Вакансии

Location: Remote Poland At Affirm, we exist for the moments that matter—giving people a clear, predictable way to pay over time, with no hidden fees, no surprises, and no tradeoffs on what matters most. About the role We are looking for a Staff Machine Learning Engineer to be the technical leader building high-quality production-grade models powering credit lending decisions in countries across Europe and in Australia. You will use novel ML techniques and rich data representations to predict repayment behavior and optimize how we offer loans to our borrowers. In this role, you will help shape the future of how machine learning fuels Affirm’s global expansion. You'll partner with engineering, product, and risk leaders to design, implement, and scale advanced ML solutions that drive critical capabilities across the company. You will mentor engineers, bring clarity to complex, ambiguous problems, and contribute to a cohesive long-term ML strategy. What you’ll do * You will be responsible for setting technical strategy for your team on a year-long time scale, and help your team tie it together with critical, business-impacting projects. * You will collaborate with ML Platform, product, engineering, and risk leadership to shape long-term modeling capabilities needed for scalable international expansion. * You will act as a force-multiplier for your team through your definition and advocacy of technical solutions and operational processes. * You will foster a culture of quality and ownership on your team by setting code review and design standards. * You will help develop talent on your team by providing feedback and guidance, and leading by example. What we look for * 8+ years of experience researching, designing, deploying, and operating large-scale, real-time machine learning systems. A relevant PhD can count for up to 2 YOE. * Strong Python skills and experience writing production-quality code. * Experience building and evaluating models for tabular classification problems (including gradient-boosted decision trees like LightGBM/XGBoost, and deep learning frameworks like PyTorch). * Experience working with distributed data processing or parallel compute frameworks (e.g. Spark, Ray). * Experience with ML lifecycle tooling for training orchestration, experimentation, and model monitoring (e.g., Kubeflow, Airflow, MLflow). * Proficient in using AI-powered developer tools (e.g., Claude Code, Codex, Cursor) to accelerate the model development lifecycle. * Strong engineering skills and the ability to provide hands-on technical leadership while working with our code and architecture. * Strong verbal and written communication skills that support effective collaboration with our global engineering team. Total Rewards We believe the people building honest financial products at Affirm should share in its success. That's why our total rewards are designed to support your health, growth, financial well-being, and future. In service of our mission, we reward employees through a combination of base pay, equity (from parent company), and comprehensive benefits. Base Pay Grade - P 365,000 zł  -  485,000 zł Base pay ranges and placement within those ranges are determined based on several factors, including role, experience, and job-related skills. In addition to base pay, all employees in this role are eligible to receive equity from the parent company each year. This means as Affirm's parent company grows, employees have the opportunity to share in that growth financially. Affirm Holdings, Inc. Equity Grade example Equity grade: 5 New hire equity: $48,000-$72,000 Annual Refresh: $15,000 Reward equity: $0-$225,000 Affirm also provides flexible spending wallets to all employees for technology and wellbeing related needs, which are reimbursable up to 1390 zł per month. In addition to your compensation, our comprehensive benefits are designed to support you and the people who matter most. Benefits include: • Competitive paid time off, paid public holidays, and additional paid Away Days to rest and recharge. • Comprehensive private healthcare through Lux Med's Platinum package. • A MultiSport card to support your health and well-being. • Learning and development programs to help you grow professionally. • Family healthcare support through Maven and parental leave support through Parentaly. • Mental well-being support through Lyra, including up to 12 confidential counseling or coaching sessions each year for you and your household members. • Financial well-being support through Northstar, with unlimited access to Certified Financial Advisors and planning tools at no cost to you. • Employee Resource Groups (ERGs) that foster connection and inclusion. • Eligibility for creative tax benefits, subject to applicable law, role, and company policy. Location - Remote Poland The majority of our roles can be located anywhere in Poland. This job description is not a contractual document, and is not intended to have binding force. #LI-Remote Remote-first with flexibility built in Affirm is proud to be a remote-first company. Most roles can be done from almost anywhere within the country of employment. Some positions may occasionally require in-person work at an Affirm office, and a few are office-based due to the nature of the work. All new hires will be invited to attend an in-person onboarding experience. Benefits designed for you Our benefits reflect our commitment to care, transparency, and flexibility. Here are a few highlights: Health coverage at no cost: We cover 100% of premiums for employees and their dependents. Spending stipends: Monthly stipends support your tech setup, and the ability to choose health and wellness options that are right for you. Time off to recharge: Flexible time off and generous holiday calendars help you rest when you need to. Own a piece of what you build: Our employee stock purchase plan (ESPP) lets you buy Affirm stock at a discount. We’re committed to providing an inclusive interview process, including accommodations for candidates with disabilities. If you need support, we’re happy to help. For positions based in San Francisco or Los Angeles: Affirm considers qualified applicants with arrest and conviction records, as required by law. By clicking "Submit Application," you acknowledge that you have read Affirm's Global Candidate Privacy Notice and consent to the use of your personal information as described.

🧠 Развивать пайплайны генерации на generative AI моделях: сообщения в чатах (LLM), изображения и видео. 🎞 Работать с text-to-video, image-to-video, video-to-video, character-consistent video, lip-sync, motion transfer, face consistency.

✅ Distributed training platforms (SFT, RL, OPD). ✅ GPU orchestration and inference infrastructure.

Dave is looking for a Lead Machine Learning Scientist to develop and deploy fraud detection models and improve fraud and credit decisioning.

Location: Москва Workplace: гибкий Мы — группа мультимодальных контентных моделей в отделе экспериментальных технологий AI VK. Мы разрабатываем технологии глубокого понимания контента и применяем их для развития рекомендательных систем ВКонтакте. Мы строим модели, которые извлекают содержательные представления из постов, клипов, длинных видео и музыкальных треков, объединяя информацию из текста, изображения, видеоряда, речи и звука. Эти представления используются для поиска похожего контента, построения признаков, классификации и улучшения качества рекомендаций в продуктах VK. Основные направления нашей работы — базовые embedding-модели для представления контента, мультимодальные модели и контентные классификаторы. Мы исследуем современные архитектуры, обучаем собственные модели на больших внутренних датасетах и доводим их до применения в продуктовых рекомендательных системах. Позиция находится на стыке ресёрча и инженерии: от чтения статей, построения датасетов и постановки экспериментов до масштабного обучения, оптимизации инференса и проверки моделей в A/B-тестах. Стек: PyTorch YT (YTsaurus), YQL NVIDIA Triton Inference Server, TensorRT, vLLM Распределённое обучение и multi-GPU inference Python, C++, Go Задачи Разрабатывать и обучать базовые embedding-модели для текста, изображений, видео, речи, звука и музыки Разрабатывать мультимодальные модели и контентные классификаторы Исследовать архитектуры и методы обучения представлений: metric learning, contrastive learning, self-supervised и supervised learning Строить датасеты и бенчмарки для оценки качества моделей и проводить масштабные экспериментальные исследования Адаптировать модели под задачи retrieval и рекомендательных систем Интегрировать модели в продуктовые механики рекомендаций постов, клипов, видео и музыки Оптимизировать и масштабировать обучение и инференс моделей Деплоить модели и сопровождать их в продакшене: проводить A/B-тесты, анализировать метрики и мониторить качество Постоянно разбирать свежие статьи и идеи из индустрии и академической среды, воспроизводить перспективные подходы и проверять их на наших задачах Настраивать пайплайны сбора и разметки данных, работать с асессорами и синтетическими данными: проектировать инструкции, контролировать качество и проводить калибровки Требования Опыт разработки, обучения и внедрения DL-моделей Уверенное знание теории машинного и глубокого обучения Хорошее понимание алгоритмов и структур данных, линейной алгебры, теории вероятностей и статистики Умение проектировать корректные эксперименты, выбирать метрики и интерпретировать результаты Навык написания чистого и поддерживаемого кода, понимание принципов проектирования ПО Владение современными практиками совместной разработки с кодовыми агентами: умение эффективно декомпозировать задачи для агентных инструментов, контролировать и ревьюить сгенерированный код Умение самостоятельно разбираться в новых предметных областях, быстро ставить эксперименты и проверять гипотезы Готовность работать как с исследовательской частью задачи, так и с её инженерной реализацией Открытость, ответственность, самостоятельность и проактивность Будет плюсом Опыт разработки поисковых или рекомендательных систем в индустриальном масштабе Опыт работы с embedding-моделями, metric learning, contrastive learning или representation learning Опыт работы с мультимодальными моделями, VLM, audio-language моделями, video encoders или foundation-моделями Опыт обучения моделей для аудио, музыки, речи, изображений или видео Опыт self-supervised learning и обучения на больших слабоструктурированных датасетах Опыт распределённого обучения на нескольких GPU или нескольких узлах Опыт оптимизации DL-моделей: профилирование, квантизация, дистилляция, уменьшение размерности представлений Опыт построения больших датасетов и систематических бенчмарков для ML-моделей Публикации на профильных ML-конференциях или сильный исследовательский бэкграунд

Location: Москва Workplace: Офисный Мы — отдел экспериментальных технологий в AI VK, который решает широкий спектр ML- и DL-задач. Наша команда анализирует, как наши разработки можно переиспользовать и где применить, а затем масштабировать. Мы строим LLM-команду, ищем людей с опытом алаймента, RAG-сценариями, ресёрч-бэкграундом в RL, умеющих рассуждать, быстро ставить эксперименты и проверять гипотезы. Позиция на стыке ресёрча и инженерии. У нашего отдела есть огромный накопленный опыт обучения и релизов Frontier мультимодальных моделей, VLM/MMLM. Стек: YT (YTsaurus), YQL NVIDIA Triton Inference Server, TensorRT, vLLM PyTorch, verl Python, C++, Go Задачи Разработка новых и улучшение существующих RAG-сценариев Оценка качества моделей и интеграция в продуктовые механики Деплой и оптимизация инференса моделей Сопровождение релизов: A/B-тесты, мониторинг Постоянный разбор свежих статей и идей в индустрии Настройка пайплайнов разметки, работа с асессорами и синтой: инструкция, контроль качества, калибровки Требования Опыт внедрения и сопровождения DL-моделей в продакшен Уверенное знание теории DL, алгоритмов и структур данных, линейной алгебры, теории вероятности и статистики Навык написания чистого кода, глубокое понимание принципов проектирования (SOLID, coupling & cohesion, etc...) Умение рассуждать, быстро ставить эксперименты и проверять гипотезы Открытость, ответственность, самостоятельность и проактивность Будет плюсом Опыт в построении поисковых или рекомендательных систем в индустриальном масштабе, бэкграунд разработки или кванты Публикации в научной среде Опыт профилирования DL-моделей, квантизация, дистилляция Опыт работы с распределённым обучением Опыт алаймента LLM, SFT, DPO/RLHF/GRPO, scaling laws, работа с агентами, синтетическими данными

Location: Москва; Санкт-Петербург Workplace: Офис, Гибридный Вы возглавите ML-команду и будете отвечать за разработку базовых технологий для AI-сервисов Yandex Cloud. Наш фокус — создание мультитенантных поисковых и классификационных моделей. Ждём, что вы разрабатывали и выводили в прод ML-сервисы с высокими требованиями к надёжности и производительности. Мы ищем опытного и проактивного лида, который возглавит ML-команду и будет отвечать за разработку базовых технологий для AI-сервисов Yandex Cloud. Основной фокус команды — создание мультитенантных поисковых и классификационных моделей и компонентов сервисов, которые предоставляются облачным пользователям как: * Standalone API (например, Embeddings API, Classification API) * Интегрированные функции в рамках OpenAI-like Responses и RealTime API (реализация RAG-сценариев, memory) * Технологическая основа для конечных продуктов (AI Guardrails, SpeechSense) Роль предполагает совмещение технического руководства и организационного управления небольшой распределённой командой, проектирование ML-систем, а также непосредственное участие в разработке. Мы предлагаем: * Прямое влияние на core-технологии AI-платформы Yandex Cloud * Высокий уровень технической автономии и свободу в выборе инструментов (активное использование и развитие опенсорса) * Возможность выстроить процессы и культуру в новой команде практически с нуля * Сильную R&D-команду и работу в кросс-функциональных v-teams над технически сложными и интересными задачами Обязанности Команда Вы будете управлять командой ML-разработчиков: проводить performance review, встречи 1-to-1, ставить цели, помогать разработчикам с карьерным развитием, наращивать знания и опыт команды. Понадобится декомпозировать продуктовые цели и превращать их в технический roadmap, формировать квартальные планы команды и отвечать за их реалистичность и стабильную сходимость. Разрабатывать и внедрять CI/CD для моделей, процессов код-ревью, тестирования и релизного цикла ML-артефактов. Представлять R&D-команды в рамках v-team, обеспечивать видимость и прозрачность деятельности R&D-команды, формировать технические требования и запросы к смежным командам (например, требования к данным и инфраструктуре). Разработка Вы станете отвечать за исследование и разработку SOTA-моделей для сценариев RAG (поиск, ранжирование), классификации (few-shot/zero-shot, guards) и памяти, а также их интеграцию в инфраструктуру инференса. Нас вас будет лежать прямая ответственность за метрики качества моделей, а также за производительность и стабильность бэкендов инференса (в том числе за логирование, мониторинги и покрытие кода тестами). Кроме того, вам предстоит лично участвовать в разработке: писать код (до 30¬–40% времени), проводить код-ревью, помогать с архитектурой и диагностикой проблем, готовить релизы моделей и бэкендов. Больше о том, что под капотом платформы Yandex Cloud, — в канале Inside Yandex Cloud Требования * Управляли ML-командой от одного года * Глубоко разбираетесь в современном ML (нейросети, трансформеры) с фокусом на NLP, Information Retrieval или Generative AI * Разрабатывали и выводили в продакшен ML-сервисы с высокими требованиями к надёжности и производительности * Уверенно владеете Python и PyTorch * Понимаете полный жизненный цикл ML-модели: от сбора требований и подготовки данных до эксплуатации в проде * Проактивны и способны самостоятельно формировать технический бэклог и roadmap, исходя из продуктовых целей Будет плюсом * Использовали опенсорс-проекты и контрибьютили в них (особенно в библиотеки для инференса, такие как TensorRT, TensorRT-LLM, vLLM, SGLang) * Работали с C++ и низкоуровневыми оптимизациями (CUDA) * Работали в распределенной команде * Умеете или хотите выступать на публике, писать технические статьи или вести блог, чтобы повышать внешнюю видимость команды и продукта

Location: Москва Workplace: Гибридный О компании МТС Web Services (MWS) — бигтех-компания, предоставляющая облачные, AI-сервисы и платформенные решения под разные задачи бизнеса: от работы с данными до разработки продуктов и оптимизации процессов. Также мы запустили новую публичную платформу собственной разработки — MWS Cloud Platform. Big Data – один из ключевых юнитов МТС. Сегодня Big Data – это: 20 петабайт данных, 5 000 метрик на профиль и 400 увлеченных профессионалов в команде. Один из ключевых юнитов в Big Data МТС - это платформа поиска и рекомендаций, которая использует всю мощь ML и "больших данных" для подбора наиболее релевантных айтемов для клиентов из каталогов МТС. Мы уже поставляем рекомендаций в онлайн-кинотеатр КИОН, в читалку «Строки», МТС Банк, сервисы по продаже билетов, интернет-магазин и другие продукты экосистемы МТС. Сейчас решаем задачи объединения рекомендательных движков в единую платформу, создания универсального поискового движка, realtime триггеров и масштабирования на все сервисы компании. Наш стек: Python, PyTorch, PySpark, Airflow, ClearML, FastApi, PostgreSQL, Aerospike, Kafka, Redis, Linux Обязанности Развивать персонализацию рекомендаций в KION и Строки; Генерировать гипотезы по улучшению рекомендаций для роста бизнес-метрик клиентов; Продуктивизировать гипотезы в работающие ML модели; Катить модели в прод и по итогам АВ-тестов формулировать новые гипотезы по улучшению рекомендаций; Ставить задачи data инженерам на доработки необходимых витрин, взаимодействовать с разработчиками для формирования пайплайнов поставки рекомендаций, совместно с аналитиками сетапить АВ-тесты Требования Коммерческий опыт в data science от 2-х лет (будет плюсом RecSys домен); Опыт разработки и продуктивизации ML-сервисов (от моделек до api); Опыт внедрения ML-пайплайна в real-time сервисы; Опыт работы с docker, шедулерами (airflow или любой другой) и sql/nosql базами данных; Будет плюсом опыт работы с трансформерными моделями (например, SasRec) Условия Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах; Профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше; Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации; Участие во внешних IT конференциях. Мы выступаем на HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг и даже проводим собственную конференцию по архитектуре True Tech Arch; Полезные курсы и вебинары в корпоративном университете и электронную библиотеку; ДМС с первого месяца работы, включая стоматологию; Страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях; Отпуск 28 календарных дней (+3 дополнительных дня за ненормированный рабочий день); Гибридный формат работы; Прием врачей общей практики и массаж в офисе; Мобильная связь за счет компании и льготные тарифы для близких; Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

Location: Москва Workplace: Гибридный Обязанности анализировать литературу для подбора оптимальных алгоритмов обработки данных и архитектур моделей в задачах регрессии, классификации и кластеризации осуществлять цифровую обработку временных рядов с оптических и электрических сенсоров: фильтрацию, сегментацию и выделение признаков визуализировать результаты на интерактивных графиках, дашбордах и других инструментах разрабатывать, обучать и тестировать модели машинного обучения искать новые идеи и гипотезы для обработки больших данных Требования высшее профильное техническое образование опыт работы на аналогичной должности от 2–3 лет практический опыт по части разработки и обучения моделей машинного/глубокого обучения наличие опыта программирования на языке Python от 2–3 лет практический опыт в использовании таких фреймворков для разработки моделей, как: pytorch, tensorflow, keras, а также опыт в использования модулей cuda, cudnn наличие знаний и практического опыта в области: цифровой обработки сигналов и изображений, методов цифровой фильтрации сигнала, спектрального анализ сигнала, фотоники Условия стабильный доход: оклад, премии по результатам работы (уровень дохода обсуждается с успешным кандидатом) формат работы: гибридный ДМС после 1 недели работы, включая стоматологию, а еще оплачиваем 50% стоимости полиса ДМС для родственников страхование от несчастных случаев с 1 месяца работы; материальную помощь в сложных жизненных ситуациях прием врачей общей практики, массаж, спорт в офисе; консультацию психологов и программу поддержки сотрудников компенсацию расходов на выбор: спорт, ипотека, питание или что-то другое специальные предложения от партнеров и скидки от продуктов экосистемы МТС мобильную связь за счет компании и льготные тарифы для близких подписку на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети собственный корпоративный университет, онлайн-библиотека и оплачиваемое внешнее обучение для карьерного развития

Location: Москва Workplace: В офисе О компании Секретарь - умный робот, умеющий вести конструктивный, вариативный диалог. Обязанности разрабатывать и дообучать модели TTS: проектирование, finetuning и адаптация генеративных подходов для высококачественного синтеза речи и zero shot клонирования голоса под задачи бизнеса; участвовать в дальнейшей разработке голосового пайплайна, объединяющего ASR, VAD, LLM, NLP и TTS для работы в режиме реального времени; работать с аудиоданными: сбор, чистка, нормализация, препроцессинг и автоматическая разметка датасетов для обучения; проводить регулярный мониторинг и автооценку результатов (естественность синтеза, точность передачи тембра, разборчивость речи); заниматься сокращением задержек генерации: оптимизация моделей для инференса на GPU/CPU инфраструктуре, сборка docker образов; подключаться к работе с другими этапами пайплайна (ASR + NLP/LLM + TTS) работы голосового бота, помогать диагностировать проблемы в инференсе, локализировать баги, принимать и реализовывать инженерные решения. Требования понимание сжатия и дискретизации сигнала через вариационные автоэнкодеры, работы с векторным квантованием и непрерывными/дискретными представлениями аудио; практический опыт применения моделей Flow Matching и Diffusion Transformers для быстрых процессов генерации речи из текста или латентных фичей; опыт применения VAD-моделей, опыт работы с готовыми архитектурами ASR; опыт работы с LLM и NLP для автоматизации обработки данных и для взаимодействия с клиентом; уверенное владение Python (PyTorch, huggingface, фреймворки инференса) и Go; практика работы со потоковым аудио в реальном времени (streaming). Условия офисный формат работы (м. Технопарк); собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах; профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше; внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации; участие во внешних IT конференциях. Наши эксперты выступают на ведущих профильных конференциях, таких как HighLoad++, DevOps Conf, Joker, AHA!, Матемаркетинг и другие. А еще мы организуем собственную масштабную конференцию True Tech Day и регулярно проводим митапы для разработчиков и инженеров. полезные курсы и вебинары в корпоративном университете и электронную библиотеку; ДМС с первого месяца работы, включая стоматологию; страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях; отпуск 28 календарных дней (+3 дополнительных дня за ненормированный рабочий день); прием врачей общей практики и массаж в офисе; мобильная связь за счет компании и льготные тарифы для близких; подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

Location: Москва Workplace: Гибридный О компании Big Data — один из ключевых юнитов МТС. Сегодня Big Data — это 20 петабайт данных, 5 000 метрик на профиль и 400 увлечённых профессионалов в команде. Наши технологии применяются практически во всех направлениях компании — маркетинг, обслуживание, планирование сети, HR, розница. Один из ключевых продуктов — рекомендательная платформа, которая использует всю мощь ML и больших данных для подбора наиболее релевантных айтемов для клиентов из каталогов МТС. Мы уже поставляем рекомендации в онлайн-кинотеатр КИОН, в читалку «Строки», МТС Банк, сервисы по продаже билетов, интернет-магазин и другие продукты экосистемы МТС. Сейчас мы объединяем рекомендательные движки в единую платформу, создаём универсальный поисковый движок, realtime-триггеры и масштабируем решения на все сервисы компании. Сейчас находимся в поиске Middle ML-инженера в RecSys. Стек - Python, Hadoop, Pytorch, Catboost, Triton, vLLM, FastAPI, k8s, PostgreSQL, Aerospike, Kafka, Airflow, GitLab CI, Grafana Обязанности Разрабатывать и обучать рекомендательные ML-модели от идеи до продуктивизации; Формулировать и проверять гипотезы по улучшению рекомендаций для роста бизнес-метрик клиентов; Внедрять ML-пайплайны в real-time сервисы и доводить модели до продакшена; Работать с рекомендательной платформой: использовать готовые наработки и активно контрибьютить в её развитие; Проводить исследовательские задачи — читать статьи, воплощать новые подходы, в том числе генеративные полки на основе предпочтений пользователей; Взаимодействовать с дата-инженерами по доработке витрин и пайплайнов, с аналитиками — по постановке и проверке A/B-тестов. Требования Уверенные навыки Python и хорошее знание теории вероятностей и математической статистики; Коммерческий опыт в Data Science от 2 лет и понимание ML-архитектуры — не только эксперименты в ноутбуке, но и реальные внедрения в продукт; Опыт разработки и продуктивизации ML-сервисов (от моделей до API); Опыт внедрения ML-пайплайнов в real-time сервисы; Опыт работы с шедулерами (Airflow или аналог), pyspark и SQL/NoSQL базами данных; Самостоятельность: умение предлагать технические и архитектурные решения, технологии и направления улучшений; Хорошие коммуникативные и аналитические навыки. Условия Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах; Профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше; Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации; Участие во внешних ИТ конференциях. Мы выступаем на HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг и даже проводим собственную конференцию по архитектуре True Tech Arch; Полезные курсы и вебинары в корпоративном университете и электронную библиотеку; ДМС с первого месяца работы, включая стоматологию; Страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях; Отпуск 28 календарных дней (+3 дополнительных дня за ненормированный рабочий день); Гибридный формат работы; Прием врачей общей практики и массаж в офисе; Мобильная связь за счет компании и льготные тарифы для близких; Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

Location: Москва Workplace: Гибридный О компании Мы в поисках Стажера Python разработчика в команду Клиринга, которая занимается обработкой PDF-документов с входящими счетами от роуминг-партнеров. Обязанности Разрабатывать сервисы Python с участием моделей AI; Разрабатывать сопроводительную документацию по сервисам; Заниматься автоматизацией процессов. Требования Студенты 1-2 курса бакалавриата или специалитета, а также студенты колледжей, обучающиеся на ИТ-специальностях; Знание Python (синтаксис, библиотеки, ООП); Основы работы с базами данных (SQL или NoSQL, преимущественно Oracle); Знание Git и версионирования кода; Будет плюсом: Основы машинного обучения и работы с библиотеками TensorFlow, PyTorch или scikit-learn Основы предобработки данных и оценки моделей. Условия График работы от 20 часов в неделю; Развитие в командах профессионалов и опытный наставник, готовый делиться опытом; Мобильная связь за счет компании; Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети; специальные предложения от партнеров и скидки от продуктов экосистемы МТС; непрерывное развитие — доступ к курсам и вебинарам корпоративного университета и онлайн-библиотеке.

Location: Москва Мы строим с нуля экосистему интеллектуальных агентов для автоматизации процессов Блока строительства. Формируем ядро новой команды. Нам нужен универсальный инженер, который умеет не только писать промпты, но и проектировать архитектуру: от базы данных до сложного интерактивного интерфейса. Вы будете пилить готовые решения «под ключ» на стыке бэкенда, ML и фронтенда, напрямую влияя на то, как тысячи сотрудников оптимизируют свою работу. Обязанности * Проектировать архитектуру автономных LLM-агентов под бизнес-задачи. * Дообучать (_fine-tune_) фундаментальные модели (LLM/Vision) под специфику строительства и внутренних сервисов. * Строить enterprise-grade RAG-системы для извлечения знаний из тонн неструктурированных документов. * Внедрять MLOps: мониторинг качества, A/B-тесты новых версий моделей, глубокая оптимизация _latency/cost_ при инференсе. * Писать сложные цепочки промптинга (_prompt chains_) и управлять контекстом в мультиагентных сценариях. Требования * 3+ года продакшн-опыта в ML/AI. * Python — ваш родной язык. Глубокое знание PyTorch или TensorFlow. * Руки работали с актуальными моделями: GPT-family, LLaMA/Mistral, Kandinsky (или аналоги). * Экспертиза в построении пайплайнов: классический RAG, fine-tuning, продвинутый prompt engineering. * Опыт внедрения MLOps-практик: MLflow, Kubeflow, оркестрация контейнеров. * **Огромный плюс:** понимание работы баз данных и умение спроектировать API (FastAPI), чтобы связать агента с реальным миром. Условия * Офис класса А у метро Кутузовская * Гибрид или полная удаленка (по договоренности). * Ежегодный пересмотр зарплаты. * Корпоративный спортзал, зоны отдыха и сна прямо в офисе. * СберУниверситет: доступ к 400+ образовательным программам для роста. * Расширенный ДМС с первого дня, льготное страхование семьи и корпоративная пенсия. * Льготная ипотека: гибкий дисконт по кредиту, равный 1/3 ключевой ставки ЦБ. * Подписка СберПрайм на трех близких бесплатно. * Бонус за рекомендацию друзей в команду Сбера.

Location: Москва Мы занимаемся тонкой настройкой клиентских стратегий: строим индивидуальные модели эластичности (uplift) к ставке по вкладам, потребкредитам, программам лояльности и другим продуктовым направлениям, прогнозируем досрочное погашение кредитов физлиц и повышаем экономическую эффективность розничного бизнеса на основе данных. Обязанности * работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей * разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний * проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов) * выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке * обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день. Требования * опыт работы Data Scientist от 5 лет * высшее техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны) * понимание теории вероятностей и статистики. * уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать) * владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.) * плюсом будет опыт работы с pytorch, pyspark. Условия * комфортный современный офис рядом с м. Кутузовская * возможность выбрать удобный график – офис/гибрид * ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования) * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) * 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.

- Исследование, проектирование и разработка архитектур легковесных ИИ-моделей детекции и сегментации дефектов для работы в offline-режиме на edge-устройствах. - Разработка алгоритмов предобработки изображений (кастомные фильтры для устранения бликов, артефактов освещения и шумов на металле).

Созданием новых сервисов и улучшение существующего Backend приложения на Python;

Задачи: — работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей — разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний — проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов) — выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке — обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день. Требования: — опыт работы Data Scientist от 5 лет — высшее техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны) — понимание теории вероятностей и статистики — уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать) — владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.) — плюсом будет опыт работы с pytorch, pyspark. Условия: — комфортный современный офис рядом с м. Кутузовская — возможность выбрать удобный график – офис/гибрид — ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования) — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) — 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.

Проект по созданию аналитической платформы на базе ИИ — единая экосистема для работы с данными. Продукт собирает информацию из разных источников, обрабатывает её и предоставляет руководству и аналитикам инструменты мониторинга, поиска и прогнозирования (включая чат-ботов). Задачи: — Анализировать и исследовать данные — проводить первичный EDA, выявлять закономерности и аномалии в данных — Предобрабатывать и очищать данные — разрабатывать скрипты для трансформации, нормализации и feature engineering, подготавливать датасеты для обучения моделей — Разрабатывать, настраивать и оптимизировать LLM-пайплайны — Обучать и дообучать ML-модели — Оценивать и интерпретировать результаты — анализировать метрики качества моделей, выявлять причины ошибок и предлгать пути улучшения — Генерировать гипотезы, проверять их значимость и внедрять в рабочие процессы Требования: — Знание языков программирования (Python) — Навыки применения numpy, pandas, scikit-learn, tensorflow или pytorch, опыт решения NLP задач, знание статистики и линейной алгебры, трансформация и подготовка данных — Будет преимуществом: Опыт участия в ML соревнованиях, курсы DS школ Условия: — Возможность работы в комфортном офисе г. Москва — Внутренние семинары, внутренние митапы — Техника для комфортной работы — ДМС со стоматологией для сотрудников и скидку на покупку ДМС для ближайших членов семьи — Сессия профессионального развития с планом индивидуального развития для каждого сотрудника