Вакансии

Задачи: — выполнение обязанностей таргетолога VK Реклама; — выполнение обязанностей таргетолога MAX; — выполнение обязанностей специалиста по Яндекс Директу; — работа авитологом; — выполнение обязанностей дизайнера (веб, графический и digital-дизайн); — выполнение обязанностей SMM-специалиста; — выполнение обязанностей проектного менеджера; — выполнение обязанностей технического специалиста по чат-ботам и интеграциям. Требования: — специализация в одном из перечисленных направлений; — заинтересованность в проектной работе с digital-агентством. Условия: — проектная занятость; — удалённая работа; — условия сотрудничества обсуждаются индивидуально.

Задачи: — Разработка визуального стиля, шаблонов и креативов для социальных сетей, включая посты, сторис, Reels/Shorts и обложки с учётом особенностей платформ. — Проектирование и подготовка макетов для outdoor-рекламы, таких как билборды, баннеры для спортивных арен и другие рекламные материалы. — Создание баннеров, лендингов и графических материалов для сайта и мобильного приложения. — Контроль соблюдения бренд-гайдлайнов и обеспечение визуальной целостности бренда во всех каналах коммуникации. — Взаимодействие с SMM-менеджерами, маркетологами и другими специалистами при подготовке дизайн-материалов. — Анализ moodboard'ов, проведение визуальных исследований, генерация идей и воплощение их в готовые дизайн-концепции. Требования: — Опыт работы в дизайне для SMM, маркетинга или продуктовых проектов. — Желателен опыт в технических проектах, включая веб-сайты и мобильные приложения, маркетинговые агентства или iGaming/gambling. — Сильные навыки графического и коммуникационного дизайна. — Глубокое понимание композиции, типографики и работы с цветом. — Уверенное владение Figma и Adobe Creative Suite (Photoshop, Illustrator). — Наличие портфолио с кейсами по social media creatives, digital/outdoor-рекламе, лендингам или другим маркетинговым материалам. — Сильное визуальное чутьё и насмотренность. — Самостоятельность в решении рабочих задач, проактивность, инициативность и желание развиваться вместе с командой. Условия: — Зарплата от 2700 евро в месяц на руки. — Возможность удалённой работы из любой страны или работа в офисе на Кипре с официальным трудоустройством по ТК Кипра. — Визовое сопровождение при переезде на Кипр. — График работы 5/2 по часовому поясу Кипра. — Бесплатные завтраки и обеды в офисе. — Медицинская страховка. — Частичная компенсация курсов по изучению английского языка. — Оплачиваемые занятия спортом.

В международной команде, работающей в сферах High-Risk, Media Buying и Affiliate Marketing, требуется Sourcer на удалённую работу полный рабочий день. Основные задачи включают поиск Senior- и C-level специалистов в направлениях Business Development, Marketing, Media Buying и Affiliate Marketing, разработку индивидуальных стратегий поиска с использованием LinkedIn Recruiter, Boolean Search, X-Ray Search, Telegram и профессиональных сообществ. Необходимо оценивать профили кандидатов и передавать наиболее подходящих рекрутерам, развивать базу кандидатов, анализировать источники и предлагать улучшения в процессах сорсинга, а также тесно взаимодействовать с рекрутерами и hiring-менеджерами. Требуется опыт поиска специалистов в High-Risk вертикалях, уверенное владение инструментами сорсинга и опыт поиска Senior- и C-level специалистов. Работа полностью удалённая с графиком 5/2 по 8 часов и гибким началом дня. Предлагается конкурентная зарплата, обсуждаемая индивидуально, возможности профессионального роста, адаптация и поддержка коллег для комфортного вхождения в работу.

- полный цикл рекрутмента: от sourcing до оффера.

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.

Создавать и оптимизировать подходы к оценке качества моделей и AI-пайплайнов (RAG, LLM, OCR). Построение online/offline метрик качества, написание методологий оценки для мониторинга качества и регрессионного тестирования.

Location: Нижний Новгород В подразделении прямых продаж открыта вакансия эксперта с функциями бизнес-аналитика. Мы ищем специалиста, который умеет переводить цифры бизнеса на простой язык и находить неочевидные решения для увеличения целевых показателей бизнеса. Обязанности ### Чем предстоит заниматься: * собирать и обрабатывать данные: работать с информацией, проверять её качество и готовить к анализу * строить аналитику: создавать понятные отчеты и интерактивные дашборды, которые показывают выполнение целевых показателей * автоматизировать рутину: настраивать автоматический сбор отчетов, чтобы менеджеры тратили меньше времени на таблицы * искать точки роста: анализировать причины невыполнения плана, сегментировать клиентов и помогать команде продавать эффективнее. Требования ### Требования: * среднее специальное/высшее образование * знание Excel и Power Point на продвинутом уровне (пользование пакетами Анализ данных, Поиск решения, Макросы, ВПР, ГПР, работа со сводными таблицами и т.д.) * опыт аналитиком от 1 года * аналитический склад ума, системное мышление, ответственность, коммуникабельность. Условия ### Мы предлагаем: * стабильный оклад и социальную поддержку сотрудников * официальное оформление с первого дня * срочный трудовой договор * адрес офиса ул.Октябрьская,35 * график работы с 9-18 * расширенный ДМС с первого дня для сотрудников и льготное страхование для близких * корпоративное обучение в Виртуальной школе Сбера, регулярные внутренние и внешние митапы * корпоративную пенсионную программу. * современный офис с зонами отдыха и спортзалом * подписка Прайм с возможностью совместного использования на трёх близких

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.

- 5+ лет опыта в QA / тестировании ПО. - Опыт написания автотестов на Go или Python.

Опыт: от 2 лет успешной работы в IT-рекрутинге с практическим опытом полного цикла найма (full-cycle). Мастерство сорсинга: продвинутые навыки работы с Boolean search, X-ray, LinkedIn, GitHub, Stack Overflow и специализированными технологическими платформами.

– 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;

🔷 Главная задача — системное развитие направления инженерного отопления, усиление позиций на рынке и работа с ключевыми сегментами клиентов: монтажниками, оптовыми клиентами, девелоперами и промышленными объектами. Компания ищет Лидера, который сможет управлять товарным направлением, развивать продажи и выстраивать системную работу с рынком.

🔥 РОПа-практика, который умеет не просто управлять менеджерами, а лично продавать и увеличивать конверсию. 🔥 Знает психологию продаж, владеет отзеркаливанием, слышит истинную потребность клиента, умеет выявлять точку Б и доводить до оплаты.

Мы масштабируемся - и нам нужен руководитель, который поведёт за собой направление. 📋 Что вы будете делать 🗺 Выводить клиентов агентства в Яндекс Карты, 2ГИС и Google Maps: контент карточек, SEO, работа с отзывами, реклама;

Встреча пациентов Центра, создание доброжелательной и гостеприимной атмосферы; Работа в программе Инфоклиника;

Отвечать за delivery направления: обеспечивать прозрачность планов, сроков, статусов и рисков для 12 продуктовых команд разработки. Организовывать эффективную работу команд, координировать взаимодействие проджект менеджеров и скрам мастера направления "Запись".