Вакансии

Задачи: — разработка LLM агентов — создание логики работы и взаимодействия агентов — дообучение NLP моделей — создание RAG систем — вывод и сопровождение моделей — написание API для выводимых моделей. Требования: — знания в области математики, data science — владение Python (pandas, numpy, torch, fastapi, langchain, etc) — знание SQL, spark — приветствуется опыт работы с git, docker — опыт работы с NLP пайплайнами. 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.

Задачи: — Оценивать платёжеспособность клиентов, исследовать источники данных, строить модели оценки дохода и кредитной нагрузки, внедрять их в скоринг — Сегментировать клиентов по уровню благосостояния, использовать данные экосистемы для ранжирования и персонализации решений — Проверять гипотезы, применять A/B-тестирование, методы прикладной статистики и ML-подходы — Оптимизировать ручные проверки — определять, кто действительно нуждается в ручной верификации, чтобы снизить нагрузку на операции и повысить прибыль — Строить модели оценки дохода и благосостояния клиентов Требования: — Знание теории вероятностей — Знание математической статистики и классических методов машинного обучения — Владение SQL, Python (pandas, sklearn) — Умение анализировать бизнес-процессы — Умение адаптировать скоринговые модели под стратегию Условия: — Гибридный график и офис у метро «Белорусская», в котором есть Т-Клиника, салон красоты, фитнес-зоны, комнаты для сна и медитации, терраса с панорамным видом — Возможность работы в аккредитованной ИТ-компании — ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких, страховка от несчастных случаев и болезней — Рост по карьерному треку с курсами по софт- и хард-скиллам, поддержкой ментора, матрицей компетенций и регулярным ревью — Сильное комьюнити с экспертами, конференциями, митапами и статьями — Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни — Компенсация затрат на спортивные абонементы, приложение Т-Спорта и командные тренировки — Завтраки и обеды в Т-Кафе, ресторан и кофейни в офисе, кухни на этажах — 3 дополнительных дня к отпуску или компенсация — Специальные тарифы на продукты Т-Банка и программу скидок от партнеров — Достойная зарплата, обсуждаемая на собеседовании

О компании Points Health - это экосистема высокоточных маркетинговых решений для фармацевтических брендов. Компания работает с данными более чем 38 000 аптек по всей России и внедряет современные методы аналитики. Роль и задачи Ищут сильного лидера и эксперта, который будет ключевым звеном в трансформации больших и грязных фармацевтических данных в ценные бизнес-инсайты. Обязанности включают управление командами, выстраивание архитектуры данных, методологии очистки и анализа, создание прогностических моделей для повышения эффективности продаж и маркетинга. Ключевые обязанности: Управление и стратегия: — Разработка стратегии работы с данными для поддержки и развития продуктов "Stock Index" и "Мой Бонус". Работа с данными (Data Engineering): — Управление ETL-процессами: сбор, очистка, стандартизация и валидация больших массивов данных из различных источников. — Обеспечение высокого качества и надежности данных для аналитики. Анализ и моделирование: — Применение многомерных методов анализа данных: регрессионный, кластерный, факторный анализ. — Разработка прогностических и "what-if" моделей для прогнозирования продаж, оценки маркетинговых активностей и ценообразования. — Построение и валидация моделей для оптимизации товарного запаса и предотвращения дефектуры. Взаимодействие с бизнесом: — Трансформация сложных аналитических выводов в понятные бизнес-рекомендации для топ-менеджмента и клиентов. — Сотрудничество с продуктовыми командами для внедрения моделей в продукты Points Health. Ключевые требования Опыт: — От 3 лет в Data Science, управлении аналитикой или аналогичных ролях с опытом руководства проектами или командами. — Опыт в фармацевтической отрасли будет преимуществом. Образование: — Высшее образование (Магистр или PhD) в математике, статистике, эконометрике, компьютерных науках, Data Science или смежных дисциплинах. Технические навыки: — Экспертный уровень владения Python (pandas, scikit-learn, statsmodels, PyMC) и SQL. — Опыт с библиотеками машинного обучения и статистического моделирования. — Глубокое знание методов экстраполяции, агрегации, кластерного и факторного анализа, регрессионного анализа (включая байесовские подходы) и эконометрических методов. — Опыт построения прогностических моделей (временные ряды, XGBoost) и "what-if" сценариев. — Опыт работы с большими данными, их очисткой, трансформацией и интеграцией. — Умение создавать дашборды и отчеты в Power BI, Tableau или Qlik. Личные качества: — Сильное аналитическое и критическое мышление. — Управленческая зрелость, способность принимать решения в условиях неопределенности. — Отличные коммуникативные навыки и умение доносить сложные концепции до не-технических специалистов. — Проактивность, ориентация на результат и клиентоориентированность.

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

Описание продукта: Один из ключевых юнитов в Big Data МТС - это платформа поиска и рекомендаций, которая использует ML и большие данные для подбора релевантных айтемов для клиентов из каталогов МТС. Поставляет рекомендации в онлайн-кинотеатр КИОН, читалку «Строки», МТС Банк, сервисы по продаже билетов, интернет-магазин и другие продукты экосистемы МТС. Задачи включают объединение рекомендательных движков в единую платформу, создание универсального поискового движка, realtime триггеров и масштабирование на все сервисы компании. Задачи: — Генерировать гипотезы по улучшению рекомендаций для роста бизнес-метрик клиентов — Превращать гипотезы в работающие ML модели — Катить модели в прод и по итогам АВ-тестов формулировать новые гипотезы по улучшению рекомендаций — Ставить задачи data инженерам на доработки витрин, взаимодействовать с разработчиками для формирования пайплайнов поставки рекомендаций, совместно с аналитиками сетапить АВ-тесты Требования: — Коммерческий опыт в data science от 2-х лет — Опыт разработки и продуктивизации ML-сервисов (от моделей до API) — Опыт внедрения ML-пайплайна в real-time сервисы — Опыт работы с docker, шедулерами (airflow или любой другой) и sql/nosql базами данных Условия: — Собственная платформа MTS Ocean для получения ИТ-ресурсов, деплой, мониторинг, observability — Профессиональные гильдии инженеров — Внутренняя площадка TechTalks для обмена опытом и развития навыков — Участие во внешних IT конференциях (HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг, собственная конференция True Tech Arch) — Курсы и вебинары в корпоративном университете и электронная библиотека — ДМС с первого месяца работы, включая стоматологию — Страхование от несчастных случаев с 1 месяца работы — Материальная помощь в сложных жизненных ситуациях — Отпуск 28 календарных дней — Прием врачей общей практики и массаж в офисе — Мобильная связь за счет компании и льготные тарифы для близких — Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

Задачи: — разработка моделей по продуктам кредитов физических лиц (КФЛ) для Блока Финансы — модели досрочного погашения кредитов/вкладов ФЛ на портфельном/клиентском уровне — модели эластичности КФЛ — модели рефинансирования КФЛ — модели детекции аномалий по НОСТРО счетам Обязанности: — сбор и подготовка данных (Hadoop, pyspark) — тестирование различных гипотез — полный пайплайн разработки модели (бустинг, нейронные сети, временные ряды) — общение с заказчиками и Data Engineer Требования: — опыт работы Data Scientist от 2 лет — образование по направлениям "Математика", «Физика», «Мат. методы в экономике» — глубокие знания в области теории вероятностей, статистики — понимание алгоритмов ML-моделей (регрессии, классификации и т. д.) — владение Python (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost и др.) — будет плюсом владение одним из фреймворков DL, pyspark Условия: — комфортный современный офис рядом с м. Кутузовская — офисный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия (зависит 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.

Задачи: — создание и развитие решений с задействованием LLM-агентов (полноценные мультиагентские системы) — создание RAG-систем — разработка и поддержка ML/DL моделей, включая их обновление и адаптацию 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: — инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти — среда для обмена знаниями – высокая экспертиза внутри команды — сплоченная команда, работающая над общими задачами и умеющая хорошо отдыхать — нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам — стабильная заработная плата и годовой бонус — полностью офисный формат работы. Современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — вознаграждение за рекомендацию друзей в команду Сбера.

Location: New York, NY (HQ) Workplace: Hybrid ABOUT RAMP Ramp is building the smart infrastructure for finance teams, embedded in the transaction flow of every dollar a business spends. We automate how over $275B in annualized spend flows in and out of 85,000+ companies: authorizing payments, flagging risk, categorizing spend, and closing books. The problems are high-stakes, data-dense, and unforgiving. We hire people with high agency and high urgency. We look for slope over intercept. We care less about where you trained and more about what you’ve built. At Ramp, everyone is a builder who owns problems end to end and makes consequential decisions that shape the outcome. The median Ramp customer saves 7.5% and grows revenue 16% in their first year – far in excess of businesses operating without Ramp. We believe every ambitious company deserves the same. If you want to build systems that directly shape how companies move and manage billions, Ramp is the place to do it. ABOUT THE ROLE The Applied Science team builds models and tools that solve Ramp’s most critical problems: from underwriting businesses to combatting fraud to making spend management smarter. We’re deeply embedded in the business and provide a quantitative foundation for decision making. As an Applied Science intern, you’ll be a fully integrated member of the team and own your project from start to finish. Working with engineers, product managers, and business stakeholders, you’ll translate complex business needs into scalable machine-learning-driven solutions. This is a chance to apply ML concretely, ship code, and create genuine value for Ramp and our customers. You will focus on exciting problems in areas like: credit, fraud, growth, or our core product.   WHAT YOU’LL DO - End-to-End ML: own the model lifecycle from data exploration and feature engineering to training, benchmarking, deployment, and monitoring - State-of-the-Art AI: leverage the latest Large Language Models (LLMs) to solve novel problems and create new product capabilities for our customers - Versatile Techniques: apply the right tools to the right problems, whether it’s deep learning, gradient boosting, or causal inference - Rigorous Experimentation: quantify the impact of your work through A/B tests and other statistical methods - Collaborate: partner closely with product and business leaders to translate models and insights into actionable strategy and user-facing features   WHAT YOU NEED - B.S., M.S. or Ph.D. Student: currently pursuing a degree in Data Science, Computer Science, Math, Physics, Economics, Statistics, or other quantitative fields with an expected graduation date between Dec 2027 - 2029. Graduate degrees are preferred, but not a must. - Strong ML Fundamentals: solid understanding of the mathematical foundations of machine learning, statistics, probability, and optimization - Strong Interest or Experience with AI: curiosity and drive to integrate cutting edge LLMs and agents into applied solutions - Python Proficiency: good grasp of common Data Science libraries (pandas, scikit-learn, NumPy, PyTorch, etc.) - SQL Knowledge: experience wrangling data in a modern data warehouse (e.g. Snowflake, BigQuery, Redshift, Clickhouse) - Practical Experience: track record of curating datasets and building/evaluating ML models - Strong Communication: ability to clearly explain complex concepts to both technical and non-technical audiences and use data to build a compelling narrative - Bias For Action: a comfort with ambiguity and desire to ship solutions quickly then iterate   NICE TO HAVES - Publications, Projects, or Previous Experience: relevant experience applying AI/ML and demonstrating your passion for the field - Production ML Mindset: knowledge of software engineering best practices applied to ML including version control (Git), testing, and writing maintainable code - Data Orchestration: experience with leveraging modern data orchestration platforms (Airflow, Dagster, Prefect, Metaflow)   COMPENSATION - The monthly rate for this internship is $12,500 USD + housing stipend   RAMP BENEFITS - Apple MacBook - Catered lunches in NYC office Monday-Friday - Weekly coffee stipend BENEFITS AVAILABLE TO ALL FULL-TIME RAMP EMPLOYEES (GLOBAL) - Flexible PTO - Centralized home-office equipment ordering - Health and wellness stipend - Budget for intra-office travel - Weekly coffee stipend UNITED STATES - 100% medical, dental & vision insurance coverage for you, with partial coverage for dependents - One Medical annual membership - 401(k), including employer match on contributions made while employed by Ramp - Fertility HRA (up to $10,000 per year) - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay - Pet insurance - In-office perks: lunch, snacks, drinks, and more - Relocation expense coverage to NYC or SF (if needed) CANADA - Group medical, dental, and vision coverage through Sun Life - Life, AD&D, and disability coverage - Fertility drug coverage (up to $4,000 lifetime) - Group Retirement Plan with employer match (RRSP + DPSP) - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay, with additional time available at reduced pay - Employee Assistance Program and virtual care through Lumino Health UNITED KINGDOM - Private medical insurance through Freedom Elite - Virtual GP and at-home care via eMed x Livi - Workplace pension through Penfold, with salary sacrifice option - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay with additional time available at reduced pay REFERRAL INSTRUCTIONS If you are being referred for the role, please contact that person to apply on your behalf.   OTHER NOTICES Pursuant to the San Francisco Fair Chance Ordinance, we will consider for employment qualified applicants with arrest and conviction records.   Beware of recruiting scams: Ramp will only contact you through official @Ramp.com http://Ramp.com email addresses and will never ask for payment or sensitive personal information during the hiring process.   Ramp Applicant Privacy Notice https://ramp.com/legal/applicant-privacy-notice

Задачи: — строить ML модели на основе различных данных: табличные, графовые, NLP, GEO, последовательности событий (кликстрим, транзакции и т.д.) — писать production код и выводить его в ПРОМ — улучшать процесс построения моделей, разрабатывать собственные прикладные модули командного фреймворка разработки для повышения производительности DS и улучшения качества кода в промышленной среде — выдвигать data-driven гипотезы/предложения для запуска новых механик, а также поиск инсайтов в данных. Требования: — глубокое знание классического ML — понимание основных Deep Learning подходов — продвинутое знание SQL — отличное знание Python — понимание и опыт АB-тестирования. Будет плюсом: — понимание специфики разработки ML-технологий, начиная с формулировки бизнес-проблемы, заканчивая выведением на регулярную основу в прод — опыт решения задач ранжирования или Real Time Bidding — опыт работы с Pyspark, Greenplum. Условия: — комфортный современный офис рядом с м. Кутузовская — офисный 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: — разработка и внедрение LLM моделей для решения NLU задач бизнеса (SFT, RAG (Retrieval Augmented Generation), Agents, Summarization, Text Ranking, Text Matching, Language Modeling) — дообучение LLM моделей — разработка подходов и процессов разметки данных для оценки качества работы LLM — формирование и работа с ML пайплайнами: работа с данными, обучение/дообучение NLP моделей, оценка качества решений, поддержка/автоматизация решений — оптимизация работы моделей для промышленного контура на CPU/GPU — работа с командой бизнес-представителей, DS-разработчиками — организация проверки и генерация гипотез для решения технических и бизнес-задач. Требования: — опыт разработки на python, numpy, sklearn, pandas + библиотеки обработки текстовых данных — опыт работы с Pytorch для построения DL текстовых моделей — опыт работы с библиотеками LangChain/LangGraph — опыт практической работы с LLM через API — отличные теоретические знания классического и нейросетевого NLP, в тч LLM — опыт дообучения классических трансформеров и LLM — практический опыт, эксперименты, внедрение в ПРОД LLM решений — опыт prompt-engineering Будет плюсом: — работа с инструментами Hadoop (HDFS, Hive), Spark — опыт постановки и проведения a/b тестов — опыт работы с распределенным обучением, глубокое знание GPU архитектуры. Условия: — комфортный современный офис рядом с м. Кутузовская — возможен 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: — поиск подходящих ML решений для решения бизнес-задач, проведение оффлайн и онлайн (А/Б) экспериментов — разработка и улучшение ML-пайплайнов для задач RecSys: подготовка данных, обучение моделей, валидация и внедрение — анализ и работа с большими объёмами данных на PySpark — исследование и применение актуальных методик в области Data Science, Machine Learning и RecSys — взаимодействие с командой разработки и аналитики, генерация гипотез, участие в обсуждении решений и донесение результатов своей работы до команды. Требования: — опыт работы в области Data Science от 1 до 3 лет — интерес к рекомендательным системам, желание развиваться и постепенно брать на себя больше ответственности — практические навыки решения ML-задач: от подготовки данных и выбора алгоритмов до настройки гиперпараметров и оценки качества моделей — хорошая база в алгоритмах машинного обучения и интеллектуальном анализе данных; опыт применения классических ML- и/или DL-подходов будет преимуществом — хорошее знание Python и основных DS-фреймворков (PyTorch, PySpark и др.), понимание принципов написания качественного кода — способность самостоятельно разбираться в новых подходах, читать технические материалы на английском и применять их на практике Будет плюсом: — опыт реализации DS-проектов в области рекомендаций — опыт работы с ranking-задачами, feature engineering, A/B-тестами или ML-экспериментами — опыт вывода ML-решений в production или участия в развитии ML-пайплайнов. — опыт работы с высоконагруженными системами с машинным обучением и Big Data — участие в профильных курсах, соревнованиях или pet-projects в области ML/RecSys. Условия: — комфортный современный офис рядом с м. Кутузовская — возможность выбрать удобный график – офис/гибрид — 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 — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — кастомизировать модели ранжирования — персонализировать поисковую выдачу и работать с её разнообразием — генерировать описание товара по фотографии — развивать поиск по продавцам и интегрировать его в основную выдачу.

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

Задачи: — работа с ценообразованием — uplift-моделирование — задачи ранжирования — модели склонности — look-a-like модели — response модели — работа с регрессионными таргетами — кластерный и факторный анализ Требования: — опыт в ML задачах не менее 3 лет — глубокое понимание классического машинного обучения — продвинутые знания статистики и машинного обучения — опыт оценки качества результатов (DS и бизнес-валидация) — опыт проведения A/B-тестов — хорошие знания Python и SQL Будет плюсом: — опыт работы с Transformers — успехи в ML-соревнованиях и хакатонах — навыки работы с генеративными AI-моделями — опыт создания AI-агентов и использования их в работе — опыт использования GigaChat, Kandinsky и аналогов в продуктах Условия: — работа в современном офисе недалеко от метро Кутузовская — ежегодный пересмотр зарплаты и годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета — расширенный ДМС, льготное страхование для семьи, 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: — разработка и развитие LLM-проектов в юридическом домене — от прототипов до продакшена — проектирование и обучение агентов-экспертов, решающих задачи правового домена (RAG-пайплайны, классификация запросов, генерация ответов, оценка релевантности) — исследование и настройка multi-agent orchestration (LangGraph, LangChain, schema guided reasoning pipelines) — работа с GigaChat как основной моделью, а также эксперименты с ChatGPT, Gemini, Qwen — дообучение малых моделей (instruction-tuning, adapters, LoRA) для повышения качества юридического рассуждения — разработка метрик качества — взаимодействие с инженерами и аналитиками права — внедрение моделей в реальные кейсы (алиментные, потребительские, трудовые и т.д.) Требования: — опыт работы DS/ML-инженером от 3х лет — понимание архитектуры LLM и принципов prompt engineering — опыт построения RAG-систем, fine-tuning и дообучения моделей — умение проектировать пайплайны inference / retraining Будет плюсом: — опыт в LegalTech или смежных областях (финансы, документооборот, чат-боты) — понимание структуры и логики российских нормативных актов — опыт интеграции LLM с внешними API или базами знаний Условия: — формат работы офис на испытательном сроке, локация офиса ул Вавилова д.19 — 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.

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.

Описание продукта: Ты будешь заниматься развитием рекомендательных алгоритмов для Самоката, участвовать в полном цикле разработки ml моделей от исследований до внедрения в продакшн, держа фокус на реальную пользу бизнесу и рост выручки компании. Это роль с прямым влиянием на пользовательский опыт: результаты работы команды реально меняют то, что видят пользователи в продукте, и помогают улучшать качество рекомендаций. Обязательные навыки: - Уверенные знания по Python и SQL - Сильные знания по ML и DL - АБ тесты Желательные навыки: Очень приветствуется интерес к современным подходам в рекомендациях и ML. Задачи: - Улучшать текущие и разработка новых моделей для рекомендаций - Исследовать современные подходы - Продуктивизировать и отвечать за разработанные алгоритмы.

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.