Вакансии

Задачи: построение ML-моделей, корректирующих оценки ETA маршрутизатора (от градиентного бустинга до нейросетей и архитектур на основе Transformer по мере роста данных); модели оценки трафика, превращающие GPS-данные в дорожные скорости и исторические профили трафика;

Location: Москва Мы — команда GenBI and Agentization, разрабатывающая AI-ассистента для платформы Navigator BI — ключевой бизнес-аналитической системы банка. Наш проект уже решает задачи, значимые для всей экосистемы Сбера. Наша цель — создать интеллектуального помощника, который помогает пользователям: * находить нужные дашборды и отчёты * получать статистику и динамику показателей естественным языком * генерировать новые визуализации (графики, виджеты, таблицы) на основе сырых данных * отвечать на вопросы, касающихся бизнес-показателей. Обязанности * повышать метрики качества AI-сервиса: дообучать и адаптировать модели, улучшать пайплайны обработки запросов * лидировать выделенное направление в команде: проводить code review, предлагать архитектурные решения * тестировать гипотезы по улучшению пользовательского опыта — от качества поиска до точности генерации визуализаций * интегрировать LLM в существующие процессы, развивать RAG-компоненты и агентную логику * взаимодействовать с командой разработки и бизнес-заказчиками для уточнения требований и постановки задач. Требования * опыт разработки LLM-приложений и/или агентных систем * глубокое понимание современных NLP-архитектур (трансформеры, механизмы внимания) * уверенное владение PyTorch и LangChain Будет плюсом: * опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных * опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов * знание MLOps-практик (CI/CD для ML, мониторинг моделей) * понимание архитектуры агентных систем * умение самостоятельно вести задачи от гипотезы до внедрения * опыт использования GigaChat, Kandinsky и аналогов в продуктах. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты. Годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * 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.

Location: Москва Наша команда занимается развитием платформы данных в блоке «Люди и Культура». Создаваемые нами Data-продукты являются основой для комплексной HR-аналитики, углубленных исследований по человеческим ресурсам и создания эффективных ML-моделей. Они помогают принимать осознанные решения на основе реальных данных. Мы ищем сильного Python разработчика для развития BI/ETL инструментов и реализации интерфейсов доступа к данным. Первый этап отбора на эту вакансию — общение с AI- рекрутером. После отклика вам на почту придёт приглашение пройти первичное интервью с ГиаРекрутером. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГиаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным! Обязанности * написание бэкенд сервиса по оценке качества агентов и MCP Пульс (FastAPI) * поддержка текущего функционала, реализация необходимых расширений и интеграций * участие в разработке архитектуры программного продукта * участие в настройке CI/CD * взаимодействие со смежными командами (DE, DevOps, QA, SRE). Требования * опыт коммерческой разработки на Python от 5 лет * глубокое понимание asyncio, multithreading, multiprocessing для создания высокопроизводительных приложений * продвинутые знания SQL: сложные JOIN, CTE, оконные функции, оптимизация запросов (EXPLAIN), работа с подзапросами * понимание алгоритмов и структур данных для решения нетривиальных задач * опыт работы с Git, Docker, Kubernetes, nginx, OAuth/OpenID * практический опыт работы с Redis (кэширование, брокер) и ClickHouse (или другими колоночными СУБД) * опыт работы с очередями сообщений: Kafka и/или Celery * практический опыт с инструментами ML/DS: LangChain/LlamaIndex, LLM, MLflow, pandas. Будет плюсом: * опыт с langfuse, phoenix или другими средствами визуализации трассировки агентов * Опыт создания MCP серверов/MCP клиентов * Опыт работы с tool calling * опыт создания дашбордов для мониторинга в Grafana * навыки работы с генеративными AI-моделями * опыт создания AI-агентов и использования их в работе * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов. Условия * гибридный формат работы. Кутузовский проспект 32 к.1 * ежегодный пересмотр зарплаты, квартальная и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * 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.

Responsibilities: — Design, build, and deploy production machine learning pipelines for energy market forecasting and grid analytics. — Collaborate with power systems engineers and analysts to deliver insights to clients. Requirements: — Experience with machine learning, time series forecasting, data pipelines, LLM, statistics, predictive analytics, grid optimization, agent-based modeling, weather forecasting, feature engineering, and energy markets. — Proficiency in Python and model deployment. Benefits: — Remote work. — Salary range $159,000 - $195,000 per year.

Location: Georgia On behalf of NDA, SaaS e-commerce , SD Solutions is looking for a talented Senior MLOps Engineer (Data & ML Platform) based in Georgia (Tbilisi) to join our growing team. You’ll own the data that Falcon’s offer-ranking model learns from: the raw sources, the pipelines, the training tables, and the monitoring around them. SD Solutions is a staffing company operating globally. Contact us to get more details about the benefits we offer. Responsibilities: What you’ll do: Own the ML data pipelines: build and run batch pipelines on Spark and Databricks, from raw data to feature and training tables, including enrichment and backfills for late-arriving data. Onboard new data sources: bring in internal databases, external APIs, partner feeds and web data, and match them to Falcon’s own entities. Use LLMs inside pipelines: add LLM steps to batch jobs, such as turning text into embeddings and structured attributes. Keep training and serving consistent: make sure features match between training and the live inference service, which includes reading its Java code. Monitor data and model inputs: run scheduled data quality checks and Grafana alerts that catch bad data before it reaches the model, and find the root cause when something breaks. Ship like an MLOps engineer: deploy pipelines through CI/CD (GitHub Actions, Docker, AWS) with proper secrets handling, and keep run time and cost under control. Work with AI agents: coding agents write most of Falcon’s code. You’ll decide where agents fit, then check their output on row counts, distributions and edge cases before anyone relies on it. Requirements: 5+ years in data engineering, MLOps or ML platform roles, with pipelines you’ve run in production Production Spark: complex transformations, window functions, large joins, partitioning, and tuning for shuffles and skew. Databricks (jobs, Delta tables) is a big plus. Production Snowflake: SQL, loading and unloading, and cost management Large data volumes: hundreds of millions of rows a month, with incremental loads and backfills that keep run time and cost under control Strong Python: clean, tested code; Spark UDFs including pandas UDFs; pandas and PyArrow Data quality and monitoring: quality checks, drift and anomaly detection, and alerts people can act on Deployment: GitHub Actions, Docker, AWS (S3, IAM) and proper secrets handling Backend engineering: comfortable working in a service codebase, not only in notebooks and SQL AI-first habits: you already use coding agents daily and look for what to automate Fluent English and based in Georgia Nice to have: MLflow and feature stores Airflow or Databricks Workflows Kafka or Spark Structured Streaming Terraform DBT Scala for Spark Reading Java Time-based splits and preventing data leakage in training sets Ad-tech or e-commerce data experience About the company: NDA helps eCommerce brands boost revenue with highly relevant and rewarding post-purchase offers. Our platform delivers personalized offers to customers right after checkout, driving repeat purchases and increasing lifetime value through seamless integrations and data-driven insights By applying for this position, you agree to the terms outlined in our Privacy Policy. Please take a moment to review our Privacy Policy https://sd-solutions.breezy.hr/privacy-notice , and make sure you understand its contents. If you have any questions or concerns regarding our Privacy Policy, please feel free to contact us.

Требования: — Наличие не менее 3 лет коммерческого опыта в области машинного обучения, предпочтительно с рекомендационными системами. — Глубокие знания Python и умение писать код, готовый к использованию в продакшене. — Опыт работы с DevOps и MLOps, включая развертывание и мониторинг моделей. — Опыт в backend-разработке будет преимуществом. — Способность самостоятельно вести проект от идеи до запуска в продакшн. Локация: удалённая работа на территории Российской Федерации.

Задачи: разработка production-моделей для бизнес-задач — прогнозирование, классификация, детектирование аномалий, анализ временных рядов; участие в запуске ML-проектов полного цикла — от постановки задачи совместно с заказчиком и подготовки данных и признаков до обучения, валидации моделей, вывода в прод и оценки влияния на бизнес-метрики;

• Разработка ML-моделей для автоматической модерации видеоконтента: классификация контента, выявление запрещённых материалов, определение нарушений правил платформы. • Разработка моделей на основе Computer Vision и Deep Learning для анализа видео и изображений.

Location: Москва Наша NLP команда занимается задачами, связанными с извлечением информации из документов, диалогов, текстов различной природы. Главной задачей для нас является создание готовых продуктов с LLM под капотом, а также создание self-service для бизнеса, где каждый может создать нужный ему сценарий (скилл) в режиме No-code. Обязанности * проектировать и калибровать judge-пайплайны: рубрики, эталонная разметка, согласованность с людьми, борьба с позиционным bias и bias по длине * строить RAG-поиск для дублей и противоречий: чанкинг, гибридный поиск, реранкинг, проверка противоречий на уровне утверждений * делать регресс-тесты знаний: golden set, пороги, прогон на каждое изменение промпта или модели * ловить галлюцинации: извлечение утверждений, привязка к источнику, верификация * дообучать и дистиллировать judge-модели, чтобы снизить цену и задержку без потери качества * собирать мультиагентные пайплайны с guardrails и контролем стоимости прогона. Требования * высшее образование: математика, физика, информатика или профильный data science * 5+ лет в ML, из них не меньше полутора лет с LLM в проде * RAG в продакшене, а не демо: с метриками качества, нагрузкой и историей улучшений * Fine-tuning: SFT, LoRA/QLoRA, желательно DPO. И понимание, когда дообучение не нужно * опыт построения и калибровки LLM-as-judge. Знаете, как judge врёт и как это ловить * Guardrails и детекция галлюцинаций * мультиагентные пайплайны: оркестрация, обработка отказов, ограничение стоимости * Python: пишете код, который уходит в прод. Тесты, ревью, код-стайл * английский для чтения статей и документации * специфика банка: много контрагетов, с ними нужно иногда коммуницировать. **Будет плюсом** * опыт python-бэкендера: FastAPI, асинхронность, очереди, PostgreSQL, векторные хранилища * графы знаний и онтологии * NLI, извлечение фактов, работа с разметчиками * публикации, доклады, open source. Условия * гибридный формат работы * годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * регулярные митапы и развитое DS-community * 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 Сбер.

Опыт промышленной разработки на Python на уровне Senior, ООП, алгоритмы и структуры данных. Опыт в Operations Research, APS, логистике или Supply Chain.

Workplace: Москва и Краснодар (гибрид/офис), другие города - удаленно Мы ищем ведущего ML-инженера, который возьмёт на себя развитие ML-направления в команде, работающей над продуктами для управления ценами, прогнозирования спроса и формирования коммерческих рекомендаций. Один из основных проектов — система рекомендаций регулярных цен на уровне SKU × магазин. Система анализирует исторические продажи, цены, промо, остатки, будущие поставки, характеристики товаров и магазинов, а также внешние данные, после чего: прогнозирует спрос при различных ценовых сценариях; оценивает ценовую эластичность рекомендует повышение, снижение или сохранение цены прогнозирует влияние решения на продажи, оборот, маржу и EBITDA рассчитывает уверенность модели и риск падения продаж позволяет сравнивать прогноз с фактическим эффектом после применения рекомендации Задачи Развивать модели прогнозирования спроса и ценовой эластичности Исследовать подходы к causal inference и оценки эффекта изменения цены Проектировать временную валидацию, backtesting и бизнес-метрики качества Работать с uncertainty, confidence, intermittent demand, cold start и long-tailSKU Разрабатывать логику выбора оптимальной цены с учётом бизнес-ограничений Организовать оценку plan/fact и мониторинг качества моделей Участвовать в проектировании feature engineering, batch training и batchinference на больших объёмах данных Проводить design review, code review Требования Сильную базу в классическом ML, статистике и работе с табличнымиданными Опыт с forecasting, временными рядами и gradient boosting: LightGBM,CatBoost или XGBoost Понимание causal inference и экспериментального дизайна Опыт доведения ML-моделей до production Уверенное владение Python и SQL Понимание временной валидации, data leakage, calibration и uncertaintyestimation. Опыт работы с Airflow или аналогичным оркестратором Понимание принципов распределённой обработки данных, партиционирования и оптимизации вычислений Умение связывать ML-метрики с измеримым бизнес-эффектом Будет плюсом Опыт в retail, e-commerce, pricing или demand forecasting Практический опыт с PySpark, Trino, Iceberg, S3, dbt или ClickHouse Опыт с price optimization, hierarchical forecasting или operations research Опыт построения ML-мониторинга и проведения A/B-тестов Текущий стек: Python, LightGBM, Airflow, dbt, Trino, Apache Iceberg, Parquet,S3, PostgreSQL, ClickHouse, Kubernetes и gRPC Условия Оформление в аккредитованную ИТ-компанию Конкурентоспособную заработную плату (обсуждается индивидуально) ДМС со стоматологией и льготными условиями для членов семьи Технику для работы График работы 5/2 с гибким началом Работу в максимально уютном офисе в Москве на ст. м. Савеловская, в Краснодаре или удаленно из других городов РФ, так же есть ИТ офисы в Санкт-Петербурге и Иннополисе Возможность проведения и участия в митапах, хакатонах, где есть возможность познакомиться с работой других подразделений Возможность реализовать свой опыт и потенциал в интересных и многоплановых проектах, получить новый интересный опыт в решении сложных задач Наличие корпоративных скидок и программ лояльности Наличие корпоративной библиотеки курсов Формат работы Москва и Краснодар (гибрид/офис), другие города - удаленно

Задачи: — Разработка и развитие ML-платформы на базе Kubeflow для ускорения экспериментов, обучения и вывода моделей в production. — Поддержка инфраструктуры обучения и инференса, пользовательских окружений и инструментов работы с признаками. Условия: — Возможность работы удалённо или в офисе. — Полная занятость.

Проектировать и развивать LLM-пайплайны для ИИ-помощника: диалоги, уточняющие вопросы, рекомендации, саммари, инсайты, объяснения медицинских данных простым языком. Разрабатывать агентные сценарии: сбор данных из внешних источников, валидация данных, обогащение профиля, уточнение рисков, подготовка данных к приёму врача, контроль следования рекомендациям.

Location: Москва Workplace: Комбинированный Наша команда поиска — это те, кто делает поиск по-настоящему умным и удобным! Мы работаем над тем, чтобы пользователи Одноклассников, ВКонтакте и Дзена легко находили сообщества, авторов и каналы. Ты сможешь заглянуть вглубь современных поисковых систем, узнать, как они устроены изнутри, и внести свой вклад в их развитие. Тебя ждут уникальный опыт, интересные задачи и возможность влиять на то, как миллионы людей находят нужную информацию каждый день! Задачи Разрабатывать и улучшать классификаторы поисковых запросов Дообучать модели мультимодальных эмбеддингов для поисковых вертикалей Разрабатывать нейросетевые признаки для ранжирования Повышать качество разметки релевантности с помощью LLM Внедрять модели и оценивать их влияние на качество поиска Требования От трёх лет в ML, опыт применения NLP и LLM в продакшене Знание Python Опыт дообучения и оценки языковых моделей Опыт обработки больших данных: Hadoop, Spark Опыт полного цикла ML: от подготовки данных до внедрения и A/B-тестов Понимание требований к задержкам и нагрузке онлайн-сервисов Самостоятельность и ответственность за результат Будет плюсом Опыт использования ИИ в разработке Знание базового С++

Location: Москва Мы — команда GigaChat Data, готовим данные для обучения базовых моделей GigaChat во всех модальностях (Text, Vision, Audio): SFT, RLHF, навыки, безопасность и продуктовые сценарии. Сейчас ищем специалистов в данные под проекты, связанные с ML на устройствах: офлайн-ассистент, локальное ASR, keyword spotting, VAD/EOU и персонализация. _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 * подготовка данных для обучения и тестирования моделей * разработка и поддержка data pipeline’ов * анализ качества моделей через данные и метрики * поиск точек роста и проблемных сценариев * работа с продовыми и beta-логами устройств. Требования * уверенный Python (алгоритмы, структуры данных, async) * опыт работы с данными в ML-задачах * понимание метрик качества моделей * базовая статистика * опыт в speech-задачах (ASR, VAD, diarization, keyword spotting) * опыт построения data pipeline’ов * опыт с разметкой и краудсорсингом. 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.

Опыт в роли DS/ML-инженера от 4-х лет: есть модели, которые вы сами довели до прода и которыми пользуется бизнес; Опыт прогнозирования временных рядов (спрос, продажи, нагрузка) и вывода таких моделей в прод;

• опыт классического ML на табличных данных (скоринг, антифрод, рекомендательные системы, прогноз спроса или оттока, ценообразование и похожие задачи). • Python (pandas, numpy).

- От 3 лет коммерческого опыта в разработке ML/AI-решений. - Уверенное владение Python и практический опыт работы с ML-фреймворками, такими как PyTorch, TensorFlow или Scikit-learn.