Задачи:
— строить и улучшать модели для разных частей всего пайплайна
— заниматься полным циклом DS/ML задач
— участвовать в создании и развитии платформы рекламы
— улучшать процесс построения моделей (от выдвижения гипотез до мониторинга работы модели)
Примеры задач:
— построить эмбеддинги на основе описания рекламных объявлений и добавить эти данные в модели прогнозирования конверсии
— обучить модель для прогнозирования распределения ставок в аукционах и совместить модель с текущим алгоритмом определения ставки
— провести эксперименты с новыми офлайн/онлайн признаками в моделях и доставить признаки до сервиса на Go
— внедрить модель, которая фильтрует подозрительный входящий трафик
Требования:
— знание классического ML и Deep Learning подходов
— опыт промышленного использования методов RecSys
— опыт разработки моделей от проблемы до сопровождения в проде
— уверенный опыт разработки на Python и Pyspark, опыт написания продакшн-кода
— знание принципов распределенной обработки данных
— умение принимать решения на основании данных и аргументировать свою позицию
— умение находить решения для проблем, декомпозировать, объяснять и контролировать выполнение
Условия:
— офис метро Маяковская (Оружейный переулок)
— гибридный формат работы
— конкурентная компенсация (оклад и премии по результатам деятельности)
— ДМС с первого рабочего дня, страхование от несчастных случаев и тяжелых заболеваний
— материальная помощь и социальная поддержка, корпоративная пенсионная программа
— дисконт-программы от компаний партнеров
— бесплатный фитнес на территории работодателя
— подписка Прайм с возможностью совместного использования на трёх близких
— внешнее и внутреннее профессиональное обучение: семинары, тренинги, конференции, корпоративная библиотека
Задачи:
— Разрабатывать ML-модели (lookalike/response/uplift/recsys) для персонализации push/pull-коммуникаций, категорий кешбэка, рекламных материалов и других сценариев в цифровых каналах банка;
— Визуализировать и интерпретировать результаты, дизайнить A/B-тесты, проводить пилоты;
— Общаться с бизнесом и помогать решать задачи через данные и ML;
— Проходить полный цикл разработки модели: от уточнения требований до продакшна и мониторинга качества (если каких-то навыков не хватает — поможем развить);
— Разрабатывать AI-агентов.
Требования:
— Высшее техническое образование;
— 3+ года опыта в Data Science (именно построение моделей, не только аналитика);
— Уверенный математический аппарат: мат. статистика, теория вероятностей;
— Продвинутый Python и SQL (оконные функции, подзапросы — на автомате);
— Опыт работы со Scikit-learn, NumPy, Pandas/Polars, Matplotlib/Seaborn/Plotly, LightGBM/XGBoost/CatBoost, PyTorch/TensorFlow/Implicit/LightFM, Airflow, Git.
Будет большим плюсом:
— PySpark, Hive, Hadoop, Docker, Kubernetes;
— Опыт в банковской сфере и CVM;
— Модели склонности и uplift-моделирование;
— Рекомендательные системы (RecSys);
— NBA/NBO оптимизаторы (Next Best Action / Next Best Offer);
— ИИ-сервисы (real-time, near real-time или batch).
Условия:
— Гибридный формат работы, Москва, Москва-Сити (2 дня в неделю в офисе);
— Комфортный и современный офис;
— Обучение за счет компании (посещение конференций, курсов, помощь в написании статей на Хабр и т.д.);
— Вертикальное и горизонтальное развитие: регулярные тренинги, вебинары, митапы;
— Забота о вашем здоровье: ДМС с первого месяца работы, куда входит стоматология;
— Прозрачный доход по итогам интервью;
— Дополнительные бонусы от Россельхозбанка для сотрудников группы компаний (Скидки на спортзалы, рестораны, маркетплейсы и т.д.).
Задачи:
— ценообразование
— uplift-моделирование
— задачи ранжирования
— модели склонности
— look-a-like
— response модели
— работа с регрессионными таргетами
— кластерный и факторный анализ.
Требования:
— опыт в части ML задач не менее 3 года
— опыт работы и глубокое понимание классического ML
— продвинутые знания статистики и машинного обучения
— опыт оценки качества результатов (DS и бизнес-валидация)
— опыт проведения A/B-тестов
— хорошие знания Python, SQL, Bash, PySpark.
Будет плюсом:
— опыт работы с Transformers
— успехи в ML-соревнованиях, хакатонов
— навыки работы с генеративными AI-моделями
— опыт создания AI-агентов и использования их в работе
— опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
Условия:
— работа в удобном и современном офисе недалеко от станции метро 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
— 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.
ОфисseniorМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— исследование данных с использованием state-of-the-art (SOTA) подходов
— разработка моделей машинного обучения в области NLP и NER
— автоматизация и оптимизация процесса продаж инструментов глобальных рынков
— осуществление fine-tuning’a LLM
— имплементация RAG’ов на основе данных Банка
— развитие платформы по использованию и развитию LLM
— интеграция LLM в бизнес-процессы подразделения
— интеграция API, сервисов, построение пайплайнов моделей.
Требования:
— высокий уровень математического аппарата - математический анализ, линейная алгебра, теория вероятностей
— предпочтителен опыт в финансовой сфере, финтехе или области анализа данных (от 3- х лет)
— детальное понимание моделей машинного обучения и алгоритмов
— опыт управления проектами и взаимодействия со смежными командами
— глубокое понимание инструментов финансового рынка является дополнительным преимуществом
— уверенное владение Python
— опыт в разработке NLP моделей или компьютерной лингвистике
— инструментальное владение AI для анализа, генерации и автоматизации.
Условия:
— формат работы - офис (ст.м. Ленинский проспект)
— ежегодный пересмотр зарплаты и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
— расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
— бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
— вознаграждение за рекомендацию друзей в команду Сбера.
О компании и продукте
Мобильная game development-компания развивает один из самых успешных ad-driven продуктов в мире - digital coloring book с многомиллионной аудиторией.
Ищем Lead Data Scientist, который будет развивать ML-решения для рекламной монетизации, персонализации и рекомендаций, а также вести и менторить Data Science-команду.
Почему стоит рассмотреть
• Прямое влияние на рекламную выручку, engagement, retention и LTV продукта
• Работа с большими поведенческими данными и ML-моделями в продукте с миллионами пользователей
• Возможность формировать Data Science-направление, roadmap и технические стандарты команды
• Кросс-функциональная работа с Product, Engineering, Analytics и Ad Monetization
Важно
• 5+ лет опыта в Data Science, желательно в consumer mobile-продуктах
• Обязателен опыт advertising monetization, revenue optimization или advertising analytics
• Опыт разработки recommendation, personalization или ranking systems
• Сильные Python и SQL
• Практический опыт с ML: classification, regression, ranking, forecasting, predictive modeling
• Понимание A/B-тестирования, applied statistics и работы с большими behavioral datasets
• Опыт технического лидерства или менторинга Data Scientists
Задачи:
— Руководство и наставничество в команде Data Science
Требования:
— Опыт работы в Data Science не менее 5 лет, предпочтительно в мобильных потребительских продуктах
— Глубокие знания в области монетизации рекламы, оптимизации доходов или аналитики рекламы
— Опыт работы с системами рекомендаций, персонализации или ранжирования
— Продвинутые навыки Python и SQL
— Экспертиза в машинном обучении, предиктивном моделировании, прогнозировании и прикладной статистике
— Опыт работы с большими поведенческими наборами данных
— Опыт руководства или наставничества в командах Data Science
— Родной русский язык
Будет преимуществом:
— Знание и опыт работы с AdMob, AppLovin, Unity Ads, ironSource
— Опыт с MLOps и облачными платформами AWS, GCP, Azure
— Знания в области LLMs и генеративного ИИ
Требования:
— От 4 лет опыта на позиции Data Analyst / Marketing Data Analyst.
— От 2 лет опыта в рекламной сфере.
— Python или R — от 2 лет.
— Уверенное знание SQL (BigQuery).
— Опыт работы с API, ETL и Docker.
— Знание облачных сервисов (Cloud Run, Workflows, Artifact Registry).
— Опыт работы с Looker.
— Опыт сбора данных из AppsFlyer, Adjust или Voluum.
— Сильные аналитические навыки, самостоятельность и ответственность.
— Умение понятно презентовать технические выводы нетехническим специалистам.
Задачи:
— Участие в построении аналитических процессов.
— Получение данных через API и создание удобных дашбордов.
— Мониторинг эффективности рекламных кампаний.
— Поиск точек роста и возможностей масштабирования продуктов.
— Анализ LTV пользователей и факторов, которые на него влияют.
— Глубокий анализ и оптимизация воронок продаж.
— Поиск возможностей для увеличения выручки.
Условия:
— Удаленный формат взаимодействия.
— График: с 10:00 до 19:00 по времени Кипра.
— 20 дней отпуска и оплачиваемые больничные.
— Работа по праздничному календарю Кипра.
— Испытательный срок - 3 месяца.
— Зарплата по договоренности, в зависимости от уровня и опыта.
Задачи:
— Выявление производственных проблем и точек роста на основе данных;
— Участие в обследовании производственных участков, выезды в цеха, изучение технологических процессов на месте;
— Формализация производственных задач в цифровые кейсы: прогнозирование, классификация, детекция отклонений, контроль качества, оптимизация режимов;
— Сбор, выгрузка, очистка и консолидация данных из производственных и корпоративных информационных систем;
— Анализ данных технологических процессов, поиск закономерностей, факторов влияния и причин отклонений;
— Разработка, обучение и валидация ML-моделей для прогнозирования, оптимизации и поддержки принятия решений;
— Разработка и внедрение CV-решений;
— Подготовка датасетов, разметка данных, организация процессов сбора и актуализации обучающих выборок;
— Проверка гипотез, проведение пилотных проектов и оценка экономического эффекта;
— Визуализация результатов анализа, подготовка отчетов и рекомендаций для производственных подразделений;
— Взаимодействие с внутренними заказчиками, подрядчиками, интеграторами и смежными командами.
Требования:
— Практический опыт разработки и внедрения решений на базе ML;
— Практический опыт разработки и внедрения решений на базе Computer Vision;
— Опыт работы с производственными данными, временными рядами, журналами событий, технологическими параметрами;
— Опыт полного цикла работы с данными: сбор, выгрузка, очистка, анализ, построение признаков, обучение моделей, внедрение;
— Опыт проведения обследований производственных процессов и интервью с внутренними заказчиками;
— Понимание специфики промышленного предприятия и готовность работать “в поле”;
— Желателен опыт работы в металлургии, горнодобывающей промышленности, тяжелой промышленности, химическом производстве или энергетике;
— Понимание технологических процессов агломерационного, коксового или доменного производства будет преимуществом;
— Уверенное владение Python и библиотеками для ML/CV;
— Знание методов регрессии, классификации, кластеризации, поиска аномалий, анализа временных рядов, оптимизации, глубокого обучения;
— Опыт построения CV-моделей;
— Опыт работы с SQL и промышленными базами данных (MES, ERP, SCADA, historians, лабораторные системы, систем АСУ ТП);
— Понимание принципов интеграции моделей в промышленный ИТ-ландшафт;
— Опыт работы с Docker, Git, MLOps-инфраструктурой;
— Применение LLM в разработке решений;
— Понимание производственных показателей: качество сырья и продукции, производительность, простои, расход топлива и энергоресурсов, стабильность технологических режимов, надежность оборудования;
— Понимание причинно-следственных связей в производственном процессе и умение переводить экспертные знания технологов в аналитические модели;
— Навык оценки экономического эффекта от цифровых инициатив: снижение потерь, снижение брака, снижение простоев, рост производительности, снижение расхода ресурсов.
Условия:
— ДМС, включая стоматологию;
— Страхование жизни и страховка для путешественников;
— Корпоративная мобильная связь;
— Система скидок для сотрудников НЛМК ИТ;
— Частичная компенсация питания в корпоративных столовых;
— Возможность обучения за счет работодателя;
— Активная корпоративная жизнь;
— Поддержка от компании в жизненно важных событиях;
— Бесплатный доступ к электронной библиотеке.
Задачи:
– Разработка, создание и поддержка масштабируемых конвейеров обработки данных с использованием Apache Spark и современных платформ обработки данных.
– Разработка и оптимизация архитектур хранилищ данных для поддержки рабочих процессов анализа данных и машинного обучения.
– Внедрение моделей и структур данных, обеспечивающих качество, согласованность и доступность данных.
– Сотрудничество со специалистами по анализу данных и аналитиками для понимания потребностей в данных и предложения решений.
– Обеспечение безопасности данных и соответствия нормативным требованиям.
– Мониторинг и устранение неполадок, связанных с производительностью и надежностью конвейера обработки данных.
– Постоянное совершенствование процессов и передовых методов обработки данных.
– Взаимодействие с межфункциональными командами и участие в технических дискуссиях.
– На руководящей должности оказание технической поддержки и наставничество младших инженеров.
Требования:
– Опыт работы с Python или Scala/Java.
– Углубленные знания SQL.
– Практический опыт работы с Apache Spark, Databricks, Snowflake или Microsoft Fabric.
– Понимание концепции и архитектуры хранилища данных (data lakehouse).
– Понимание основ распределенных систем.
– Навыки моделирования данных и создания хранилищ данных.
– Опыт работы с облачными архитектурами данных на платформах AWS, Azure или GCP.
– Готовность к обучению и экспериментам с разными решениями.
– Ценить баланс между работой и личной жизнью, избегать сверхурочной работы.
– Умение просить о помощи и работать в команде.
Требования:
1) Коммерческий опыт работы от 3-х лет.
2) Опыт реализации и вывода в промышленную эксплуатацию решений на базе ИИ (обязательно в том числе AI агентов на базе LLM) в роли Data Scientist/AI Engineer.
3) Знание основ Classic Machine Learning, хорошее знание Deep Learning (NLP).
4) Глубокое понимание архитектуры Transformer.
5) Глубокое понимание подходов и методов проектирования AI-агентов.
6) Практический опыт fine-tuning языковых моделей (GPT-like, BERT-like и др.).
7) Работа со стеком Python - Torch, Transformers.
8) Опыт разработки интеграций с ИТ-системами.
9) Опыт промышленной работы с k8s.
Обязанности:
- Артефакты тестирования гипотез/экспериментов: описание подхода/модели, соответствующие значения метрик (выбранных для данного решения), тестовый сет/бенчмарк.
- Артефакты продукта в целом: описание проекта, архитектура (утвержденная и согласованная с архитекторами и информационной безопасностью (ИБ)), согласование от ИБ что решение может быть использовано в продакшн, код продукта и документация к нему, инструкция по разворачиванию решения в контуре компании.
- Все вышеперечисленные артефакты размещены в контуре заказчика (Gitlab, Confluence).
Обязанности:
• Участвовать в полном цикле работы с гипотезами: от приоритизации бэклога и проведения A/B-тестов вместе с Data Scientists.
Требования:
• Опыт работы с BI-инструментами, например, FineBI, Tableau или Power BI.
• Понимание принципов машинного обучения и метрик качества моделей.
• Опыт взаимодействия с Data Warehouse (DWH).
Задачи:
— управление полным циклом разработки моделей и ML-решений от постановки задачи до передачи на мониторинг;
— формирование бэклога проектов;
— генерация подходящих ML-решений для задач бизнеса;
— формирование бизнес-технических моделей и технических заданий смежным стримам и командам.
Задачи:
— участвовать в разработке и валидации моделей кредитного скоринга
— регулярно запускать и контролировать ML-пайплайны
— мониторить производительность и стабильность моделей
— проводить плановое переобучение моделей
— готовить отчёты по производительности моделей, включая Gini / KS
— поддерживать модели в продакшене
Требования:
— от 2 лет опыта в Data Science
— понимание принципов кредитного скоринга
— узбекский язык обязателен
— опыт работы в банковской сфере или финтехе
— уверенный SQL и Python, практический опыт с Apache Spark
— опыт внедрения и сопровождения ML-моделей в продакшене
— понимание MLOps и полного жизненного цикла ML-моделей
Будет большим плюсом:
— опыт работы в банках или финтех-компаниях Узбекистана
Условия:
— полная занятость
— зарплата до 4000 USD на руки
— Ташкент, работа из офиса
— долгосрочный проект
Задачи:
— Превращать данные в более умные продуктовые решения на международных цифровых проектах.
Требования:
— 3–5 лет опыта в аналитике данных, продукта, веба или приложений.
— Отличное знание SQL.
— Опыт работы с Google Analytics 4 и веб/мобильным трекингом.
— Знание ETL процессов и построения дата пайплайнов.
— Владение Power BI, Tableau, Looker Studio, Qlik или SAP BusinessObjects.
— Знания в области статистики, экспериментов и A/B тестирования.
— Английский язык на уровне B2 и выше.
Будет плюсом:
— Опыт работы с BigQuery.
— Опыт серверного трекинга.
— Опыт в e-commerce.
Условия:
— Работа в международной команде.
— Гибридный формат работы в Ташкенте.
— Полная занятость.
— Зарплата от 2500 USD net в месяц.
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.
Задачи:
— участвовать в полном цикле разработки AI-агентов и универсальных ассистентов: от идеи и проектирования до запуска в продакшн
— проводить эксперименты, тестировать гипотезы и исследовать новые подходы для создания агентских решений
— разрабатывать и внедрять LLM-пайплайны, чат-ботов и интеллектуальные системы
— обучать и дообучать NLP-модели под конкретные задачи продукта
— интегрировать разработанные модели и логику в бизнес-процессы
— мониторить качество работы моделей в продакшне, находить узкие места и оперативно вносить улучшения.
Требования:
— опыт в NLP и понимание технологий: от классических алгоритмов до трансформеров и генеративных моделей (LLM)
— практический опыт коммерческой разработки AI-агентов, чат-ботов и LLM-пайплайнов
— опыт обучения глубоких нейронных сетей
— уверенное владение PyTorch, NumPy, Pandas, а также фреймворками для работы с агентами: LangChain, LangGraph (или их аналогами)
— уверенное владение Python, Git, SQL, Bash, Docker. Умение писать чистый, поддерживаемый и тестируемый код
— навык перевода бизнес-требований в конкретные технические и алгоритмические решения.
Будет плюсом:
— понимание принципов микросервисной архитектуры и опыт проектирования REST API
— опыт разработки асинхронных и многопоточных приложений (asyncio, aiohttp, multiprocessing и др.)
— опыт взаимодействия с реляционными и нереляционными базами данных
— практический опыт настройки и поддержки CI/CD-пайплайнов (Jenkins, GitLab CI, ArgoCD или аналоги)
— опыт развёртывания и управления приложениями в Kubernetes.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— гибридный 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.
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
Задачи:
— Разработка моделей для рекомендательных систем CVM
— Рекомендация персональных предложений в мобильном приложении, рекомендации докупа в корзине, рекомендации в карточке товара
Требования:
— Высшее образование
— Навыки построения авторегрессионных моделей (семейство ARIMA, экспоненциальное сглаживание, Prophet и тд) и деревяных моделей (случайный лес, бустинги) в задачах прогнозирования
— Высокий уровень Python, средний уровень SQL
— Знание и опыт использования классических рекомендательных алгоритмов (матричная факторизация), а также более продвинутых (бустинги, нейронные сети)
— Умение работать с очисткой от выбросов, сглаживания временного ряда
— Приветствуется опыт работы с нейронными сетями в задачах прогнозирования
Условия:
— Работа в компании с мировыми стандартами и легендарной историей
— Оформление в ИТ аккредитованную компанию
— Интересные задачи и профессиональное развитие
— Конкурентоспособный социальный пакет
— Гибридный формат работы
Гибрид
Зарплата не указана
УдалённоmiddleМосква
Зарплата не указана
Все вакансии в одном месте — страница 10 · Job Hunters