Задачи:
— Владеть AI-функциями от концепции до производства в масштабе 50k RPS и 450M пользователей.
— Создавать большие языковые модели (LLM) и обучать кастомные модели для приложений в реальном времени.
— Тесно сотрудничать с продакт-менеджерами для трансформации целей в решения.
— Оценивать и внедрять мониторинг производительности моделей, отслеживать дрейф и регрессии.
Требования:
— Опыт работы инженером 5+ лет с практическим опытом LLM в продакшене.
— Умение обучать и выпускать модели на неструктурированных данных.
— Глубокое понимание оценки моделей и мониторинга в продакшене.
— Владение Python и основами машинного обучения.
— Английский язык на уровне Intermediate и выше.
Условия:
— Конкурентная зарплата, бонусы и опционы (каждый сотрудник — партнер).
— Официальное трудоустройство на Кипре с поддержкой визы для сотрудника и супруга.
— Комфортный офис в Лимассоле с питанием и перекусами.
— Медицинская страховка.
— Доступ к матчам и мероприятиям Aris Limassol F.C.
— Возможности профессионального роста и командных активностей.
Задачи:
— Управление командой из 4–6 человек: постановка масштабных целей, декомпозиция их в задачи, координация со смежными командами, контроль процесса от постановки задачи до внедрения в продакшен.
— Обучение моделей и работа с данными: превращение данных, размеченных с помощью LLM, в датасеты для ML-моделей ранжирования, создание корпусов синтетических данных, дообучение открытых и внутренних LLM.
— Создание пайплайнов для оценки обученных моделей, обеспечение многосторонней оценки моделей, работающих в продуктах с миллионами пользователей.
Требования:
— Опыт управления командой ML/DL-разработчиков.
— Опыт обучения DL-моделей и их внедрения в продакшен.
— Готовность работать руками, создавать прототипы и проверять гипотезы.
Будет плюсом:
— Опыт работы с высоконагруженными системами и создания моделей для них.
— Опыт работы в кросс-функциональных командах.
Условия:
— ДМС с регулярными чекапами и вакцинацией.
— Другие бонусы, полный список доступен по ссылке.
Задачи:
— ценообразование
— uplift-моделирование
— задачи ранжирования
— модели склонности
— look-a-like
— response модели
— работа с регрессионными таргетами
— кластерный и факторный анализ.
Требования:
— опыт в части ML задач не менее 3 года
— опыт работы и глубокое понимание классического ML
— продвинутые знания статистики и машинного обучения
— опыт оценки качества результатов (DS и бизнес-валидация)
— опыт проведения A/B-тестов
— хорошие знания Python, SQL, Bash, PySpark.
Будет плюсом:
— опыт работы с Transformers
— успехи в ML-соревнованиях, хакатонов
— навыки работы с генеративными AI-моделями
— опыт создания AI-агентов и использования их в работе
— опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
Условия:
— работа в удобном и современном офисе недалеко от станции метро Кутузовская
— 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.
ОфисseniorМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— исследование данных с использованием state-of-the-art (SOTA) подходов
— разработка моделей машинного обучения в области NLP и NER
— автоматизация и оптимизация процесса продаж инструментов глобальных рынков
— осуществление fine-tuning’a LLM
— имплементация RAG’ов на основе данных Банка
— развитие платформы по использованию и развитию LLM
— интеграция LLM в бизнес-процессы подразделения
— интеграция API, сервисов, построение пайплайнов моделей.
Требования:
— высокий уровень математического аппарата - математический анализ, линейная алгебра, теория вероятностей
— предпочтителен опыт в финансовой сфере, финтехе или области анализа данных (от 3- х лет)
— детальное понимание моделей машинного обучения и алгоритмов
— опыт управления проектами и взаимодействия со смежными командами
— глубокое понимание инструментов финансового рынка является дополнительным преимуществом
— уверенное владение Python
— опыт в разработке NLP моделей или компьютерной лингвистике
— инструментальное владение AI для анализа, генерации и автоматизации.
Условия:
— формат работы - офис (ст.м. Ленинский проспект)
— ежегодный пересмотр зарплаты и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
— расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
— бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— Проектирование архитектуры хранилищ данных;
— Сопровождение существующих кластеров ClickHouse;
— Ревью и оптимизация SQL-запросов и схем данных совместно с разработчиками;
— Конфигурирование и оптимизация инстансов ClickHouse;
— Настройка и оптимизация процессов репликации и шардинга, конфигурация Zookeeper;
— Разбор и устранение сложных инцидентов, включая расследование деградации и потерь данных.
Требования:
— Опыт работы с Linux;
— Глубокие знания устройства и принципов работы ClickHouse (движки, индексы, репликация, шардинг, best practics);
— Уверенное владение Bash и SQL;
— Опыт работы с системами мониторинга.
Будет плюсом:
— Базовые навыки программирования на Python (решение рутинных задач);
— Опыт работы с системами управления конфигурацией, такими как Ansible, Puppet или SaltStack;
— Продвинутое знание и опыт работы с реляционными СУБД: MySQL и/или PostgreSQL.
Условия:
Официальное оформление, медицинская страховка, рабочая виза, компенсация английского, и многое другое подробнее в лс.
Задачи:
— участвовать в разработке и валидации моделей кредитного скоринга
— регулярно запускать и контролировать ML-пайплайны
— мониторить производительность и стабильность моделей
— проводить плановое переобучение моделей
— готовить отчёты по производительности моделей, включая Gini / KS
— поддерживать модели в продакшене
Требования:
— от 2 лет опыта в Data Science
— понимание принципов кредитного скоринга
— узбекский язык обязателен
— опыт работы в банковской сфере или финтехе
— уверенный SQL и Python, практический опыт с Apache Spark
— опыт внедрения и сопровождения ML-моделей в продакшене
— понимание MLOps и полного жизненного цикла ML-моделей
Будет большим плюсом:
— опыт работы в банках или финтех-компаниях Узбекистана
Условия:
— полная занятость
— зарплата до 4000 USD на руки
— Ташкент, работа из офиса
— долгосрочный проект
Задачи:
— Разработка и внедрение ML моделей на клиентской базе B2C и B2B для инвестиционных, страховых и сберегательных продуктов.
— Работа с рекомендательными системами и моделями отклика для СберБанк Онлайн и СберИнвестиций.
— Создание NLP-моделей на текстовых данных.
— Использование продвинутых подходов классического ML, включая uplift-моделирование, работу с несбалансированными классами, feature engineering на больших данных, SOTA-алгоритмы.
Обязанности:
— Построение ML моделей на основе табличных данных, последовательностей событий (кликстрим, транзакции и т.д.), текстовых данных.
— Написание production-ready кода и передача его в CI/CD пайплайн команды MLOps с ответственностью за качество кода и воспроизводимость.
— Улучшение процесса построения моделей, разработка прикладных модулей командного фреймворка для повышения производительности DS и улучшения качества кода в промышленной среде.
— Выдвижение data-driven гипотез и предложений для запуска новых механик, поиск инсайтов в данных.
Требования:
— Глубокое знание классического ML и опыт применения к реальным бизнес-задачам (градиентный бустинг, NLP алгоритмы).
— Понимание основных Deep Learning подходов.
— Продвинутое знание SQL (оконные функции, оптимизация плана запроса).
— Отличное знание Python, включая библиотеки catboost, pandas, numpy, sklearn, torch.
— Опыт работы с Hadoop, PySpark (оптимизация запросов, работа на общем кластере).
Условия:
— Комфортный современный офис рядом с м. Кутузовская.
— 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.
— Ипотека для сотрудников выгоднее до 4%.
— Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
— Вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— Разрабатывать и внедрять ML-модели для прогнозирования поведения клиентов-физических лиц и розничного продуктового портфеля Банка
— Рассчитывать ожидаемые денежные потоки по кредитным и пассивным продуктам Банка
Требования:
— Опыт работы в банковской сфере
— Опыт разработки и внедрения ML-моделей от сырых данных до production
— Работа с табличными данными
— Свободное владение Python: Pandas, NumPy, Matplotlib (или аналогичными инструментами визуализации)
— Знание SQL: оконные функции, сложные JOIN, оптимизация запросов к БД
— Хорошее владение ML-библиотеками: CatBoost, LightGBM, XGBoost, Scikit-learn
— Умение проводить стресс-тесты и А/В-тесты
— Понимание особенностей розничных банковских бизнес-процессов
— Преимуществом будет знание MLflow, Airflow, Butch Scoring, Docker, Spark / PySpark
Условия:
— Офисный формат работы
— Офис в центре Москвы
Semantics Innovations — технологическая IT-компания, которая специализируется на разработке, тестировании и внедрении программного обеспечения для цифровой экономики и финансового сектора.
Офис в Астане, Казахстан.
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:
— 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.
TBC Uzbekistan is a digital financial services ecosystem powering some of Uzbekistan's most innovative financial experiences.
Languages required: English (C1), Russian (B2).
Work format: On-site in Tashkent, Uzbekistan.
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
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:
— 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.
ОфисseniorМосква
Зарплата не указана
Данные и ML вакансии — в офисе — страница 2 · Job Hunters