Вакансии

Бизнес-анализ и системный анализ для проектов внедрения ИИ / ML-решений (LLM-агенты, RAG, классификация, обработка документов). Описание текущего процесса AS IS и целевого процесса TO BE для каждой инициативы;

В роли инженера по безопасности приложений в AIFC предстоит заниматься обеспечением защиты программных продуктов, выявлением и устранением уязвимостей, а также внедрением современных методов безопасности. Кандидат должен обладать глубокими знаниями в области информационной безопасности, владеть инструментами анализа кода и тестирования на проникновение, а также иметь опыт работы с технологиями, применяемыми в разработке и эксплуатации приложений. Важны навыки работы с системами контроля версий, понимание принципов безопасного программирования и способность сотрудничать с командами разработчиков для повышения уровня безопасности продуктов.

Location: Москва Мы рады пригласить **руководителя направления-методолога AI Governance** в команду Sber AI. Мы развиваем AI, занимаемся созданием инфраструктуры для AI, управляем процессом и настраиваем роли, обеспечивающие разработку и внедрения AI-решений в Банке. Наша команда отвечает за аналитику в области AI, внедрение AI Governance стандартов, разработку методологии и дизайн процессов, мы также проводим различные аналитические исследования по развитию AI рынков и технологий. Мы верим, что именно люди создают атмосферу и являются драйверами инноваций. Если тебе интересно развиваться в области AI, присоединяйся к нам. Обязанности * определение процессов и систем управления процессами разработки и внедрения AI-решений (Ml-моделей, AI-агентов) * проведение анализа рынка и обеспечение актуальности технологий, используемых для разработки и внедрения AI-решений в Банке * обеспечение поддержки функционирования проектов на всех этапах жизненного цикла, контроль выполнения сроков и объемов работ, подготовка статус-отчетов * разработка экспертных рекомендаций для руководства по стратегическим направлениям развития AI-Governance в Банкe (ролевые модели, процессы, целевая инфраструктура и тех.стек) * сбор, анализ и агрегация требований по CDS-вертикали к инструментам и процессам, обеспечивающим разработку ML-моделей и AI-агентов в Банке * внедрение дэшбордов по управлению портфелем AI-инициатив в Банке * проектирование логики сбора и визуализации "цифровых следов" работы команд D-people при разработке AI-решений (ML-моделей и AI-агентов) * организация взаимодействия между специалистами разного профиля, как внутри команды, так и вне для достижений поставленных целей * анализ ключевых международных AI-решений, в том числе с детальным пониманием используемых технологий, преимуществ и недостатков данных технологий * работа с внутренними нормативными документами Банка. **Почему** **эта позиция для вас?** * возможность внести вклад в развитие самой перспективной сферы — искусственный интеллект * работа в крупной компании с широкими возможностями для карьерного роста * дружелюбная атмосфера и профессиональная поддержка со стороны коллег. Требования * высшее техническое образование * знание методик разработки моделей машинного обучения; * знание практик MlOps /технологий, используемых для разработки и внедрения AI-решений * понимание полного цикла разработки цифровых продуктов: от исследования и гипотезы до запуска и анализа * понимание принципов работы LLM/VLM, ML-инструментов и их влияния на пользовательский опыт * знание основ создания и логики работы AI-агентов * отличное знание трендов и SOTA-технологий в области AI (в т.ч. ключевых игроков и решений на международном рынке) * опыт анализа и разработки концептуальных архитектур для AI-решений; * практический опыт проектного менеджмента (умение четко описать и структурировать сложную задачу/проект, и обеспечить ее автономную реализацию) * аналитическое мышление: способность быстро анализировать информацию, выявлять закономерности и тенденции, формировать обоснованные выводы и рекомендации * грамотный русский язык, развитые навыки устной и письменной коммуникации, включая ведение деловой переписки * отличное владение визуальными средствами коммуникации, инструментов визуализации данных, подготовка и проведение презентаций * развитые навыки формирования отчетов и презентаций, в том числе с рекомендациями для принятия управленческих решений * уровень английского языка Intermediate и выше. **Будет преимуществом:** * опыт работы в стратегическом консалтинге, R&D, технологических компаниях уровня BigTech или крупных банков * инструментальное владение AI для анализа, исследования, генерации и автоматизации рутинных процессов * навыки работы с Python * знание современного стека технологий: BitBucket, Jira, Confluence, Pycharm, Jenkins, Kubernetes, Spark 3.2+, LangChain, LangGraph и тп.) * опыт работы в качестве Data Engineer / Data Analyst/ Data Scientist или Machine Learning Engineer * дополнительное образование в области управления проектами и наличие сертификатов (PMI PMP, PRINCE и др.). Условия * комфортный современный офис - м. Кутузовская * ежегодный пересмотр зарплаты, годовой бонус * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера * корпоративная пенсионная программа.

· Участвовать в выработке оптимальных решений по информационной безопасности для продуктов Big Data, баз данных и безопасного администрирования UNIX-систем. · Формировать и анализировать рекомендации по защите систем Big Data, баз данных и UNIX-систем.

Чем предстоит заниматься. Основные задачи.

Анализ эффективности маркетинговых активностей (диджитал, промо, наружная реклама, мерчендайзинг и т.д.); Опыт работы не менее 3-х лет в аналогичной должности (Аналитик-маркетолог) в крупных федеральных компаниях (Retail, Telecom, Banking);

Looking for an engineer who has hands-on experience building AI agents that actually execute workflows, not just chat interfaces. You’ll work on agents that connect to APIs and internal systems, use tools, retrieve context, make decisions across multiple steps, and recover when something fails.

Location: Москва В этой роли вы будете работать над задачами на стыке машинного обучения, обработки сигналов и production engineering: от детекции шума, шепота и голосовой активности до диаризации, споттинга, биометрии, EOU и routing-логики. Это возможность не просто решать сложные прикладные ML-задачи, а строить и улучшать реальные системы, которые работают в проде, выдерживают требования по latency и качеству и становятся важной частью пользовательского опыта. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Разрабатывать, обучать и улучшать ML-модели для аудио- и speech-задач * Работать с полным циклом разработки моделей: от постановки задачи, анализа данных и построения пайплайнов до внедрения, мониторинга и итеративного улучшения в production * Проектировать решения для real-time и streaming-сценариев с жёсткими требованиями к latency, стабильности и качеству * Исследовать и внедрять современные подходы в audio ML и speech ML, выбирая между классическими методами, deep learning и hybrid-подходами в зависимости от задачи и продуктового эффекта * Строить и улучшать системы оценки качества: offline-метрики, тестовые наборы, error analysis, A/B-подходы и другие способы объективно измерять качество моделей * Работать с данными: формировать обучающие выборки, улучшать разметку, искать источники деградации качества, повышать устойчивость моделей к шуму, акцентам, каналам связи и другим вариациям реального мира * Оптимизировать модели и inference-пайплайны для эффективной работы в production-среде * Плотно взаимодействовать с инженерами, исследователями, продуктом и смежными командами, чтобы быстро доводить сильные ML-идеи до рабочего решения * Вносить вклад в техническое направление команды, предлагать новые подходы, поднимать планку качества и помогать принимать архитектурные решения. Требования * Высшее образование в области математики, computer science, физики, статистики, data science * Уверенный senior-уровень в machine learning и практический опыт построения и внедрения ML/DL-моделей в production * Сильная экспертиза в одном или нескольких направлениях, связанных с audio, speech или signal processing * Отличное знание Python и уверенная работа с основным ML-стеком: PyTorch, NumPy, Pandas, Scikit-learn, а также инструментами для обучения, экспериментов и production deployment * Опыт работы с метриками качества * Сильные коммуникационные навыки и способность ясно объяснять сложные технические вещи как инженерам, так и нетехническим стейкхолдерам * Проактивность и желание двигать вперёд не только свою задачу, но и весь ML-контур команды. Условия * Крупнейшее DS&AI community — более 600 DS-специалистов банка * Дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * Возможность быть соавтором НИРов и статей для международных конференций * Возможность выбрать удобный формат работы: гибрид или офис * 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 выгоднее до 7% для каждого сотрудника * Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * Вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы ищем Data Engineer, который будет отвечать за инфраструктуру, пайплайны и качество данных для обучения современных Vision-Language Models. Роль находится на стыке data engineering и ML: нужно будет работать с большими мультимодальными датасетами, понимать потребности исследователей и ML-инженеров, строить пайплайны очистки, фильтрации, категоризации и генерации данных, а также обеспечивать воспроизводимый экспорт данных в формат для обучения моделей. Обязанности * Собирать и структурировать потребности ML-команды в данных: какие данные нужны для обучения, дообучения, оценки и улучшения VLM. * Предлагать и реализовывать идеи пайплайнов очистки, фильтрации, дедупликации, категоризации и генерации данных. * Ориентироваться в современных практиках построения датасетов для Vision-Language Models: image-text pairs, synthetic data, filtering, quality scoring, data mixture design, dataset versioning. * Отвечать за инфраструктуру хранения и подготовки данных, включая: * 1. импорт данных из различных источников: production, Common Crawl, open-source datasets, generated data; 2. валидацию и контроль качества данных; 3. хранение и версионирование датасетов; 4. экспорт данных в форматы, пригодные для обучения моделей. * Проектировать и реализовывать пайплайны обработки данных на большом масштабе, включая десятки миллиардов изображений. * Разрабатывать пайплайны генерации синтетических данных для обучения и улучшения VLM. * Собирать статистику по данным, строить отчёты и визуализации для анализа состава, качества и покрытия датасетов. * Обеспечивать воспроизводимость, наблюдаемость и надёжность data-процессов. * Работать в тесной связке с ML-инженерами, исследователями и инфраструктурной командой. Требования * Сильный опыт в data engineering и построении production-grade data pipelines. * Уверенное владение Python, включая multiprocessing, multithreading и async-подходы. * Опыт работы с большими объёмами данных и распределённой обработкой. * Практический опыт с объектными хранилищами, в частности S3 или аналогами. * Опыт работы с YTsaurus или похожими системами для распределённого хранения и обработки данных. * Понимание принципов валидации, очистки, дедупликации и версионирования датасетов. * Опыт работы с DVC, Git, Docker. * Опыт работы с PostgreSQL или другими реляционными базами данных. * Умение проектировать устойчивые пайплайны: от импорта данных до финального экспорта в training-ready формат. * Способность самостоятельно разбираться в нечетко сформулированных задачах и доводить их до работающего решения. * Готовность работать на стыке engineering и ML research. Будет плюсом ------------ * Опыт работы с мультимодальными данными: изображения, текст, image-text pairs, captions, OCR, metadata. * Понимание того, как устроены современные датасеты для обучения VLM / LMM / multimodal models. * Опыт построения пайплайнов для synthetic data generation. * Опыт реализации quality scoring, filtering, semantic deduplication, clustering или data attribution. * Опыт визуализации статистики по большим датасетам и построения внутренних аналитических дашбордов. * Опыт работы с Common Crawl, LAION-подобными датасетами, open-source vision-language datasets. * Базовое понимание ML training pipeline и того, как качество данных влияет на качество модели. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * 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 выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Мы развиваем международную продуктовую платформу в сфере CS2 и ищем руководителя клиентского сервиса, который возьмёт на себя управление командой поддержки и построит масштабируемую систему работы с пользователями. Сейчас клиентский сервис — одна из ключевых точек роста продукта. Нам нужен не администратор текущих процессов, а сильный операционный руководитель, способный выстроить функцию практически с нуля: внедрить SLA, стандарты качества, аналитику, автоматизацию, обучение команды и понятную систему взаимодействия с другими подразделениями. Главная цель роли: Превратить службу поддержки из реактивной команды, обрабатывающей обращения, в системную функцию клиентского сервиса, которая: — быстро и качественно решает проблемы пользователей; — повышает доверие к платформе; — снижает отток клиентов; — помогает возвращать пользователей в продукт; — выявляет системные проблемы и передаёт их продуктовой команде; — автоматизирует большую часть типовых обращений; — работает на основании прозрачных метрик и SLA. Основные задачи: — Управлять командой клиентского сервиса численностью около 11 человек. — Провести аудит процессов, нагрузки, структуры обращений и эффективности сотрудников. — Разработать и внедрить SLA по типам и приоритетам обращений. — Выстроить многоуровневую модель поддержки: база знаний и автоматизация → L1 → L2 → профильный отдел. — Определить правила эскалации сложных, финансовых и конфликтных кейсов. — Создать регламенты, инструкции, шаблоны ответов и единую базу знаний. — Сформировать Tone of Voice и стандарты коммуникации с пользователями. — Внедрить систему контроля качества диалогов и регулярного QA. — Настроить обучение, аттестацию и развитие сотрудников. — Создать прозрачную систему метрик и отчётности по работе поддержки. — Внедрять AI-инструменты, чат-ботов и сценарии самообслуживания. — Автоматизировать типовые обращения по платежам, промокодам, трейдам, статусам предметов и другим повторяющимся вопросам. — Выстроить систему Voice of Customer: собирать причины обращений, жалобы и предложения пользователей, превращая их в задачи для продукта. — Обеспечить взаимодействие поддержки с Product, Development, Payments, CRM, Marketing и другими подразделениями. — Управлять инцидентами и массовыми обращениями пользователей. — Планировать необходимую численность команды, смены и нагрузку. — Сформировать систему мотивации сотрудников, связанную не только со скоростью, но и с качеством решения проблем. Цели на первые 30 дней: — Провести полный аудит клиентского сервиса. — Зафиксировать текущие показатели и определить базовую точку по SLA, FRT, FCR, CSAT, QA, повторным обращениям и нагрузке. — Классифицировать основные причины обращений пользователей. — Выявить критические разрывы в клиентском пути. — Описать зоны ответственности и правила эскалации. — Подготовить план трансформации клиентского сервиса на 90–180 дней. Цели на первые 60 дней: — Внедрить базовые SLA и приоритеты обращений. — Запустить регламенты обработки ключевых типов запросов. — Сформировать и внедрить Tone of Voice. — Запустить базу знаний и единые шаблоны ответов. — Внедрить QA-карту и регулярную оценку качества диалогов. — Настроить управленческий дашборд по ключевым метрикам. — Организовать регулярное обучение и обратную связь для команды. — Запустить понятный процесс взаимодействия поддержки с другими отделами. Цели на первые 90 дней: — Обеспечить выполнение SLA не менее чем по 85% обращений. — Довести FCR — долю вопросов, решённых за одно обращение, — минимум до 70%. — Снизить долю повторно открытых обращений до 10% и ниже. — Довести внутреннюю оценку качества диалогов до 85–90%. — Запустить автоматизацию наиболее частых типов обращений. — Сформировать регулярный Voice of Customer-отчёт для руководства и продуктовой команды. — Снизить количество зависших и незакрытых обращений. — Создать прозрачную систему оценки эффективности каждого сотрудника. Цели на 6–12 месяцев: — Целевые значения должны быть подтверждены после фиксации текущей базы, но ожидаемые ориентиры следующие: выполнение SLA — 90% и выше; — CSAT — 85% и выше; — FCR — 70–80%; — QA Score — 90% и выше; — доля повторных обращений — не более 10%; — автоматизация 50–70% типовых обращений; — снижение ручной нагрузки на команду на 40–60%; — снижение стоимости обработки одного обращения минимум на 30%; — сокращение критических жалоб и эскалаций; — измеримое снижение оттока пользователей после обращений в поддержку; — формирование стабильного потока продуктовых улучшений на основании обращений клиентов. Ключевые показатели роли: — First Response Time. — Average Resolution Time. — SLA Compliance. — First Contact Resolution. — CSAT. — QA Score. — Reopen Rate. — Backlog и количество незакрытых обращений. — Количество обращений на одного активного пользователя. — Доля автоматизированных обращений. — Cost per Contact. — Retention пользователей после обращения. — Количество выявленных и устранённых системных причин обращений. Наши ожидания от кандидата: — Опыт управления клиентским сервисом или поддержкой от трёх лет. — Опыт управления командой от 10 человек. — Практический опыт построения или серьёзной перестройки службы поддержки. — Понимание SLA, FCR, CSAT, QA, WFM и других операционных метрик. — Опыт создания регламентов, базы знаний и системы контроля качества. — Умение работать с аналитикой, находить причины проблем и принимать решения на основании данных. — Опыт внедрения автоматизации, чат-ботов или AI-инструментов. — Умение работать со сложными, конфликтными и финансовыми обращениями. — Сильные навыки управления командой: найм, адаптация, обучение, мотивация и performance management. — Способность взаимодействовать с продуктом и разработкой и добиваться устранения первопричин обращений. — Умение одновременно повышать качество сервиса и контролировать его экономическую эффективность. Будет преимуществом опыт в gaming, iGaming, fintech, crypto, marketplace, e-commerce или другом высоконагруженном B2C-продукте. Какого человека мы ищем: Нам нужен системный и самостоятельный руководитель, который умеет не только управлять людьми, но и строить процессы. Человек, способный погрузиться в реальные обращения пользователей, найти корневые проблемы, сформировать целевую модель и довести изменения до измеримого результата. У руководителя будет необходимый уровень полномочий для изменения процессов, внедрения инструментов и взаимодействия с другими подразделениями.

Компания — быстрорастущая e-com с собственным брендом, работающая в товарных категориях с фокусом на сезонные товары, с годовым оборотом около 1 млрд ₽ и ежегодным ростом в 2-3 раза. В компании сформированы основные функциональные блоки: отделы продаж, логистика, арт-направление, аналитика и другие смежные функции. Собственник глубоко вовлечён в операционную деятельность, поэтому требуется операционный директор, который возьмёт на себя управление операционной системой бизнеса, пересоберёт слабые процессы, усилит структуру команд и выстроит работу компании так, чтобы собственник мог сосредоточиться на развитии бизнеса. Задачи: — Планирование продаж, прибыли и ключевых финансовых показателей, управление P&L; — Пересборка и систематизация текущих процессов; — Перестройка отделов продаж в более функциональные; — Управление отделами продаж, логистики и арт-направлением, выстраивание эффективного взаимодействия между отделами; — Внедрение KPI, регулярного менеджмента и понятной отчётности; — Участие в управлении ассортиментной матрицей и ценообразованием; — Работа с сезонностью и операционными рисками; — Решение кризисных ситуаций без постоянного подключения собственника; — Снижение зависимости бизнеса от ручного управления. Требования: — От 3 лет опыта на позиции операционного/коммерческого директора или сопоставимой роли в успешных товарных компаниях с оборотом от 2–3 млрд ₽ в год; — Подтверждённые кейсы роста, пересборки процессов и достижения финансовых результатов; — Опыт работы с сезонным товаром; — Умение строить эффективные структуры без избыточного ФОТ и зависимости от одного «суперзвёздного» специалиста; — Системность, самостоятельность и способность принимать решения без постоянного контроля собственника; — Будет плюсом опыт самостоятельной работы на маркетплейсах в роли РОПа/категорийного менеджера и опыт работы с FBS. Условия: — Формат работы — удалённый, полная занятость, график 5/2; — Время на связи: 10:00–20:00 по Москве, с возможностью оперативного включения в критических ситуациях; — Возможность оформления по ТК или сотрудничество с ИП/самозанятым; — Доход: на период стажировки — 200 000 ₽ фикс, после стажировки — 150 000 ₽ фикс + KPI, совокупный доход от 300 000 ₽, для кандидатов с сильным опытом возможны индивидуальные условия. Процесс отбора: 1. Первичные вопросы по опыту и результатам; 2. Интервью с рекрутером; 3. Интервью с собственником с обсуждением практических кейсов; 4. Проверка рекомендаций; 5. Выход на стажировку.

– Опыт коммерческой разработки в роли Ведущего C/C++ разработчика от 5 лет. – Уверенное владение памятью, RAII, многопоточностью, синхронизацией, сетевыми/IO задачами.

The Impact You’ll Make As a Senior DevOps Engineer at Incode, you will be the backbone of our cloud infrastructure. You'll architect and evolve scalable, cloud-native systems that power secure and seamless identity experiences, leveraging Kubernetes (AWS EKS), Terraform, and AWS.

Роль старшего или ведущего аналитика. Возможность быть стрим лидом, если такая позиция есть в компании. Обязанности включают менторство и техническую поддержку, но не выполнение рутинных задач за младших специалистов и стажёров.

- Проводить технические аудиты C# / Unity разработчиков. - Проверять знания C# и Unity 3D.

Задачи: — участие в долгосрочном проекте по обезличиванию данных в формате ИП Требования: — опыт работы от 3 лет в роли ML-инженера / Data Scientist — опыт разработки и внедрения ML-моделей в продакшен — знание Python, pandas, numpy, scikit-learn — опыт работы с NLP-инструментами: SpaCy, Hugging Face Transformers — практический опыт построения пайплайнов обработки неструктурированных данных — очистка, нормализация, feature engineering — извлечение сущностей (NER) — понимание и опыт применения деревьев решений и ансамблей (Random Forest) — умение интерпретировать результаты, подбирать гиперпараметры, оценивать риски переобучения — опыт работы с CTGAN и TVAE (библиотека SDV или аналоги): обучение, подбор гиперпараметров — проведение privacy-проверок — контейнеризация (Docker) — развертывание моделей через API (FastAPI/Flask) — версионирование моделей и данных (MLflow/DVC) — понимание CI/CD-процессов Условия: — формат сотрудничества: ИП — тип занятости: долгосрочный проект

— Проектировать архитектуру и развивать backend-сервисы для хранения и процессинга данных. — Отвечать за техническое качество: code review, стандарты разработки, тестирование, документацию.

Job Description About the role: We are looking for a skilled QA Automation Engineer to drive quality assurance initiatives through the design, development, and maintenance of automated testing solutions for backend services and APIs.