Загружаем вакансии…
работать с таргетами, полученными из анкет и интервью с помощью экспертной и LLM-разметки. подбирать постановку задачи в зависимости от объема и качества данных: supervised learning, weak supervision, few-shot и другие подходы.
Зарплата не указана
Сопровождение ML-решений (мониторинг сервисов и моделей, отслеживание дрейфа данных, работа над развитием); Оценка влияния на бизнес предложенных решений;
Зарплата не указана
• Оптимизировать выдачу на страницах категорий, каналов и тегов. • Строить text-to-video поиск, embedding-модели, ранжирование, семантический поиск.
от 5 000 $
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи: — Готовить и чистить данные, собирать выгрузки под задачи команды; — Строить и оценивать базовые ML-модели на scikit-learn; — Проверять гипотезы, считать метрики; — Работать с LLM: писать и тестировать промпты, оценивать качество ответов, размечать данные; — Оформлять результаты в понятные выводы для команды и заказчиков. Требования: — Знание Python и библиотек pyarrow, openpyxl, statsmodels, scipy, plotly; — Наличие пет-проектов или опыт участия в Kaggle; — Опыт вызова API моделей из Python; — Знакомство с бустингами CatBoost, LightGBM, XGBoost; — Опыт работы с BI-инструментами Tableau, Superset, Power BI; — Опыт проведения самостоятельных исследований и исследовательских проектов; — Аккуратность с цифрами, готовность самостоятельно разбираться и умение вовремя обратиться за помощью к команде; — Способность объяснить результат словами, а не только графиком. Условия: — Работа в IT-компании с миссией по автоматизации работы системы аудита Российской Федерации; — Прозрачная система мотивации, стабильная загрузка; — Оформление в соответствии с ТК РФ; — Дружный коллектив и лояльное руководство; — Разнообразный набор социальных льгот и гарантий; — Уровень заработной платы обсуждается на собеседовании.
Зарплата не указана
Задачи: — исследовать и разрабатывать торговые стратегии для DeFi и крипторынков: от гипотезы и анализа данных до бэктестинга, валидации и оценки результата стратегии — Quant/ML research и разработка торговых стратегий для DeFi и крипторынков — применять ML/DL-подходы для маркет-мейкинга, forecasting, управления позициями и смежных задач — разрабатывать стратегии дельта-нейтрального хеджирования и управления рисками — проводить бэктестинг и использовать симуляционные среды на крипто-данных: order book, trades — анализировать рыночные данные и улучшать алгоритмы по результатам реального исполнения Требования: — senior-уровень в Quant/ML research, systematic trading, HFT/prop trading, market microstructure или смежных задачах — участие в полном цикле ресерча: гипотеза > данные > модель/логика > бэктестинг > валидация и анализ результата — понимание временных рядов, OOS-проверки, future leakage и торговой экономики — знание Supervised Learning, статистического анализа, оптимизации моделей — уверенный Python; PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna — опыт доведения стратегий до реального исполнения или PnL-оценки — опыт работы с order book и trades — автономность в постановке гипотез и доведении их до результата — владение русским языком для общения в команде Будет плюсом: — Reinforcement Learning — опыт на Rust или low-latency engineering — опыт в трейдинге, маркет-мейкинге, low-latency крипте — опыт в квант-фондах, HFT, prop trading, банковских квант-командах — опыт с DeFi, DEX/CEX, AMM/LP, perpetuals, funding, cross-venue arbitrage — активное использование AI-инструментов Условия: — фиксированная зарплата в стейблкоинах (USDT/USDC, 1:1 к доллару) — квартальный profit sharing от результатов стратегий — оплачиваемый отпуск — компания оплачивает AI-подписки
Зарплата не указана
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.
Зарплата не указана
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
Зарплата не указана
Задачи: • Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости • Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию • Определение ML SysDes решения с учетом разрешенного технологического стека • Участие в валидации и автомониторинге моделей, проведение A/B тестирования Требования: • Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.) • Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов • Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений • Умение переводить бизнес-постановку задачи в ML-постановку • Высокий уровень владения Python и SQL • Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers • Знание принципов построения RAG, VisionRAG и AgenticRAG систем • Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5) • Знание агентных архитектур (ReAct, Multi-agent и др.) • Знание фреймворков для работы с LLM (LangChain, LangGraph и др.) • Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker) • Понимание жизненного цикла моделей (CRISP-DM) Условия: • Гибкий гибрид (обсуждаем индивидуально) • Современный IT-офис вблизи Москва-Сити с фитнес-залом • Ипотека с выгодой для сотрудника и льготные условия кредитования • Бесплатная подписка СберПрайм+ • Скидки на продукты компаний-партнеров • ДМС с первого дня и льготное страхование для близких • Корпоративная пенсионная программа • Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию • Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
Зарплата не указана
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
90 000 – 105 000 ₽
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.
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
Задачи: — участие в создании и поддержке аналитических решений для повышения эффективности маркетинговых кампаний; — применение методов машинного обучения, особенно uplift-моделирования, для оптимизации взаимодействия с клиентами и повышения ROI; — построение uplift-моделей по сегментам для разных групп; — разработка uplift-моделей для различных номиналов промоакций с последующей оптимизацией; — прогнозирование RFM; — участие в проведении A/B тестов, расчет финансовых эффектов от внедрения моделей, генерация признаков для моделей. Требования: — базовое понимание статистики и теории вероятностей; — опыт работы с Python (Pandas, NumPy); — знание основ машинного обучения (линейная регрессия, деревья решений, случайный лес); — понимание концепции uplift-моделирования; — опыт работы с табличными данными; — понимание принципов распределенных вычислений (PySpark); — опыт коммерческой разработки. Технологии и инструменты: — работа с данными: pyspark, SQL, S3; — классический ML и uplift: Scikit-learn, XGBoost, LightGBM, CatBoost, scikit-uplift; — разработка и версионирование: Jupyter Notebook, VS Code/PyCharm, git; — ML инфраструктура: JupyterHub, MLFlow, Airflow, PostgreSQL; — ML: Transformers, SGLang, Triton; — процессы: Jira, Confluence.
Зарплата не указана