Вакансии

Location: Barcelona Who are we? Tripledot Studios is one of the largest independent mobile games companies in the world. We are a multi-award-winning organisation, with a global 2,500+ strong team across 12 studios. Our expanded portfolio includes some of the biggest titles in mobile gaming, collectively reaching top chart positions around the world and engaging over 25 million daily active users. Tripledot’s guiding principle is that when people love what they do, what they do will be loved by others. We’re building a company we’re proud of. One filled with driven, incredibly smart and detail-orientated people, who LOVE making games. Our ambition is to be the most successful games company in the world, and we’re just getting started. Role Overview Join Tripledot Studios as a Senior Machine Learning Engineer working on dynamic pricing and recommender systems use cases in our games. The work involves tabular machine learning, including neural networks and approaches such as gradient-boosted decision trees. You'll focus on understanding the data, developing features and improving the models, rather than primarily owning production deployment. You'll work toward defined near-term ML targetds, collaborating with the monetization team and game product teams to plan A/B tests. Over the longer term, you'll work with those teams to translate product and monetization requirements into ML objectives. You'll start by learning the project and its business goals. Within the first three months, we'd expect you to contribute to the training pipeline and investigate features and model issues. By around six months, the aim is for you to take a more proactive role in setting the model's direction. Key Responsibilities Build and improve training pipelines for dynamic pricing and recommender system models, from feature and label design through training, tuning and offline evaluation of tabular models such as neural networks and gradient-boosted trees. Monitor model performance once models are live across games and products. Investigate data and concept drift, including shifts tied to new titles, client versions or user behaviour, and make models easier to extend to another product. Diagnose missed model outcomes across the training pipeline, business logic and underlying data, then work through the improvements needed to restore model quality. Work with monetization and product colleagues to connect model decisions to revenue and player outcomes, and help plan the A/B tests that inform what ships. As you get up to speed, identify gaps in the team's understanding of the models and propose improvements to their direction. Required Skills, Knowledge and Expertise Hands-on training and evaluation of tabular models, using neural networks or gradient-boosted trees. Experience with PyTorch, PyTorch Lightning, TensorFlow, XGBoost, CatBoost or scikit-learn could all be relevant; no single framework is required. Experience designing features and labels, choosing metrics for the decision a model makes and judging when offline results warrant an A/B test. Proficiency in SQL and the ability to write efficient queries to extract, manipulate and aggregate data from relational databases. An investigative approach to incomplete data and longer-term requirements that need clarification. The ability to explain model results to monetization and product partners in terms of revenue and player outcomes. Experience in ad tech, recommender systems or online marketplaces would be useful, as would experience with production APIs or deploying ML models. Experience with the Ray framework would also be a plus. None of these is required for the role. Uses AI-assisted development tools, including code assistants and LLM-based copilots, to accelerate implementation, debugging and iteration of machine learning systems while maintaining production-quality standards. Critically reviews and validates AI-generated code, model implementations and infrastructure configurations for reliability, correctness and maintainability, and explores AI-powered approaches to improve developer productivity or ML platform capability. Working for Tripledot 25 days paid holiday in addition to bank holidays to relax and refresh throughout the year Hybrid Working 20 days remote working: Work from anywhere in the world, or use the time to cover mandatory office days to WFH, 20 days of the year. Regular company events and rewards: Join in regular events and rewards that celebrate cultural events, our achievements and our team spirit. Private Medical Cover: Have peace of mind with private medical cover, ensuring your health is in good hands. Life & Critical Illness Cover: Protect your future with our life and critical illness cover. Family Forming Support: Receive vital support on your family forming/ fertility journey with our support program [subject to policy] Employee Assistance Program: Access confidential support anytime through our Employee Assistance Program. Sport Compensation: Stay fit and active with our sport compensation benefit. Meal and Transport Vouchers: Save on meals and transport with our convenient vouchers. English & Spanish Classes: Enhance your English and Spanish skills with our provided language classes. Continuous Professional Development: Propel your career with continuous opportunities for professional development.

Задачи: — Готовить и чистить данные, собирать выгрузки под задачи команды; — Строить и оценивать базовые ML-модели на scikit-learn; — Проверять гипотезы, считать метрики; — Работать с LLM: писать и тестировать промпты, оценивать качество ответов, размечать данные; — Оформлять результаты в понятные выводы для команды и заказчиков. Требования: — Знание Python и библиотек pyarrow, openpyxl, statsmodels, scipy, plotly; — Наличие пет-проектов или опыт участия в Kaggle; — Опыт вызова API моделей из Python; — Знакомство с бустингами CatBoost, LightGBM, XGBoost; — Опыт работы с BI-инструментами Tableau, Superset, Power BI; — Опыт проведения самостоятельных исследований и исследовательских проектов; — Аккуратность с цифрами, готовность самостоятельно разбираться и умение вовремя обратиться за помощью к команде; — Способность объяснить результат словами, а не только графиком. Условия: — Работа в IT-компании с миссией по автоматизации работы системы аудита Российской Федерации; — Прозрачная система мотивации, стабильная загрузка; — Оформление в соответствии с ТК РФ; — Дружный коллектив и лояльное руководство; — Разнообразный набор социальных льгот и гарантий; — Уровень заработной платы обсуждается на собеседовании.

Задачи: — исследовать и разрабатывать торговые стратегии для DeFi и крипторынков: от гипотезы и анализа данных до бэктестинга, валидации и оценки результата стратегии — Quant/ML research и разработка торговых стратегий для DeFi и крипторынков — применять ML/DL-подходы для маркет-мейкинга, forecasting, управления позициями и смежных задач — разрабатывать стратегии дельта-нейтрального хеджирования и управления рисками — проводить бэктестинг и использовать симуляционные среды на крипто-данных: order book, trades — анализировать рыночные данные и улучшать алгоритмы по результатам реального исполнения Требования: — senior-уровень в Quant/ML research, systematic trading, HFT/prop trading, market microstructure или смежных задачах — участие в полном цикле ресерча: гипотеза > данные > модель/логика > бэктестинг > валидация и анализ результата — понимание временных рядов, OOS-проверки, future leakage и торговой экономики — знание Supervised Learning, статистического анализа, оптимизации моделей — уверенный Python; PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna — опыт доведения стратегий до реального исполнения или PnL-оценки — опыт работы с order book и trades — автономность в постановке гипотез и доведении их до результата — владение русским языком для общения в команде Будет плюсом: — Reinforcement Learning — опыт на Rust или low-latency engineering — опыт в трейдинге, маркет-мейкинге, low-latency крипте — опыт в квант-фондах, HFT, prop trading, банковских квант-командах — опыт с DeFi, DEX/CEX, AMM/LP, perpetuals, funding, cross-venue arbitrage — активное использование AI-инструментов Условия: — фиксированная зарплата в стейблкоинах (USDT/USDC, 1:1 к доллару) — квартальный profit sharing от результатов стратегий — оплачиваемый отпуск — компания оплачивает AI-подписки

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: — 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: • 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

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: — 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.

Задачи: — участие в создании и поддержке аналитических решений для повышения эффективности маркетинговых кампаний; — применение методов машинного обучения, особенно uplift-моделирования, для оптимизации взаимодействия с клиентами и повышения ROI; — построение uplift-моделей по сегментам для разных групп; — разработка uplift-моделей для различных номиналов промоакций с последующей оптимизацией; — прогнозирование RFM; — участие в проведении A/B тестов, расчет финансовых эффектов от внедрения моделей, генерация признаков для моделей. Требования: — базовое понимание статистики и теории вероятностей; — опыт работы с Python (Pandas, NumPy); — знание основ машинного обучения (линейная регрессия, деревья решений, случайный лес); — понимание концепции uplift-моделирования; — опыт работы с табличными данными; — понимание принципов распределенных вычислений (PySpark); — опыт коммерческой разработки. Технологии и инструменты: — работа с данными: pyspark, SQL, S3; — классический ML и uplift: Scikit-learn, XGBoost, LightGBM, CatBoost, scikit-uplift; — разработка и версионирование: Jupyter Notebook, VS Code/PyCharm, git; — ML инфраструктура: JupyterHub, MLFlow, Airflow, PostgreSQL; — ML: Transformers, SGLang, Triton; — процессы: Jira, Confluence.

Location: Warszawa, Poland; Almaty, Kazakhstan; Prague, Czechia; Tallinn, Estonia; Tbilisi, Georgia; Budapest, Hungary; Rīga, Latvia; Vilnius, Lithuania; Lisboa, Portugal; Bucharest, Romania; Madrid, Spain Workplace: fully Customer Description: The customer is a global mobility and urban services platform providing transportation and other on-demand services through a digital marketplace. Project Description: The work spans deep learning model development, large-scale geospatial data pipelines, and low-latency production serving. The candidate will measure the impact through offline evaluation metrics and the results of online experiments Project Phase: ongoing Soft Skills: • Ability to influence teammates and cross-functional stakeholders effectively. • Curious and improvement-oriented mindset with a willingness to challenge existing approaches. • Excellent ability to communicate complex technical findings in a clear and concise manner. Hard Skills / Must Have: • 5+ years of machine learning engineering experience building and deploying deep learning models in production. • Experience building regression, forecasting, or other supervised machine learning systems for production prediction tasks. • Expert-level proficiency in Python and its core data science libraries (e.g., PySpark, Pandas, NumPy, Scikit-learn, PyTorch; gradient-boosting libraries such as CatBoost/XGBoost/LightGBM). • SQL. • Ability to design an ML system from scratch, including data analysis and processing. • Experience translating business goals into ML problems with appropriate metrics and non-functional requirements. • Experience designing and evaluating ML experiments. • Experience with MLOps tools. • Experience working with large-scale geospatial and behavioral datasets. • Experience deploying models to production on ML serving infrastructure and optimizing for latency, and awareness of concept drift and how to detect and manage it. • Comfort working with large-scale geospatial and behavioral data (e.g., GPS traces, H3 spatial indexing) Hard Skills / Nice to Have (Optional): • Academic background in Computer Science, Mathematics, or a related discipline. • Experience with travel time prediction, traffic estimation, or routing quality. • Experience with open-source routing engines. • Knowledge of map matching, speed profiles, road graph tiles, and historical traffic. • Experience with mapping, location, or geospatial products. • Experience building products for developing markets. • Experience with cloud data and machine learning platforms. Responsibilities and Tasks: • Design and build machine learning models to improve routing and travel time prediction. • Develop traffic estimation models using large-scale GPS data. • Implement map-matching solutions for noisy GPS data. • Improve travel time calculation, smoothing, and rerouting logic. • Translate routing objectives into machine learning objectives and evaluation metrics. • Lead offline and online model evaluation activities. • Collaborate with backend engineers to deploy low-latency production models. • Partner with product and operations teams to define new features and requirements. • Own the production ML lifecycle, including serving, monitoring, drift detection, and retraining pipelines. 🧪 Technology Stack: }Python, SQL, PySpark, Pandas, NumPy, Scikit-learn, PyTorch, XGBoost, LightGBM, CatBoost, MLOps, ML Lifecycle Management, Production ML Systems, ML Infrastructure, Geospatial Analytics, GPS Data, H3 Spatial Indexing 📝 Additional notes: The work will be carried out either on client's equipment or via a virtual workstation. Requires fluent Russian , as part of the team communication is conducted in Russian

Data Analyst (LTV / Predictive Analytics) StellarTech is a B2C mobile publisher in EdTech: subscription apps, in-app monetization and performance marketing at scale. LTV prediction is how we decide where to invest, and the forecasting pipeline is already live. We are opening this role to have one senior analyst own its accuracy and its evolution. This is research and predictive analytics, not reporting: everything that can be standardised is already automated by Data Engineering, so the work is hypotheses, factor analysis and improvements to the prediction algorithm itself. You report to the Head of the Operational Department and work directly with Product, UA, Finance and Data Engineering. What you will do Own and develop the LTV prediction algorithm: find the parameters and factors that increase forecast accuracy, prototype improvements in SQL, measure the gain, then hand the logic over to Data Engineering. Validate forecasts on closed cohorts, monitor forecast quality over time and explain where exactly a model deviates from actual LTV. Research what moves LTV: product features, segments, purchase sources (for example, purchases coming through CRM vs other sources), and adapt the prediction logic to them. Run analytical research end to end, from a vague question to a documented recommendation for Product, UA and Finance: where payback improves, where to concentrate media buying, what changes unit economics at company level. Automate analytical routines and model quality monitoring together with Data Engineering. Requirements Critical 4+ years in Data Analyst / Senior Data Analyst / Product Analyst roles with a product analytics focus: measuring the impact of factors on business metrics, not marketing attribution. Strong SQL: complex queries, window functions, optimisation. Here SQL is the main instrument for prototyping and testing the algorithm. Solid mathematical statistics and understanding of how ML models work: you can build and validate a forecast, judge model quality (MAE, RMSE, MAPE, R2), run factor analysis and explain where a model broke. Product background with in-app monetization and its economics: LTV, cohorts, retention, ROI, CAC, ARPU, payback. Subscriptions are ideal; other in-app B2C models also work. Ad-only monetization is a different pattern and is not a fit. A proven end-to-end pattern: you take a vague question, form a hypothesis, dig into it and bring it to a recommendation. There is no micromanagement here and almost no standard tasks. Ability to back conclusions with data and to communicate them to both technical and business stakeholders. Non-critical Python (pandas, numpy, scikit-learn) for analysis and modelling: welcome, but not a blocker if the statistical and analytical thinking is there. A/B testing and statistical hypothesis testing. BI tools (Tableau, Looker, Power BI). Cloud DWH and large data volumes (Athena, BigQuery, Snowflake, Redshift or similar). Will be a plus Feature engineering and model interpretation (SHAP, feature importance). Mobile products, gaming or subscription businesses. Our stack: Amazon Athena, S3-based DWH, CatBoost, Tableau, Git, Jupyter. Why You'll Love Working With Us Impactful Work: Your contributions will directly shape the future of our company. Innovative Environment: We're all about trying new things and pushing the envelope in EdTech. AI solutions Wealth: We offer a competitive salary. Balance: Flexible paid time off, you get 21 days of annual leave + 10 bank holidays. Collaborative Culture: Work alongside passionate professionals who are as driven as you are. Hiring process Intro call with the recruiter. Technical interview: SQL, statistics and ML fundamentals, plus an analytical case on how you build a plan to investigate a problem. Final interview with the department head. Optionally, a 30-minute culture fit conversation with HRBP. If this is the kind of work you want to own, send us your CV. We will come back to you with the next step.

Обязанности: - Разрабатывать и обучать модели машинного обучения, включая генераторы кандидатов - Улучшать модели оценки стоимости автомобилей - Разрабатывать решения для антифрода и модерации контента - Подготавливать и трансформировать данные для обучения и продакшена моделей - Упаковывать модели в сервисы и внедрять их в продакшен Требования: - Опыт оркестрации ML‑пайплайнов с помощью Airflow или Luigi - Умение программировать на Python или C++ - Навыки работы с SQL и NoSQL для подготовки и трансформации данных - Умение разворачивать решения в виде микросервисов с использованием FastAPI, gRPC или Docker - Хорошие теоретические знания в области машинного обучения - Понимание устройства и принципов работы одного из ML‑фреймворков или библиотек, например CatBoost или PyTorch

Обязанности: • разработка и сопровождение AI-агентов для автоматизации процессов оценки кредитного риска • интеграция LLM и ML-моделей в агентные пайплайны (оркестрация, tool-calling, memory, RAG) • проектирование агентных архитектур: определение инструментов, стратегий и логики принятия решений • написание технической документации: описание агентов, регламенты, схемы взаимодействия. Требования: • опыт разработки на Python от 3 лет, особенно в контексте написания бизнес-логики или скриптов автоматизации • уверенное и архитектурных паттернов • опыт работы с агентными фреймворками: LangChain, LangGraph, AutoGen, CrewAI или аналоги • понимание ML (train/inference): xgboost, catboost, lightgbm, pytorch — опыт интеграции моделей в продуктовые системы • работа с Python-библиотеками pyspark / pandas / numpy для анализа данных • опыт работы с HTTP(S), RESTful API (интеграция агентов и моделей с внешними сервисами) • опыт работы с Docker; базовые знания Kubernetes и Helm • опыт работы с Git Условия: • комфортный современный офис рядом с м. Кутузовская • график работы- гибрид • 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 • бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров • вознаграждение за рекомендацию друзей в команду Сбера.

Location: Metro Manila; Armenia; Kazakhstan; Georgia Workplace: Hybrid Salmon is a technology-driven financial company building a banking and lending platform across Southeast Asia, starting in the Philippines. We combine global fintech expertise with deep local market knowledge to make financial services simple, accessible, and useful for millions of people across the region. 7M+ app downloads. 2M+ monthly active users. 7,000+ partner stores. US$310M+ raised from leading global investors. Manila-based, globally distributed, and hybrid-first — our team spans 45+ countries. If you want to solve complex problems at scale and impact how millions of people access and manage money, come build with us. Southeast Asia's fintech moment starts here. About the role: This role requires relocation to Manila. We work in a hybrid format from our office in Bonifacio Global City (BGC). You'll own ML models across credit scoring, collection, and antifraud, turning data into systems that directly shape how Salmon lends and collects at scale. What you'll do: - You'll build and ship ML models across credit scoring, collection, antifraud, and sales — high-stakes, high-visibility work from day one. - You’ll work with teams across the business, including Risk, Anti-fraud, and Cross-sell - You'll take models from idea to production, then keep monitoring and improving them as real data comes in. What you'll own: - Own the end-to-end lifecycle of ML models — EDA, feature generation, hypothesis testing, production deployment, and monitoring. - Partner with Collection and Product to identify where a new or improved model would have the most leverage. - Evaluate model performance against business impact, and iterate based on what you find. - Explore and integrate new data sources, internal and external, to surface additional predictive signals. - Build models that are scalable, observable, and maintainable in production systems. What makes you a strong fit: - 2+ years of experience as a Machine Learning Engineer or Data Scientist, ideally in fintech or fast-paced product environments. - Solid foundation in classical ML techniques, fluent in Pandas, Scikit-learn, NumPy, SciPy, Matplotlib, Seaborn, Statsmodels, and gradient boosting libraries (XGBoost, LightGBM, CatBoost). - Strong Python and SQL, with experience using version control. - A strong sense of ownership and accountability. - Experience with graph neural networks or transformer models would be a plus. What we offer: Ownership and flexibility - Hybrid-first work environment - Company-provided tools and equipment - Office in Bonifacio Global City, Manila — a modern, walkable district at the centre of the Philippines' growing tech scene Health and time off - Medical insurance support for you and your family through co-funding or reimbursement, depending on your location and subject to policy limits - Access to an internal mental health support specialist - 22 vacation days, Philippine public holidays, and 15 sick days - 105 days of paid maternity leave and up to 14 days of paid paternity leave for employees relocating to Manila Relocation and family support - Relocation support for you, your family — including flights, two weeks of accommodation, visas, paperwork, and logistics - Reimbursement of eligible pet relocation expenses - USD 2,500 per year for flights home - Baby and family stipends for employees relocating to Manila: USD 1,000 per month for each child under two and USD 500 per month for each child aged two to 18 Growth and team experience - Opportunities to learn and share your expertise through internal expert meetups, external conferences, speaking opportunities, and industry publications - Company-sponsored trips to Manila to meet and work with your team in person - Regular team offsites, sports activities, and team events - High-performing teams can earn a dedicated beach house week in Southeast Asia

Задачи: — Улучшать стабильность и качество текущих AutoML алгоритмов, оптимизировать код; — Разрабатывать новые сценарии платформы для аналитиков (поиск аномалий, очистка данных, кластеризация, анализ дрейфа данных/концепта); — Улучшать отчетность и артефакты по полученной модели (отчёт по модели с интерпретацией LLM, графики, таблицы); — Обновлять документацию и технические инструкции по сценариям платформы; — Взаимодействовать по внедрению новых сценариев и фич платформы с MLOps командой; — Проводить анализ потребностей аналитиков, формализовать их в сценарии; — Поддерживать пользователей (аналитиков); — Отвечать за релизный цикл библиотеки; — Проводить ревью PR от других DS. Требования: — Опыт в Data Science от 3 до 5 лет (важна насмотренность к кейсам и разным моделям, опыт промышленной разработки); — Уверенное владение ML- и DL-стеком Python: PyTorch, LightGBM / XGBoost / CatBoost, Scikit-Learn, Pandas, NumPy; — Умение работать с инструментами: Spark, Hadoop, Hive, MLflow, Airflow / Argo Workflows; — Обязателен опыт в табличных данных и классическом ML (градиентный бустинг, логистическая регрессия, кластеризация); — Будет большим плюсом: Контрибьют в ML-библиотеки; Опыт full-stack разработки; — Не подходят кандидаты с чистой карьерой в CV / NLP / LLM без серьёзного бэкграунда в таблицах. Условия: — Работа в аккредитованной IT компании; — Формат работы: удалённый по РФ (или гибрид — на выбор); — Расширенный ДМС (со стоматологией); — Выдача необходимой для работы техники (ноутбук); — Возможность воспользоваться реферальной программой: «Приведи товарища»; — Участие в Бонусной программе; — Помощь с ипотекой и другими пособиями; — Возможность построить карьеру в рамках ведущих компаний России.

Location: Limassol, Cyprus Workplace: on-site Mayflower is a technology company building highload products used by millions of people worldwide. Operating at the scale of one of the world's top-50 websites, we solve complex engineering challenges and create solutions that power real-time entertainment for a global audience. Now we look for a Data Scientist to join our ML team Job Responsibilities Search & Retrieval Develop and improve retrieval pipelines for large-scale production search systems. Work on candidate generation, query processing, matching, filtering, and retrieval strategies. Improve search relevance, result coverage, and overall SERP quality. Analyse failed searches, irrelevant results, zero-result queries, and other search-quality issues. Explore lexical, semantic, behavioural, hybrid, and vector search approaches. Ranking & Relevance Build, train, and optimise ranking models for search and recommendation systems. Develop learning-to-rank solutions using behavioural, content-based, contextual, and real-time features. Design ranking features based on clicks, conversions, popularity, freshness, availability, and user behaviour. Evaluate ranking quality using Precision, Recall, NDCG, MAP, MRR, and related relevance metrics. Optimise models for low-latency inference and investigate relevance degradation, bias, and feedback loops. Recommendation Systems Develop recommendation models and candidate-generation strategies for personalised and non-personalised scenarios. Build recall and ranking stages for multi-stage recommendation pipelines. Work on related-item, complementary-item, next-action, and behavioural recommendation use cases. Develop user, item, session, and contextual representations. Balance relevance, diversity, novelty, coverage, and business constraints. Experimentation & Evaluation Design and run offline and online experiments for search, ranking, and recommendation improvements. Build evaluation frameworks that connect model quality with product and business outcomes. Design and analyse A/B tests using CTR, conversion, engagement, retention, and revenue-related metrics. Create reproducible pipelines for data preparation, model training, evaluation, and comparison. Evaluate model robustness across traffic segments, query groups, user cohorts, and edge cases. ML Pipelines & Collaboration Build end-to-end ML pipelines for feature generation, training, validation, deployment, and monitoring. Work with high-load, real-time, and low-latency production systems. Process large datasets using Python, SQL, batch pipelines, streaming systems, and Kafka. Collaborate with product, backend, data engineering, and MLOps teams to productionise ML solutions. Communicate technical decisions, experiment results, and trade-offs while contributing to ML best practices. You’ll thrive here if you have Strong hands-on experience building production search, ranking, or recommendation systems. Strong Python and SQL skills for machine learning, data processing, and analytical queries. Practical experience with learning-to-rank, candidate retrieval, search relevance, or recommender-system modelling. Experience building and evaluating multi-stage retrieval and ranking pipelines. Strong understanding of search and recommendation metrics, including Precision, Recall, NDCG, MAP, MRR, CTR, and conversion. Experience with feature engineering and behavioural data such as impressions, clicks, sessions, and conversions. Experience with ML libraries such as scikit-learn, XGBoost, LightGBM, CatBoost, PyTorch, or TensorFlow. Experience working with large-scale production systems, distributed data processing, analytical databases, and streaming platforms. Strong understanding of experimentation and A/B testing, with the ability to independently build, and validate ML solutions. That can be a plus: Experience with Elasticsearch, OpenSearch, Solr, Lucene, or another search-engine stack. Experience with vector databases, approximate nearest neighbour search, and hybrid lexical-semantic retrieval. Experience with query understanding, classification, spell correction, synonyms, or query expansion. Experience with DSSM, two-tower models, BERT-based ranking, cross-encoders, or similar neural architectures. Experience with large-scale data and ML platforms such as Airflow, MLflow Conditions We know that great talent deserves great conditions, so here's what you can expect when joining us: EU-based employment contract and a 3-year Cyprus work visa with full support for your relocation and visa processes, including assistance for your family. Full relocation package: flights to Limassol for you and your family, a company-covered apartment for the first month, and full relocation support to make your move smooth and hassle-free. Transparent performance reviews twice a year, with bonus opportunities and salary adjustments. Private medical insurance for you and your family, a corporate mobile plan (unlimited in Cyprus with roaming included), and interest-free support for car purchases. Provident fund (Cypus): a long-term savings plan co-funded by you and the Company together (available after probation) that grows throughout your time with us in Cyprus. Mindfulness & well-being support, including psychological assistance with 50% coverage. 50% coverage of school and kindergarten fees for your children. Fully covered sports benefits, and also access to in-house electric scooters and bike rentals, and cycling purchase compensation. Investment in your growth: paid language courses and access to suited-for-you development programs, including conferences, training programs, and coaching to support your professional journey. A culture of recognition: a peer reward program to celebrate your contributions. A fully equipped office in Limassol’s city center, with everything you need for deep work and collaboration. Free catering in the office and an in-house coffee bar with high-quality drinks and a health bar stocked with nutritious snacks. A strong engineering culture: international teams, corporate events, team buildings, and hackathons—because great work happens in great communities. Recruitment process HR interview (40 min); Technical interview (1.5 hour); Final interview (45 min).

Location: Москва Отдел исследования данных Управления Комплаенс ищет Руководителя направления по исследованию данных. Основной задачей будет развитие ML моделей для процесса выявления и расследования случаев легализации доходов, полученных преступным путем. Используются различные платформы исполнения моделей – онлайн (в момент проведения операции) и пакетный расчет по всей клиентской базе. Применяем ансамбли моделей градиентного бустинга, нейросетевые архитектуры на последовательностях событий, временных рядах, графовых структурах данных. Обязанности * Декомпозировать задачи и управлять сроками их выполнения; * Собирать выборки для обучения и валидации моделей; * Проверять различные модели для решения задачи (классификация, регрессия, выявление аномалий), выбирать лучшую модель; * Формировать требования к витринам для команды инженеров; * Проводить ревью кода; * Подготавливать презентации для защиты результатов; * Анализировать результаты мониторинга работы моделей на проме; * Участвовать в собеседованиях кандидатов. Требования * Профильное высшее образование; * Хорошее знание теории вероятностей и статистики; * Знание Python и основных библиотек (numpy, pandas, scipy, sklearn); * Уверенное владение популярными алгоритмами машинного обучения и библиотеками градиентного бустинга (LightGBM, CatBoost и др.); * Опыт разработки и внедрения нейронных сетей на PyTorch. * Умение обрабатывать большие объемы данных на PySpark; * Кейсы применения нейросетевых моделей в задачах NLP, Time Series, Graph; * Опыт наставничества или руководства командой. Условия * Бесплатные фитнес залы в офисе; * ДМС с первого дня и льготное страхование для близких; * Выгодная ипотека для каждого сотрудника и льготные условия кредитования; * Скидки на продукты компаний-партнеров; * Онлайн курсы в Виртуальной школе Сбера и обучение в Корпоративном университете; * DS&AI community - регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний.

Location: Limassol Wisebits — is an international IT holding with a strong technical team! Our key product is a high-load video hosting platform used by millions of people worldwide every day. With over 15 years on the market, we’ve built a professional team that values engagement and initiative. If you’re excited about working with a high-load product and want to have an impact on its development, join us! What you'll be working on: Participating in the development and improvement of recommendation systems, including user-item, item-item, and cross-platform recommendations. Optimizing recommendations on category, channel, and tag pages. Building text-to-video search: embedding models, ranking, and semantic search. Turning ML prototypes into production services: inference optimization, profiling, feature preparation, and model quality control. Developing high-load ML services in Python, including gRPC/Triton-based services. Our stack: Languages and libraries: Python, PyTorch, CatBoost, NumPy, Pandas, Polars, CuDF, CuPy. Infrastructure and deployment: Kubernetes, Docker, Airflow, Triton Inference Server. Data storage: ClickHouse, MySQL. What we expect from you: 2+ years of experience with recommendation systems, search, or related ML tasks. Strong knowledge of Python and ML frameworks, such as PyTorch, CatBoost, etc. Experience deploying models to production. Understanding of offline and online model evaluation principles. What we offer: Work on an ML product used by millions of users, with real product metrics. A compact team where every engineer has an impact on the product and can develop expertise across several areas. Experienced colleagues to discuss ideas with, think through solutions together, and launch new projects and features. A simple structure — minimum bureaucracy, maximum ownership. Benefits package: medical insurance, tax compensation, professional training, work equipment, and language courses. Relocation to Cyprus: visa support, relocation coverage, tickets, and the first month of accommodation. Flexible schedule, a comfortable atmosphere, and team support. Work format: Remote / On-site Salary: From €4,000 net per month. The final compensation level may be higher and depends on relevant experience, skills, and overall match with the role requirements.