Задачи:
— развитие и тюнинг моделей ранжирования и рекомендаций
— разработка новых ML-решений и feature engineering
— прототипирование и внедрение моделей в production на Python
— работа с обучающими выборками и анализ результатов A/B-тестов
— улучшение продуктовых метрик
Требования:
— опыт внедрения ML-моделей в production
— знание основных методов и алгоритмов ML
— понимание нейросетевых моделей для обработки текста
— уверенный Python (NumPy, SciPy, PyTorch, scikit-learn)
— знание алгоритмов и структур данных
— опыт с A/B-тестами
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, пробовать новые технологии
— процессы удаленной работы и просторные офисы с зонами коворкинга
— возможность профессионального роста: стать тимлидом, архитектором, разработчиком full-stack
— 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 внутри компании
— уютный мерч
— полный соцпакет и «белая» зарплата
— корпоративная база знаний и социальная сеть для общения с 1500+ сотрудниками
Задачи:
— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем.
— Проектировать таблицы хранилища: сущности, связи, правила преобразования.
— Встраивать псевдоанонимизацию и проверки качества в потоки данных.
— Готовить признаки и версионируемые train/validation/test-выборки.
— Обеспечивать прослеживаемость и воспроизводимость ML / LLM-экспериментов.
— Вместе с ML-командой развивать оценку моделей, подготовку данных для RAG и дообучения.
Требования:
— Уверенные Python и SQL, поддерживаемый код за пределами ноутбуков.
— Практический опыт ETL / ELT: оркестрация, инкрементальная обработка, повторные запуски.
— Опыт с S3, Parquet, pandas / Polars / PyArrow.
— Понимание жизненного цикла ML: выборки, baseline, метрики, проверка утечек.
— Опыт с MLflow, ClearML или аналогами.
— Linux, Git, Docker, CI/CD.
— Умение работать с чувствительными данными.
Условия:
— Занятость: full-time
— Формат работы: гибридный / удаленный по РФ
-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.
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
Описание вакансии Общие обязанности: Руководство распределенной командой Постановка задач, распределение ролей и контроль выполнения работ в соответствии с установленными сроками. Проведение ревью кода и архитектурных решений, обеспечение высокого качества разрабатываемых решений.
Компания Aston приглашает на позицию Дата инженер (ученик) с последующим трудоустройством.
Задачи:
— пройти онлайн-интенсив длительностью 1 месяц, изучая теорию и выполняя практические задания;
— совмещать обучение с работой;
— после успешного окончания интенсива зачисление на стажировку в Лабораторию ASTON;
— обучение на стажировке 3-4 месяца, 5 дней в неделю с 9:00 до 18:00 с перерывом на обед;
— изучение теории с еженедельными проверками;
— практика на учебных проектах под руководством опытного технического руководителя;
— подготовка к собеседованию и самопрезентации;
— посещение офиса обязательно для кандидатов, где есть офис компании;
— для кандидатов из городов без офиса обучение возможно удаленно;
— после старта на коммерческом проекте формат работы гибридный (3 дня в офисе ASTON, 2 дня удаленно) до уровня М2, затем полное посещение офиса заказчика;
— возможны командировки в Санкт-Петербург или Москву.
Требования:
— законченное высшее или среднее специальное профильное образование;
— готовность пройти стажировку в компании ASTON.
Условия:
— выплата стипендии во время обучения;
— официальное трудоустройство;
— доступ к корпоративной программе обучения;
— регулярный пересмотр и повышение зарплаты после выхода на проект;
— гарантированный финансовый бонус при старте на коммерческом проекте;
— офис в центре города, корпоративные мероприятия, частичная компенсация спортивных абонементов.
Требуемые навыки: визуализация, математическая статистика, NoSQL, Apache Hadoop, Greenplum, базы данных, Agile, Python, SQL.
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;
Ищем ML-разработчика, который будет улучшать качество претрейна Alice AI LLM — направление, отвечающее за умность базовой модели и качество данных.
Задачи:
— Эксперименты с претрейн-моделями: ставить и анализировать вычислительно тяжёлые эксперименты с претрейн-стадией, проверять гипотезы об источниках прироста ризонинг-способностей, постановка и выбор сетапа эксперимента.
— Пайплайны данных: строить эффективные пайплайны сбора, синтеза, обработки и фильтрации обучающих данных в новых доменах, масштабировать и оптимизировать их.
— Изменение процесса обучения: модифицировать процесс обучения модели для улучшения ризонинга, внедрять изменения в обучающий пайплайн и оценивать их влияние.
— Экспертные модели: обучать модели-верификаторы для проверки качества данных и ответов, модели для генерации обучающих данных SOTA в узком домене, модели-фильтры для отсева некачественных данных.
— Исследование скейлинга: исследовать законы скейлинга качества модели с точки зрения данных и вычислений, определять влияние масштабирования на рост рассуждающих способностей в разных доменах.
Требования:
— Глубокое понимание NLP.
— Знание Python и опыт разработки на нём.
Будет плюсом:
— Опыт обучения претрейн-моделей в любой из модальностей (NLP, CV, звук, рекомендации).
— Опыт построения эффективных CPU/GPU-пайплайнов.
— Погружение в области исследования языковых моделей (RL, архитектуры или данные для LLM).
Задачи:
— проектировать ML-системы для ценообразования, промоаллокации и прогнозирования спроса
— анализировать эксперименты
— встраивать модели в продукт
Что нужно делать? • Разрабатывать новые и поддерживать/улучшать существующие проекты (backend+ML+участие в деплое), а также улучшать мониторинг и аналитику запущенных проектов.
Ищем инженера с практическим опытом работы с геопространственными данными, дорожными графами и/или алгоритмами маршрутизации. - Разработка и оптимизация алгоритмов маршрутизации и построения маршрутов (VRP, TSP, роутинг с ограничениями по времени / весу / зонам);
Компания TWINBY разрабатывает современное мобильное приложение для знакомств, которое соединяет пользователей, ориентируясь не на внешность или случайные фотографии, а на их психологическую совместимость. Вакансия предполагает удалённую работу в роли Data Engineer, где специалист будет заниматься обработкой и анализом данных, необходимым для функционирования сервиса.
– Разработка, создание и поддержка надежных конвейеров обработки данных и процессов ETL/ELT для поддержки различных источников данных, включая структурированные и неструктурированные данные, с обеспечением высокого качества и целостности данных. Хороший опыт работы с Databricks.