ar
Feedback
Data Secrets | Карьера

Data Secrets | Карьера

الذهاب إلى القناة على Telegram

Вакансии Data Science | Machine Learning | Big Data | Deep Learning | Neural Networks Прислать вакансию/сотрудничество: @veron_28 https://telega.in/c/data_secrets_career

إظهار المزيد
6 905
المشتركون
-2724 ساعات
-57 أيام
+4930 أيام
جذب المشتركين
يونيو '26
يونيو '26
+59
في 0 قنوات
مايو '26
+116
في 2 قنوات
Get PRO
أبريل '26
+147
في 2 قنوات
Get PRO
مارس '26
+131
في 0 قنوات
Get PRO
فبراير '26
+124
في 1 قنوات
Get PRO
يناير '26
+143
في 2 قنوات
Get PRO
ديسمبر '25
+113
في 1 قنوات
Get PRO
نوفمبر '25
+97
في 1 قنوات
Get PRO
أكتوبر '25
+119
في 1 قنوات
Get PRO
سبتمبر '25
+242
في 5 قنوات
Get PRO
أغسطس '25
+244
في 2 قنوات
Get PRO
يوليو '25
+214
في 1 قنوات
Get PRO
يونيو '25
+242
في 1 قنوات
Get PRO
مايو '25
+171
في 1 قنوات
Get PRO
أبريل '25
+167
في 2 قنوات
Get PRO
مارس '25
+893
في 2 قنوات
Get PRO
فبراير '25
+133
في 1 قنوات
Get PRO
يناير '25
+191
في 3 قنوات
Get PRO
ديسمبر '24
+230
في 3 قنوات
Get PRO
نوفمبر '24
+335
في 1 قنوات
Get PRO
أكتوبر '24
+164
في 4 قنوات
Get PRO
سبتمبر '24
+2 719
في 14 قنوات
Get PRO
أغسطس '24
+368
في 1 قنوات
Get PRO
يوليو '24
+124
في 0 قنوات
Get PRO
يونيو '24
+1 374
في 7 قنوات
التاريخ
نمو المشتركين
الإشارات
القنوات
13 يونيو+1
12 يونيو+2
11 يونيو+9
10 يونيو+10
09 يونيو+7
08 يونيو+3
07 يونيو+2
06 يونيو+2
05 يونيو+5
04 يونيو+9
03 يونيو+4
02 يونيو+2
01 يونيو+3
منشورات القناة
Кто работает в Anthropic? Наткнулись на тред, где автор проанализировал 5306 профилей сотрудников Anthropic из LinkedIn, отоб
+5
Кто работает в Anthropic? Наткнулись на тред, где автор проанализировал 5306 профилей сотрудников Anthropic из LinkedIn, отобрал 1680 инженеров и проанализировал почти 8 000 описаний их прошлых мест работы. Пара интересных моментов: Портрет среднего инженера Anthropic: 12,2 лет опыта, а медианный стаж работы внутри самой компании – всего 10 месяцев. При этом из нынешней команды лишь 15 инженеров работают там ещё с 2021 года. В ходе анализа выяснилось, что Anthropic делает ставку не столько на исследователей, сколько на инфраструктуру. Около 40% сотрудников имеют опыт в бекенд, распределенных системах, базах данных и безопасности. Типичный инженер до прихода в компанию имеет опыт в построении и масштабировании крупномасштабных продакшн-систем в бигтехе. Топ 5 навыкоы: Python, Java, C++, JavaScript и SQL. Кстати, PhD есть только у 13,7% инженеров – примерно у каждого седьмого. Главный источник кадров для стартапа – Google. Также в топ компаний, из которых приходили нынешние инженеры Anthropic: Meta*, Amazon, Microsoft, Stripe, Apple, Stanford, DeepMind, Airbnb и OpenAI. Причем Google лидирует с большим отрывом. С джунами ситуация необычная. Их очень мало: менее трех лет опыта имеют всего 50 человек. И почти все они попадают в компанию не по стандартному карьерному пути, а благодаря топовым стажировкам (Google, Meta и тд), победам в олимпиадах и соревнованиях по программированию, публикациям или сильному исследовательскому бэкграунду.

2
Цукерберг считает, что для прорыва в ИИ достаточно команды из 12 сильных исследователей По мнению Марка, настоящие прорывы в
Цукерберг считает, что для прорыва в ИИ достаточно команды из 12 сильных исследователей По мнению Марка, настоящие прорывы в ИИ делают не сотни специалистов, а небольшие команды из «десятка или пары десятков» выдающихся исследователей. Он считает, что качество важнее их количества, особенно при работе над фундаментальными задачами. Кстати, без рекламы собственной ИИ-лаборатории не обошлось: по словам Цукерберга исследователи в Biohub (ИИ-лаборатория в области биологии) могли бы работать в любой ведущей ИИ-лаборатории, но только здесь (Biohub) у них есть возможность сочетать передовые разработки в области ИИ с исследованиями в биологии и заниматься проектами, которые сложно реализовать где-либо еще. Несмотря на относительно маленькие команды и высокую эффективность (по мнению Цекурберга) Марк вскользь упомянул, что вычислительных мощностей не хватает. Но эта проблема касается и любой другой компании по всему миру. До реорганизации 3.. 2..
1 225
3
Бывший соучредитель xAI объявил о создании собственного стартапа River AI – стартап, который специализируется на персонализир
Бывший соучредитель xAI объявил о создании собственного стартапа River AI – стартап, который специализируется на персонализированном ИИ. Предполагается, что ИИ от River будет понимать стиль и предпочтения пользователя, а также выполнять работу так, будто пользователь сам контролирует процесс. В новом стартапе уже работают бывшие сотрудники xAI и Tesla. Кстати, и сам Бабушкин когда-то был соучредителем xAI, но после слияния со SpaceX покинул компанию вместе с большинством других соучредителей. Интересно, что об этом думает сам Маск. В этом году он даже создал подразделение для поиска ИИ-талантов, чтоб усилить свои позиции в гонке, а тут у бывших соучредителей в команде уже есть сотрудники Tesla и xAI 🔵
1 241
4
На Stepik вышел курс — «RAG-системы на векторных базах данных». RAG нельзя оценивать по ощущению: «вроде отвечает нормально».
На Stepik вышел курс — «RAG-системы на векторных базах данных». RAG нельзя оценивать по ощущению: «вроде отвечает нормально». Нужны тестовые вопросы, метрики retrieval, контроль порога «не знаю» и понимание, где система теряет релевантные документы. В курсе разбирают: - Qdrant, Weaviate, FAISS - эмбеддинги и чанкинг - HNSW, IVF-PQ и индексы для скорости/памяти - hybrid search: ANN + BM25 - Recall@K, Precision@K, nDCG, MRR - порог для отсечения нерелевантных ответов - мониторинг качества и CI/CD для RAG Внутри — практика с рецензированием и реальные боевые задачи: собрать RAG-пайплайн, настроить retrieval, подобрать метрики и понять, почему система теряет релевантные документы. Курс для тех, кто хочет выкатывать AI-поиск не вслепую, а через измеримые критерии качества. Скидка 25% действует 72 часа. Открыть курс Реклама. ИП Бадретдинов И.И., ИНН 027620991269, erid 2Hjtp67udT
1 270
5
Data Analyst в Авито Офис / Гибрид в Москве Предстоит: развивать рыночную аналитику по категориям недвижимости: оценка рынка, GMV, Take Rate, доля рынка, прогнозирование; поддерживать процессы бюджетирования и планирования (BRF/LTM), автоматизировать расчёты и операционализацию планов; развивать аналитические продукты для внутренних и внешних пользователей: дайджесты, дашборды, PR-аналитику... Узнать подробнее 🔵
1 349
6
🥭 Apple, Amazon и Netflix вылетают из высшей лиги В сети завирусилась новая аббревиатура MANGOS, в которую входят топ-компан
🥭 Apple, Amazon и Netflix вылетают из высшей лиги В сети завирусилась новая аббревиатура MANGOS, в которую входят топ-компании в сфере ИИ. Некоторые эксперты считают, что если у SpaceX, Anthropic и OpenAI все сложится с выходом на IPO, то вполне можно ожидать появления новой элиты компаний.
1 613
7
Там, где не должно быть сбоев, нужны вы Т-Банк запускает наем сотрудников в новые дата-центры в Серпухове и Доброграде. Компа
Там, где не должно быть сбоев, нужны вы Т-Банк запускает наем сотрудников в новые дата-центры в Серпухове и Доброграде. Компания ищет инженеров и ИТ-специалистов, которые готовы обеспечить стабильную работу инфраструктуры и развивать современные ЦОД по последним стандартам. А еще предлагает: — работу в современных офисах; — ДМС со стоматологией, спортзал, консультации психологов, юристов и финансовых специалистов; — компенсацию питания и спорта; — специальные тарифы на продукты банка и скидки от партнеров; — возможность переезда. Вакансии подойдут и опытным, и начинающим специалистам. Откликнуться можно прямо сейчас!
1 398
8
AI/Prompt-инженер в Точка До 320.000₽ Удаленно Предстоит: Внедрять методы обогащения контекста LLM и отслеживать качество баз знаний; Строить и развивать пайплайн генерации, обработки и контроля качества промптов: structured output, function calling, chain-of-thought, data pipelines, мониторинг стабильности.. Узнать подробнее 🔵
1 583
9
Опыт прохождения интервью MLE Наткнулись на очень подробный разбор процесса поиска работы ML/Research Engineer в бигтехе. Анд
Опыт прохождения интервью MLE Наткнулись на очень подробный разбор процесса поиска работы ML/Research Engineer в бигтехе. Андрей – специалист с примерно 8 годами опыта в Deep Learning, бывший Tech Lead в Snap, автор около 10 публикаций и патентов в области GenAI. Подготовка к интервью заняла у него десятки часов. После пятилетнего перерыва в собеседованиях пришлось отдельно освежать LeetCode, ML coding, теорию и ML design. По его наблюдениям, рынок стал заметно сложнее, а на поиск хорошего оффера сейчас разумно закладывать от 3 до 6 месяцев. Несмотря на сильный бэкграунд, опыт в Snap и публикации, он получил немало отказов еще на этапе CV. Сильное резюме не гарантировало интервью, поэтому стоило активно использовать рефералы, вести список компаний и системно работать с откликами. По его оценке, около четверти процессов завершились неудачей из-за недостаточного внимания к этапам с менеджерами по найму. Если раньше общение с рекрутерами воспринималось больше как формальность, то оказалось, что они часто оказываются критически важным этапом. Здесь важно уметь кратко рассказать о себе, показать заинтересованность в компании и не занижать собственный опыт. ➡️ Техническое интервью Что касается технических интервью, то они оказались гораздо менее стандартными, чем ожидалось. Помимо классического LeetCode, компании активно используют ML coding, AI-assisted coding, System Design и специализированные ML-секции. Например, в одних интервью требовалось реализовать части ML-алгоритмов, а в других – писать код вместе с использованием внешних инструментов и обсуждать инженерные компромиссы. Отдельная сложность заключалась в том, что похожие по названию интервью проверяли совершенно разные навыки. Где-то оценивали скорость решения алгоритмических задач, а где-то способность разобраться в незнакомой предметной области и предложить разумное решение. Автор отмечает, что нередко интервьюеры сознательно уходили от шаблонных вопросов и проверяли глубину понимания темы через открытые обсуждения. Еще одно отличие современного процесса в том, что появилось большое количество гибридных форматов. Например, встречались задания на реализацию contrastive loss, проекты по diffusion-моделям и интервью, где нужно было не только написать решение, но и объяснить, как его масштабировать на миллионы пользователей. В таких задачах проверяется не столько знание конкретной технологии, сколько инженерное мышление и способность принимать обоснованные решения. ➡️ ML Секция по ML во многих компаниях была посвящена проверке глубины и широты знаний. Вместо простых вопросов вроде «что такое batch normalization?» интервьюеры часто просили перечислить все известные методы регуляризации, разобрать причины появления NaN во время обучения или рассказать о возможных узких местах при инференсе LLM. ➡️ ML Design ML Design оказался одним из самых распространенных и одновременно самым разнообразным по типам интервью. Кандидату предлагали спроектировать рекомендательную систему, систему генерации контента, предсказание активности пользователей или архитектуру поверх foundation-моделей. Где-то ожидался полный цикл проектирования: от метрик и данных до мониторинга, а где-то нужно было глубоко погрузиться только в модельную архитектуру и процесс обучения. Кстати, именно подготовка к ML Design, по словам автора, дала наибольший прирост результатов на поздних этапах интервью. И напоследок главные советы из статьи: относитесь к поиску работы как к долгосрочному проекту, готовьтесь отдельно к каждому типу интервью, регулярно анализируйте свои ошибки и не недооценивайте нетехнические этапы. Полезно заранее подготовить сильную самопрезентацию, освежить опыт последних нескольких лет и приходить на интервью в хорошем состоянии.
1 577
10
20 июня – Летняя школа ШЕН Центрального университета Хочешь узнать, как применять математику, код и машинное обучение в биоло
20 июня – Летняя школа ШЕН Центрального университета Хочешь узнать, как применять математику, код и машинное обучение в биологии и медицине, но не понимаешь, с чего начать? Приглашаем на Летнюю школу программы «ИИ в биотехе» Школы естественных наук Центрального университета! Программа реализуется совместно с инженерной школой и факультетом биоинженерии и биоинформатики МГУ, а также индустриальными партнёрами: Genotek и BIOCAD. Что будет на Летней школе: — Узнаешь, как ИИ меняет биотех: от анализа геномов до дизайна лекарств с помощью нейросетей; — Послушаешь лекции от ведущих экспертов: Дмитрия Пензара, Александра Ракитько, Александра Надолинского и победителя конкурса «Биомолекула» Андрея Кузнецова; — Познакомишься с магистерской программой «ИИ в биотехе»: направления подготовки, курсы, преподаватели, карьерные перспективы; — Примешь участие в квестах и получишь шанс выиграть фаст-трек на грант до 75% от стоимости обучения. Фаст-трек – это возможность поступить в магистратуру, минуя онлайн-контест: достаточно пройти собеседование и ревью анкеты. Как попасть на Летнюю школу? Регистрация по ссылке. Отбор участников – до 15 июня. Результаты пришлём на почту. Место проведения: кампус Центрального университета, м. Маяковская, ул. Гашека, 7 Ждём тебя на Летней школе «ИИ в биотехе»!
1 542
11
AI Agent Engineer в МТС Удаленно / Офис / Гибрид в Москве Предстоит: Проектировать Multi-Agent Systems от логики планирования до контроля ответов пользователю и обрабатывать ошибки; Прорабатывать интеграции и управлять памятью агентов.. Узнать подробнее 🔵
1 588
12
Рынок AI-талантов разделился на два лагеря Данные показывают, что Anthropic, OpenAI и Nvidia подали больше заявлений на получ
Рынок AI-талантов разделился на два лагеря Данные показывают, что Anthropic, OpenAI и Nvidia подали больше заявлений на получение виз H-1B для новых сотрудников, чем годом ранее. Пока другие техгиганты отстранились от активного найма. Если в прошлом году бигтех предлагал миллионы за топовых специалистов и активно нанимал, то сейчас, кажется, пыл поубавился. Даже появился антитренд: сокращения, замедление найма и концентрация талантов в небольших командах. Дело усугубляет то, что нанимать специалистов из-за рубежа стало дороже. Получение визы H-1B теперь может обходиться компаниям более чем в 100 тысяч долларов. Поэтому работодатели все чаще делают ставку на небольшое число наиболее ценных и высокооплачиваемых специалистов. Если Anthropic, OpenAI и Nvidia стали нанимать больше, то у Meta, Microsoft и Amazon заметно снижение найма. У Google снижение найма иностранных специалистов составило 64% по сравнению с прошлым годом.
1 836
13
ML-инженер в Т1 Холдинг Удаленно / Офис / Гибрид в Москве Предстоит: Создавать ценности для продукта с помощью уже существующих моделей и инструментов: AI-функции внутри продукта; tool calling; RAG.. Узнать подробнее 🔵
1 702
14
75% кода сделано ИИ, говорите? Издание 404 получило доступ к внутренним настроениям сотрудников Google. Как выяснилось, настр+3
75% кода сделано ИИ, говорите? Издание 404 получило доступ к внутренним настроениям сотрудников Google. Как выяснилось, настрой у некоторых разработчиков насчет ИИ не самый позитивный. Во внутреннем чате поискового гиганта разработчики делятся мемами, которые высмеивают ИИ за галлюцинации, выдуманные факты и неточные результаты. Неожиданно то, что такие посты собирают кучу лайков. Особенно жесткой критике подвергся внутренний инструмент Jetski, который, если верить все тем же мемам, ненадежен и часто ошибается. Некоторые сотрудники считают, что ИИ не ускоряет разработку и не уменьшает нагрузку, а наоборот, увеличивает ее. Это сродни тому, что на каждого разработчика повесили джуна, чей код приходится проверять и исправлять.
2 485
15
Senior Архитектор решений (Data/AI) Удаленно / Офис / Гибрид в Москве Предстоит: Проектировать целевую архитектуру решений в домене данных, аналитики, интеграций и AI/ML-инфраструктуры с учетом стека: GitLab, ArgoCD, k8s, PostgreSQL, Trino, Iceberg, S3, ClickHouse, Superset, DBT, Open Metadata, Dagster, Debezium, vLLM, Ollama, Langfuse и др... Узнать подробнее 🔵
2 080
16
Культовый вопрос для найма Если Стив Джобс прославился своим пивным интервью, то в Microsoft 90-х был другой культовый «ритуал». На собеседовании вам могли задать вопрос: "Почему крышки канализационных люков круглые?". Сильным считался не тот кандидат, который сразу выдавал готовый ответ, а тот, кто начинал с уточнения. Что-то вроде: «А они точно всегда круглые?» или подобные вопросы. На самом деле такой вопрос проверял не знание системы канализационных люков, а несколько других качеств: умеет ли человек работать с неопределённостью; задает ли уточняющие вопросы перед тем, как думать над решением; насколько структурирована рассуждения; может ли предложить несколько гипотез и сравнить их между собой. Именно поэтому вопрос стал легендой Microsoft конца 90-х. Компания тогда делала ставку на «сырой интеллект» и способность решать незнакомые задачи, а не на знание конкретных технологий. Но вопрос быстро стал популярным. К концу 90-х его уже знали все студенты, а к началу 2000-х он просачился в книги и СМИ, а затем превратился в заученную загадку. Вместо проверки мышления интервьюеры начали проверять, читал ли кандидат нужную книгу. Поэтому Microsoft пришлось отказаться от этого вопроса. Кстати, позже компании все же стали измерять эффективность подобных «головоломок» и выяснили, что они почти не предсказывают успех сотрудника 😀. Google официально признал brainteasers пустой тратой времени, а Microsoft постепенно отказалась от подобных вопросов в пользу задач на программирование. Так почему крышки канализаций круглые? - круглая крышка не может провалиться в круглое отверстие; - ее не нужно выравнивать перед установкой; - тяжелую крышку можно катить по земле вместо того, чтобы нести.
2 221
17
Стажер Data Scientist в МТС Офис в Москве Предстоит: Работать с большим потоком внешних проектов на построение ML-моделей; Реализовывать новые фичи для ML моделей на основе данных телекома; Делать аналитику по продуктам финтеха (Python, PySpark).. Узнать подробнее 🔵
2 113
18
Разбор задачи с Kaggle Наткнулись на разбор соревнования Deep Past Challenge на Kaggle. Задача была довольно интересная: необ
Разбор задачи с Kaggle  Наткнулись на разбор соревнования Deep Past Challenge на Kaggle. Задача была довольно интересная: необходимо было переводить тексты с староассирийского языка (транслитерации клинописи возрастом около 4000 лет) на английский язык. Вроде бы обычный NLP-кейс, но практике все куда менее тривиально. Сложность заключалась в том, что участники получили крошечный обучающий набор – всего около 1500 пар переводов. При этом распределения на train и test сильно отличались: обучающие данные были в основном на уровне документов, а тестовые на уровне отдельных предложений. Дополнительно организаторы предоставили большой корпус OCR-данных из научных публикаций, содержащий множество ошибок распознавания, пропусков, шумов и несовпадений. Решения топ-3 мест в больше степени сводились к тому, кто лучше очистит и подготовит данные или увеличит обучающий набор: Победители с самого начала отказались от официального train.csv как основы и фактически заново построили корпус из PDF-источников, итеративно улучшая извлечение: постепенно увеличили корпус на несколько тысяч пар по мере исправления ошибок извлечения. При выравнивании они ориентировались на смысловые якоря – числа, шумерограммы, имена собственные – а не на физическое расположение строк на табличке. Финальная система представляла собой ансамбль из 11 моделей ByT5-XL, а для выбора финального перевода использовался MBR-декодинг с комбинацией chrF++, BLEU, Jaccard и эвристик длины. Показательно, что лучшей оказалась подача с минимальной постобработкой – команда сознательно избегала «полировки» результатов после декодирования. Серебряные призёры показали, что в подобных задачах можно обойтись без сложных ансамблей. Их решение было заметно проще с точки зрения моделирования – один ByT5-large без архитектурных изменений, – однако они добыли около 60 тысяч пар предложений из различных источников, включая турецкие, французские и немецкие публикации, которые переводились на английский в процессе извлечения. Бронзовая команда сделала акцент на синтетических данных, но не в смысле простого раздувания корпуса. В их решении синтетика работала как структурированный учебный курс по старо-ассирийскому, а не как просто дополнительный текст. Пайплайн был двухэтапным: сначала continued pre-training для усвоения лексики и морфологии, затем fine-tuning на качественных академических переводах. Финальная система представляла собой ансамбль ByT5-Large и ByT5-XL. Для выбора лучшего перевода использовалась reward-модель на базе Qwen. Практически все сильные команды: ⭐️ занимались восстановлением и очисткой корпуса; ⭐️ боролись с OCR-шумом и ошибками выравнивания; ⭐️ нормализовали тексты и устраняли вариативность написания; ⭐️ использовали LLM в первую очередь для сегментации, фильтрации и подготовки данных, а не как финальную модель перевода; ⭐️ уделяли огромное внимание валидации.
2 160
19
Хакатон по использованию RL в трейдинге с призами до $2,500 Market-Action Arena Reinforce.fi (ex-Overnight.fi) — проект, разрабатывающий собственные стратегии с использованием reinforcement learning и автоматическим управлением и перераспределением капитала 24/7 — запускает хакатон по моделированию рыночных решений. Задача: построить модель, которая на каждом шаге выбирает оптимальное действие (A1–A10) и максимизирует суммарный PnL. Что внутри: — market-like данные (анонимизированные признаки) — последовательности по 1000 шагов — задача с реальной логикой принятия решений — скоринг = суммарный PnL Это хороший кейс, чтобы: — прокачать ML / RL на прикладной задаче — добавить сильный проект в портфолио — поработать с задачей, близкой к реальному трейдингу Призы: 1 место — $2,500 2 место — $1,500 3 место — $1,000 Старт: конец июня Длительность: ~1.5–2 месяца Регистрация: https://forms.gle/UB71QuyUvp8mSBRo9 Чат хакатона: https://t.me/+R6lMJ10VXP5hOTI0
1 952
20
Подборка открытых вакансий 🔵 Junior Data Analyst в Skyeng Гибрид / Офис в Иннополис Senior CV Engineer в 2GIS Удаленно Junio
Подборка открытых вакансий 🔵 Junior Data Analyst в Skyeng Гибрид / Офис в Иннополис Senior CV Engineer в 2GIS Удаленно Junior+ Data Scientist в Beeline Удаленно SQL разработчик в Ozon Гибрид / Офис в Москве Senior ML Engineer в Wildberries Гибрид / Офис в Москве Middle Data Scientist в Т-Банк Гибрид / Офис в Москве
1 890