Вакансии

Обязанности: Участие в государственных проектах федерального уровня в роли разработчика/администратора баз данных Postgres. • Высшее IT-образование или последний курс по специальностям «Информационные технологии» или «Прикладная математика и информатика» или другой IT профиль, где были предметы по программированию баз данных.

Исследования посвящены инженерии живых систем на стыке биологии, химии, инженерии, информатики и математики. — Финансирование включает оплату обучения, стипендию на уровне UKRI с надбавкой £10K, £15K на исследования и поездки, ноутбук и визовую поддержку.

• 5+ лет в разработке, из них 2+ года в роли Tech Lead / Team Lead команды 4–7 разработчиков.

-Исследовать поведение клиентов банка в интернет-банке и мобильном банке. -Объединять данные систем продуктовой аналитики и данные СRM.

Задачи: — Качественная разработка на языке PHP 8.4+ на базе модифицированного фреймворка Yii 1.1 с использованием Vue.js 3+ (full-stack) — Проектирование реляционных структур хранения данных на PostgreSQL, оптимизация запросов, создание индексов — Программирование сложных математических алгоритмов, включая расчет тарифов и агрегирование данных для графиков — Написание оптимального кода Требования: — Опыт работы от 5 лет в роли разработчика — Уверенное владение PHP 8+ — Знание ООП и паттернов проектирования — Глубокий опыт работы с реляционными базами данных PostgreSQL — Владение Yii 1.1 и Vue.js 3+ — Опыт работы с Kafka — Навыки работы с Git и Gitlab — Опыт использования Docker — Знания математики и логики — Наличие высшего образования в области математики или технической специальности

• сбор и формализация бизнес-требований от заказчиков и пользователей.

Develop and improve systems that support responsive, believable NPC movement and interactions within the game world. Create tools and debugging utilities that support efficient development and iteration of NPC gameplay systems.

-Сбор, анализ и декомпозиция требований к изменениям. -Моделирование бизнес-процессов в BPMN, разработка системных решений и технических требований.

Location: Москва Мы строим высоконагруженные ML-системы для обеспечения банковской безопасности. Наш фокус — антифрод, управление рисками, обнаружение аномалий и оптимизация бизнес-процессов и тд. Ищем MLE грейда Middle+ с сильной инженерной базой. Ключевая задача — внедрение и адаптация высокопроизводительных runtime-шаблонов для инференса моделей, автоматизация процессов деплоя и оптимизация Time-to-Market при выводе ML/DL и LLM в промышленную эксплуатацию. Обязанности • развертывание и поставка моделей: Упаковка, деплой и поддержка runtime-шаблонов для быстрого вывода моделей в прод на основе готовых архитектурных решений Оптимизация инференса (ML Serving): • обеспечение требуемого уровня latency и пропускной способности для классического ML (LightGBM, CatBoost и тд) и нейросетей • конфигурирование и поддержка инференс-серверов (Triton Inference Server, vLLM и тд) Интеграция и оптимизация LLM: • вывод в продакшен LLM-агентов и RAG-систем с использованием готовых фреймворков • настройка производительных движков (vLLM, TGI) с применением базовых техник оптимизации (квантование, continuous batching) • реализация механизмов кэширования и фильтрации запросов (Guardrails) Автоматизация пайплайнов: • сборка end-to-end пайплайнов доставки данных и моделей (от логов до Real-time API) • интеграция с очередями сообщений (Kafka) для обработки данных в реальном времени • написание и поддержка DAG-ов переобучения моделей в Airflow Мониторинг и логирование: • настройка базового мониторинга метрик данных и моделей (Data/Model Drift) • интеграция трекинга экспериментов и логирования цепочек LLM (MLflow, Langfuse) • ведение реестра моделей в MLflow Model Registry. Требования • инженерный опыт: От 3-х лет в роли MLE / Backend-разработчика (Python) с опытом коммерческого вывода моделей в прод и пониманием специфики Highload-систем • уверенный Python: Чистый, типизированный код, знание асинхронного программирования (Asyncio) и базовых паттернов проектирования • работа с данными и очередями: Хорошее знание SQL (сложные запросы, оконные функции) и практический опыт интеграции приложений с Kafka MLOps и Инфраструктура: • уверенное владение Docker, базовый опыт работы со средой Kubernetes (запуск подов, просмотр логов, понимание манифестов) • опыт написания пайплайнов в Airflow и интеграции моделей с MLflow Data Science бэкграунд: • понимание математики классического ML и архитектур нейросетей • базовые навыки профилирования кода и оптимизации использования памяти • опыт работы с табличными данными и современным стеком NLP/LLM будет плюсом: • понимание принципов работы корпоративных Feature Store (например, Feast) • опыт работы с векторными базами данных (Qdrant, Milvus, PGVector) • понимание базовых принципов работы CUDA и компиляции моделей (формат TensorRT и тд). Условия * комфортный современный офис рядом с м. Кутузовская * офисный 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 (для Junior позиций) * 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.

Глубокий анализ рынка телекоммуникационного оборудования: мониторинг тенденций, выявление новых возможностей и угроз. Исследование видов оборудования, производителей, импортеров и других участников рынка.

Position summary You own engineering for the Unimatch Lab holding: technical leads, product CTOs, engineers, and infrastructure. You are the single technical gate for how the holding builds and ships.

Обязанности: - Анализ бизнес-процессов заказчика, сбор требований к ИС и предварительная оценка трудоёмкости. - Проверка требований на полноту, непротиворечивость, реализуемость и оптимальность.

Задачи: — Преимущественно ручное тестирование новой информационно-аналитической системы (WEB + полный RESTful) — Поиск и контроль исправления найденных ошибок — Составление методик и сценариев тестирования — Проектирование тестов в соответствии с условиями и необходимостью — Написание технической документации, грамотных тест-кейсов и баг-репортов — Участие в развитии автоматизации тестирования и анализе данных по мере необходимости Требования: — Реальный опыт промышленного тестирования ПО от 1 года — Хорошее знание теории тестирования и понимание процессов обеспечения качества — Высшее образование в сфере ИТ / математики / инженерной области — Понимание принципов работы баз данных и умение писать SQL-запросы — Опыт работы с GIT — Использование Linux — Умение грамотно составлять тест-кейсы и баг-репорты Будет плюсом: — Знание Python — Интерес к автоматизированному тестированию и анализу данных Стек и технологии: Python 3.8+, PostgreSQL, Django, Vue.js, D3.js Условия: — Оформление по ТК РФ — Работа в быстрорастущей, стабильной организации, которой не страшен кризис — Команда профессионалов на стыке передовых ИТ и науки — Только современное оборудование для рабочих мест — Бесплатная парковка рядом с офисом — Прикрепление к корпоративной поликлинике — Возможность профессионального роста, обучение — График 5/2, плавающее начало рабочего дня, возможен гибрид после прохождения испытательного срока Откликнуться: @mariaogar

Assist clients on all inquiries via live chat or email. Ensure efficient and excellent customer service experience provided.

Location: Москва Мы строим мультиагентную систему для раннего выявления рисков в сегменте микро- и малого бизнеса - систему, где AI-агенты анализируют данные, находят сигналы ухудшения и помогают бизнесу принимать решения в режиме, близком к реальному времени. Это не просто аналитика и не просто ML - это новая архитектура работы с рисками: от данных к автономным интерпретациям и рекомендациям. Мы ищем дата-аналитика, который хочет работать на переднем крае: разрабатывать и обучать AI-агентов, собирать сложные пайплайны данных и участвовать в создании системы, которая масштабируется на весь портфель. В чем будет заключаться ваша магия: на вашей стороне превращение бизнес-задачи в проверенный прототип агента и готовую к разработке спецификацию. Вы собираете экспертизу, выстраиваете методологию, находите данные и описываете, что агент получает на вход и что отдаёт на выход. Код агента пишет разработчик, данные подводят дата-инженеры — вы отвечаете за то, чтобы агент делал правильную вещь на правильных данных. Обязанности * постановка задачи на агента: цель, бизнес-заказчик, потребители результата, критерии успеха * организация работы с экспертами (напр. кредитные риски, андеррайтинг, мониторинг, работа с проблемной задолженностью): интервью, воркшопы, формализация экспертной логики принятия решений * анализ внутрибанковских процессов, с которыми связан агент и точек использования его результата * разработка методологии агента: признаки, правила, пороги, зависимости; разделение логики на детерминированную (расчёты и правила) и недетерминированную (интерпретация и выводы LLM) * поиск и верификация источников данных: витрины, таблицы, поля, глубина истории, частота обновления, качество; маппинг до уровня конкретного атрибута * прототипирование агента: сборка рабочего прототипа (Python, Jupyter, вызовы LLM) на выбранных данных и методологии * тестирование прототипа на лаб-контуре: проверка корректности и полноты выбранных данных, проверка того, что результат агента устраивает экспертов и отвечает запланированным целям; доработка методологии по итогам * описание контракта агента: состав и формат входа и выхода, место агента в мультиагентной системе и взаимодействие с другими агентами * подготовка эталонных кейсов клиентов с ожидаемым результатом для тестирования и приёмки агента * передача разработчику и дата-инженерам спецификации вместе с проверенным прототипом, сопровождение разработки, приёмка результата вместе с экспертами * оценка качества работы агента после запуска, сбор обратной связи, доработка и версионирование методологии * ведение базы знаний по агентам: методологии, источники данных, результаты тестов прототипов, принятые решения. Требования * высшее образование в области математики, статистики, экономики, информационных технологий или смежных областях * опыт работы с различными LLM * опыт разработки агентов * 3+ года Python, опыт async-сервисов, знание современных библиотек Data Science (Pandas, Scikit-Learn, TensorFlow) * глубокое знание SQL и оптимизации запросов * опыт prompt-инжиниринга и настройки LLM-инференса * глубокое понимание принципов построения мультиагентных систем и опыта их практического внедрения * знание методик когортного анализа и умение строить прогнозы финансовых показателей портфелей малого и микробизнеса. Будет преимуществом: * опыт руководящей должности от двух лет в проектах, связанных с обработкой больших данных, построением аналитических моделей и управлением рисками * понимание специфики сектора малого и микробизнеса в российских условиях, особенностей финансового поведения данной категории заемщиков * наличие успешных кейсов разработки AI-продуктов и решений для кредитных организаций * опыт реализации крупных интеграционных проектов в финансовой сфере * навыки работы с зарубежными аналоговыми системами и технологиями в рамках международного сотрудничества и системами и технологиями в рамках международного сотрудничества. Условия * комфортный современный офис рядом с м. Кутузовская * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * уникальная система обучения Сбера для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * подписка Прайм с возможностью совместного использования на трёх близких * скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы новое подразделение Сбера, занимающееся созданием инструментов и решений для внутренней безопасности с помощью AI. Наши задачи направлены на развитие AI-агентов, создание RAG, запуск локальных инстансов LLM и их файнтюнинг. Наши планы имеют широкий спектр - начиная от разработки DL-моделей для скоринга, поведенческого моделирования и заканчивая графовыми нейронками для выявления скрытых связей. Сейчас мы в поисках Middle Data Scientist, который будет разрабатывать AI-агентов, адаптировать LLM под специфику задач, строить RAG-системы. Если ты хочешь иметь возможность погрузиться в глубины LLM и Deep Learning, пробовать новые методы к файнтюнингу LLM, строить AI-агентов, то мы ждем тебя в нашу команду. Обязанности * cоздание и развитие решений с задействованием LLM-агентов (полноценные мультиагентские системы) * cоздание RAG-систем * разработка и поддержка ML/DL моделей, включая их обновление и адаптация 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 * комфортный современный офис рядом с м. Кутузовская * офисный 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 (для Junior позиций) * 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.

Подготовка встреч, решение технических вопросов; сбор и структуризация информации (внутренней и внешней);

-Проводить исследовательский анализ данных блокчейн сети, включая транзакции, смарт-контракты и адреса. -Идентифицировать аномалии и анализировать их причины.