Данные и ML вакансии

Задачи: — разработка и развитие LLM-проектов в юридическом домене — от прототипов до продакшена — проектирование и обучение агентов-экспертов, решающих задачи правового домена (RAG-пайплайны, классификация запросов, генерация ответов, оценка релевантности) — исследование и настройка multi-agent orchestration (LangGraph, LangChain, schema guided reasoning pipelines) — работа с GigaChat как основной моделью, а также эксперименты с ChatGPT, Gemini, Qwen — дообучение малых моделей (instruction-tuning, adapters, LoRA) для повышения качества юридического рассуждения — разработка метрик качества — взаимодействие с инженерами и аналитиками права — внедрение моделей в реальные кейсы (алиментные, потребительские, трудовые и т.д.) Требования: — опыт работы DS/ML-инженером от 3х лет — понимание архитектуры LLM и принципов prompt engineering — опыт построения RAG-систем, fine-tuning и дообучения моделей — умение проектировать пайплайны inference / retraining Будет плюсом: — опыт в LegalTech или смежных областях (финансы, документооборот, чат-боты) — понимание структуры и логики российских нормативных актов — опыт интеграции LLM с внешними API или базами знаний Условия: — формат работы офис на испытательном сроке, локация офиса ул Вавилова д.19 — ежегодный пересмотр зарплаты, годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — 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: — разработка моделей с применением алгоритмов и техник машинного обучения; — развёртывание моделей в выбранной среде; — обработка и устранение возникающих проблем, связанных с работой модели после вывода в продуктивное использование. Требования: — опыт работы по направлению не менее 2 лет; — знание алгоритмов и техник машинного обучения, их преимуществ, недостатков и особенностей применения; — понимание теории вероятности и математической статистики; — опыт программирования на языке Python, уверенное владение синтаксисом и основными конструкциями языка, использование библиотек для анализа данных и машинного обучения, знание библиотек для работы с веб-технологиями (Numpy, Pandas, matplotlib, seaborn, scikit-learn, XGBoost, CatBoost, PyTorch); — знание системы контроля версий и методов CI/CD; — понимание принципов работы с API и опыт их интеграции в проекты. Условия: — удалённый формат работы либо гибрид. — ДМС со стоматологией, индексация зарплаты, бонусы за командные и личные достижения, кафетерий льгот (20 000 на услуги от образования до здоровья каждый год), программы финансовой, психологической и юридической поддержки, компенсация питания, программы адаптации. — индивидуальные планы развития, помощь в наращивании экспертизы, работа с внутренним кадровым резервом внутри Северстали и Севергрупп. — корпоративная культура, взаимоуважение и поддержка на всех уровнях управления.

Описание продукта: Ты будешь заниматься развитием рекомендательных алгоритмов для Самоката, участвовать в полном цикле разработки ml моделей от исследований до внедрения в продакшн, держа фокус на реальную пользу бизнесу и рост выручки компании. Это роль с прямым влиянием на пользовательский опыт: результаты работы команды реально меняют то, что видят пользователи в продукте, и помогают улучшать качество рекомендаций. Обязательные навыки: - Уверенные знания по Python и SQL - Сильные знания по ML и DL - АБ тесты Желательные навыки: Очень приветствуется интерес к современным подходам в рекомендациях и ML. Задачи: - Улучшать текущие и разработка новых моделей для рекомендаций - Исследовать современные подходы - Продуктивизировать и отвечать за разработанные алгоритмы.

Задачи: — Разработка ML-моделей и алгоритмов — Вывод в production ML-моделей и расчетных модулей — Аналитика на больших данных — Поддержка реализованных решений — Разработка ML-моделей и алгоритмов для прогнозирования временных рядов Требования: — продвинутые знания в области математики (мат.анализ, линейная алгебра, теория вероятностей, мат.статистика) — python: типы данных, структуры, ООП — классический ML: задачи (классификация, регрессия), метрики, basic ML stack (pandas, numpy, sklearn, catboost, xgboost), SQL — BigData stack (Hadoop, Spark, SparkML) — умение работать с git, Jira, Confluence Будет плюсом: — знания в области финансов — опыт продуктовой аналитики — опыт работы с временными рядами (анализ, разработка моделей) — опыт работы с LLM (langchain, langgraph) — опыт end-2-end разработки ML-моделей (EDA-MVP-Solution-Validation-Production) — опыт backend разработки Условия: — комфортный современный офис рядом с м. Кутузовская — гибридный формат работы — 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 — бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров — вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — участвовать в полном цикле разработки моделей по рискам розничного бизнеса: постановка задачи, сбор данных, разработка ML-модели, подготовка артефактов для внедрения — исследовать источники данных и современные архитектуры для повышения качества работы моделей — написание алгоритмов для целей сегментации выдач по риск-доходности — презентация результатов исследований бизнес-заказчикам. Требования: — опыт разработки моделей машинного обучения (классический стек) — знание ключевых методов и алгоритмов в области Machine Learning — знание Python и библиотек Pandas, Scikit-learn, XGBoost/LightGBM/CatBoost, Transformers — навыки работы с базами данных, знание SQL, PySpark — высокий уровень ответственности и самостоятельности Будет плюсом: — опыт стажировок — опыт с LLM и AI-агентами — учебные знания в области розничного кредитования, портфельного управления и математики кредитных рисков. Условия: — оплачиваемая стажировка — возможность выбрать удобный график – офис или гибрид (локация: м. Кутузовская) — корпоративный спортзал и зоны отдых.

Задачи: — Перевод исследовательских DS рабочих процессов (например, прокси-метрики, модели устаревания) в производственные ML пайплайны с использованием Airflow, WandB и Ray, создание повторно используемых шаблонов для других команд. — Применение и внедрение методов причинно-следственного вывода с использованием производственного ML стека (propensity scoring, IPW, TMLE) для решения важных задач измерения за пределами экспериментальных возможностей. Создание инструментов самообслуживания для неэкспертов для получения строгих причинных выводов в масштабе. — Сотрудничество с ML инженерами и продуктовыми командами для выявления возможностей улучшения инструментов, метрик и методов измерения, что приводит к значительному улучшению качества моделей и бизнес-результатов. — Использование богатых метаданных и сигналов вовлеченности Pinterest для построения дата-дривен фреймворков, от важности признаков до деиндексации контента, для повышения эффективности и скорости платформы. — Проектирование и создание централизованных инструментов ML платформы для улучшения создания, оценки и доверия к признакам и моделям, включая производственные системы, работающие ежедневно в масштабе для всех моделей. Требования: — Опыт работы не менее 2 лет в роли прикладного ученого данных, ML инженера, исследователя или разработчика ПО с значительным опытом внедрения ML в производство. — Сильные навыки Python; опыт работы с PyTorch или аналогичными фреймворками глубокого обучения; знакомство с распределенными вычислениями (Spark, Ray), предпочтительно Ray. — Энтузиазм к созданию инструментов и платформ, которые увеличивают влияние всей ML организации, а не решают разовые задачи. — Глубокие знания теории ML с сильными фундаментальными основами для анализа моделей ML с первых принципов. — Владение лучшими практиками разработки ПО, включая контроль версий, код-ревью и воспроизводимые ML пайплайны. — Опыт работы с инструментами управления рабочими процессами (Airflow, Prefect, Jenkins или аналогичными) для надежной оркестрации ML пайплайнов. — Степень бакалавра или магистра в релевантной области, например, компьютерных наук, или эквивалентный опыт. Условия: — Работа удаленная с необходимостью присутствия в офисе 3-5 раз в квартал для личного взаимодействия. — Позиция не предусматривает помощь с релокацией. Дополнительно: — Компания предоставляет равные возможности для всех кандидатов без дискриминации. — Зарплатный диапазон от $114,297 до $235,319 в год, также возможна доля в компании. — Работа в США, предпочтительно в Пало-Альто, Калифорния, или удаленно по США.

Задачи: — Партнерство с инженерными и кросс-функциональными командами для улучшения измерения, понимания и оптимизации инфраструктуры Pinterest. — Определение, измерение и улучшение здоровья, качества и эффективности инфраструктурных систем. — Создание и совершенствование метрик, дашбордов и аналитических фреймворков для упрощения понимания и действий с техническими системами. — Усиление основ данных через улучшение определений метрик, аудит качества данных и участие в улучшении пайплайнов и систем измерения. — Проектирование и анализ экспериментов, расследований и глубоких исследований для оценки влияния изменений инфраструктуры на пользовательский опыт, надежность и бизнес-результаты. — Перевод неоднозначных технических проблем в четкие аналитические задачи и рекомендации для инженерных и платформенных партнеров. — Поддержка приоритетных расследований и принятия решений, связанных с производительностью, надежностью, стоимостью и качеством измерений инфраструктуры. — Выявление возможностей для улучшения измерения и оптимизации инфраструктуры в различных областях, таких как производительность, инфраструктура для шопинга, управление, качество метрик и надежность сайта. Требования: — Магистерская степень в релевантной области (статистика, прикладная математика, биостатистика) или эквивалентный опыт. — Сильные навыки SQL и аналитического программирования, опыт работы с неидеальными данными и построения надежных метрик и наборов данных. — Опыт участия в создании производственных пайплайнов данных, систем измерения или фундаментальной работы с данными для улучшения качества и удобства использования данных. — Солидные знания в области экспериментов и измерений, умение проектировать анализы, строго интерпретировать результаты и эффективно взаимодействовать с инженерами и другими заинтересованными сторонами. — Способность переводить неоднозначные проблемы в четкие аналитические рабочие процессы и практические рекомендации. — Сильные навыки коммуникации с кросс-функциональными командами, умение ясно объяснять технические выводы. — Умение работать самостоятельно, расставлять приоритеты между долгосрочными проектами и срочными запросами, продвигать работу в динамичной среде. — Любознательность и стремление улучшать сложные системы и создавать более масштабируемые и надежные основы измерений. Условия: — Работа удаленная с необходимостью присутствия в офисе 1-2 раза в квартал для личного взаимодействия. — Позиция не предусматривает помощь с переездом. — Зарплата от $114,297 до $235,319 в год, также доступна опционная программа. — Только для кандидатов, проживающих в США. — Pinterest является работодателем, предоставляющим равные возможности и учитывающим разнообразие.

О проекте Промышленная видеоаналитика. Ядро уже работает - детекция, трекинг, распознавание лиц, детектор СИЗ, API и веб-интерфейс. Нужно довести систему до продакшн внедрения. Задачи: - Довести распознавание лиц до измеримого качества: разметка, калибровка порогов, метрики FAR/FRR - Устойчивое отслеживание - Оптимизация производительности пайплайна под CPU-only сервер для оффлайн обработки - Обучение и дообучение детекторов на собственных данных, организация разметки Требования - Уверенный Python + Go, опыт с ONNX/ONNX Runtime (экспорт, opset, оптимизация latency на CPU, а не GPU serving) - Опыт с YOLO - Face detection/recognition пайплайны (детектор + embedding + порог по cosine similarity) - Опыт с OpenCV DNN/Zoo моделями плюс - Object tracking (IoU/ByteTrack-подобные трекеры, multi-object tracking metrics, ID switches)

Задачи: — Повышение качества RAG-агентов по трём направлениям: поиск по технической документации, нормативной базе, бухгалтерской документации; — Промпт-инжиниринг и контекст-инжиниринг для всех агентов команды; — Подготовка эталонных наборов оценки качества; — Реализация LLM-as-a-judge для автоматических регрессионных проверок; — Настройка защит для production-агентов: фильтры от инъекций в промпт, валидация структуры и контента выходов, защита от утечек персональных данных, anti-hallucination механизмы; — A/B-тестирование промптов и моделей для подбора лучших конфигураций; — Тюнинг качества по сигналам обратной связи пользователей и трассировкам из Langfuse. Требования: — Python от 2 лет коммерческой разработки; — Практический опыт RAG-систем в продакшене: эмбеддинги, векторные базы (Qdrant, FAISS или pgvector), переранжирование, чанкинг; — Опыт построения и поддержки как минимум одного RAG-решения от начала до конца, не прототип; — Практический опыт оценки качества LLM-систем: подготовка эталонных наборов, offline-метрики, LLM-as-judge, регрессионные проверки; — Опыт работы с фреймворками оценки (Ragas, DeepEval или аналоги); — Практический опыт настройки защит для LLM-приложений: защита от инъекций в промпт, валидация структуры и контента выходов, защита от утечек персональных данных; — Опыт промпт-инжиниринга и контекст-инжиниринга в реальных проектах: итеративная настройка промптов, structured output, function calling; — Понимание архитектуры RAG: стратегии нарезки документов, метаданные, выбор моделей эмбеддингов, переранжирование, точность ссылок на источник; — Практический опыт работы хотя бы с одним LLM-фреймворком: LangChain, LangGraph, PydanticAI, OpenAI API или аналоги; — Практический опыт A/B-тестирования промптов и моделей в продакшене; — Опыт работы с агентскими протоколами (MCP) или собственным tool-layer для агентов; — SQL и работа с реляционными базами на базовом уровне.

Digital подразделение крупной производственной компании в поисках Data Engineer (Middle / Senior) в команду, которая строит Корпоративное Хранилище Данных и data-платформы для всего бизнеса. Основной стек проекта: Язык программирования Python Базы данных Greenplum и PostgreSQL Фреймворк Data Build Tool (DBT) Фреймворк Spark Брокер сообщений Kafka Оркестратор Airflow Инфраструктура: Kubernetes Управление инфраструктурой: Terraform, Ansible Управление кодом: GitLab, SonarQube Мониторинг: Prometheus, Grafana, AlertManager Задачи: — Разработка и поддержка ETL/ELT-процессов в Корпоративное Хранилище Данных — Организация и оптимизация пайплайнов данных — Разработка витрин данных и обеспечение качества данных — Настройка и поддержка инфраструктуры данных (Airflow, Spark, Kafka, DBT) — Взаимодействие с заказчиками: от сбора требований до внедрения и сопровождения решений — Документирование и презентация результатов Требования: — Опыт работы Data Engineer от 5 лет — Высшее образование (IT/математика/математическая статистика/физика) — Отличное знание Python и SQL — Опыт работы с реляционными БД (Greenplum / PostgreSQL) — Знание современных технологий обработки больших данных — Опыт с Airflow, Spark, Kafka, DBT — будет преимуществом — Умение работать в команде, сильные аналитические навыки и ответственность Условия: — Официальное оформление по ТК РФ — Возможность выбора формата работы (удаленка, гибрид, офис) — Развитый социальный пакет, ДМС, бонусы

Задачи: — Владеть проблемой, превращая цели в AI-решения в продакшене. — Строить и адаптировать большие языковые модели (LLM); дообучать или дистиллировать модели для повышения производительности. — Обучать собственные модели, включая сбор и оценку данных. — Принимать решения о разработке или покупке на основе чётких метрик и ограничений. — Выпускать функции в продакшен и мониторить их эффективность. Требования: — Опыт инженерной работы 5+ лет с сильными навыками программирования. — Практический опыт с LLM: retrieval, использование инструментов и контекстное проектирование. — Подтверждённый опыт обучения моделей на реальных производственных данных. — Владение Python, PyTorch и использованием GPU. — Английский язык на уровне Intermediate и выше. Желательно: — Опыт работы с инференсом в реальном времени, модерацией контента или рекомендательными системами. — Знакомство с Docker, Kubernetes и облачными платформами. Условия: — Конкурентная зарплата и опционные программы — все являются партнёрами. — Официальное трудоустройство на Кипре (поддержка визы для сотрудника и супруга). — Комфортный офис в Лимассоле с обеспечением питания и перекусов. — Медицинская страховка для сотрудника и семьи. — Возможности для профессионального роста, уроки греческого языка и командные мероприятия.

Задачи: — Улучшение текущих моделей и обучение новых, включая классификаторы, генеративные модели, сложные сценарии на основе агентов и пайплайнов. — Сбор и анализ данных для дообучения, обучение с использованием SFT- и RL-подходов. — Быстрая разработка прототипов и MVP для новых проектов, с фокусом на агентах и RAG для обработки большого контекста. — Автоматизация валидации ML-моделей, внедрение систем автоматической оценки качества моделей в продакшен. Требования: — Опыт в машинном обучении. — Хорошее знание Python. — Уверенное владение классическими алгоритмами и моделями. — Глубокие знания в NLP и LLM. Будет плюсом: — Опыт работы с агентами и RAG-пайплайнами. Условия: — Расширенная медицинская страховка с первого месяца, включая стоматологию, ежегодные чекапы, неотложную помощь за рубежом, лечение критических заболеваний и страхование от несчастных случаев. — Психотерапия в офисе или онлайн. — Лазерная коррекция зрения через год работы. — Ведение беременности и роды через два года. — Страховка для родственников по системе 80/20 (80% оплачивает компания). — Внутренняя образовательная платформа, менторство, программы для руководителей. — Оплата участия в профильных конференциях. — Внутренние проекты для обмена экспертизой. — Гибкий график без фиксированного времени начала и конца рабочего дня. — Льготные жилищные займы для сотрудников российских офисов. — Программы поддержки для детей: страхование, детские дни в офисе, подарки на рождение, чекапы при планировании беременности.

Задачи: — Стриминг и обработка исходных данных с мейнфрейм и устаревших систем, загрузка в AWS S3. — Проектирование и реализация ETL/ELT процессов с использованием AWS Glue. — Проведение сверки данных, проверок качества и валидации для обеспечения точности и надежности данных. — Кураторство и трансформация данных, предоставление чистых наборов данных через AWS Aurora и RDS (PostgreSQL). — Управление хранилищем S3, включая политики хранения данных, стратегии архивирования и управление жизненным циклом. — Автоматизация рабочих процессов и управление деплойментом с помощью GitHub и CI/CD на базе GitHub Actions. — Использование AI-инструментов для повышения продуктивности инженерии и автоматизации рабочих процессов с данными. Требования: — Опыт работы в Data Engineering не менее 5 лет, создание и доставка конвейеров данных, ETL/ELT процессов или платформенных решений. — Практический опыт работы с AWS Glue для проектирования и реализации ETL/ELT процессов. — Глубокие знания AWS сервисов: S3, RDS/Aurora, Glue. — Опыт построения и поддержки потоковых конвейеров данных с использованием Kafka. — Опыт реализации сверки данных, проверок качества и процессов валидации. — Владение управлением репозиториями GitHub и автоматизацией CI/CD с помощью GitHub Actions. — Опыт использования AI-инструментов для автоматизации рабочих процессов и повышения продуктивности. — Способность самостоятельно брать ответственность за результаты и доводить задачи до завершения с минимальным контролем. — Опыт работы с данными мейнфрейм или интеграции с устаревшими системами будет плюсом. — Знакомство с MongoDB или другими NoSQL базами данных будет плюсом. Условия: — Оплата $65 в час на основе W2. — Полностью удаленная работа.

Bitmanager.ai — AI-стартап в категории conversational AI agents, создающий платформу для голосовых и текстовых AI-агентов в клиентских коммуникациях. Вакансии: AI Data Operations Lead, ML / LLM Engineer – AI Agents, Senior Voice Engineer / Ведущий войс-инженер.

Bitmanager.ai — AI-стартап в категории conversational AI agents, создающий платформу для голосовых и текстовых AI-агентов в клиентских коммуникациях. Вакансии: AI Data Operations Lead, ML / LLM Engineer – AI Agents, Senior Voice Engineer / Ведущий войс-инженер.

Компания МТС Банк развивает цифровые финансовые продукты и сервисы, разрабатывая ML/DS решения для системы принятия решений в розничных рисках. Требования: — практическая работа с профессиональными базами и/или хранилищами данных, SQL-программирование — владение языком программирования Python — опыт решения задач классификации и детектирования/сегментации, понимание метрик эффективности машинного обучения — знание в области прикладной статистики, математики, эконометрики Задачи: — строить модели вероятностей дефолта (PD) для продуктов: карты, кредит наличными, POS-кредит — строить модели для подразделения коллекшн - NextBestOffer, Uplift-модели — исследовать данные, оценка пользы и качества новых источников данных — исследовать новые подходы к моделированию с применением нейронных сетей — документировать процессы разработки математических моделей, паспорта модели, а также правил и условий для мониторинга — участвовать в тестировании при внедрении новой математической модели, а также при выводе модели из эксплуатации — развивать внутренние методики ML и обновлять ML-библиотеки на Python

Требования: — техническое/математическое/экономическое образование — знание Python, машинное обучение (sklearn, catboost/lightgbm/xgboost, statsmodels, numpy/pandas), визуализация и профилирование данных — опыт работы с mlops (mlflow, dvc, git, docker), опыт организации пайплайнов обучения в виде модулей и пайплайнов в kedro/dvc/mlflow будет плюсом — знание SQL, написание и оптимизация запросов — опыт работы с oracle будет плюсом — опыт работы с задачей математической оптимизации в маркетинге или operational research (SAS, Python MIP, PYOMO и аналоги) будет плюсом Задачи: — разработка ML-моделей для прогнозирования клиентского поведения (активация, отток, траты) — разработка моделей персонализации категорий и размеров кэшбэка — подготовка данных для обучения и применения моделей — исследование новых источников данных и разработка признаков для повышения качества моделей — проведение полного цикла обучения, валидации и внедрения моделей в промышленную эксплуатацию — оценка качества моделей на исторических данных и в реальных пилотах — проведение A/B тестов и анализ результатов внедрения моделей — мониторинг качества моделей и организация процессов переобучения