Загружаем вакансии…
💎 Создание и развитие собственных базовых языковых моделей Авито: проверка гипотез в области претрейна, continual pre-training, post-training, RL и синтетических данных, масштабирование обучения и оптимизация инференса (квантование, speculative decoding), построение процедур оценки качества моделей, написание продакшен-кода на Python и PyTorch.
Зарплата не указана
Стек: Python, SQL, Spark, PyTorch, ClickHouse, Redis, S3.
Зарплата не указана
Зарплата не указана
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Требуется ML Ops-инженер, который возьмёт на себя задачи автоматизации полного жизненного цикла машинного обучения. В обязанности входит организация процессов разработки, тестирования, развертывания моделей, а также их мониторинг и поддержка в рабочей среде.
Зарплата не указана
разработка PoC и MVP AI-агентов с использованием фреймворков для работы с LLM. адаптация и дообучение LLM на внутренних и внешних данных (SFT, LoRA, DPO, GRPO).
Зарплата не указана
разработка, тестирование и внедрение ИИ-агентов (в том числе LLM-as-a-Judge) и классических ML-моделей для оценки качества, детекции аномалий, прогнозирования деградации и автоматической локализации причин сбоев. исследование и внедрение новых подходов в области настройки LLM, LLM-as-a-Judge и RAG, чтобы сделать мониторинг точнее, стабильнее и понятнее.
Зарплата не указана
Разработка и обучение ML/DL-моделей для задач NLP и Computer Vision. Возможен также classic ML;
Зарплата не указана
работать с таргетами, полученными из анкет и интервью с помощью экспертной и LLM-разметки. подбирать постановку задачи в зависимости от объема и качества данных: supervised learning, weak supervision, few-shot и другие подходы.
Зарплата не указана
проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы (индексация, ретривал, ранжирование, генерация). разрабатывать автономных AI-агентов с использованием планирования, вызова инструментов (function calling) и мультиагентной оркестрации.
Зарплата не указана
Сопровождение ML-решений (мониторинг сервисов и моделей, отслеживание дрейфа данных, работа над развитием); Оценка влияния на бизнес предложенных решений;
Зарплата не указана
• Разработка моделей эластичности для различных групп клиентов, кластеризации клиентов по их поведенческим характеристикам. • Разработка поведенческих моделей для прогнозирования динамики объемов различных сегментов розничного портфеля Банка в множестве сценариев на периоде жизни портфеля.
Зарплата не указана
Требования: — Опыт миграции ETL-систем (желательно с Oracle/Informatica на Apache стек) — Глубокий SQL: оконные функции, сложные джойны, иерархические запросы — Оптимизация SQL для highload (партиционирование, индексы, explain plans) — Oracle (PL/SQL) и PostgreSQL — Greenplum и/или Clickhouse — Проектирование архитектур на Apache Spark (PySpark), NiFi, Airflow — Hadoop (HDFS) и Hive — Мониторинг ETL: Grafana/Prometheus или Victoria Metrics — Опыт работы с биллинговыми системами (желательно телеком-домен) Преимущества: — Потоковая обработка: Kafka Streams / Spark Streaming — Informatica PowerCenter (понимание мигрируемой системы) — Бинарные форматы хранения в Hadoop — Различия: Hive vs Impala, Greenplum vs PostgreSQL, Clickhouse vs PostgreSQL — Patroni для кластеризации PostgreSQL/Greenplum — S3-хранилища — КриптоПро или защищенные каналы передачи данных Задачи: — Миграция ETL-системы телеком-оператора с Oracle/Informatica на Apache стек (S3, Airflow, NiFi, Kafka, Greenplum) — Перенос бизнес-логики из Informatica в высокопроизводительный SQL-код — Написание и оптимизация SQL для витрин данных и ETL-процессов — Разработка DAG-ов в Airflow — Настройка пайплайнов в NiFi (источники: Oracle, PostgreSQL; приемники: S3, файловые архивы) — Разработка Spark-джобов (PySpark) для больших объемов — Интеграция с Kafka для потоковой передачи — Настройка мониторинга (Grafana/Prometheus) и отслеживание метрик — Разбор инцидентов по качеству данных и ошибкам загрузки — Code review
270 000 – 285 000 ₽
-Подготовкой математического ядра для сервисов, связанных с поиском на Фарпосте. -Помогать улучшать инфраструктуру и внедрять современные инженерные практики для наших сервисов.
Зарплата не указана
• Оценка целей бизнес задач, бизнес метрик, алгоритмов и методов машинного обучения, имеющихся и необходимых данных. Формирование и проверка гипотез.
Зарплата не указана
LLM, RAG и векторные хранилища; оркестрация в Airflow;
Зарплата не указана
• Строить сложные reward-функции. • Развивать базовую умность модели.
Зарплата не указана
О нас за минуту DV Group — это eRetail маркетинг. У нас две собственные платформы: CDP (DV Platform) — сегментирует покупателей по чековым данным, MAID, строит Sales Lift. DSP (DV Programmatic) — закупает трафик в RTB с таргетингом на реальных онлайн-покупателей (не на интересы). Уникальная интеграция с ПБД. Что предстоит делать Разработка и внедрение ML-моделей Анализ больших объемов данных Построение recommendation / prediction моделей Подготовка и очистка данных Проведение A/B тестов Написание сложных запросов ClickHouse и их оптимизация Взаимодействие с frontend-разработчиками, backend-разработчиками, аналитиками, product-менеджером и DevOps Кто нам нужен Python, SQL, Spark, ClickHouse pandas, numpy, scikit-learn Опыт работы с ML-моделями Работа с оркестраторами (Dagster, Airflow) и Kubernetes Понимание статистики и теории вероятностей Способность разрабатывать надежные ETL пайплайны Что предлагаем Зарплата: 200 000 – 220 000 ₽ оклад net + годовая премия Формат: гибрид или полная удалёнка, но ты проживаешь в РФ График: 10:00–19:00 ДМС со стоматологией после испытательного срока, локация Москва Свой бариста в офисе и правда классный Экспертная среда — никакой скуки, только реальные AdTech-задачи и возможность влиять на продукт Продукт в реестре отечественного ПО — это важно для нас и для клиентов.
200 000 – 220 000 ₽
Booking — сервис интернет-бронирования отелей по всему миру. Вакансия Data Scientist II (Finance Payments) в компании Booking, расположенной в Амстердаме. Требования к опыту и навыкам: применение методов GenAI, знание SQL, владение Python или R. Размер команды компании — более 10 тысяч человек. CEO компании — Glenn Fogel, ранее вице-президент Morgan Stanley. В компании работает много русскоязычных сотрудников.
Зарплата не указана