Вакансии

Ищем руководителя проекта, которому планируем передать координацию поддержки, изменений и отдельных работ в рамках ERP-проектов. Основные обязанности • Координация поддержки: ведение доски обращений, работа с эскалациями, контроль качества поддержки.

Location: Москва, удалённая работа или гибрид, RU; Россия О команде Команда модерации Авито разрабатывает и поддерживает процессы, которые помогают проверять пользовательский контент. Это сложная система на основе алгоритмов машинного обучения, LLM и ручной проверки. Для пользователей и компании важно, чтобы модерация на всех этапах работала быстро, стабильно и точно. Мы ищем аналитика, которому предстоит развивать методологию оценки качества модерации, разрабатывать новые метрики и подходы, автоматизировать операционные процессы. В этой роли вы сможете вместе с коллегами из смежных функций искать возможности улучшать качество модерации, определять приоритеты работы команды и напрямую влиять на опыт пользователей. Какие задачи вас ждут: развивать систему метрик и инструменты оценки качества автоматической и ручной модерации; участвовать в запуске новых направлений и сценариев модерации; развивать методологию тестирования изменений в алгоритмах проверок, оценивать их влияние на пользователей и контент; автоматизировать сложные операционные процессы и повышать их эффективность; развивать инструкции и сценарии анализа качества для AI-агентов, чтобы аналитики, продакт-менеджеры и DS-инженеры могли самостоятельно решать типовые задачи. Мы ждём, что вы: работали в аналитике данных не менее двух лет; умеете превращать результаты анализа и математических моделей в понятные бизнес-решения; знаете математику и статистику и применяете их для решения продуктовых задач; умеете расставлять приоритеты, планировать и вести комплексные аналитические проекты; уверенно владеете SQL: работаете с большими массивами данных, пишете и оптимизируете сложные запросы, создаёте витрины данных; понятно визуализируете данные, презентуете результаты исследований и даёте рекомендации; умеете объяснять сложное простыми словами и договариваться с коллегами. Работа у нас — это: самостоятельная зона ответственности и участие в продуктовых решениях о проверках и ограничениях контента; обсуждение исследований и подходов, поддержка опытных аналитиков; работа в команде, где аналитики и смежные функции используют AI-агентов, развивают AI-инструменты для самостоятельного анализа и сокращают количество типовых разовых запросов к аналитикам; личный бюджет на обучение: книги, курсы и конференции; возможность работать из офиса или удалённо, в том числе из другой страны; понимание своего влияния на бизнес и продукт; постоянный рост и развитие: живая матрица компетенций, внутреннее и внешнее обучение, программы наставничества, обмен опытом в профессиональных комьюнити; широкий спектр рабочих инструментов: от надёжного и удобного хранилища данных до продвинутых внутренних продуктов; расширенная забота о здоровье: ДМС, страхование жизни, онкострахование; сервис психологической поддержки, а также финансовые, юридические и ЗОЖ-консультации для вас и ваших близких; корпоративный спорт: групповые тренировки, велбиинг-приложение; спецпредложения от партнёров и скидки на сервисы Авито: бронирование жилья, услуги продвижения, ипотечное страхование; компенсация питания.

Задачи: — написание коротких текстов от 150 до 300 символов по готовым техническим заданиям и сценариям — публикация материалов с личных или активных аккаунтов на картах, справочниках и гео-сервисах — соблюдение графика и инструкций по интервалам публикации Требования: — грамотный русский язык, умение писать естественным языком без «воды» — ответственность и соблюдение дедлайнов

Формированием и реализацией художественного видения нового ПК-проекта от прототипа до production. Разработкой visual pillars, art bible, style guides, visual targets и критериев качества.

Задачи: — Работа в отделе ундира (сбор долгов) Требования: — Опыт работы в сфере ундира — Наличие личного автомобиля Условия: — Работа в филиалах в городе Ташкент — Зарплата от 9 до 20 миллионов сум в месяц Контакт для отклика: @HR_Marjan

Location: Москва Мы развиваем GigaChat и ищем сильного руководителя направления RL Efficiency. Это роль для человека, который возьмёт на себя эффективность всего RL-контура: обучающий цикл, rollout, reward-сигналы, взаимодействие с инференсом и инфраструктура под онлайн-эксперименты. Цель направления — сделать так, чтобы online RL / RLHF / RLVR обучение GigaChat было максимально быстрым, стабильным и дешёвым: сократить time-to-feedback по экспериментам, поднять утилизацию кластера и упростить запуск новых RL-рецептов на масштабе. Обязанности Развивать направление RL Efficiency целиком •  Определять, как должно развиваться направление эффективности RL: какие места критичны на данный момент, как измерять прогресс и что в первую очередь ограничивает скорость экспериментов. •  Вести направление целиком: от постановки гипотез и плана работ до внедрения результатов в регулярный цикл обучения. •  Принимать решения о приоритетах между ускорением rollout, оптимизацией обучающего цикла, инфраструктурой и системой оценки качества. Ускорять цикл online RL •  Оптимизировать пайплайн online RL: генерация rollout'ов, сбор reward-сигналов, обновление весов модели, overlap этапов. •  Выстраивать эффективное взаимодействие между обучающим контуром и инференс-движком (vLLM / SGLang / собственные решения), добиваясь высокой утилизации и низкой задержки. •  Работать с весами и KV-cache: быстрое обновление весов между итерациями, снижение overhead синхронизаций, оптимизация памяти. •  Повышать стабильность больших RL-прогонов: контроль деградаций, автоматическое восстановление, диагностика сбоев. Развивать инфраструктуру под RL-эксперименты •  Развивать фреймворк обучения, поддерживающий RLHF / RLVR / PPO / GRPO / DPO и их вариации на масштабе. •  Делать так, чтобы новые RL-рецепты можно было быстро и безопасно запускать на больших моделях без ручной поддержки для каждого эксперимента. •  Обеспечивать воспроизводимость RL-экспериментов: версионирование данных, конфигов, чекпоинтов, reward-моделей. Писать ключевой код и оставаться сильным инженером •  Самостоятельно писать и дорабатывать критичные части RL-пайплайна. •  Профилировать обучение на всех уровнях стека и находить узкие места в rollout, обучении и коммуникациях. •  Оставаться сильным инженером и исследователем, а не только руководителем: при необходимости самому разбирать узкие места в коде, экспериментах и взаимодействии с hardware. Руководить сильной технической командой •  Руководить командой инженеров по эффективности RL, задавать высокую планку по качеству решений и перфу. •  Помогать команде превращать исследовательские идеи в работающие решения, которые можно встроить в основной цикл RL-обучения. •  Удерживать баланс между глубиной оптимизаций, инженерной надёжностью и практическим результатом для модели. Требования •  Отличное владение Python и PyTorch (DDP/FSDP, distributed training). •  Практический опыт с обучением LLM и понимание механики RL post-training: RLHF, RLVR, PPO / GRPO / DPO. •  Опыт оптимизации обучения и инференса LLM: профилирование, узкие места, параллелизм, mixed precision. •  Понимание архитектуры LLM: Transformer, attention (MHA/GQA/MLA), MoE и их влияние на rollout. •  Способность самостоятельно взять направление и довести его до результата: от постановки задач до внедрения в продакшн-RL. •  Опыт руководства сильной технической командой и готовность лично писать важные части системы руками. Будет плюсом •  Опыт работы с современными RL-стэками: verl, TRL или собственные решения. •  Опыт работы с large-scale inference (vLLM, SGLang, TRT-LLM) и оптимизацией генерации. •  Опыт написания CUDA / Triton ядер и понимание особенностей NVIDIA GPU. •  Понимание коммуникационного стека больших обучений: NCCL, NVSHMEM, RDMA/IB. •  Опыт работы с кластерными системами: Slurm, Kubernetes, Ray или собственные оркестраторы. •  Публикации, open-source вклад или сильный прикладной research track record. Условия •  Сильные и сложные задачи на переднем крае развития русскоязычных LLM. •  Большую степень влияния на архитектуру решений, методы обучения и качество итоговой модели. •  Команду сильных инженеров и исследователей. •  Возможность совмещать управление направлением с глубокой технической работой. •  Конкурентную компенсацию, премии и расширенный соцпакет.

Location: Москва Мы развиваем GigaChat и ищем сильного руководителя направления ML pretrain больших языковых моделей. Недавно мы обучили MoE-модель на 700 миллиардов параметров и не собираемся останавливаться — обучение идёт на кластерах H100 и B200, а pretrain является ядром самого быстрорастущего AI-проекта Сбера. Это роль для человека, который возьмёт на себя архитектурную часть pretrain: design моделей, законы масштабирования, выбор и адаптация attention / MoE / позиционных схем, а также все архитектурные решения, которые определяют, какой именно будет следующая флагманская модель GigaChat.Нам нужен не просто менеджер, а сильный технический руководитель, который способен глубоко погружаться в детали, самостоятельно собирать ключевые части решения и доводить архитектурные идеи до реального роста качества модели на масштабе. Обязанности * Развивать архитектуру моделей GigaChat * Определять, как должна развиваться архитектура pretrain-моделей: какие направления наиболее важны, как измерять прогресс и что в первую очередь ограничивает рост качества модели. * Проектировать архитектуру флагманских моделей и отвечать за ключевые архитектурные решения: attention, позиционные схемы (RoPE и варианты), нормализации, активации, инициализация. * Развивать MoE-архитектуру: маршрутизация, балансировка экспертов, устойчивость маршрутизатора, влияние на качество и производительность. * Работать с long-context и мультимодальностью на уровне архитектуры: что именно нужно менять в модели, чтобы эти возможности работали стабильно. * Изучать и применять законы масштабирования * Проводить scaling-эксперименты и на их основе принимать решения по размеру модели, ширине / глубине, числу и размеру экспертов, размерам батча и длительности обучения. * Предсказывать, как архитектурные изменения поведут себя при переходе с небольших абляций на полный масштаб. * Определять и развивать метрики, которые корректно отражают архитектурные изменения в обучении моделей. * Определять, в каких случаях архитектурные изменения действительно дают прирост качества по сравнению с более простыми baseline'ами, а в каких — нет. * Анализировать стабильность архитектурных решений * Разбираться с нестабильностью на больших прогонах со стороны архитектуры: почему конкретная конфигурация расходится, где проявляются артефакты маршрутизации, коллапс энтропии, неустойчивости в attention. * Предлагать изменения в нормализациях, клиппинге, точности вычислений и структуре блоков, которые делают обучение более предсказуемым. * Обеспечивать безопасное масштабирование при внедрении крупных архитектурных изменений в основной трейн. * Писать ключевой код и оставаться сильным исследователем * Самостоятельно писать и дорабатывать архитектурные компоненты и абляции. * Делать надёжные и воспроизводимые эксперименты: понятные версии данных, конфиги, сравнение запусков, контроль деградаций. * Читать статьи, воспроизводить ключевые результаты и адаптировать лучшие идеи под наши задачи и инфраструктуру. * Оставаться сильным инженером и исследователем, а не только руководителем: при необходимости самому разбирать узкие места в коде, экспериментах и настройках обучения. * Руководить сильной технической командой * Руководить командой исследователей и инженеров, работающих над архитектурой, задавать высокую планку по качеству решений, скорости работы и глубине проработки. * Помогать команде превращать архитектурные идеи в работающие решения, которые можно встроить в основной цикл обучения. * Удерживать баланс между глубиной исследований, инженерной надёжностью и практическим результатом для модели. Требования * Отличное владение Python и PyTorch. * Глубокое понимание устройства обучения нейросетей: не на уровне обзоров, а на уровне, где вы можете объяснить, почему конкретная архитектурная конфигурация расходится, глядя на кривые функции потерь, нормы градиентов и энтропии. * Глубокое понимание архитектуры LLM: Transformer, attention (MHA/GQA/MLA), RoPE и варианты позиционных эмбеддингов, нормализации, инициализации, long-context, MoE. * Практический опыт с обучением больших моделей (а не только инференсом) и проведением архитектурных абляций. * Способность самостоятельно взять направление и довести его до результата: от чтения статей и постановки гипотез до внедрения в основной трейн. * Умение ставить гипотезы, проектировать эксперименты и принимать решения на основе результатов. * Опыт руководства сильной технической командой и готовность лично писать важные части системы руками. Будет плюсом * Опыт работы с MoE-архитектурами: маршрутизатор, балансировка нагрузки, переполнение, артефакты маршрутизации. * Опыт проведения scaling-экспериментов и работы с законами масштабирования. * Опыт работы с long-context и мультимодальными расширениями LLM. * Опыт работы с distributed training (5D-параллелизм: DP/TP/PP/EP/SP) и large-scale инференсом. * Публикации, open-source вклад или сильный прикладной research track record. * Понимание современных open-source стеков для обучения больших языковых моделей. Условия * Сильные и сложные задачи на переднем крае развития русскоязычных LLM. * Большую степень влияния на архитектуру решений, методы обучения и качество итоговой модели. * Команду сильных инженеров и исследователей. * Возможность совмещать управление направлением с глубокой технической работой. * Конкурентную компенсацию, премии и расширенный соцпакет.

Location: Москва Мы развиваем GigaChat и ищем сильного руководителя направления online RL в домене STEM (математика, естественные науки, инженерные и технические дисциплины). Это роль для человека, который умеет одновременно развивать методы обучения моделей, глубоко разбираться в предметной области и выстраивать процессы сбора и подготовки данных. Нам нужен не просто менеджер, а сильный технический руководитель, который способен глубоко погружаться в детали, самостоятельно собирать ключевые части решения и доводить идеи до реального роста качества модели. Обязанности * Развивать направление online RL для STEM-задач * Определять, как должно развиваться направление online RL в STEM-домене: какие задачи для нас наиболее важны, как измерять прогресс и что в первую очередь ограничивает рост качества модели. * Вести направление целиком: от постановки гипотез и плана работ до внедрения результатов в регулярный цикл обучения модели. * Принимать решения о приоритетах между развитием методов, сбором данных, инфраструктурой и системой оценки качества. * Разрабатывать и улучшать методы обучения * Развивать подходы post-training и online RL для задач по математике, физике, химии, биологии и другим STEM-дисциплинам. * Продумывать и внедрять способы оценки качества, которые помогают модели лучше решать реальные задачи: строить цепочки рассуждений, находить верные ответы, корректно применять формулы и методы, работать с многошаговыми задачами. * Определять, в каких случаях online RL действительно даёт прирост качества по сравнению с supervised fine-tuning и другими подходами, а в каких — нет. * Проводить эксперименты и разбирать результаты не только на уровне метрик, но и на уровне причин: почему модель стала лучше или хуже, насколько устойчив результат и можно ли его перенести на другие типы задач. * Писать ключевой код и развивать инфраструктуру * Самостоятельно писать и дорабатывать критичные части пайплайнов online RL. * Делать надёжные и воспроизводимые эксперименты: с понятными версиями данных, конфигами, сравнением запусков и контролем деградаций. * Выстраивать связку между моделью, верификаторами, reward-сигналами и обучающими пайплайнами так, чтобы новые идеи можно было быстро проверять и быстро доводить до практического результата. * Оставаться сильным инженером и исследователем, а не только руководителем: при необходимости самому разбирать узкие места в коде, экспериментах и качестве данных. * Строить контур данных для обучения * Организовывать сбор и подготовку данных для online RL в STEM-домене: задачи разной сложности, эталонные решения, формальные и автоматические верификаторы, синтетические и реальные сценарии. * Формировать качественные обучающие выборки с хорошим покрытием по дисциплинам, уровням сложности (от школьных до олимпиадных и университетских задач), типам рассуждений и типовым ошибкам модели. * Встраивать в пайплайны проверки качества: символьную и численную верификацию ответов, проверку промежуточных шагов рассуждений, контроль утечек, удаление дублей, балансировку по сложности и предметным областям. * Делать так, чтобы каждый цикл обучения улучшал не только модель, но и сам процесс: появлялись новые данные, новые сложные примеры, более точные критерии качества и лучшее понимание слабых мест модели. * Руководить сильной технической командой * Руководить командой исследователей и инженеров, задавать высокую планку по качеству решений, скорости работы и глубине проработки. * Помогать команде превращать исследовательские идеи в работающие решения, которые можно встроить в основной цикл обучения. * Удерживать баланс между глубиной исследований, инженерной надёжностью и практическим результатом для модели. Требования * Отличное владение Python и PyTorch. * Практический опыт в LLM post-training: RLHF, online RL или смежных направлениях. * Понимание специфики STEM-домена: формальная верификация ответов, chain-of-thought reasoning, работа с математической нотацией, многошаговые решения, типовые ошибки моделей в рассуждениях. * Умение ставить гипотезы, проектировать эксперименты и принимать решения на основе результатов. * Опыт руководства сильной технической командой. * Готовность лично писать важные части системы руками. Будет плюсом * Сильный математический или естественнонаучный бэкграунд (профильное образование, олимпиадный опыт, публикации). * Опыт построения верификаторов и reward-моделей для задач STEM. * Опыт построения пайплайнов данных, а не только работы с уже готовыми датасетами. * Опыт работы с distributed training или large-scale inference. * Опыт разработки систем оценки качества для LLM (бенчмарки, LLM-as-a-judge, process reward models). * Опыт работы с synthetic data generation, curriculum learning, active data collection. * Понимание современных open-source стеков для обучения и инференса больших языковых моделей. * Публикации, open-source вклад или сильный прикладной research track record. Условия * Сильные и сложные задачи на переднем крае развития русскоязычных LLM. * Большую степень влияния на архитектуру решений, методы обучения и качество итоговой модели. * Команду сильных инженеров и исследователей. * Возможность совмещать управление направлением с глубокой технической работой. * Конкурентную компенсацию, премии и расширенный соцпакет.

Location: Москва Мы развиваем GigaChat и ищем сильного руководителя направления ML pretrain больших языковых моделей. Недавно мы обучили MoE-модель на 700 миллиардов параметров и не собираемся останавливаться — обучение идёт на кластерах H100 и B200, а pretrain является ядром самого быстрорастущего AI-проекта Сбера. Это роль для человека, который возьмёт на себя архитектурную часть pretrain: design моделей, законы масштабирования, выбор и адаптация attention / MoE / позиционных схем, а также все архитектурные решения, которые определяют, какой именно будет следующая флагманская модель GigaChat. Нам нужен не просто менеджер, а сильный технический руководитель, который способен глубоко погружаться в детали, самостоятельно собирать ключевые части решения и доводить архитектурные идеи до реального роста качества модели на масштабе. Обязанности * Развивать архитектуру моделей GigaChat * Определять, как должна развиваться архитектура pretrain-моделей: какие направления наиболее важны, как измерять прогресс и что в первую очередь ограничивает рост качества модели. * Проектировать архитектуру флагманских моделей и отвечать за ключевые архитектурные решения: attention, позиционные схемы (RoPE и варианты), нормализации, активации, инициализация. * Развивать MoE-архитектуру: маршрутизация, балансировка экспертов, устойчивость маршрутизатора, влияние на качество и производительность. * Работать с long-context и мультимодальностью на уровне архитектуры: что именно нужно менять в модели, чтобы эти возможности работали стабильно. * Изучать и применять законы масштабирования * Проводить scaling-эксперименты и на их основе принимать решения по размеру модели, ширине / глубине, числу и размеру экспертов, размерам батча и длительности обучения. * Предсказывать, как архитектурные изменения поведут себя при переходе с небольших абляций на полный масштаб. * Определять и развивать метрики, которые корректно отражают архитектурные изменения в обучении моделей. * Определять, в каких случаях архитектурные изменения действительно дают прирост качества по сравнению с более простыми baseline'ами, а в каких — нет. * Анализировать стабильность архитектурных решений * Разбираться с нестабильностью на больших прогонах со стороны архитектуры: почему конкретная конфигурация расходится, где проявляются артефакты маршрутизации, коллапс энтропии, неустойчивости в attention. * Предлагать изменения в нормализациях, клиппинге, точности вычислений и структуре блоков, которые делают обучение более предсказуемым. * Обеспечивать безопасное масштабирование при внедрении крупных архитектурных изменений в основной трейн. * Писать ключевой код и оставаться сильным исследователем * Самостоятельно писать и дорабатывать архитектурные компоненты и абляции. * Делать надёжные и воспроизводимые эксперименты: понятные версии данных, конфиги, сравнение запусков, контроль деградаций. * Читать статьи, воспроизводить ключевые результаты и адаптировать лучшие идеи под наши задачи и инфраструктуру. * Оставаться сильным инженером и исследователем, а не только руководителем: при необходимости самому разбирать узкие места в коде, экспериментах и настройках обучения. * Руководить сильной технической командой * Руководить командой исследователей и инженеров, работающих над архитектурой, задавать высокую планку по качеству решений, скорости работы и глубине проработки. * Помогать команде превращать архитектурные идеи в работающие решения, которые можно встроить в основной цикл обучения. * Удерживать баланс между глубиной исследований, инженерной надёжностью и практическим результатом для модели. Требования * Отличное владение Python и PyTorch. * Глубокое понимание устройства обучения нейросетей: не на уровне обзоров, а на уровне, где вы можете объяснить, почему конкретная архитектурная конфигурация расходится, глядя на кривые функции потерь, нормы градиентов и энтропии. * Глубокое понимание архитектуры LLM: Transformer, attention (MHA/GQA/MLA), RoPE и варианты позиционных эмбеддингов, нормализации, инициализации, long-context, MoE. * Практический опыт с обучением больших моделей (а не только инференсом) и проведением архитектурных абляций. * Способность самостоятельно взять направление и довести его до результата: от чтения статей и постановки гипотез до внедрения в основной трейн. * Умение ставить гипотезы, проектировать эксперименты и принимать решения на основе результатов. * Опыт руководства сильной технической командой и готовность лично писать важные части системы руками. Будет плюсом * Опыт работы с MoE-архитектурами: маршрутизатор, балансировка нагрузки, переполнение, артефакты маршрутизации. * Опыт проведения scaling-экспериментов и работы с законами масштабирования. * Опыт работы с long-context и мультимодальными расширениями LLM. * Опыт работы с distributed training (5D-параллелизм: DP/TP/PP/EP/SP) и large-scale инференсом. * Публикации, open-source вклад или сильный прикладной research track record. * Понимание современных open-source стеков для обучения больших языковых моделей. Условия * Сильные и сложные задачи на переднем крае развития русскоязычных LLM. * Большую степень влияния на архитектуру решений, методы обучения и качество итоговой модели. * Команду сильных инженеров и исследователей. * Возможность совмещать управление направлением с глубокой технической работой. * Конкурентную компенсацию, премии и расширенный соцпакет.

Организация привлечения, подключения, активации и развития реферального канала. Контроль выполнения плана продаж по новым активным клиентам, объёму партнёрского потока, конверсии, воронке и качеству клиентского пути.

▪️Диагностика и занятия с детьми (ЗРР, РАС, запуск речи).

Задачи: — Проектирование интерфейсов и пользовательских сценариев для сайта, личного кабинета, мобильных приложений iOS и Android, админки и других цифровых продуктов EWA. — Создание прототипов и макетов для согласования решений с командой. — Развитие единой дизайн-системы для всех продуктов, поддержка компонентов и контроль их актуальности в Figma. — Продумывание всех состояний интерфейсов: адаптивы, пустые экраны, ошибки и другие сценарии взаимодействия. — Учет особенностей мобильных платформ iOS и Android, а также адаптивной веб-версии. — Передача готовых макетов разработчикам, обсуждение решений и оценка задач вместе с командой. — Проверка реализации макетов на сайте и в приложениях, выявление недочётов и передача замечаний разработчикам. — Анализ поведения пользователей с помощью Яндекс Метрики и Вебвизора, участие в интервью с пользователями и партнёрами. — Предложение улучшений ключевых сценариев: каталога, корзины, оформления заказа и личного кабинета. — Работа с несколькими продуктами и задачами одновременно, расстановка приоритетов вместе с Team Lead. — Учет особенностей интерфейсов на 8 языках, включая длинные тексты и разные форматы. Требования: — Опыт работы в продуктовом дизайне от 3 лет. — Наличие портфолио с реальными кейсами веб-интерфейсов и мобильных приложений. — Уверенное владение Figma, включая работу с компонентами, Auto Layout, Variants и Variables. — Опыт проектирования адаптивных веб-интерфейсов и мобильных приложений. — Понимание принципов HIG и Material Design. — Умение создавать прототипы и продумывать пользовательские сценарии. — Понимание ограничений фронтенд-разработки и умение готовить макеты к реализации. — Способность самостоятельно вести задачу от постановки до проверки готового интерфейса. — Аккуратность в деталях и умение аргументировать свои решения. Будет преимуществом: — Опыт работы в e-commerce, маркетплейсах, финтехе или сервисах с личным кабинетом. — Опыт работы с несколькими цифровыми продуктами одновременно. — Опыт проведения пользовательских интервью и улучшения конверсии на основе данных. — Опыт развития дизайн-системы для веба и мобильных приложений. Условия: — Доход 120 000–150 000 ₽ на руки. — Полностью удалённый формат работы. — Работа над несколькими цифровыми продуктами международного бренда. — Возможность влиять на развитие продукта и пользовательский опыт. — Работа в связке с Team Lead, фронтенд-разработчиками, iOS- и Android-разработчиками, бэкендом и маркетингом. — Возможность развивать единую дизайн-систему и видеть результат своей работы в реальных продуктах. — Пространство для самостоятельности, инициативы и профессионального роста.

Задачи: — Снимать короткие вертикальные ролики про фотосъемки и сервис Photoindustry — Создавать развлекательный, полезный и продающий контент согласно согласованному техническому заданию — Предлагать собственные идеи для роликов Условия: — Проектный формат работы — Объем работы составляет 4–6 клипов в месяц — Тематика близка к фотографии и съемкам — Формат видео — короткие вертикальные ролики — Примеры клипов доступны в группе Photoindustry Для отклика необходимо прислать портфолио и стоимость в личные сообщения по контакту @rodionkislov или по ссылке https://t.me/rodionkislov.

– инициировать прямые выходы на ЛПР и ЛВР в крупном бизнесе (GR- и PR-директора, вице-президенты по коммуникациям, собственники) через личный нетворк и отраслевую экспертизу; – диагностировать непубличные репутационные, информационные и регуляторные риски у компаний из своего пула контактов;

— Писать 100–120 сценариев Reels в месяц по заданным темам.

- организует работу подразделения и руководит его деятельностью; - обеспечивать соблюдение внутреннего распорядка, организацию профессиональной и физической подготовки личного состава и создание необходимых условий для их работы;

Location: Хилок Ищешь работу с возможностью карьерного развития и роста? Сбер раскроет твой карьерный потенциал! Откликайся! Наша команда помогает урегулировать задолженность по кредитным обязательствам добросовестным клиентам Сбера, попавшим в сложную финансовую ситуацию, и, совместно с ФССП, занимается принудительным взысканием задолженности недобросовестных заемщиков. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в Сберчате, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности **Что нужно делать:** *  помогать клиентам, попавшим в тяжелую жизненную ситуацию. * выезжать на встречи к клиентам по месту жительства или работы. * вести переговоры с клиентами банка с целью возврата просроченной задолженности лично и по телефону. * собирать информацию о клиентах и участниках кредитной сделки: адреса, которые нужно посетить, контактные телефоны. * осуществлять продажи продуктов урегулирования задолженности. * консультировать и собирать документы для сделок урегулирования проблемной задолженности, проверять состояние предмета залога. * представлять интересы банка в государственных органах для получения информации о должниках и их имуществе, организации и проведения сделок урегулирования задолженности. * участвовать в исполнительных действиях судебных приставов, в том числе при арестах и изъятии имущества должников. * работать с документами строгой отчетности. * реализовывать имущество Банка, принятое в процессе урегулирования задолженности. Требования **Мы ждем, что ты:** * специалист со средним специальным образованием и выше. * готов к разъездному характеру работы. * готов использовать ИИ в ежедневной работе (обучение за счёт компании — есть свои курсы). Будет плюсом опыт успешного ведения переговоров, активных продаж или желание этому научиться. Присоединяйся к команде Сбера! Условия **Что мы предлагаем:** *  ежемесячную, годовую премию и ежегодный пересмотр зарплаты. * гибкий график работы (по согласованию с руководителем). * возможность влиять на свой доход и зарабатывать больше. * быстрый старт карьеры для тех, кто без опыта. * уникальную систему онлайн обучения Сбера для карьерного развития и роста. * расширенный ДМС и льготное страхование для семьи. * бесплатную подписку СберПрайм+, скидки на продукты компаний-партнеров. * вознаграждение за рекомендацию друзей в команду Сбера. * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ. * компенсацию ГСМ при использовании личного транспорта.

Location: Москва ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее. Обеспеченное будущее позволит клиенту использовать инструменты финансового планирования для формирования долгосрочных планов на периоде 10+ лет. Проект позволит формировать план финансовой независимости и отслеживать его достижение и текущий статус, а также будет проактивно давать совету по его улучшению и минимизации рисков Обязанности * проектирование, поддержание в актуальном состоянии, согласование архитектур АС * контроль разработки программных модулей и сервисов * обсуждение, выработка, защита и продвижение архитектурных решений * создание прототипов и MVP. Весь цикл (требования, архитектура, разработка, оценка ресурсов, развёртывание, поддержка, демонстрация, развитие и т.д.) * личное участие в разработке Требования * знание основ проектирования архитектуры АС, особенностей построения распределенных систем, микросервисной архитектуры, проектирования событийно ориентированных систем, интеграции enpterprise приложений, опыт проектирования контрактов API * уверенное владение SQL и NoSQL, знание принципов взаимодействия с БД * опыт разработки и проектирования систем, знание основ ООП * знания особенностей мобильной разработки, Git * опыт управления командой от 10 человек Будет плюсом: * навыки работы с генеративными AI-моделями * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов * инструментальное владение AI для анализа, генерации и автоматизации Условия * формат работы - офис (БЦ Поклонка) * 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 с возможностью совместного использования на трех близких, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера * корпоративная пенсионная программа.