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 المزيد6 905
المشتركون
-2724 ساعات
-57 أيام
+4930 أيام
جاري تحميل البيانات...
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
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, 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 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 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».
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-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.
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. 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 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 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, 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: 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
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 |
متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
