Загружаем вакансии…
Предстоит: Работать с профессиональными базами данных и хранилищами данных, разрабатывать и оптимизировать SQL-запросы; Использовать Python для анализа данных, автоматизации процессов и решения прикладных задач;
Зарплата не указана
Стек: Python, SQL, Spark, PyTorch, ClickHouse, Redis, S3.
Зарплата не указана
проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы (индексация, ретривал, ранжирование, генерация). разрабатывать автономных AI-агентов с использованием планирования, вызова инструментов (function calling) и мультиагентной оркестрации.
Зарплата не указана
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
LLM, RAG и векторные хранилища; оркестрация в Airflow;
Зарплата не указана
As the Senior Staff Machine Learning Platform Engineer, you will own the technical vision and evolution of Faire’s ML platform. You will set standards, influence org-wide architecture, and lead complex, cross-functional initiatives that unlock data science velocity at scale.
248 000 – 341 000 $
— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования.
280 000 – 400 000 ₽
-Дистрибуция страховых продуктов. Предстоит развивать модели отбора пользователей, которым может быть актуален конкретный страховой продукт.
Зарплата не указана
-Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку. -Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения.
Зарплата не указана
Стек: Python (pandas, numpy), XGBoost/LGBM/CatBoost, SQL, Airflow, базовый DL.
Зарплата не указана
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
Зарплата не указана
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
Зарплата не указана
Задачи: - Развивать ядро матчинга: retrieval кандидатов по текстовым, картиночным и мультимодальным эмбеддингам, обучать модели классификации пар, работать с атрибутами товаров - Улучшать NLP-часть пайплайна с учетом специфики оптовых товаров: обработка названий, извлечение атрибутов из описаний, дообучение эмбеддинг-моделей - Доводить решения до прода и отвечать за них Требования: - Сильное понимание NLP: трансформерные модели, эмбеддинги, векторный поиск, опыт дообучения моделей под свою задачу - Опыт в задачах матчинга - Опыт в Data Science и ML Engineering с выводом моделей в продакшен от 3-х лет - Уверенные знания Python, ML-стека, SQL - Умение выбирать решение под задачу: не использовать нейросеть там, где достаточно эвристики, и наоборот - Опыт с CV и мультимодальными моделями (CLIP-подобные, metric learning), LLM/VLM в задачах классификации/ранжирования будет плюсом
Зарплата не указана
Коперник AI — российская R&D-продуктовая компания, которая занимается разработкой, обучением и внедрением интеллектуальных систем (AI) промышленного уровня. Задачи и требования в вакансии не указаны в тексте.
Зарплата не указана
Задачи: — проводить аналитику и мониторинг работы моделей — собирать и подготавливать данные, последующий EDA, feature engineering — разрабатывать новые ML-модели — оптимизировать скрипты data/model/inference pipelines — подготавливать код проекта к проду, подготавливать, дизайнить и проводить АБ-тесты. Требования: — высшее образование по техническому направлению — от года релевантного опыта в ML — прочный математический фундамент (понимание градиентного спуска, характеристик основных распределений, PCA, МНК, базовые статистические тесты проверки гипотез) — умение и желание писать код на Python, оптимизировать его, разбираться в чужом коде, понимание SQL — владение основными библиотеками для анализа данных: pandas, numpy, scipy, matplotlib, statmodels — глубокое понимание основных алгоритмов классического ML (линейная/логистическая регрессия, деревья решений, ансамбли), базовые знания по DL (основные архитектуры, тонкости обучения) — владение основными фреймворками для ML/DL: sklearn, pytorch, transformers и др. Будет плюсом: — интерес к методам ML в задачах ценообразования и финансах — изучение Reinforcement Learning, multi-arms bandits — чтение статей по современным решениям для работы с последовательностями. Условия: — комфортный современный офис рядом с м. Кутузовская — гибридный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета — программа адаптации и помощь руководителя на старте (для Junior) — 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.
Зарплата не указана
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.
Зарплата не указана
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.
Зарплата не указана
Languages required: English (excellent communication skills), Japanese (not required, but useful).
Зарплата не указана
Senior Data Engineer (ML-направление) в Ozon Банк — онлайн-банк группы Ozon, предоставляющий финансовые услуги и сервисы для покупателей и продавцов маркетплейса.
Зарплата не указана