. They landed in the same place ~ because at Oyster, culture and performance aren't separate conversations. They're the same one. And we're just getting started. If you want to do the best work of your career alongside people who care as much as you do, we'd love for you to apply. 👩‍💻 THE ROLE Location: While this position is posted in a specific location, all of Oyster’s positions are fully remote and you can work from home. Forever. To create the best experience for our new hire, this role requires you to be based within UTC−6 to UTC+3. Oyster’s Data Engineering team is building the foundational AI platform layer that will enable teams across Oyster to develop, deploy, and operate secure, production-grade AI capabilities. As a Senior Data Engineer focused on AI Platform, you’ll work at the intersection of data engineering, platform engineering, and applied AI. You’ll build the data pipelines, services, integrations, and reusable platform capabilities that power AI use cases across Oyster. You’ll leverage Oyster’s existing AWS and Snowflake data platform to make enterprise data accessible, reliable, secure, and useful for AI, supporting capabilities such as LLMs, RAG, embeddings, vector search, AI agents, tool calling, and AI workflows. This is not a traditional data engineering role focused primarily on analytics pipelines or reporting. You’ll help define and build the data and platform foundations that let AI systems move from experimentation to reliable production, working closely with Engineering, Product, IT, and other teams across Oyster. Key Responsibilities - Design and build data pipelines and platform capabilities that support AI applications, knowledge systems, and AI workflows. - Build and maintain data and knowledge pipelines for ingestion, transformation, chunking, embeddings, retrieval, vector search, metadata, and knowledge management. - Develop secure, reusable ways for AI systems to access enterprise data and systems using APIs, MCP, tool calling, and similar patterns. - Build reusable services, libraries, frameworks, and developer tooling that make it easier for engineering teams to build and productionize AI capabilities. - Apply strong data engineering practices around data modeling, data quality, lineage, access, reliability, and governance to AI-related data and systems. - Help establish patterns for AI deployment, observability, evaluation, and lifecycle management, including quality, latency, reliability, security, and cost. - Partner with engineers and stakeholders to take AI use cases from prototype to production, ensuring the underlying data and infrastructure are scalable and maintainable. - Ensure AI platform capabilities meet Oyster’s security, privacy, access control, and data governance requirements. - Evaluate emerging AI and data technologies and determine where they can create meaningful value for Oyster. Core Requirements - 5+ years of experience in data engineering, platform engineering, backend engineering, ML engineering, or a related discipline, with experience building and operating production systems. - Strong Python and SQL skills. - Strong data engineering fundamentals, including data pipelines, data modeling, data quality, orchestration, and secure data access. - Experience with Snowflake, Databricks, or comparable modern data platforms, and tools such as dbt, Airflow, or similar. - Hands-on experience building or supporting production systems using LLMs / generative AI. - Practical experience with one or more of RAG, embeddings, vector search, tool/function calling, AI agents, or enterprise knowledge systems. - Experience building data or platform capabilities that are reusable across teams, rather than only developing one-off solutions. - Experience taking systems from experimentation to reliable production, including considerations around scalability, observability, performance, and maintainability. - Solid understanding of security, authentication/authorization, privacy, and data governance, particularly in the context of enterprise data. - Strong communicator who can work across Engineering, Product, and IT to turn ambiguous AI and data problems into practical engineering solutions. Bonus - Experience with AWS Bedrock or other managed foundation-model platforms. - Hands-on experience with MCP (Model Context Protocol) or similar approaches for connecting AI systems to enterprise tools and data. - Experience with LLM evaluation, observability, monitoring, or AI quality. - Experience with LangChain, LangGraph, or similar frameworks. - Experience with vector databases or search technologies. - Experience implementing AI security, governance, or responsible AI practices. - Experience building internal developer platforms, SDKs, APIs, or reusable infrastructure for engineering teams. - Experience working across data engineering and AI/ML platform environments. YOU'LL ALSO NEED - A reliable home internet connection (or be able to get one). - Fluent English language skills. HOW WE WORK TOGETHER AT OYSTER Our values guide the work we do, the decisions we make, and the culture that makes Oyster what it is. We make it happen—progress is our default setting. We drive change, we build and give trust, and we move as one united team. Our mission is to create a more equal world of work: helping companies everywhere hire, pay, and care for talent anywhere. Everything we do ladders up to our mission. We embrace asynchronous, collaborative work and share how we operate in the Oyster Public HQ https://oysterhr.notion.site/Welcome-to-The-Reef-Oyster-s-Open-Source-Employee-Guide-fc482e3f107c4afd8c85ed217f1d0c1d so other global teams can learn from us. HOW YOU WORK With diverse locations, cultures, and needs, we created How YOU Work; https://oysterhr.notion.site/How-YOU-work-ac16c1932e314ffd8cb693e332458395 a program supporting your whole human experience at Oyster: - Work from anywhere: Oyster has no borders or HQ. As long as work is timely, your team is supported, and you're authorized to work where you live, you can work from anywhere. - Paid time off: Enjoy 40 days off per year (including holidays and vacation), or more if required by your country. - Mental health support: Access Plumm https://oysterhr.notion.site/Plumm-3b5e7e70dec6428e975f68f25972cfb7, our mental well-being service. - Wellbeing allowance: Each month, receive a wellbeing allowance in your ThanksBen wallet to spend on a wide range of options. - Flexible parental leave: All new parents are eligible for at least three months’ paid leave, with job protection for up to 12 months or as required locally. - WFH stipend: Receive a stipend for your laptop and home office equipment to get you set up quickly. ✨ THE BEST JOBS SHOULD BE AVAILABLE TO EVERYONE  We embrace diverse perspectives and intentionally build our product and company with an inclusive, global mindset. We encourage you to apply, even if you don’t meet every criterion, and are committed to a trust-based, thriving environment. Oyster is committed to ensuring equal opportunity of employment for qualified persons with disabilities and actively fosters an inclusive work environment. If you require reasonable accommodations throughout the recruiting process, please email jobs@oysterhr.com with the subject line: Interview Accommodations. Our available positions are on our careers page. Our team will only contact you from an @oysterhr.com email, and we will never ask for money as part of an interview process or job offer. If you receive a suspicious email about Oyster jobs or are directed to a site other than www.oysterhr.com/careers http://www.oysterhr.com/careers, please report it via our Compliance and Ethics Helpline https://faceup.com/c/8tpzyyye.

Задачи: — Обучение и наставничество в области искусственного интеллекта с нуля. — Помощь в освоении технологий Machine Learning и Deep Learning. Требования: — Желание обучать и поддерживать начинающего специалиста. — Знания и опыт в области AI, Machine Learning, Deep Learning. Условия: — Работа с учеником 16 лет, студентом. — Гибкий график, возможность связи 24/7. — Оплата в диапазоне 30-50 долларов. Контакт для связи: +998 91 107 21 06, Telegram: https://t.me/Azamxon2106

Задачи: – Проектирование и развитие корпоративного хранилища данных (КХД) – Разработка и оптимизация архитектуры DWH – Проектирование, разработка и сопровождение ETL-процессов – Построение витрин данных под бизнес-задачи – Настройка, оптимизация и мониторинг загрузок данных – Контроль и обеспечение качества данных – Разработка SQL-скриптов, процедур и серверного кода – Участие в проектах миграции и интеграции данных – Интеграция источников через брокеры сообщений и REST API – Подготовка технической документации – Взаимодействие с командами аналитики и BI. Требования: – Высшее / неполное высшее образование – Опыт работы Data Engineer / Архитектором DWH от 4 лет – Опыт проектирования КХД от 1 года (Oracle, PostgreSQL) – Понимание архитектуры и принципов построения DWH – Опыт разработки ETL-процессов – Опыт построения витрин данных – Понимание принципов Data Quality – Экспертное знание SQL (Oracle, PostgreSQL) – Опыт миграции данных с использованием серверного кода – Опыт настройки и оптимизации загрузок – Опыт работы с Apache Kafka, RabbitMQ – Python — обязательно – Русский — свободно, английский — чтение/написание тех. документации.

Специалист с коммерческим качественным опытом 3+ лет, который не просто пишет код по указке, а понимает бизнес-логику данных, может самостоятельно довести задачу до production, готов решать разного рода задачи.

Требования: — Поддержка и доработка текущих приложений — Разработка новых модулей и сервисов — Обёртка моделей в API — Контейнеризация (Docker) — Мониторинг — Участие в работе с большими языковыми и визуально-языковыми моделями.

Ipoteka bank OTP Group — ведущий банк Узбекистана из группы OTP, специализирующийся на ипотечных, потребительских и автокредитах. Ищет Senior Data Engineer.

Toloka AI is a global tech company offering end-to-end data labeling solutions combining public crowd, domain experts, and machine learning.

Location: Paris, France; Marseille, France; Bordeaux, France; Biarritz, France; Brussels, Belgium HEALTH CAN’T WAIT. Not for symptoms to get worse. Not for a six‑month appointment. Not for a system to catch up. But that’s exactly how healthcare works today. You wait, until you can’t. Alan exists to end the wait. Health is a universal right, and we believe this right can only become real when it’s coupled with prevention. We need to stop treating health as something we repair and start treating it as something we build, every day. It’s not solely a question of willpower. It’s the healthcare system itself that needs to work for everyone, in a sustainable way. So we are building the new standard in prevention insurance. Alan is the first company that integrates insurance, prevention, and care into a single, acclaimed user experience. We are on an incredible journey to build a global leading company, with a unique culture https://alan.com/en/careers. We already partner with 40K+ companies of all sizes, serving more than 1M+ members, and have reached €800M+ in ARR. Prevention as the new norm. That's what we're building with our team of 1000+ people. If it speaks to you: we're hiring across France, Spain, Belgium, and Canada. And beyond. ⭐️ THE DATA FOUNDATIONS TEAM ⭐ At Alan, every decision we make about our members' care, contracts and claims is a data decision. The Data Foundations team builds the platform that makes those decisions possible in a safe way. - Being part of the Data Foundations team means you’ll build, maintain, and improve the Data Platform used by everyone at Alan. - We enable Alan’s data-driven nature and help our colleagues make the most of their data. - Partner closely with people across Alan (technical and non-technical) to understand their needs and build data solutions they can trust and use effectively. - We own and manage all data-related tools that power Alan. - AI is changing the way companies work with data: agents are becoming first-class users of our data warehouse. It opens a world of new usage and exciting features, as well as concerns around security, data quality and governance. We are building the foundations that allow Alan to make the most of this exciting new paradigm. - Alan is expanding quickly: we went from 4 to 6 countries this year and we won’t stop there. Our objective is to onboard new countries in weeks, not months. Having strong data foundations is a cornerstone of that expansion, allowing our teams to make sense of a patchwork of insurance systems, regulations and reporting rules. - Examples of our missions: - improve the developer experience when building and maintaining data pipelines, - enable reliable and secure access to our data warehouse for Alaners and AI agents, - strengthen security and governance around our data assets, - define and implement standard data practices across Alan, - maintain and evolve our core data infrastructure to accommodate Alan's international expansion and growing product breadth… - Our core tools include Python, Airflow, Snowflake, AWS/GCP, Metabase, Terraform, dbt, and others. - Who you'll work with: Data Foundations is a small, high-leverage team inside the Tech Foundations area, whose mission is to enable product crews through world-class infrastructure, developer experience, operational excellence, and built-in security. You'd be joining as one of its core engineers, working daily with the whole Data community at Alan. 🎯 EXPECTED SKILLS AND ABILITIES You would thrive at Alan if most of this sounds like you: - Passionate about owning ambitious problems and developing simple solutions for them. - 3+ years of experience demonstrating impact in Data positions. We welcome candidates from early-career to highly experienced profiles. You may already have strong expertise in Data Engineering, or be an experienced data or software engineer looking to deepen your specialization in this area. - Experience building and operating production data infrastructure: orchestration (Airflow or similar), a cloud data warehouse, infrastructure as code. - Experience designing systems, tools or libraries used by other engineers, scientists or analysts. - Proficient in Python and SQL. Setting a high standard of rigor and precision for yourself, interested in your craft. - Curious about AI and eager to use it thoughtfully to increase your impact. - Great listening and communication skills. - Humble, kind, collaborative, and still willing to grow (no matter your seniority!). - Fluent and clear in English, both oral and written (no need to speak French!). For this role, we are looking to hire within the C0-E level range https://alan.com/en/careers/a/salary-equity. ⚙️ IMPORTANT NOTE: WE HIRE PEOPLE, NOT ROLES. If you're excited about this opportunity but don't check every box, we'd love to hear from you. Everyone, no matter how underrepresented, should feel free to apply, as it can only bring learning or success. If you identify yourself as a woman: Did you know that research shows women often apply only when meeting 100% of requirements? Remember, this is just a guide, not a checklist. We'll be thrilled to receive your application! 🔖 Check out our About Alan https://alan.com/about and Career https://alan.com/careers pages, as well as our Medium https://medium.com/alan, blog https://blog.alan.com/ and Glassdoor page https://www.glassdoor.com/Overview/Working-at-Alan-EI_IE1696043.11,15.htm for more info. YOU WANT TO KNOW MORE ABOUT ALAN? - 🙌 Perks & Benefits https://alan.com/en/careers/a/salary-equity: Alaners are provided with a stimulating environment and perks ensuring they are happy, efficient and spend only high-quality time with co-workers. - 🤘 A strong culture https://alan.com/en/about/a/leadership-principles: People joining Alan are often surprised and delighted by our innovative working method. We have a set of cultural values that guide our approach to work 🔄 A quick note about the process Note: While you're applying for a specific area, you may join a different engineering team based on where we think you'll have the most impact. Check out descriptions of other areas here https://www.notion.so/Software-Engineering-Areas-Alan-2c61426e8be7805bacd2cdbc08c32640?pvs=21. #LI-DNP

Требования: — Коммерческий опыт в роли Data Engineer. — Хорошее владение Python или Scala / Java для написания кода обработки данных. — Отличные знания SQL (оконные функции, сложные объединения, оптимизация запросов). — Опыт работы с современными хранилищами данных (колоночные/реляционные/NoSQL БД) и инструментами обработки больших объемов данных. — Опыт автоматизации и управления процессами с помощью современных систем оркестрации (например, Airflow или аналоги). — Понимание принципов контейнеризации (Docker), работы с системами контроля версий (Git) и базовые навыки работы в Linux-окружении. — Аналитический склад ума, умение работать в команде, структурированность и проактивность.

Описание продукта: Один из ключевых юнитов в Big Data МТС - это платформа поиска и рекомендаций, которая использует ML и большие данные для подбора релевантных айтемов для клиентов из каталогов МТС. Поставляет рекомендации в онлайн-кинотеатр КИОН, читалку «Строки», МТС Банк, сервисы по продаже билетов, интернет-магазин и другие продукты экосистемы МТС. Задачи включают объединение рекомендательных движков в единую платформу, создание универсального поискового движка, realtime триггеров и масштабирование на все сервисы компании. Задачи: — Генерировать гипотезы по улучшению рекомендаций для роста бизнес-метрик клиентов — Превращать гипотезы в работающие ML модели — Катить модели в прод и по итогам АВ-тестов формулировать новые гипотезы по улучшению рекомендаций — Ставить задачи data инженерам на доработки витрин, взаимодействовать с разработчиками для формирования пайплайнов поставки рекомендаций, совместно с аналитиками сетапить АВ-тесты Требования: — Коммерческий опыт в data science от 2-х лет — Опыт разработки и продуктивизации ML-сервисов (от моделей до API) — Опыт внедрения ML-пайплайна в real-time сервисы — Опыт работы с docker, шедулерами (airflow или любой другой) и sql/nosql базами данных Условия: — Собственная платформа MTS Ocean для получения ИТ-ресурсов, деплой, мониторинг, observability — Профессиональные гильдии инженеров — Внутренняя площадка TechTalks для обмена опытом и развития навыков — Участие во внешних IT конференциях (HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг, собственная конференция True Tech Arch) — Курсы и вебинары в корпоративном университете и электронная библиотека — ДМС с первого месяца работы, включая стоматологию — Страхование от несчастных случаев с 1 месяца работы — Материальная помощь в сложных жизненных ситуациях — Отпуск 28 календарных дней — Прием врачей общей практики и массаж в офисе — Мобильная связь за счет компании и льготные тарифы для близких — Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

Задачи: — разработка моделей по продуктам кредитов физических лиц (КФЛ) для Блока Финансы — модели досрочного погашения кредитов/вкладов ФЛ на портфельном/клиентском уровне — модели эластичности КФЛ — модели рефинансирования КФЛ — модели детекции аномалий по НОСТРО счетам Обязанности: — сбор и подготовка данных (Hadoop, pyspark) — тестирование различных гипотез — полный пайплайн разработки модели (бустинг, нейронные сети, временные ряды) — общение с заказчиками и Data Engineer Требования: — опыт работы Data Scientist от 2 лет — образование по направлениям "Математика", «Физика», «Мат. методы в экономике» — глубокие знания в области теории вероятностей, статистики — понимание алгоритмов ML-моделей (регрессии, классификации и т. д.) — владение Python (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost и др.) — будет плюсом владение одним из фреймворков DL, pyspark Условия: — комфортный современный офис рядом с м. Кутузовская — офисный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия (зависит от должности и системы премирования) — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) — расширенный ДМС, льготное страхование для семьи и 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: — создание и развитие решений с задействованием LLM-агентов (полноценные мультиагентские системы) — создание RAG-систем — разработка и поддержка ML/DL моделей, включая их обновление и адаптацию к меняющимся условиям и требованиям бизнеса — дообучение и адаптация открытых LLM — создание системы мониторинга качества моделей и контроль их эффективности. Требования: — опыт работы от 3-х лет в коммерческой разработке на позиции Data Scientist / ML Engineer с подтверждённым опытом вывода моделей в продакшен — понимание математики классического ML и архитектуры нейросетей (PyTorch/TF) — уверенное понимание архитектуры трансформеров, опыт работы с LLM API и локальными моделями через PyTorch / Hugging Face — уверенный Python (чистый код, ООП, знание numpy/pandas/scikit-learn) и понимание принципов микросервесной архитектуры (Asyncio, FastAPI) — опыт создания агентов на LangChain/LangGraph — знание основных концепций промпт-инжиниринга и использования Structured Outputs и Function Calling — опыт проектирования и развития RAG-систем (Multi-stage Retrieval, Dense + Sparse/BM25, Rerankers, Chunking strategies) — опыт развертывания локальных open-source моделей (Llama, Mistral, Qwen, DeepSeek и др.) в продакшн-окружении и настройки высокопроизводительного инференса LLM с помощью vLLM — опыт проведения Fine-tuning LLM-моделей (PEFT, LoRA/QLoRA) — настройка мониторинга data drift и model decay, а также валидация моделей — навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом — опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов — инструментальное владение AI для анализа, генерации и автоматизации. Условия: — инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти — среда для обмена знаниями – высокая экспертиза внутри команды — сплоченная команда, работающая над общими задачами и умеющая хорошо отдыхать — нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам — стабильная заработная плата и годовой бонус — полностью офисный формат работы. Современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — Разработка сервисов ИИ платформы для создания функциональных агентов и ИИ ассистентов. — Подготовка бэк части для функциональных агентов, включая среду разработки агентов: тестирование фреймворков, opensource агенты. — Разработка сервиса управления реестром и скиллами агентов. — Создание отдельного единого сервиса для всех баз знаний, интеграция крупных корпоративных источников. Требования: — Понимание архитектуры, возможностей и ограничений современных языковых моделей. — Опыт работы с embeddings, vector search, RAG, structured output и tool calling. — Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop. — Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы. — Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента. — Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков. — Умение оценивать стоимость, latency и масштабируемость LLM-решений. — Опыт работы в e-commerce, retail или других продуктовых highload-системах. — Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. — Опыт эксплуатации GPU-инфраструктуры и оптимизации inference. — Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT. — Опыт проектирования agentic workflows или multi-agent-систем. — Понимание принципов информационной безопасности, privacy и работы с персональными данными. Условия: — full-time

Задачи: — Участвовать в проектировании и реализации высокопроизводительных, масштабируемых и оптимизированных дата-решений. — Создавать модели данных с нуля, используя сильные навыки SQL. — Писать и оптимизировать SQL-запросы внутри приложений. — Обеспечивать производительность, безопасность и доступность баз данных. — Готовить документацию и технические спецификации. — Выполнять процедуры с базами данных: обновления, резервное копирование, восстановление и миграция. — Профилировать использование ресурсов сервера и оптимизировать конфигурации. — Проектировать, строить и автоматизировать развертывание дата-пайплайнов и приложений. — Интегрировать данные из локальных баз и внешних источников через REST API и инструменты сбора данных. — Сотрудничать с бизнес-подразделениями и командами дата-сайенс по вопросам доступа, трансформации, обработки и отчетности данных. — Поддерживать внедрение, технические вопросы и обучение, связанные с экосистемой data lake. — Управлять AWS-ресурсами, включая кластеры EMR и ECS. — Поддерживать обеспечение, мониторинг, конфигурацию и обслуживание AWS-инструментов. — Оценивать и внедрять новые облачные технологии для улучшения возможностей и снижения затрат. — Поддерживать автоматизацию с использованием Infrastructure as Code (Terraform) и CI/CD (Jenkins). — Реализовывать управление данными, контроль доступа и снижение рисков безопасности. Требования: — 7-9 лет опыта проектирования и разработки облачных моделей данных, ETL-пайплайнов и инфраструктуры. — Опыт работы с структурированными и неструктурированными данными. — Отличное владение SQL для популярных баз данных. — Опыт оптимизации больших и сложных SQL-запросов. — Знание лучших практик реляционных баз данных. — Опыт настройки движков баз данных и оркестрации кластеров. — Умение планировать ресурсы по высоким спецификациям. — Навыки устранения типичных проблем с базами данных. — Опыт работы со Spark, Glue, EMR, Apache Kafka или AWS Kinesis. — Опыт с системами контроля версий Git или Subversion. — Опыт использования автоматизированных систем сборки и CI/CD. — Программирование на Java, Python и Scala. — Знание структур данных и алгоритмов. — Знание реляционных, NoSQL, графовых, документных, key-value и временных баз данных. — Знание масштабируемого проектирования и управления моделями данных. — Знание деплоя ML-моделей. — Знание AWS cloud платформ. — Знание TDD и BDD. — Сильный интерес к улучшению навыков разработки ПО, фреймворков и технологий. Условия: — Возможность работать с моделированием данных, сервисами данных и дата-сайенсом в рамках платформы Data Intelligence. — Работа в разнообразной технической среде: AWS, ETL-пайплайны, базы данных, поисковые технологии, рекомендательные системы. — Прямое взаимодействие с командами дата-сайенс и внутренними заинтересованными сторонами по вопросам отчетности, трансформации и возможностей платформы.

Вакансия предполагает работу на позиции Senior Data Science специалиста с полной занятостью и удалённым форматом в России. Основные задачи включают разработку сервисов для ИИ платформы, предназначенной для создания функциональных агентов и ИИ ассистентов, а также подготовку серверной части для таких агентов, включая тестирование фреймворков и работу с opensource агентами. В обязанности также входит создание сервиса управления реестром и навыками агентов, а также разработка единого сервиса для баз знаний с интеграцией крупных корпоративных источников. Кандидат должен хорошо разбираться в архитектуре и ограничениях современных языковых моделей, иметь опыт работы с embeddings, vector search, RAG, structured output и tool calling. Важны знания принципов проектирования AI-агентов, включая управление состоянием и контекстом, выбор инструментов, контроль автономности и human-in-the-loop. Требуется опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения, а также понимание рисков, связанных с prompt injection, некорректным tool calling, утечкой данных и избыточными правами доступа. Необходим опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков, умение оценивать стоимость, задержки и масштабируемость LLM-решений. Желателен опыт в e-commerce, retail или других высоконагруженных продуктовых системах, а также владение инструментами Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. Кандидат должен иметь опыт эксплуатации GPU-инфраструктуры и оптимизации inference, а также fine-tuning или адаптации LLM, включая LoRA/PEFT. Опыт проектирования agentic workflows или multi-agent систем и понимание принципов информационной безопасности, конфиденциальности и работы с персональными данными также обязательны.