Задачи:
— Проектировать и разрабатывать сквозные конвейеры данных с использованием Azure Data Factory, SQL и других сервисов Azure.
— Реализовывать сложные модели данных, меры DAX и вычисляемые столбцы для поддержки отчетности.
— Управлять и оптимизировать ETL-процессы, обеспечивая качество данных, согласованность и высокую производительность.
— Проектировать и поддерживать хранилища данных и размерные модели (например, схемы звезды/снежинки).
— Сотрудничать с аналитиками, разработчиками и заинтересованными сторонами для преобразования бизнес-требований в технические решения.
— Интегрировать данные из различных источников, включая SQL-базы данных, облачное хранилище, API и плоские файлы.
— Обеспечивать управление данными, точность и целостность в BI-экосистеме.
Требования:
— Опыт работы в роли Data Engineer не менее 5 лет.
— Продвинутые знания SQL: сложные запросы, оптимизация производительности, хранимые процедуры.
— Глубокое понимание технологий Azure: Azure SQL Database, Data Factory и др.
— Опыт разработки ETL, интеграции данных и оркестрации конвейеров.
— Знание принципов моделирования данных и архитектур хранилищ данных.
— Знание принципов управления данными, управления качеством данных и лучших практик безопасности данных.
— Расположение в часовом поясе CET (+/- 3 часа).
Желательно:
— Знакомство с Azure Synapse Analytics, Data Lake и Azure DevOps.
— Эксперт в разработке Power BI, включая Power Query, DAX и Power BI Service.
— Опыт работы с Python или другими скриптовыми языками для обработки данных.
— Опыт работы с Git или другими системами контроля версий для совместной работы и практик CI/CD.
— Наличие сертификатов Microsoft (Power BI, Azure Data Engineer или SQL Server).
Условия:
— Своевременные ежемесячные выплаты с гибкими вариантами вывода средств.
— Предсказуемые часы работы: стабильные 8-часовые рабочие дни с клиентами.
— До 24 дней гибких выходных в год без потери оплаты для полноценных позиций через Proxify.
— Долгосрочные удалённые позиции в ведущих компаниях.
— Персонально подобранные вакансии без типичных рекрутинговых барьеров.
— Единый процесс заключения контрактов для множества возможностей без дополнительных оценок.
— Постоянная оплата каждый месяц для позиций, полученных через Proxify.
Задачи:
— Внимательная разметка изображений в программе CVAT.
— Проверка и исправление ошибок в предразметке.
— Разметка 500 изображений, каждое содержит около 25 объектов разметки.
Требования:
— Опыт работы с CVAT желателен, но можно самостоятельно разобраться в программе.
Условия:
— Долгосрочное сотрудничество.
Location: New York, NY (HQ)
Workplace: Hybrid
ABOUT RAMP
Ramp is building the smart infrastructure for finance teams, embedded in the transaction flow of every dollar a business spends. We automate how over $275B in annualized spend flows in and out of 85,000+ companies: authorizing payments, flagging risk, categorizing spend, and closing books.
The problems are high-stakes, data-dense, and unforgiving.
We hire people with high agency and high urgency. We look for slope over intercept. We care less about where you trained and more about what you’ve built. At Ramp, everyone is a builder who owns problems end to end and makes consequential decisions that shape the outcome.
The median Ramp customer saves 7.5% and grows revenue 16% in their first year – far in excess of businesses operating without Ramp. We believe every ambitious company deserves the same.
If you want to build systems that directly shape how companies move and manage billions, Ramp is the place to do it.
ABOUT THE ROLE
The Applied Science team builds models and tools that solve Ramp’s most critical problems: from underwriting businesses to combatting fraud to making spend management smarter. We’re deeply embedded in the business and provide a quantitative foundation for decision making.
As an Applied Science intern, you’ll be a fully integrated member of the team and own your project from start to finish. Working with engineers, product managers, and business stakeholders, you’ll translate complex business needs into scalable machine-learning-driven solutions. This is a chance to apply ML concretely, ship code, and create genuine value for Ramp and our customers.
You will focus on exciting problems in areas like: credit, fraud, growth, or our core product.
WHAT YOU’LL DO
- End-to-End ML: own the model lifecycle from data exploration and feature engineering to training, benchmarking, deployment, and monitoring
- State-of-the-Art AI: leverage the latest Large Language Models (LLMs) to solve novel problems and create new product capabilities for our customers
- Versatile Techniques: apply the right tools to the right problems, whether it’s deep learning, gradient boosting, or causal inference
- Rigorous Experimentation: quantify the impact of your work through A/B tests and other statistical methods
- Collaborate: partner closely with product and business leaders to translate models and insights into actionable strategy and user-facing features
WHAT YOU NEED
- B.S., M.S. or Ph.D. Student: currently pursuing a degree in Data Science, Computer Science, Math, Physics, Economics, Statistics, or other quantitative fields with an expected graduation date between Dec 2027 - 2029. Graduate degrees are preferred, but not a must.
- Strong ML Fundamentals: solid understanding of the mathematical foundations of machine learning, statistics, probability, and optimization
- Strong Interest or Experience with AI: curiosity and drive to integrate cutting edge LLMs and agents into applied solutions
- Python Proficiency: good grasp of common Data Science libraries (pandas, scikit-learn, NumPy, PyTorch, etc.)
- SQL Knowledge: experience wrangling data in a modern data warehouse (e.g. Snowflake, BigQuery, Redshift, Clickhouse)
- Practical Experience: track record of curating datasets and building/evaluating ML models
- Strong Communication: ability to clearly explain complex concepts to both technical and non-technical audiences and use data to build a compelling narrative
- Bias For Action: a comfort with ambiguity and desire to ship solutions quickly then iterate
NICE TO HAVES
- Publications, Projects, or Previous Experience: relevant experience applying AI/ML and demonstrating your passion for the field
- Production ML Mindset: knowledge of software engineering best practices applied to ML including version control (Git), testing, and writing maintainable code
- Data Orchestration: experience with leveraging modern data orchestration platforms (Airflow, Dagster, Prefect, Metaflow)
COMPENSATION
- The monthly rate for this internship is $12,500 USD + housing stipend
RAMP BENEFITS
- Apple MacBook
- Catered lunches in NYC office Monday-Friday
- Weekly coffee stipend
BENEFITS AVAILABLE TO ALL FULL-TIME RAMP EMPLOYEES (GLOBAL)
- Flexible PTO
- Centralized home-office equipment ordering
- Health and wellness stipend
- Budget for intra-office travel
- Weekly coffee stipend
UNITED STATES
- 100% medical, dental & vision insurance coverage for you, with partial coverage for dependents
- One Medical annual membership
- 401(k), including employer match on contributions made while employed by Ramp
- Fertility HRA (up to $10,000 per year)
- Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay
- Pet insurance
- In-office perks: lunch, snacks, drinks, and more
- Relocation expense coverage to NYC or SF (if needed)
CANADA
- Group medical, dental, and vision coverage through Sun Life
- Life, AD&D, and disability coverage
- Fertility drug coverage (up to $4,000 lifetime)
- Group Retirement Plan with employer match (RRSP + DPSP)
- Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay, with additional time available at reduced pay
- Employee Assistance Program and virtual care through Lumino Health
UNITED KINGDOM
- Private medical insurance through Freedom Elite
- Virtual GP and at-home care via eMed x Livi
- Workplace pension through Penfold, with salary sacrifice option
- Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay with additional time available at reduced pay
REFERRAL INSTRUCTIONS
If you are being referred for the role, please contact that person to apply on your behalf.
OTHER NOTICES
Pursuant to the San Francisco Fair Chance Ordinance, we will consider for employment qualified applicants with arrest and conviction records.
Beware of recruiting scams: Ramp will only contact you through official @Ramp.com http://Ramp.com email addresses and will never ask for payment or sensitive personal information during the hiring process.
Ramp Applicant Privacy Notice https://ramp.com/legal/applicant-privacy-notice
Задачи:
— строить ML модели на основе различных данных: табличные, графовые, NLP, GEO, последовательности событий (кликстрим, транзакции и т.д.)
— писать production код и выводить его в ПРОМ
— улучшать процесс построения моделей, разрабатывать собственные прикладные модули командного фреймворка разработки для повышения производительности DS и улучшения качества кода в промышленной среде
— выдвигать data-driven гипотезы/предложения для запуска новых механик, а также поиск инсайтов в данных.
Требования:
— глубокое знание классического ML
— понимание основных Deep Learning подходов
— продвинутое знание SQL
— отличное знание Python
— понимание и опыт АB-тестирования.
Будет плюсом:
— понимание специфики разработки ML-технологий, начиная с формулировки бизнес-проблемы, заканчивая выведением на регулярную основу в прод
— опыт решения задач ранжирования или Real Time Bidding
— опыт работы с Pyspark, Greenplum.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный формат работы
— ежегодный пересмотр зарплаты, квартальная и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте
— 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:
— поиск подходящих ML решений для решения бизнес-задач, проведение оффлайн и онлайн (А/Б) экспериментов
— разработка и улучшение ML-пайплайнов для задач RecSys: подготовка данных, обучение моделей, валидация и внедрение
— анализ и работа с большими объёмами данных на PySpark
— исследование и применение актуальных методик в области Data Science, Machine Learning и RecSys
— взаимодействие с командой разработки и аналитики, генерация гипотез, участие в обсуждении решений и донесение результатов своей работы до команды.
Требования:
— опыт работы в области Data Science от 1 до 3 лет
— интерес к рекомендательным системам, желание развиваться и постепенно брать на себя больше ответственности
— практические навыки решения ML-задач: от подготовки данных и выбора алгоритмов до настройки гиперпараметров и оценки качества моделей
— хорошая база в алгоритмах машинного обучения и интеллектуальном анализе данных; опыт применения классических ML- и/или DL-подходов будет преимуществом
— хорошее знание Python и основных DS-фреймворков (PyTorch, PySpark и др.), понимание принципов написания качественного кода
— способность самостоятельно разбираться в новых подходах, читать технические материалы на английском и применять их на практике
Будет плюсом:
— опыт реализации DS-проектов в области рекомендаций
— опыт работы с ranking-задачами, feature engineering, A/B-тестами или ML-экспериментами
— опыт вывода ML-решений в production или участия в развитии ML-пайплайнов.
— опыт работы с высоконагруженными системами с машинным обучением и Big Data
— участие в профильных курсах, соревнованиях или pet-projects в области ML/RecSys.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможность выбрать удобный график – офис/гибрид
— ежегодный пересмотр зарплаты, годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте
— 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:
— Проектирование, развёртывание и развитие инфраструктуры платформы искусственного интеллекта (on-prem и облако): Kubernetes-кластеры, GPU-ноды, storage, сети, безопасность.
— Построение и поддержка CI/CD/CT-пайплайнов для ML-моделей и сервисов: от артефакта DS до продакшн-инференса с откатами и канареечными релизами.
— Интеграция и эксплуатация LLM/ML-сервисов для внутренних команд и рыночных внедрений: упаковка моделей в сервисы, конфигурация autoscaling, SLA, observability.
— Настройка мониторинга и алертинга по инфраструктуре и моделям (метрики ресурсов, latency, ошибки, дрейф данных), реагирование на инциденты, участие в post-mortem.
— Автоматизация ML-пайплайнов: подготовка данных, обучение, переобучение, регистрация моделей, управление версиями и окружениями.
— Поддержка внедрений у клиентов: тиражирование платформенных компонентов, адаптация инфраструктуры под контур заказчика, участие в performance-оптимизации и cost-cutting (GPU/CPU).
Требования:
— Высшее образование.
— Опыт работы: 5+ лет.
— Глубокое понимание жизненного цикла ML-модели: от экспериментов до продакшн-инференса и мониторинга.
— Уверенный Linux, сетевые основы, безопасность, работа с контейнерами и оркестраторами.
— Опыт построения CI/CD-пайплайнов для сервисов и ML-артефактов (Docker images, модели, данные).
— Опыт с LLM/GenAI-платформами: vLLM, TGI, Hugging Face, Triton/ONNX Runtime, оптимизация инференса.
— Опыт построения feature store, model registry, ML pipelines (Kubeflow, MLflow, Airflow, Argo Workflows).
— Работа в гибридной инфраструктуре: on-prem кластеры + публичные облака (T1 Cloud, VK Cloud, Yandex Cloud и др.).
— Понимание cost-optimization: FinOps для GPU/CPU, автобалансировка нагрузок.
— Языки: Python (утилиты, обвязка) / Bash.
— Контейнеризация и оркестрация: Docker, Docker Compose, Kubernetes (Helm, Operators), желательно Kubeflow.
— CI/CD: GitLab CI / GitHub Actions / Jenkins / Argo CD.
— Инфраструктура: Terraform / Ansible, конфигурация Linux-серверов, Nginx, cert-manager.
— Data/ML-инфраструктура: Apache Kafka, Airflow/Argo Workflows, S3-совместимые хранилища, MLflow/Weights&Biases.
— Мониторинг и логи: Prometheus, Grafana, Loki/ELK, Sentry, alertmanager.
Профессиональные навыки:
— Проектирование и развёртывание инфраструктуры платформы ИИ (кластер Kubernetes, storage, сети, security) под LLM/ML-нагрузки.
— Построение воспроизводимых ML-пайплайнов: обучение, валидация, packaging модели, деплой в batch и real-time режимах.
— Настройка мониторинга моделей: метрики качества, дрейф данных, latency/throughput, автоматический rollback и retraining-триггеры.
— Совместная работа с DS/разработчиками и внедренцами: перевод экспериментальных ноутбуков в надёжные сервисы для внутренних и внешних клиентов.
Специализированные программы:
— GitLab / GitHub, Jira / Confluence/Сфера
— Kubernetes ecosystem: kubectl, Helm, K9s, Lens.
— ML-инструменты: MLflow / Weights & Biases, Kubeflow Pipelines / Airflow, model registry.
— Мониторинг: Prometheus, Grafana, Loki/ELK, Alertmanager, Sentry.
Location: San Francisco, CA • New York, NY
Figma is growing our team of passionate creatives and builders on a mission to make design accessible to all. Figma’s platform helps teams bring ideas to life—whether you're brainstorming, creating a prototype, translating designs into code, or iterating with AI. From idea to product, Figma empowers teams to streamline workflows, move faster, and work together in real time from anywhere in the world. If you're excited to shape the future of design and collaboration, join us!
Figma’s Data Science team partners across product, engineering, design, marketing, sales, and operations to help Figma make better decisions with data. As an intern on our team, you'll work on technical challenges that have real impact on our product and business, and we're looking for interns with strong foundations in coding and statistics and who are clear communicators with both technical and non-technical audiences.
This internship will be based out of our San Francisco or New York Hub.
What you'll do at Figma:
Own a scoped project end to end—from framing the question with Product, Engineering, Design, and Data Science partners through delivering the work—with support from a manager and mentor.
Analyze user behavior, product performance, or business data to uncover insights and translate them into recommendations for businessDesign and evaluate experiments and develop metrics that help teams understand the impact of product changes.Build models to understand user behavior and predict growth
Build and improve data pipelines and tools that make product data more scalable and accessible
Focus areas may include analytics, experimentation, or infrastructure - based on your interests and business needs
Some projects you could work on:
Analyze how people adopt and use a new or existing Figma product experience, define meaningful success metrics, and turn patterns in engagement and retention into product recommendations.
Build and validate a new analytical method or tool that expands how Figma’s Data Science team solves recurring problems.
Study marketing or customer-journey data to identify drivers of acquisition, conversion, or retention.
Develop and evaluate forecasts or models that help teams anticipate user or business trends and plan more effectively
We'd love to hear from you if you have:
Experience using SQL and a scripting language such as Python or R to clean, explore, and analyze data through research, projects, or prior work.
A solid foundation in statistics and quantitative reasoning, with exposure to areas such as experimentation, forecasting, statistical modeling, causal inference, or data modeling.
The ability to structure open-ended questions, validate your analysis, and connect findings to product or business decisions.
Curiosity, initiative, and strong communication and collaboration skills with both technical and non-technical partners.
At Figma, one of our values is Grow as you go. We believe in hiring smart, curious people who are excited to learn and develop their skills. If you’re excited about this role but your past experience doesn’t align perfectly with the points outlined in the job description, we encourage you to apply anyways. You may be just the right candidate for this or other roles.
Pay Transparency Disclosure
This internship role is based in either Figma’s San Francisco or New York hub offices, and has the hourly base pay rate stated below. Figma also offers interns a housing stipend and travel reimbursement. Figma’s compensation and benefits are subject to change and may be modified in the future.
Internship
$46
—
$46 USD
At Figma we celebrate and support our differences. We know employing a team rich in diverse thoughts, experiences, and opinions allows our employees, our product and our community to flourish. Figma is an
equal opportunity workplace
- we are dedicated to equal employment opportunities regardless of race, color, ancestry, religion, sex, national origin, sexual orientation, age, citizenship, marital status, disability, gender identity/expression, veteran status
,
or any other characteristic protected by law. We also consider qualified applicants regardless of criminal histories, consistent with legal requirements.
We will work to ensure individuals with disabilities are provided reasonable accommodation to apply for a role, participate in the interview process, perform essential job functions, and receive other benefits and privileges of employment. If you require accommodation, please reach out to
accommodations-ext@figma.com
. These modifications enable an individual with a disability to have an equal opportunity not only to get a job, but successfully perform their job tasks to the same extent as people without disabilities.
Examples of accommodations include but are not limited to:
Holding interviews in an accessible location
Enabling closed captioning on video conferencing
Ensuring all written communication be compatible with screen readers
Changing the mode or format of interviews
To ensure the integrity of our hiring process and facilitate a more personal connection, we require all candidates keep their cameras on during video interviews. Additionally, if hired you will be required to attend in person onboarding.
By applying for this job, the candidate acknowledges and agrees that any personal data contained in their application or supporting materials will be processed in accordance with
Figma's Candidate Privacy Notice
.
Application limits:
To help candidates focus on the opportunities most relevant to their skills and experience, Figma limits the number and frequency of applications. These limits apply to all roles:
Candidates may submit up to 5 applications during any rolling 30-day period.
Candidates may not reapply to the same role while an application is active or within 90 days of receiving a rejection.
Once the applicable days has passed, candidates are welcome to apply again.
Проект:
Разработка единой системы оценки эффективности.
Задачи:
— Разработка решений вокруг DWH
— Создание ETL / настройка сбора данных, BI-аналитика
— Проработка архитектуры данных и системы для их сбора
— Внедрение нового функционала, сокращение техдолга
Требования:
— Опыт проектирования и построения пайплайнов: Python / Apache Airflow
— Интеграция источников с GraphQL, RESTful
— Хранение данных в Apache Iceberg / проектирование архитектуры хранения данных
— Проектирование архитектуры сбора данных и витрин
— Тестирование данных на всех уровнях требований к качеству данных
— Настройка метрик и алертов Prometheus / интеграция с внутренними системами оповещений
— Знание предметной области
Условия:
Удаленный формат работы
Интересный проект с архитектурными задачами
Профессиональный рост
О нас:
Мы строим ведущую платформу классифайд объявлений Узбекистана. ML - ядро нашего продукта: поиск, ранжирование, модерация и рекомендации.
Команда находится на активной стадии построения ML-инфраструктуры с нуля: мы выбираем технологии, формируем процессы и закладываем фундамент для ML-платформы следующего поколения.
Чем предстоит заниматься:
- Развивать качество поиска: LTR-модели (LambdaMART/LightGBM), разрабатывать и интегрировать векторный поиск, улучшение поискового пайплайна (работа с саджестером, catpred).
- Строить ML-модели для Trust & Safety: обнаружение мошенничества, модерация объявлений, NER в мессенджерах, скоринг нарушений.
- Развивать систему рекомендаций - item2item, user2item рекомендации.
- Участвовать в проектировании и развёртывании ML-платформы (SageMaker, MLflow, Feast, Evidently, Airflow).
Задачи:
— кастомизировать модели ранжирования
— персонализировать поисковую выдачу и работать с её разнообразием
— генерировать описание товара по фотографии
— развивать поиск по продавцам и интегрировать его в основную выдачу.
Задачи:
— Подготовка данных: выгрузки из PostgreSQL и POS, очистка, пропуски, выбросы
— Прогнозные модели: поток гостей, спрос на позиции меню, потребность в закупках
— Признаки предметной области: сезонность, праздники, погода, история продаж
— Валидация: разбиение по времени, контроль утечек, бизнес-метрика рядом с технической
— Продуктовые исследования: сегменты гостей, средний чек, отток, эффективность акций
— Передача модели в прод вместе с бэкендом: контракт данных, инференс, мониторинг качества
— Код-ревью, обсуждение гипотез, планирование задач
Требования:
— Python 3.11+, аннотации типов
— pandas, NumPy: группировки, join'ы, оконные функции, даты
— scikit-learn: пайплайны, кросс-валидация, подбор гиперпараметров
— Метрики и переобучение: MAE / MAPE, бейзлайн, утечки
— SQL: join'ы, агрегаты, оконные функции
— EDA: matplotlib или seaborn
— Git, ветки, PR, код-ревью
— Плюсом: statsmodels, Prophet, CatBoost, Docker, FastAPI, Airflow, MLflow, LLM и RAG
Условия:
— Удалённо из России, свободный график
— Доступы к AI-сервисам (ChatGPT, Claude и другие)
— Обучение за счёт компании: курсы, книги, конференции, хакатоны
— Ревью каждые 6 месяцев, путь до Middle+ за 0.5–1 года
Нужны видео от первого лица в формате POV для обучения искусственного интеллекта. Общая сумма часов видео — 50 000 часов.
Подходящие видео:
Бытовые процессы:
— действия, выполняемые дома, на даче, в гараже, подсобном помещении или на улице;
— примеры: уборка, приготовление еды, сортировка вещей, организация шкафов и хранения, уход за обувью и одеждой, обслуживание бытовой техники, мытье окон, работа с домашними инструментами, мелкий ремонт, уход за территорией, другие повседневные действия руками;
— важно избегать большого количества одинаковых роликов, лучше разнообразить процессы по смыслу, предметам, условиям или способу выполнения;
— примеры разнообразия: разбирать шкаф с одеждой, посудой, инструментами; складывать полотенца разного размера; мыть окна разного размера; использовать разные средства и инструменты для уборки; применять разные последовательности действий;
— не нужно снимать одно и то же действие многократно одинаковым способом.
Коммерческие процессы:
— ручная работа на предприятиях, производствах, складах, в магазинах, мастерских, сервисах и других организациях;
— примеры: сборка изделий, упаковка продукции, сборка коробок, сортировка, комплектация заказов, обработка деталей, шлифовка, работа на производственных линиях, подготовка материалов, работа с инструментами и оборудованием, другие производственные операции;
— допускается длительная потоковая съемка с последующим разделением видео на логические части;
— важны изменения в процессе: другое положение детали, изменение материала, исправления, дополнительные операции, нестандартные ситуации;
— видео продолжительностью более 20 минут рекомендуется снимать по предварительной договоренности.
Продолжительность видео:
— для бытовых процессов рекомендуется снимать ролики от 1 до 20 минут;
— такой формат упрощает съемку, загрузку, проверку, разделение процессов, снижает ошибки и позволяет быстрее оценить соответствие материала требованиям;
— не нужно искусственно растягивать видео, если задача заканчивается раньше, главное — полезный и понятный процесс.
Задачи:
— Развивать платформу для расчёта ML-признаков в batch-, streaming- и nearline-сценариях;
— Строить и поддерживать пайплайны для исторических расчётов, backfill и обновления признаков;
— Собирать обучающие датасеты так, чтобы в них не попадали данные «из будущего».
Задачи:
— Проектировать и разрабатывать multi-agent системы.
— Интегрировать LLM с внутренними инструментами и сервисами.
— Разрабатывать backend-сервисы и API для agent workflows.
— Реализовывать RAG pipelines и tool/function calling.
— Создавать CLI-based agent workflows и инструменты автоматизации.
— Разрабатывать Computer Vision pipelines: object detection, multi-object tracking, person re-identification.
— Разрабатывать multi-camera multi-person tracking для сетей камер.
— Работать с видеопотоками в реальном времени и оптимизировать GPU inference.
Требования:
— Опыт работы с Node.js ecosystem и Express.js.
— Уверенное владение Python.
— Опыт работы с LLM APIs и prompt engineering.
— Опыт работы с RAG, tool calling или agent frameworks.
— Знакомство с Docker, Linux и Git.
— Опыт работы с PyTorch и OpenCV.
— Опыт в object detection и multi-object tracking.
— Опыт работы с YOLO, ByteTrack / BoT-SORT или аналогами.
— Понимание person re-identification и vector search.
— Опыт работы с Milvus / FAISS.
— Опыт обработки видео с ffmpeg / GStreamer.
— Работа с RTSP и hardware decoding.
Будет плюсом:
— Опыт в NLP и ML.
— Опыт развёртывания open-source LLM.
— Опыт оптимизации inference.
— Опыт работы с Vision-Language Models.
— TensorRT / ONNX Runtime.
Условия:
— Удалённый формат работы.
— Заработная плата: 1.600–3.200 USD net в месяц.
Задачи:
— работа с ценообразованием
— uplift-моделирование
— задачи ранжирования
— модели склонности
— look-a-like модели
— response модели
— работа с регрессионными таргетами
— кластерный и факторный анализ
Требования:
— опыт в ML задачах не менее 3 лет
— глубокое понимание классического машинного обучения
— продвинутые знания статистики и машинного обучения
— опыт оценки качества результатов (DS и бизнес-валидация)
— опыт проведения A/B-тестов
— хорошие знания Python и SQL
Будет плюсом:
— опыт работы с Transformers
— успехи в ML-соревнованиях и хакатонах
— навыки работы с генеративными AI-моделями
— опыт создания AI-агентов и использования их в работе
— опыт использования GigaChat, Kandinsky и аналогов в продуктах
Условия:
— работа в современном офисе недалеко от метро Кутузовская
— ежегодный пересмотр зарплаты и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета
— 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
ОфисmiddleМосква
ГибридСтажёрRelocation expense coverage to NYC or SF (if needed)
