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.
Удалённо
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
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.
Задачи:
— участвовать в полном цикле разработки моделей по рискам розничного бизнеса: постановка задачи, сбор данных, разработка ML-модели, подготовка артефактов для внедрения
— исследовать источники данных и современные архитектуры для повышения качества работы моделей
— написание алгоритмов для целей сегментации выдач по риск-доходности
— презентация результатов исследований бизнес-заказчикам.
Требования:
— опыт разработки моделей машинного обучения (классический стек)
— знание ключевых методов и алгоритмов в области Machine Learning
— знание Python и библиотек Pandas, Scikit-learn, XGBoost/LightGBM/CatBoost, Transformers
— навыки работы с базами данных, знание SQL, PySpark
— высокий уровень ответственности и самостоятельности
Будет плюсом:
— опыт стажировок
— опыт с LLM и AI-агентами
— учебные знания в области розничного кредитования, портфельного управления и математики кредитных рисков.
Условия:
— оплачиваемая стажировка
— возможность выбрать удобный график – офис или гибрид (локация: м. Кутузовская)
— корпоративный спортзал и зоны отдых.
Задачи:
— Перевод исследовательских DS рабочих процессов (например, прокси-метрики, модели устаревания) в производственные ML пайплайны с использованием Airflow, WandB и Ray, создание повторно используемых шаблонов для других команд.
— Применение и внедрение методов причинно-следственного вывода с использованием производственного ML стека (propensity scoring, IPW, TMLE) для решения важных задач измерения за пределами экспериментальных возможностей. Создание инструментов самообслуживания для неэкспертов для получения строгих причинных выводов в масштабе.
— Сотрудничество с ML инженерами и продуктовыми командами для выявления возможностей улучшения инструментов, метрик и методов измерения, что приводит к значительному улучшению качества моделей и бизнес-результатов.
— Использование богатых метаданных и сигналов вовлеченности Pinterest для построения дата-дривен фреймворков, от важности признаков до деиндексации контента, для повышения эффективности и скорости платформы.
— Проектирование и создание централизованных инструментов ML платформы для улучшения создания, оценки и доверия к признакам и моделям, включая производственные системы, работающие ежедневно в масштабе для всех моделей.
Требования:
— Опыт работы не менее 2 лет в роли прикладного ученого данных, ML инженера, исследователя или разработчика ПО с значительным опытом внедрения ML в производство.
— Сильные навыки Python; опыт работы с PyTorch или аналогичными фреймворками глубокого обучения; знакомство с распределенными вычислениями (Spark, Ray), предпочтительно Ray.
— Энтузиазм к созданию инструментов и платформ, которые увеличивают влияние всей ML организации, а не решают разовые задачи.
— Глубокие знания теории ML с сильными фундаментальными основами для анализа моделей ML с первых принципов.
— Владение лучшими практиками разработки ПО, включая контроль версий, код-ревью и воспроизводимые ML пайплайны.
— Опыт работы с инструментами управления рабочими процессами (Airflow, Prefect, Jenkins или аналогичными) для надежной оркестрации ML пайплайнов.
— Степень бакалавра или магистра в релевантной области, например, компьютерных наук, или эквивалентный опыт.
Условия:
— Работа удаленная с необходимостью присутствия в офисе 3-5 раз в квартал для личного взаимодействия.
— Позиция не предусматривает помощь с релокацией.
Дополнительно:
— Компания предоставляет равные возможности для всех кандидатов без дискриминации.
— Зарплатный диапазон от $114,297 до $235,319 в год, также возможна доля в компании.
— Работа в США, предпочтительно в Пало-Альто, Калифорния, или удаленно по США.
Задачи:
— Партнерство с инженерными и кросс-функциональными командами для улучшения измерения, понимания и оптимизации инфраструктуры Pinterest.
— Определение, измерение и улучшение здоровья, качества и эффективности инфраструктурных систем.
— Создание и совершенствование метрик, дашбордов и аналитических фреймворков для упрощения понимания и действий с техническими системами.
— Усиление основ данных через улучшение определений метрик, аудит качества данных и участие в улучшении пайплайнов и систем измерения.
— Проектирование и анализ экспериментов, расследований и глубоких исследований для оценки влияния изменений инфраструктуры на пользовательский опыт, надежность и бизнес-результаты.
— Перевод неоднозначных технических проблем в четкие аналитические задачи и рекомендации для инженерных и платформенных партнеров.
— Поддержка приоритетных расследований и принятия решений, связанных с производительностью, надежностью, стоимостью и качеством измерений инфраструктуры.
— Выявление возможностей для улучшения измерения и оптимизации инфраструктуры в различных областях, таких как производительность, инфраструктура для шопинга, управление, качество метрик и надежность сайта.
Требования:
— Магистерская степень в релевантной области (статистика, прикладная математика, биостатистика) или эквивалентный опыт.
— Сильные навыки SQL и аналитического программирования, опыт работы с неидеальными данными и построения надежных метрик и наборов данных.
— Опыт участия в создании производственных пайплайнов данных, систем измерения или фундаментальной работы с данными для улучшения качества и удобства использования данных.
— Солидные знания в области экспериментов и измерений, умение проектировать анализы, строго интерпретировать результаты и эффективно взаимодействовать с инженерами и другими заинтересованными сторонами.
— Способность переводить неоднозначные проблемы в четкие аналитические рабочие процессы и практические рекомендации.
— Сильные навыки коммуникации с кросс-функциональными командами, умение ясно объяснять технические выводы.
— Умение работать самостоятельно, расставлять приоритеты между долгосрочными проектами и срочными запросами, продвигать работу в динамичной среде.
— Любознательность и стремление улучшать сложные системы и создавать более масштабируемые и надежные основы измерений.
Условия:
— Работа удаленная с необходимостью присутствия в офисе 1-2 раза в квартал для личного взаимодействия.
— Позиция не предусматривает помощь с переездом.
— Зарплата от $114,297 до $235,319 в год, также доступна опционная программа.
— Только для кандидатов, проживающих в США.
— Pinterest является работодателем, предоставляющим равные возможности и учитывающим разнообразие.
Digital подразделение крупной производственной компании в поисках Data Engineer (Middle / Senior) в команду, которая строит Корпоративное Хранилище Данных и data-платформы для всего бизнеса.
Основной стек проекта:
Язык программирования Python
Базы данных Greenplum и PostgreSQL
Фреймворк Data Build Tool (DBT)
Фреймворк Spark
Брокер сообщений Kafka
Оркестратор Airflow
Инфраструктура: Kubernetes
Управление инфраструктурой: Terraform, Ansible
Управление кодом: GitLab, SonarQube
Мониторинг: Prometheus, Grafana, AlertManager
Задачи:
— Разработка и поддержка ETL/ELT-процессов в Корпоративное Хранилище Данных
— Организация и оптимизация пайплайнов данных
— Разработка витрин данных и обеспечение качества данных
— Настройка и поддержка инфраструктуры данных (Airflow, Spark, Kafka, DBT)
— Взаимодействие с заказчиками: от сбора требований до внедрения и сопровождения решений
— Документирование и презентация результатов
Требования:
— Опыт работы Data Engineer от 5 лет
— Высшее образование (IT/математика/математическая статистика/физика)
— Отличное знание Python и SQL
— Опыт работы с реляционными БД (Greenplum / PostgreSQL)
— Знание современных технологий обработки больших данных
— Опыт с Airflow, Spark, Kafka, DBT — будет преимуществом
— Умение работать в команде, сильные аналитические навыки и ответственность
Условия:
— Официальное оформление по ТК РФ
— Возможность выбора формата работы (удаленка, гибрид, офис)
— Развитый социальный пакет, ДМС, бонусы
Задачи:
— Стриминг и обработка исходных данных с мейнфрейм и устаревших систем, загрузка в AWS S3.
— Проектирование и реализация ETL/ELT процессов с использованием AWS Glue.
— Проведение сверки данных, проверок качества и валидации для обеспечения точности и надежности данных.
— Кураторство и трансформация данных, предоставление чистых наборов данных через AWS Aurora и RDS (PostgreSQL).
— Управление хранилищем S3, включая политики хранения данных, стратегии архивирования и управление жизненным циклом.
— Автоматизация рабочих процессов и управление деплойментом с помощью GitHub и CI/CD на базе GitHub Actions.
— Использование AI-инструментов для повышения продуктивности инженерии и автоматизации рабочих процессов с данными.
Требования:
— Опыт работы в Data Engineering не менее 5 лет, создание и доставка конвейеров данных, ETL/ELT процессов или платформенных решений.
— Практический опыт работы с AWS Glue для проектирования и реализации ETL/ELT процессов.
— Глубокие знания AWS сервисов: S3, RDS/Aurora, Glue.
— Опыт построения и поддержки потоковых конвейеров данных с использованием Kafka.
— Опыт реализации сверки данных, проверок качества и процессов валидации.
— Владение управлением репозиториями GitHub и автоматизацией CI/CD с помощью GitHub Actions.
— Опыт использования AI-инструментов для автоматизации рабочих процессов и повышения продуктивности.
— Способность самостоятельно брать ответственность за результаты и доводить задачи до завершения с минимальным контролем.
— Опыт работы с данными мейнфрейм или интеграции с устаревшими системами будет плюсом.
— Знакомство с MongoDB или другими NoSQL базами данных будет плюсом.
Условия:
— Оплата $65 в час на основе W2.
— Полностью удаленная работа.
Bitmanager.ai — AI-стартап в категории conversational AI agents, создающий платформу для голосовых и текстовых AI-агентов в клиентских коммуникациях. Вакансии: AI Data Operations Lead, ML / LLM Engineer – AI Agents, Senior Voice Engineer / Ведущий войс-инженер.
Bitmanager.ai — AI-стартап в категории conversational AI agents, создающий платформу для голосовых и текстовых AI-агентов в клиентских коммуникациях. Вакансии: AI Data Operations Lead, ML / LLM Engineer – AI Agents, Senior Voice Engineer / Ведущий войс-инженер.
Компания МТС Банк развивает цифровые финансовые продукты и сервисы, разрабатывая ML/DS решения для системы принятия решений в розничных рисках.
Требования:
— практическая работа с профессиональными базами и/или хранилищами данных, SQL-программирование
— владение языком программирования Python
— опыт решения задач классификации и детектирования/сегментации, понимание метрик эффективности машинного обучения
— знание в области прикладной статистики, математики, эконометрики
Задачи:
— строить модели вероятностей дефолта (PD) для продуктов: карты, кредит наличными, POS-кредит
— строить модели для подразделения коллекшн - NextBestOffer, Uplift-модели
— исследовать данные, оценка пользы и качества новых источников данных
— исследовать новые подходы к моделированию с применением нейронных сетей
— документировать процессы разработки математических моделей, паспорта модели, а также правил и условий для мониторинга
— участвовать в тестировании при внедрении новой математической модели, а также при выводе модели из эксплуатации
— развивать внутренние методики ML и обновлять ML-библиотеки на Python
Задачи:
— Взаимодействовать с бизнес-заказчиками по вопросам сбора, анализа и формализации требований к данным
— Настраивать автоматические проверки для выявления аномалий и дублей в базах данных
— Координировать работы команд для исправления системных ошибок в данных
— Участвовать в описании датасетов и настройке каталога данных
— Заниматься формированием и ведением бизнес-глоссария
— Создавать дашборды и отчеты в рамках практик Управления данными
— Участвовать в создании внутренних политик и стандартов работы с данными
— Взаимодействовать с командой разработки платформы данных
— Участвовать в тестировании и приёмке готового функционала
Требования:
— Понимание принципов Data Governance: политики, стандарты, роли и ответственность
— Знание концепций Data Quality, Data Lineage
— Уверенный SQL
— Знание/ опыт работы с Power BI, Qlik Sense или другим BI-инструментом
Будет плюсом:
— Знание Python
— Опыт работы в области управления данными, аналитики или смежных ролях
— Практический опыт работы с инструментами Data Catalog/ Data Quality
Стажерский трек рассчитан на 6 месяцев по срочному трудовому договору под руководством опытного наставника.
Требования:
— техническое/математическое/экономическое образование
— знание Python, машинное обучение (sklearn, catboost/lightgbm/xgboost, statsmodels, numpy/pandas), визуализация и профилирование данных
— опыт работы с mlops (mlflow, dvc, git, docker), опыт организации пайплайнов обучения в виде модулей и пайплайнов в kedro/dvc/mlflow будет плюсом
— знание SQL, написание и оптимизация запросов
— опыт работы с oracle будет плюсом
— опыт работы с задачей математической оптимизации в маркетинге или operational research (SAS, Python MIP, PYOMO и аналоги) будет плюсом
Задачи:
— разработка ML-моделей для прогнозирования клиентского поведения (активация, отток, траты)
— разработка моделей персонализации категорий и размеров кэшбэка
— подготовка данных для обучения и применения моделей
— исследование новых источников данных и разработка признаков для повышения качества моделей
— проведение полного цикла обучения, валидации и внедрения моделей в промышленную эксплуатацию
— оценка качества моделей на исторических данных и в реальных пилотах
— проведение A/B тестов и анализ результатов внедрения моделей
— мониторинг качества моделей и организация процессов переобучения
Kolibri Games is a German game studio specializing in mobile idle games development.
Work format: Hybrid in Berlin, Germany with support in relocation.
Компания «КОРУС Консалтинг» — аккредитованная российская ИТ-компания, предоставляющая услуги по ИТ-консалтингу, оптимизации и автоматизации бизнес-процессов, созданию ИТ-инфраструктуры и ИТ-аутсорсингу. Входит в топ-100 крупнейших ИТ-компаний страны. Компания занимается разработкой ИИ-продуктов для клиентов, поддерживает собственную ИИ-инфраструктуру и регулярно организует митапы в области искусственного интеллекта.
Департамент аналитических решений (ДАР) помогает компаниям работать с данными: строит BI и отчётность, создаёт хранилища и витрины данных, разрабатывает ML-решения, занимается Data Governance и GenAI.
Открыт набор на стажировку для студентов, желающих начать карьеру в аналитике, инженерии данных и AI разработке.
Во время стажировки:
— попробуешь себя на реальных задачах;
— пройдёшь курс для погружения в роль и получишь обратную связь от экспертов;
— познакомишься с командой и процессами проектов в консалтинге;
— сможешь зарекомендовать себя для дальнейшего трудоустройства в компанию.
Как попасть на стажировку:
— откликнись на вакансию и приложи резюме;
— в сопроводительном письме укажи свой курс и код специальности;
— получишь ссылку на лэндинг стажировки для прохождения технического теста и записи видео-визитки;
— поучаствуешь в онлайн бизнес-игре.
Старт стажировки планируется на начало августа.
Условия стажировки:
— длительность 3-4 месяца;
— оформление по срочному трудовому договору;
— стажировка оплачиваемая.
Требования:
— студент 3–4 курса бакалавриата (или специалитета) либо 1–2 курса магистратуры;
— обучение по IT, математическому или инженерно-техническому направлению;
— готовность самостоятельно учиться и доводить задачи до результата;
— проживание в Москве или Санкт-Петербурге и готовность к гибридному формату работы с периодическим посещением офиса.
Задачи:
— построение ETL-процессов: разработка и настройка конвейеров по сбору и трансформации данных из различных источников;
— работа с современным стеком трансформации: освоение и применение DBT для превращения «сырых» данных в чистые аналитические витрины;
— оркестрация данных: настройка и поддержка рабочих процессов (pipelines) в Dagster для своевременного и безошибочного обновления данных в отчетах;
— управление хранилищами: работа с Postgres и высокопроизводительной колончатой базой данных Clickhouse для обеспечения скорости работы отчетов;
— визуализация смыслов: разработка интерактивных BI-отчетов в Apache Superset для поддержки бизнес-решений;
— оптимизация выборок: анализ и ускорение тяжелых запросов для повышения производительности системы отчетности.
Требования:
— уверенное владение SQL (сложные выборки, агрегатные функции, оптимизация запросов);
— понимание устройства реляционных баз данных, в частности PostgreSQL, и принципов построения аналитических хранилищ;
— базовые знания Python, умение писать скрипты для обработки данных и автоматизации простых задач;
— аналитический склад ума, способность работать с большими массивами данных, выявлять закономерности и структурировать информацию.
Желательный опыт:
— опыт создания дашбордов в BI-инструментах (Apache Superset, Tableau, Power BI или аналогичных);
— понимание концепций ETL/ELT;
— понимание архитектуры данных, разницы между OLTP и OLAP системами (например, использование Clickhouse для аналитики);
— интерес к современным инструментам DBT и оркестраторам данных (Airflow, Dagster).
Условия:
— срочный трудовой договор на 3 месяца;
— график 5/2, не более 30 часов в неделю;
— возможна удалённая, офисная или гибридная работа;
— стажировка доступна студентам любых ВУЗов и форм обучения, включая заочную и магистратуру.