Загружаем вакансии…
-Проектирование и сопровождение БД: разработка и поддержка объектов базы данных (таблицы, представления, индексы, хранимые процедуры) в среде Greenplum. -Разработка витрин данных: проектирование и расчет показателей для витрин данных под бизнес-задачи с использованием SQL.
30 000 – 40 800 ₽
Задачи: — Отвечать за всю AI-часть продукта: архитектура AI-системы от выбора LLM-моделей до построения RAG-pipeline и интеграции компьютерного зрения, принимать все ключевые технические решения — Обеспечивать качество рекомендаций, повышая конверсию на каждой итерации — Проводить быстрые итерации с выкатыванием изменений каждую неделю, сбором метрик, анализом и улучшением — Проводить эксперименты: A/B тесты промптов, гибридный поиск (текст + визуал + отзывы), мультимодальные модели, быстро проверять гипотезы на реальных пользователях — Масштабировать систему с 2000 туров на Мальдивы до 50,000+ туров по трём направлениям с тысячами запросов в день — Строить продукт с нуля, быстро экспериментировать и влиять на архитектуру Требования: — Опыт с продакшен LLM-приложениями, построение RAG-систем или чат-ботов на основе GPT/Claude — Экспертный уровень промпт-инжиниринга: правильная структура промптов, few-shot examples, chain-of-thought — Опыт работы с эмбеддингами и векторным поиском, понимание similarity search, hybrid search, reranking — Python на уровне продакшена: чистый, быстрый, поддерживаемый код Будет плюсом: — Опыт с компьютерным зрением и мультимодальными моделями (CLIP, GPT-4o, Claude 4.5 Sonnet) — Опыт с high-load системами и оптимизацией latency — Понимание рекомендательных систем — Понимание MLOps: мониторинг моделей, версионирование, A/B тестирование — Опыт построения recommendation систем и MCP для LLM систем — Личный опыт использования LLM для автоматизации задач Софт-скиллы: — Продуктовое мышление: AI как инструмент решения бизнес-задач — Умение работать с метриками: конверсия, время сессии, escalation rate — Быстрота принятия решений: выкатывать несовершенное решение и тестировать — Умение объяснять сложное простым языком для команды и бизнеса Условия: — Официальное оформление по ТК РФ — График 5/2, офис, сокращённый рабочий день по пятницам до 15:30 — Корпоративные программы обучения и развития — Медицинское обслуживание: ДМС и собственная медсанчасть — Специальные предложения от компаний-партнеров (рестораны, магазины, отдых, мероприятия) — Организация отдыха сотрудников и их детей, оплата детского сада — Аккредитованная IT компания — Офис на станции м. Курская — Корпоративные условия на приобретение туров — Дополнительный оплачиваемый отпуск 3 дня, оплата больничного — ДМС для членов семьи по корпоративным условиям — Корпоративные условия на изучение английского и занятия спортом
от 400 000 ₽
Задачи: — глубокий анализ данных для построения и калибровки моделей — опыт построения uplift-моделей и кривых отклика для оптимизации процентных ставок — разработка моделей оценки эластичности спроса на кредит по ставке — разработка, обучение и валидация продвинутых ML-моделей для индивидуального ценообразования (регрессионные модели, градиентный бустинг, методы обучения с подкреплением / Reinforcement Learning для динамического ценообразования) — анализ и интерпретация результатов A/B-тестов ценовых стратегий, оценка их бизнес-эффекта (влияние на выручку, маржу, конверсию, LTV) — построение и оптимизация симуляционных сред для предварительной оценки эффекта ценовых изменений. Требования: — глубокое знание и практический опыт (от 3 лет) применения методов машинного обучения и анализа данных для решения бизнес-задач, желательно в области ценообразования, экономики или финтеха — продвинутый уровень знаний в области статистики, эконометрики и методологии проведения A/B-тестов — понимание принципов микроэкономики и теории цен — опыт разработки и внедрения в production моделей, напрямую влияющих на финансовые метрики (выручка, маржа) — продвинутые знания SQL и Python для анализа данных и ML — опыт работы с Python ML-фреймворками (Scikit-Learn, LightGBM/CatBoost/XGBoost, PyTorch/TensorFlow, библиотеки для RL), Spark (PySpark), опыт работы с базами данных (GreenPlum, PostgreSQL, ClickHouse) — будет плюсом: опыт построения систем динамического ценообразования (dynamic pricing) или моделей на основе обучения с подкреплением (Reinforcement Learning). 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.
Зарплата не указана
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Что нужно делать? • Разрабатывать новые и поддерживать/улучшать существующие проекты (backend+ML+участие в деплое), а также улучшать мониторинг и аналитику запущенных проектов.
Зарплата не указана
• Own AI features from concept to production, integrating LLMs and custom models. • Work on real-time live-streaming problems — content moderation, recommendations, and more.
Зарплата не указана
Сбор и анализ требований от внутренних заказчиков к ML-сервисам, помогающим решать прикладные задачи в интересах компании; Документирование бизнес-требований, функциональных и нефункциональных требований к системе, описание пользовательских сценариев (Use Cases, Use Case Diagram);
Зарплата не указана
Задачи: - Разрабатывать, обучать и оптимизировать ML/AI-модели на PyTorch или TensorFlow - Проектировать end-to-end пайплайны обработки и подготовки данных - Работать с синтетическими данными и автоматизацией разметки - Интегрировать AI/ML-модели с backend и другими компонентами продукта - Подготавливать модели к production-деплою и масштабированию - Настраивать процессы мониторинга, версионирования и экспериментов с использованием MLOps-инструментов - Контейнеризировать ML-процессы с помощью Docker - Работать с облачной инфраструктурой AWS или аналогами - Участвовать в оптимизации inference и производительности моделей - Взаимодействовать с инженерами и другими участниками AI-команды на всех этапах разработки - Определять техническое направление AI-проектов, принимать ключевые архитектурные решения и обеспечивать техническое руководство командой на всех этапах разработки. Требования: - Опыт 4+ года коммерческого опыта в Machine Learning / AI Engineering - Практический опыт разработки и внедрения ML-моделей в production - Английский (свободный) - Уверенное понимание основ Machine Learning и Deep Learning - Знание методов оптимизации моделей и ключевых ML-метрик - Практический опыт с MLOps (MLflow/Kubeflow/AWS SageMaker или аналогичные) Условия: - Формат: Full-time - Локация: Ташкент (Офис) - Официальное трудоустройство по ТК УЗ - Занятость: полный рабочий день
Зарплата не указана
• Проектировать и разрабатывать масштабируемые ETL/ELT-процессы для загрузки и трансформации данных в корпоративное хранилище (DWH) на базе стека Oracle; • Писать и оптимизировать сложные запросы SQL и хранимые процедуры PL/SQL;
Зарплата не указана
Разработка ML-моделей/rule-based/иных решений под поставленные задачи, поиск/лидирование разметки данных для обучения, покрытие мониторинговыми метриками, близкими к продуктовым. Классификация позиций в чеках по древовидному каталогу.
от 220 000 ₽
Компания Mayflower — технологическая компания, создающая высоконагруженные продукты, которыми пользуются миллионы людей по всему миру. Условия: — Офис в Лимасоле, Кипр — Помощь с переездом
Зарплата не указана
Разработка и внедрение ML-моделей прогнозирования спроса (временные ряды + градиентный бустинг + нейросети) на уровне SKU; Автоматизация пайплайнов ретрайна и мониторинга качества прогнозов в продакшене (MLflow, Airflow, Docker);
Зарплата не указана
Проектирование и развитие процессов сбора, загрузки, преобразования и передачи данных (ETL/ELT). Разработка и сопровождение пайплайнов обработки больших объемов данных.
от 600 000 ₸
Задачи: — Разработка и развитие сервисов промышленного инференса ML-моделей и LLM — Построение централизованного слоя доступа к моделям и AI-сервисам — Разработка платформенных компонентов для деплоя, версионирования и мониторинга моделей
Зарплата не указана
Зарплата не указана
Команда SberNBA занимается тремя большими направлениями: платформа коммуникаций и персональных предложений Сбера, поведенческая foundation model человека, бизнес направление коммуникаций от потребности клиента. Цель команды – сделать управление коммуникациями проще и эффективнее за счет гибкости платформенных инструментов и GenAI, моделировать поведение человека на краткосрочном и долгосрочном горизонте и использовать эти данные в бизнес-процессах банка, помогать человеку закрывать потребности быстрее и проще. Обязанности: — развивать команду и компетенции трайба на уровне DS экспертизы; — строить, развивать и реализовывать стратегию развития трайба в части ML/AI; — участвовать в создании кампейн платформы нового поколения, основанного на агентах; — развивать системы генерации персонализированного контента; — развивать Foundation Model (трансформерная модель понимания клиента на основе его действий в банке и экосистеме Сбера) и рекомендательные модели. Требования: — 10+ лет в DS / 5+ лет в промышленных RecSys в крупных компаниях; — интеграция LLM в RecSys (RAG / генерация текста офферов); — опыт управления командой 10+ DS и развития ML экспертизы на уровне подразделения; — успешный опыт реализации сложных и масштабных ML проектов с доказанным бизнес-эффектом; — хорошие коммуникативные навыки, готовность договариваться и находить оптимальные решения; — стратегическое мышление; — амбициозность и ориентация на бизнес-результат. Условия: — комфортный современный офис рядом с м. Кутузовская; — ежегодный пересмотр зарплаты и 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.
Зарплата не указана
Задачи: — глубокий анализ данных для построения и калибровки моделей — опыт построения uplift-моделей и кривых отклика для оптимизации процентных ставок — разработка моделей оценки эластичности спроса на кредит по ставке — разработка, обучение и валидация продвинутых ML-моделей для индивидуального ценообразования (регрессионные модели, градиентный бустинг, методы обучения с подкреплением / Reinforcement Learning для динамического ценообразования) — анализ и интерпретация результатов A/B-тестов ценовых стратегий, оценка их бизнес-эффекта (влияние на выручку, маржу, конверсию, LTV) — построение и оптимизация симуляционных сред для предварительной оценки эффекта ценовых изменений. Требования: — глубокое знание и практический опыт (от 3 лет) применения методов машинного обучения и анализа данных для решения бизнес-задач, желательно в области ценообразования, экономики или финтеха — продвинутый уровень знаний в области статистики, эконометрики и методологии проведения A/B-тестов — понимание принципов микроэкономики и теории цен — опыт разработки и внедрения в production моделей, напрямую влияющих на финансовые метрики (выручка, маржа) — продвинутые знания SQL и Python для анализа данных и ML — опыт работы с Python ML-фреймворками (Scikit-Learn, LightGBM/CatBoost/XGBoost, PyTorch/TensorFlow, библиотеки для RL), Spark (PySpark), опыт работы с базами данных (GreenPlum, PostgreSQL, ClickHouse). Будет плюсом: — опыт построения систем динамического ценообразования (dynamic pricing) или моделей на основе обучения с подкреплением (Reinforcement Learning) — опыт работы в ритейле, финтехе, marketplace-сегменте или сфере услуг с высокой конкуренцией — умение переводить бизнес-задачи на язык данных и обратно — знание основ юнит-экономики и финансового моделирования — опыт разработки или интеграции решений с применением GenAI. 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.
Зарплата не указана
В данной роли предстоит заниматься разработкой и проектированием AI-агентов, которые автоматизируют процессы отчетности и выявления отклонений в бизнес-процессах. Задачи включают создание пайплайнов для обнаружения аномалий, интеграцию этих решений с большими языковыми моделями (LLM) для генерации текстовых отчетов, а также работу с большими данными: подготовку признаков, агрегацию и передачу данных в модели. Кроме того, необходимо оптимизировать, упаковывать и разворачивать агентные системы в продуктивной среде. Важной частью работы является тесное взаимодействие с бизнес-подразделениями и аналитиками для преобразования их требований в технические AI-решения. Кандидат должен иметь не менее трех лет опыта коммерческой разработки на Python, хорошо разбираться в языковых моделях, включая понимание их ограничений, а также иметь опыт работы с LangChain или аналогичными инструментами для интеграции LLM в бизнес-задачи. Требуется знание математической статистики и основ различных методов машинного обучения, а также понимание принципов DevOps и процессов CI/CD. Работа предполагает офисный формат в Москве.
Зарплата не указана
О проекте: Мы строим Customer Intelligence & Personalization Platform для зарубежной экосистемы бизнесов. Задачи: — Принимать технические решения и самостоятельно реализовывать ключевые части платформы. — Владеть архитектурой и развитием Data Core. — Проектировать слои Bronze / Silver / Gold и модели данных. — Исследовать банковские, legacy- и внешние источники, восстанавливать их семантику. — Строить pipelines от raw-данных до подготовленных data products. — Разрабатывать трансформации на SQL / dbt / Python. — Определять инженерные стандарты для ELT, data modelling, metadata, lineage и data quality. — Развивать data catalog и metadata-as-code подход. — Проектировать data contracts и интеграции Data Core с другими компонентами. — Переводить исследовательские решения и ручные процессы в production. — Работать с Git, CI/CD, Docker, Linux и закрытыми Dev/UAT-контурами. — Взаимодействовать с инженерами и data scientist в команде. Требования: — Опыт работы Lead / Staff / Principal Data Engineer или сильного Senior с архитектурным ownership. — Опыт проектирования и самостоятельной реализации data platform / DWH / Lakehouse. — Знания Core banking / legacy banking systems. — Опыт с Customer 360 / Golden Record / MDM. — Сильный SQL и уверенный Python. — Опыт работы с dbt или аналогичными transformation frameworks. — Опыт работы с Airflow / Dagster / Prefect или аналогами. — Хорошее понимание data modelling, historization, grain и master entities. — Практический опыт data quality, lineage и metadata management. — Знание Data Vault 2.0. — Опыт работы с OpenMetadata или другими data catalog solutions. — Умение самостоятельно принимать технические решения и отвечать за результат. — Опыт работы с плохо документированными источниками. — Навыки работы с Git, CI/CD, Docker, Linux. — Практический AI-native способ разработки. Условия: — Оформление: ИП. — Формат работы: полная занятость. — Локация: Ереван либо готовность к регулярным командировкам (до 2 раз в месяц на несколько дней) в Ереван для работы с данными и специалистами заказчика. — Уровень дохода обсуждается индивидуально.
Зарплата не указана