Data jobs — вакансии по data science, анализу данных, аналитике, искусственному интеллекту

🤍 Data Scientist в команду RecSys от 300 000 ₽ Удалёнка 2ГИС — IT-компания, которая помогает людям жить в городе. Требования: – Опыт работы с рекомендательными системами от 2 лет. – Опыт полного цикла решения ML-задач: от аналитики до вывода моделей в прод (от 3 лет). – Отличные знания Python, SQL, классического ML-стека и соответствующих ему библиотек. – Владение одним из DL-фреймворков (torch/tensorflow/keras). – Глубокое понимание рекомендательных систем: подходы, типичные проблемы, метрики, А/Б-тестирование. – Опыт написания Unit-тестов, разработки архитектуры и Code Review. – Опыт работы с инструментами разработки и CI/CD — Git, Jenkins, GitLab, Jira. ➡️ Подробнее о вакансии на getmatch.ru 📍 Навигация: База знаний • Задачи • Собеседования

У вас в проекте есть файл вроде utils_v2_final_FIX.py, который все боятся трогать ❓ Что делаете с таким легаси? ❤️ Не трогаю: работает — и ладно 👍 Переписываю с нуля и надеюсь на лучшее 🔥 Сначала покрываю тестами, потом рефакторю по частям 👾 У нас такого нет — честно-честно На курсе «ИИ для разработчиков» разберём третий подход: как с помощью агента зафиксировать текущее поведение легаси-кода тестами, а затем менять его небольшими безопасными шагами — без одного огромного PR на тысячу файлов. До 31 июля действует скидка и бессрочный доступ к материалам. 🔗 Занять место со скидкой 🏃‍♀️ Proglib Academy

Вопрос, который объединяет разработчиков сильнее любого холивара 👇

📈 Скоро фраза «умею пользоваться AI» в резюме будет звучать так же странно, как сегодня «умею пользоваться Git» Это просто станет частью профессии. А вот умение встроить AI в процесс разработки так, чтобы он действительно ускорял работу команды, останется конкурентным преимуществом 💡 🔜 На курсе «ИИ для разработчиков» участники работают со своими проектами и учатся делать AI частью ежедневной разработки: планировать задачи, писать код, проверять изменения, готовить PR и автоматизировать рутину. До конца июля действует специальная цена — 59 990 ₽ вместо 79 990 ₽ 🥳 И получить бессрочный доступ ко всем материалам курса. 🔗 Посмотреть, как устроен курс 🏃‍♀️ Proglib Academy

До конца июля на курс действует специальная цена и бессрочный доступ к материалам. Все детали — ниже 🥳

🛸 Системный аналитик до 250 000 ₽ Удалёнка 1М — цифровая импорт-платформа для бизнеса. Требования: – Опыт системного анализа от 3 лет, желательно в e-commerce, логистике или финтехе; – Знание архитектуры REST API, принципов интеграции и форматов данных (JSON, XML); – Опыт работы с базами данных, понимание моделей данных; – Умение писать понятные спецификации и описывать сложные процессы в виде схем; – Понимание CI/CD процессов, микросервисной архитектуры, очередей сообщений (Kafka/RabbitMQ); – Навыки работы с инструментами Jira, Confluence, Postman, Swagger, Miro. ➡️ Подробнее о вакансии на career.habr.com 📍 Навигация: База знаний • Задачи • Собеседования

😸 Каждый разработчик подходит к задаче со своим опытом: помнит прошлые решения, знает ограничения проекта и понимает, какой код команда пропустит на ревью. Для человека это естественная часть работы. У Claude Code этого контекста по умолчанию нет — только задача и инструкции, которые ему дали.

Поэтому в большой команде недостаточно просто выбрать хорошую модель. ❗️ Нужно ещё объяснить ей, как у вас устроена разработка: какие подходы приняты, что обязательно проверять и по каким правилам принимать решения.

🗓 23 июля в 19:00 МСК поговорим об этом на бесплатном вебинаре с Алексеем Жиряковым — он Executive Director в Сбере, руководит GenAI Data Platform, и с этой проблемой сталкивался не раз 🔥 Покажет живое демо, разберём, как встроить AI в процесс разработки так, чтобы он реально помогал, а не добавлял ещё один повод для споров на ревью. 🔗 Занять место на вебинаре 🏃‍♀️ Proglib Academy

🙂 Почему два разработчика с одной и той же задачей и Claude Code могут прийти к совершенно разным решениям? Разбираемся на бесплатном вебинаре 👀

😎 Data Scientist LLM/NLP Удалёнка WaveAccess — аккредитованная ИТ-компания с 25-летним опытом. Наша команда состоит из специалистов, объединенных одной целью: создавать технологии, которые меняют мир.  Требования: – Опыт работы в качестве Data Scientist от 3 лет – Английский язык на уровне B2 и выше – Уверенные навыки работы с текстовыми данными – Глубокое понимание работы с крупными языковыми моделями (LLM) и их применением. Знание современных техник LLM, таких как Retrieval-Augmented Generation (RAG) и LLM-агенты – Уверенные навыки работы с Python – Опыт представления достигнутых результатов ➡️ Подробнее о вакансии на hh.ru 📍 Навигация: База знаний • Задачи • Собеседования

🧑‍💻 Учиться агентной разработке — у тех, кто уже внедряет её в бигтехе Курс «ИИ для разработчиков» ведут практики из ведущих российских IT-компаний 🔥 🔵 Они прошли путь от первых экспериментов с AI до рабочих процессов, в которых агенты помогают команде писать код, готовить PR и быстрее доводить задачи до продакшена. В ближайшее время познакомим вас с каждым преподавателем. Программа курса — по ссылке 🎹 🏃‍♀️ Proglib Academy

💡 Один из главных вопросов при выборе курса — кто его ведёт Proglib Academy рассказали, почему сделали ставку на практикующих инженеров из бигтеха ⬇️

🤫 Data Scientist (GameDev) Удалёнка KEFIR — студия-разработчик, известная своими хитами «Last Day on Earth», «Frostborn», «Sunday City» и др. Требования: – опыт работы на аналогичной позиции от 3 лет – опыт работы на аналогичной позиции в игровой индустрии – Python: уверенное владение – SQL: умение писать эффективные запросы к большим объемам данных – ML-база: понимание классических алгоритмов машинного обучения и принципов их валидации – опыт работы с указанными инструментами: – SQL: Google BigQuery – оркестратор: Apache Airflow – среды разработки: IDE (PyCharm) и Notebooks (Jupiter/Colab) – Python: Basics (NumPy, Pandas, Scikit-learn, Statsmodels), Ensemble Frameworks – (LightGBM, CatBoost, XGBoost), Viz (plotly, seaborn и т.д) – визуализация: Power BI/Tableau – GitLab ➡️ Подробнее о вакансии на hh.ru 📍 Навигация: База знаний • Задачи • Собеседования

🫡 Один и тот же запрос к AI можно выполнить двумя способами — и получить совершенно разный результат. 1️⃣ способ — просто попросить написать код. Модель может сгенерировать рабочее решение, но именно на этапе проверки часто всплывают пропущенные edge case’ы, ошибки обработки или проблемы с тестами. 2️⃣ способ — дать агенту цикл Think → Act → Observe. Он не останавливается после первой попытки: планирует действия, проверяет результат и, если находит ошибку, исправляет её и пробует снова. Самое интересное, что разница здесь не столько в модели ❕ Claude, GPT или другая LLM могут быть одинаковыми. Разницу создаёт инженерная система вокруг них. 📅 Именно это разберём 23 июля в 19:00 (МСК) на бесплатном вебинаре с Алексеем Жиряковым (Executive Director в Сбере, GenAI Data Platform, ex-CTO Stream и KION). На живом демо покажем, как один и тот же запрос работает без агентной системы и с ней 🔥 🔗 Регистрация 🏃‍♀️ Proglib Academy

😏 Middle+ AI инженер До 390 000 ₽ Удалёнка Точка Банк — онлайн-банк и экосистема сервисов для бизнеса. Требования: – Есть опыт построения систем с LLM от 3 лет. – Есть опыт работы с диалоговыми ассистентами, написания промптов и обогащения контекста, включая function calling, RAG и другие подходы. – Понимаешь современные подходы к RAG (Retrieval-Augmented Generation), включая работу с векторными базами данных и embedding-пайплайнами. – Есть опыт работы с function calling, tools, agents, memory, multi-agent-системами, а также понимание архитектуры цепочек агентов и промптов. – Есть опыт участия во внедрении или создании внутренних инструментов для работы с LLM-инструментарием и мониторинга этих систем. – Уверенно пишешь на Python production-ready код: создаёшь скрипты, строишь пайплайны, интегрируешься с API LLM и векторными базами, автоматизируешь процессы. – Умеешь защищать свои гипотезы метриками, прозрачно тестировать элементы системы и версионировать эксперименты. – Умеешь ясно излагать технические идеи, документировать архитектурные решения и выступать ментором для коллег. ➡️ Подробнее о вакансии на talanto.work 📍 Навигация: База знаний • Задачи • Собеседования

🔥 Курс «Разработка ИИ-агентов» стартовал, но вы еще успеваете присоединиться! Мы только начали, а первый практический воркшоп пройдет только 23 июля. До этого времени вы спокойно успеете изучить материалы и нагнать группу. 💼 Главная фишка: финальный проект в портфолио:

В финальном проекте вы сможете выбрать один из двух вариантов: реализовать свою идею или решить задачу от партнера курса — крупной российской финтех-компании. Вы будете работать с датасетом, построенным по реальным сценариям, получите бизнес-контекст и продовые ограничения. В результате соберете AI-агента, который станет сильным проектом для портфолио.

🎁 Упомяните менеджеру специальное предложение «3 курса по цене 1»: Берете VIP-тариф — получаете курс «Разработка ИИ-агентов», хардкорный «AgentOps» и ещё один курс на выбор. Выгода 129.000 ₽! Двери потока вот-вот закроются окончательно. Успейте забрать стек курсов и начать работу над реальным проектом 🔗 Занять место и забрать 3 курса

😸 Системный аналитик от 130 000 ₽ Удалёнка Synapse AI — интеллектуальная платформа для анализа, оптимизации и автоматизации сложных бизнес-процессов с использованием адаптивного искусственного интеллекта. Требования: – Знание, чем занимается системный аналитик и какие задачи он решает. – Понимание жизненного цикла разработки ПО (желательно по Agile/Scrum/Kanban). – Умение формулировать требования к системе в виде пользовательских историй или простых текстовых спецификаций. – Желание научиться работать с UML/ BPMN и другими инструментами моделирования. – Способность анализировать и структурировать информацию, задавать уточняющие вопросы. – Внимание к деталям и логическое мышление. – Желание разбираться в технических аспектах (API, базы данных, интеграции) — даже если пока опыта мало.  – Готовность учиться у команды и быстро вникать в предметную область. ➡️ Подробнее о вакансии на career.habr.com 📍 Навигация: База знаний • Задачи • Собеседования

🔥 Стартуем СЕГОДНЯ! Новый поток курса «Разработка ИИ-агентов» открыт По этому поводу мы решили выложить закрытую запись одного из уроков из программы. Найти её в поиске YouTube нельзя — она доступна только по ссылке и всем, кто будет на курсе. Внутри глубокий разбор LLM от Алексея Яндутова (Senior ML-инженер, развивал ответы «Алисы» и «Нейро» в Яндексе). Учимся получать точный результат без галлюцинаций. Что внутри урока:

- Устройство LLM. - Рабочие шаблоны промптов (Persona, Chain-of-Thought и др.). - Разбор реального кейса Яндекса. Как автоматизировать разметку, обойти качество людей на 5% и срезать косты на 60%.

После просмотра вы поймете, когда хватает промпт-инжиниринга, а когда нужен RAG или fine-tuning. 👉Смотреть закрытый урок на YouTube Понравился урок? Переходите на новый уровень! Оставляйте заявку на курс, чтобы научиться проектировать надежные автономные системы. Обучение началось, но вы еще успеваете присоединиться. 🔗 Занять место на курсе

🗺 Senior Data Analyst от 350 000 ₽ Удалёнка Пикабу — информационно-развлекательное сообщество, которое читает более 30 млн человек в месяц. Требования: – Глубокая экспертиза в аналитической инфраструктуре: ETL-процессы, архитектура хранения данных, ClickHouse (сложные запросы, оптимизация), MySQL, Airflow, Redash, Яндекс.Метрика — Понимание технической стороны аналитики на уровне разработчика: как события доставляются, где теряются, какие проблемы возникают при хранении — и умение предвидеть их до запуска — Полный ownership за своё направление: сопровождает данные на всём жизненном цикле — от проектирования события до мониторинга его корректности на проде — Экспертный уровень математической статистики: A/B тестирование, работа с выборками, множественное тестирование, PSM — Опыт построения или существенного развития платформы экспериментирования — Уверенный Python: написание скриптов для автоматизации — Реальный опыт внедрения ИИ в аналитические процессы: внедрение LLM-процессов, построение AI-агентов для работы с данными, автоматизация генерации инсайтов, использование AI для анализа экспериментов — Умение оценивать качество AI-решений: где модель ошибается и когда результат нельзя использовать без проверки ➡️ Подробнее о вакансии на hh.ru 📍 Навигация: База знаний • Задачи • Собеседования

🚀 Уже завтра стартует новый поток курса «ИИ-агенты»! Мы собрали мощнейший состав преподавателей. Учить вас проектировать архитектуру и собирать продакшн-агентов будут инженеры и исследователи из топовых IT-компаний. Старт уже завтра! Сомневаетесь, подойдет ли вам программа и подача? Начните с бесплатного демо-урока! Всего за 2 часа вы заглянете под капот ИИ-агента, поймете, чем мышление модели отличается от ее ответа, и научите систему чинить собственный код. Это идеальный способ протестировать нашу платформу перед покупкой. 🔗 Пройти демо-урок и занять место на курсе

🤨 Как заставить AI-агента не ломать архитектуру, а нормально писать код? Мы привыкли общаться с ИИ промптами, но для автономных систем это путь к бесконечным циклам и сливу бюджета. Чтобы убрать хаос, инженеры переходят на Spec-Driven Development (SDD). Вот как этот подход меняет работу агента на практике: 🔹Контракт вместо текста. Сначала пишется строгая спецификация (JSON-схема/OpenAPI) и автотесты. Агент зажат в рамки интерфейсов, за которые физически не может выйти. 🔹Контроль на шагах. Внутри петли Think-Act-Observe агент сверяет действия со спецификацией. 🔹Саморефлексия. Если ИИ нарушил типы или «додумал» лишнее, тест падает. Агент получает ошибку в контекст и сам правит код, не выходя за рамки ТЗ. Это лишь база того, как укротить ИИ-разработку. Если вы хотите глубоко внедрить эту методологию, научиться проектировать архитектурные контракты и собирать отказоустойчивые системы —оставляйте заявку на наш новый курс по Spec-Driven Development. Стартуем совсем скоро🙂