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).
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
ОфисmiddleТашкент
до 4 000 $
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Требуется специалист на позицию Senior AI/ML Engineer.
Требуемые навыки:
— Python
— OpenCV
— Deep Learning
— Компьютерное зрение
— Agentic systems
— FastAPI
— Langgraph
— DeepEval
— Langfuse
— vLLM
Вакансия предполагает полный рабочий день с возможностью удалённой работы.
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
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.
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:
— Техническое руководство ИИ-командой из 7 человек
— Разработка агентной системы для врачей, включающей сбор анамнеза, саммаризацию медицинских карт и создание драфтов заключений
— Опционально people management
Требования:
— Сильные технические навыки в области искусственного интеллекта
Условия:
— Удалённая работа
— Полная занятость
— Зарплата от 500 000 ₽ в месяц
Компания Лучи предоставляет ДМС, обслуживает более 1 млн застрахованных и имеет собственную телемедицинскую клинику.
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
Компания AI research lab 42 — лаборатория, разрабатывающая автономного AI Scientist — систему, способную самостоятельно формулировать гипотезы, проводить эксперименты и находить решения.
Задачи:
— TradFi Research Lead: построить и возглавить research-направление в traditional markets, разрабатывать MFT-стратегии, строить портфели и risk/execution models, выводить стратегии в production
— AI Researcher — Autonomous Research: перейти от ручного quant research к автономной agent-driven системе, генерировать гипотезы, тестировать и оптимизировать стратегии
— Quantitative Researcher — Crypto MFT: полный цикл разработки medium-frequency crypto strategies, поиск alpha и backtesting, production и мониторинг live performance
Требования к кандидату:
— TradFi Research Lead: 5+ лет в systematic quant research, подтверждённый track record прибыльных MFT-стратегий, опыт с equities / futures / options / FX, опыт лидерства
— AI Researcher — Autonomous Research: MFT/HFT researcher, сильное понимание market microstructure, статистики и Python/ML, способность формализовать research-процесс для автоматизации
— Quantitative Researcher — Crypto MFT: 2+ лет в systematic trading, опыт запуска стратегий в live, глубокое понимание crypto market structure (spot, perps, funding), сильные Python, statistics и ML/DL
Условия:
— B2B контракт
— помощь с релокацией в Амстердам по high skilled migrant visa
— оформление в голландскую компанию с 30%ным налоговым рулингом
Semantics Innovations — технологическая IT-компания, которая специализируется на разработке, тестировании и внедрении программного обеспечения для цифровой экономики и финансового сектора.
Офис в Астане, Казахстан.
Мы ищем: Талантливого ML-разработчика с временными рядами и классикой, в области прогнозирования в ритейле на стажировку, которому предстоит работать над интересными высоконагруженными проектами.
Требования:
— Опыт в Data Science / Machine Learning от 2 лет;
— Прагматизм: готовность искать рабочие решения, а не идеальные, но нереализуемые модели;
— Глубокое знание Python, SQL и PySpark;
— Разработка ETL-процессов для обработки больших данных (чтение, трансформация, агрегация, запись);
— Оптимизация Spark-запросов (партиционирование, кэширование, работа с broadcast-переменными);
— Знание основных ML-фреймворков (Scikit-learn, TensorFlow/PyTorch);
— Опыт работы с данными: обработка, анализ, feature engineering.
Будет плюсом:
— Опыт продакшн-разработки (не только исследования);
— Понимание, как устроены процессы в бизнесе, а не только в Jupyter Notebook;
— Умение запускать ML-модели в PySpark;
— Использование Spark MLlib для распределенного обучения;
— Работа с PySpark Pandas UDFs для эффективного применения ML-моделей к большим данным.
Условия:
— Работа в команде экспертов;
— Широкий технологический стек, сотни проектов;
— Гибкий график работы, который позволяет высыпаться и выделять время на хобби;
— Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии;
— Процессы удаленной работы и просторные офисы с зонами коворкинга;
— Возможность прокачаться во всех интересующих направлениях: стать тимлидом, архитектором, разработчиком full-stack;
— Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка;
— Активный обмен опытом, внутренние и внешние митапы, хакатоны, доклады по развитию hard и soft skills;
— 50+ клубов по интересам и профессиональных сообществ внутри компании;
— Корпоративная база знаний и социальная сеть для удобства общения с каждым из 1500+ сотрудников.
Дополнительно:
— Набор осуществляется по ИТ специальностям, указанным в Приказе Минцифры № 27 от 22.01.2026г.
— Решение Министерства цифрового развития, связи и массовых коммуникаций РФ о предоставлении государственной аккредитации организации от 10.03.2022 №АО-20220309-3771014210-3
Задачи:
— Управление командами Data Analysts и Data Scientists, распределение задач, развитие экспертизы и формирование рабочих процессов.
— Формирование и развитие data-driven стратегии направления Soft Collection.
— Анализ поведения клиентов и эффективности стратегий коммуникации с клиентами.
— Разработка и внедрение ML-моделей для прогнозирования вероятности платежа, сегментации клиентов, определения оптимального канала и времени коммуникации, приоритизации клиентов и оценки эффективности стратегий collection.
— Разработка стратегий Decisioning / treatment для определения кому, когда и каким способом осуществлять коммуникацию.
— Проведение A/B-тестов и uplift-исследований, оценка причинно-следственного воздействия стратегий взыскания.
— Развитие системы KPI и метрик направления: cure rate, roll rate, recovery rate, collection rate, cost-to-collect, ROI и других бизнес-метрик.
— Создание аналитических витрин, дашбордов и систем мониторинга эффективности стратегий и моделей.
— Взаимодействие с бизнесом, Collection, Risk, IT, Data Engineering и другими подразделениями.
— Преобразование бизнес-задач в аналитические и ML-задачи, обеспечение внедрения в production.
— Ответственность за качество моделей, мониторинг производительности и регулярный пересмотр стратегий.
— Развитие культуры experimentation и принятия решений на основе данных.
Требования:
— Уверенное владение Python: pandas, numpy, sklearn и ML-библиотеки.
— Продвинутый уровень SQL.
— Хорошее понимание статистики, ML и методов оценки моделей.
— Опыт в A/B-тестах, propensity-моделях, классификации, сегментации и прогнозировании.
— Знание банковских/финансовых метрик и кредитных процессов — большой плюс.
— Опыт работы с большими данными и распределёнными вычислениями — преимущество.
— Опыт разработки аналитических решений и ML-моделей от постановки задачи до внедрения в production.
— Понимание принципов MLOps и мониторинга моделей — преимущество.
— Опыт работы с BI-инструментами и созданием управленческих дашбордов.
— Опыт управления командами аналитиков / Data Scientists или техническое лидерство.
— Умение самостоятельно формировать roadmap направления.
— Сильные коммуникативные навыки и умение говорить на языке бизнеса и финансовых результатов.
— Умение декомпозировать сложные задачи и расставлять приоритеты.
— Ориентация не только на качество аналитики или моделей, но и на бизнес-эффект.
— Способность развивать сотрудников и повышать профессиональный уровень команды.
Задачи:
— Обучение и наставничество в области искусственного интеллекта с нуля.
— Помощь в освоении технологий Machine Learning и Deep Learning.
Требования:
— Желание обучать и поддерживать начинающего специалиста.
— Знания и опыт в области AI, Machine Learning, Deep Learning.
Условия:
— Работа с учеником 16 лет, студентом.
— Гибкий график, возможность связи 24/7.
— Оплата в диапазоне 30-50 долларов.
Контакт для связи: +998 91 107 21 06, Telegram: https://t.me/Azamxon2106
Задачи:
– Проектирование и развитие корпоративного хранилища данных (КХД)
– Разработка и оптимизация архитектуры DWH
– Проектирование, разработка и сопровождение ETL-процессов
– Построение витрин данных под бизнес-задачи
– Настройка, оптимизация и мониторинг загрузок данных
– Контроль и обеспечение качества данных
– Разработка SQL-скриптов, процедур и серверного кода
– Участие в проектах миграции и интеграции данных
– Интеграция источников через брокеры сообщений и REST API
– Подготовка технической документации
– Взаимодействие с командами аналитики и BI.
Требования:
– Высшее / неполное высшее образование
– Опыт работы Data Engineer / Архитектором DWH от 4 лет
– Опыт проектирования КХД от 1 года (Oracle, PostgreSQL)
– Понимание архитектуры и принципов построения DWH
– Опыт разработки ETL-процессов
– Опыт построения витрин данных
– Понимание принципов Data Quality
– Экспертное знание SQL (Oracle, PostgreSQL)
– Опыт миграции данных с использованием серверного кода
– Опыт настройки и оптимизации загрузок
– Опыт работы с Apache Kafka, RabbitMQ
– Python — обязательно
– Русский — свободно, английский — чтение/написание тех. документации.