Задачи:
— Работа с NLP и AI-проектами, запуск AI-проектов в продакшн и построение архитектуры вокруг сторонних LLM-решений.
— Обучение нейросетевых моделей на GPU-кластере.
Требования:
— Большой опыт разработки на Python с использованием Pandas, NumPy, Scikit-learn.
— Опыт работы с LangChain, vLLM.
— Опыт работы с PyTorch, Hugging Face Transformers.
— Глубокое понимание машинного обучения, глубокого обучения и NLP.
— Опыт запуска AI-проектов в продакшн и построения архитектуры вокруг сторонних LLM-решений.
— Опыт обучения нейросетевых моделей на GPU-кластере.
— Знание SQL.
— Владение Git.
— Высшее техническое образование в области Computer Science, прикладной математики, AI/ML или смежных областях.
Условия:
— Работа в команде экспертов.
— Широкий технологический стек, сотни проектов.
— Гибкий график работы.
— Льготы и меры господдержки, предусмотренные для IT-компаний (аккредитованы Минцифры).
— Возможность разрабатывать IT-решения для разных отраслей и пробовать новые технологии.
— Возможность работать удалённо с доступом к просторным офисам с зонами коворкинга.
— Возможность профессионального роста: стать тимлидом, архитектором, full-stack разработчиком.
— Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка.
— Активный обмен опытом, митапы, хакатоны, доклады по развитию hard и soft skills.
— 50+ клубов по интересам и профессиональных сообществ.
— Уютный мерч.
— Полный соцпакет и официальная "белая" зарплата.
— Корпоративная база знаний и социальная сеть для сотрудников.
— Гибкий ДМС с возможностью подключения родственников.
🕹 Список обязанностей: Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. Проектировать таблицы хранилища: сущности, связи, правила преобразования.
• Анализировать продуктовые и веб-данные, развивать внутреннюю систему аналитики и помогать командам продукта и бизнеса принимать решения на основе данных. • Обработка входящих аналитических задач от команд и оценка возможностей их решения с помощью внутренней системы аналитики.
ОфисЛимассол
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Проект по созданию аналитической платформы на базе ИИ — единая экосистема для работы с данными. Продукт собирает информацию из разных источников, обрабатывает её и предоставляет руководству и аналитикам инструменты мониторинга, поиска и прогнозирования (включая чат-ботов).
Задачи:
— Анализировать и исследовать данные — проводить первичный EDA, выявлять закономерности и аномалии в данных
— Предобрабатывать и очищать данные — разрабатывать скрипты для трансформации, нормализации и feature engineering, подготавливать датасеты для обучения моделей
— Разрабатывать, настраивать и оптимизировать LLM-пайплайны
— Обучать и дообучать ML-модели
— Оценивать и интерпретировать результаты — анализировать метрики качества моделей, выявлять причины ошибок и предлгать пути улучшения
— Генерировать гипотезы, проверять их значимость и внедрять в рабочие процессы
Требования:
— Знание языков программирования (Python)
— Навыки применения numpy, pandas, scikit-learn, tensorflow или pytorch, опыт решения NLP задач, знание статистики и линейной алгебры, трансформация и подготовка данных
— Будет преимуществом: Опыт участия в ML соревнованиях, курсы DS школ
Условия:
— Возможность работы в комфортном офисе г. Москва
— Внутренние семинары, внутренние митапы
— Техника для комфортной работы
— ДМС со стоматологией для сотрудников и скидку на покупку ДМС для ближайших членов семьи
— Сессия профессионального развития с планом индивидуального развития для каждого сотрудника
Задачи:
— работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей
— разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний
— проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов)
— выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке
— обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день.
Требования:
— опыт работы Data Scientist от 2х лет
— техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны)
— понимание теории вероятностей и статистики
— уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать)
— владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.)
— плюсом будет опыт работы с pytorch, pyspark
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможность выбрать удобный график – офис/гибрид
— ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости 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.
Чем предстоит заниматься Подключать API Wildberries, Ozon, Lamoda и МоегоСклада и настраивать автоматическую ежедневную загрузку данных. Собрать единый справочник товаров: артикулы маркетплейсов, баркоды, себестоимость.
разработка, тестирование и внедрение ИИ-агентов (в том числе LLM-as-a-Judge) и классических ML-моделей для оценки качества, детекции аномалий, прогнозирования деградации и автоматической локализации причин сбоев. исследование и внедрение новых подходов в области настройки LLM, LLM-as-a-Judge и RAG, чтобы сделать мониторинг точнее, стабильнее и понятнее.
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.
Сопровождение ML-решений (мониторинг сервисов и моделей, отслеживание дрейфа данных, работа над развитием); Оценка влияния на бизнес предложенных решений;
О нас за минуту
DV Group — это eRetail маркетинг. У нас две собственные платформы:
CDP (DV Platform) — сегментирует покупателей по чековым данным, MAID, строит Sales Lift.
DSP (DV Programmatic) — закупает трафик в RTB с таргетингом на реальных онлайн-покупателей (не на интересы). Уникальная интеграция с ПБД.
Что предстоит делать
Разработка и внедрение ML-моделей
Анализ больших объемов данных
Построение recommendation / prediction моделей
Подготовка и очистка данных
Проведение A/B тестов
Написание сложных запросов ClickHouse и их оптимизация
Взаимодействие с frontend-разработчиками, backend-разработчиками, аналитиками, product-менеджером и DevOps
Кто нам нужен
Python, SQL, Spark, ClickHouse
pandas, numpy, scikit-learn
Опыт работы с ML-моделями
Работа с оркестраторами (Dagster, Airflow) и Kubernetes
Понимание статистики и теории вероятностей
Способность разрабатывать надежные ETL пайплайны
Что предлагаем
Зарплата:
200 000 – 220 000 ₽ оклад net + годовая премия
Формат:
гибрид или полная удалёнка, но ты проживаешь в РФ
График:
10:00–19:00
ДМС
со стоматологией после испытательного срока, локация Москва
Свой
бариста
в офисе и правда классный
Экспертная среда
— никакой скуки, только реальные AdTech-задачи и возможность влиять на продукт
Продукт в
реестре отечественного ПО
— это важно для нас и для клиентов.
🔭Чем у нас занимаются стажеры? - Сразу после этого получают свою первую настоящую боевую задачку (и НЕ страдают, так как ментор всегда под рукой) на дизайн или оценку будущего эксперимента.
— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования.
• 2–3+ years of experience as a BI Analyst, Data Analyst, or in a similar analytical role. • Strong hands-on experience working with SQL-based data warehouses, particularly Google BigQuery.