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

Модель обучили. А где она хранится и на чем считается? Модели и наборы данных для ИИ где-то физически лежат и на каком-то железе работают. От выбора этого железа и облака зависят бюджет проекта, скорость обучения и то, у кого есть доступ к данным. Одни задачи ИИ считаются на физических серверах, другие — на серверах с графическими ускорителями, третьи — в кластерах Kubernetes. Для обучения модели и для ее работы после обучения нужны разные конфигурации. 20 августа в 19:00 мск karpovꓸcourses проводят бесплатный вебинар «Где живут данные: разбираем инфраструктуру для ИИ вместе с VK Cloud». После эфира вы сможете: — читать вакансии инженера данных и специалиста по машинному обучению, понимая, что стоит за требованиями по Kubernetes, облакам и графическим ускорителям; — на собесе разложить разницу между публичным, приватным и гибридным облаком и объяснить, под какие задачи берут каждое; — увидеть, где физически хранятся модели и данные для ИИ и как устроен доступ к ним; — сориентироваться, с чего начинать путь в инженерию данных — одно из самых быстрорастущих направлений. Спикер — Станислав Погоржельский, технологический евангелист VK Cloud. Разбор от практика, вопросы можно задать в прямом эфире. Заберите рабочую картину, на чем работают ИИ-системы — https://clc.to/erid_2W5zFJvq9ww     Сразу после регистрации на почту придет карьерный гид по сфере работы с данными, а после эфира — запись вебинара. Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFJvq9ww

Сколько аналитиков нужно, чтобы пользователь совершил покупку в 1 клик? Как учили Алису находить лучшие цены? 22 августа в разберём эти и другие вопросы на Welcome Time* — офлайн-встрече с командами Яндекс Поиск и Независимый Ecom. 🗳 Кого ждём: Data-аналитиков и продуктовых аналитиков с опытом работы на Python от трёх лет. На встрече разберём реальные кейсы и расскажем, как устроена аналитика в командах. После докладов вы сможете задать вопросы спикерам и познакомиться с коллегами из индустрии. Для желающих — проведём диагностику навыков по Python и SQL. Интервьюер подсветит сильные стороны и зоны роста. Хороший результат можно будет зачесть как одну техническую секцию, если решите пройти собеседование в Яндекс. ♾ Подробная программа и регистрация: https://yandex.ru/project/events/welcometimes-all

🙃 ML Engineer Удаленно (Москва) Aston — аккредитованная аутсорсинговая IT-компания, работающая с 2007 года. Наш штат насчитывает 2500+ специалистов. Требования: — опыт работы в роли ML Engineer от 3-х лет; — знание Async/threading; — знание HTTP/1.1, HTTP/2, WebSocket; — опыт работы с REST/JSON; — опыт интеграции с внешними сервисами через REST API; — опыт работы с Kafka. ➡️ Подробнее о вакансии на career.habr.com 📍 Навигация: База знаний • Задачи • Собеседования

😅 Агент, который слишком буквально понял задачу — новый must-have жанр для утренней ленты Разработчик в Австралии попросил AI-агента (на Claude под капотом) записать его на утреннее занятие в спортзале. Мест не было — агент сам поставил хозяина в лист ожидания на 4-е место. Тот спросил: «а нельзя ли подвинуться повыше?» 🔵 Агент не растерялся: нашёл дыру в API зала, которая позволяла отменять чужие брони, и отменил запись человека на 1-м месте. Технически задача выполнена. Самое забавное — он как ни в чём не бывало отчитался о содеянном. А когда его попросили вернуть всё как было, честно ответил: «не могу» 😐 ❗️ К чему это всё: агент отлично выполняет то, что вы сформулировали буквально, но не всегда то, что вы имели в виду — а разбираться в таких нюансах и границах проще, когда есть доступ сразу ко всей библиотеке курсов по подписке, а не только к одному узкому курсу ⚡️ 🏃‍♀️ Proglib Academy

🤨 Как AI-агент случайно взломал систему бронирования спортзала, чтобы продвинуть хозяина в очереди на одно место

👍 Machine Learning Backend Software Engineer in Medical System (Developer) Middle от 250 000 до 350 000 ₽ Удаленно Remedy Logic — an international company. Our goal is to develop AI-powered medical diagnosis & remedy counsel accessible to anyone. Our team consists of scientists from different countries. Core competencies and qualifications: — 2+ years in Python development. — Understanding of machine learning algorithms and computer vision. — Good understanding of GPU compute — Web programming skills (FastAPI, REST, HTTP, TCP). — Experience with SQL. Queries, database design, migration tools.   ➡️ Подробнее о вакансии на career.habr.com 📍 Навигация: База знаний • Задачи • Собеседования

⌨️ Data Science (LLM/NLP) Удаленно (Екатеринбург) Т1 — это стабильный и надёжный работодатель. Мы помогаем профессионально расти и решать действительно интересные задачи, создаём атмосферу открытости и комфортные условия для работы в гибридном формате. Требования: — Высшее образование (IT, техническое, математическое); — Уверенное владение Python, SQL; — Хорошие знания в области теории вероятностей, математической статистики, алгоритмов машинного обучения ML; — Знания в области NLP алгоритмов; — Понимание деталей работы LLM и того, как происходит их дообучение и инференс; — Опыт деплоя ML/LLM решений (Docker, Kubernetes, cloud); — Опыт работы с prompt engineering, fine-tuning / PEFT (LoRA, adapters), RAG-подходами. ➡️ Подробнее о вакансии на hirehi.ru 📍 Навигация: База знаний • Задачи • Собеседования

🥳 Data Analyst: Merchant Intelligence 7 500 —‍ 10 000 $ Remote (Worldwide) Constructor.iо — делает платформу product discovery (поиск, рекомендации и многое другое) as a service для e-commerce. Среди клиентов Sephora, Petco, home24, Birkenstock. Requirements: — You are proficient in BI tools (both data analysis and building dashboards for engineers and non-technical folks). — You are keen to not just prepare more data, but to think critically about how that data can deliver valuable insights and drive impactful decisions for non-technical end users. — You are an excellent communicator with the ability to translate business requests into technical language and vice versa. — You are excited to leverage massive amounts of data to drive product innovation and deliver business value. — You are proficient at SQL (any variant) and well-versed in exploratory data analysis with Python (pandas & NumPy, data visualization libraries). ➡️ Подробнее о вакансии на getmatch.ru 📍 Навигация: База знаний • Задачи • Собеседования

🤨 Middle Data Scienctist Гибрид (Москва) Объединённая компания Wildberries и Russ — международная технологическая компания, созданная после слияния IT-компании Wildberries и оператора наружной рекламы Russ. Требования: — Опыт работы в Data Science от 3 лет; — Опыт работы с большими данными; — Обширный опыт работы с NLP и высоконагруженными системами; — Знание подходов к проектированию систем и проведению A/B-тестов. ➡️ Подробнее о вакансии на hirehi.ru 📍 Навигация: База знаний • Задачи • Собеседования

👅 Самое сложное — выбрать не курс, а направление Сегодня хочется разобраться в AI-агентах. Через пару недель появляется задача, где нужны алгоритмы. Потом понимаешь, что неплохо бы освежить Python или математику для Data Science. 🔜 Именно поэтому подписка на обучение многим оказывается удобнее отдельных курсов. Можно спокойно переключаться между темами, когда меняются задачи, а не покупать новую программу каждый раз.

В подписку Proglib Academy входят все основные направления — AI, ML, Python, алгоритмы, математика для DS и другие курсы, а ещё закрытый видеохаб с вебинарами практиков.

Начать можно с пробного месяца. Если решите остаться, его стоимость зачтётся при оформлении подписки 😎 🔗 Узнать подробнее 🏃‍♀️ Proglib Academy

Покупать новый курс каждый раз, когда меняется рабочая задача, — довольно странная механика. Нашли альтернативу 👇

🚀 Рабочее окружение ML-инженера: делегируем рутину ИИ-агентам Всем нам хочется комфорта при использовании повседневных инструментов, но заниматься поиском оптимальных расширений, их настройкой скучно и долго. В дивном новом мире автономных агентов рутину можно переложить на ИИ-агентов! И не только процесс установки всего по одной кнопке, но и обновление инструментария исходя из последних best practices, поддержание всей системы в актуальном состоянии. Создание OpenClaw и последующих улучшенных обвязок с self-improving и life-long learning агентами (такими как Hermes или Goose) позволяет нам автоматически создавать скиллы агентов для нужных нам задач и улучшать эти подходы автоматически исходя из простых текстовых промптов, не требующих погружаться в дебри инфраструктуры. Команда girafe.ai приглашает на открытый вебинар «Рабочее окружение ML-инженера: делегируем рутину ИИ-агентам». На вебинаре разберём: • организацию удобного рабочего окружения ML-инженера с нуля • настройку безопасного состояния удалённого сервера для любых нужд • автоматизацию всех рутинных процессов агентами • формирование скилов агентов для однокнопочного воспроизводства операций • кастомизацию и эволюцию скилов чтобы вы могли настроить всё под себя 📅 Когда: 5 августа (среда) 🕖 Время: 19:00 (МСК) 🎙 Спикер: Владислав Гончаренко — основатель girafe.ai и автор курса MLOps онлайн-магистратуры MSAI (girafe.ai × МФТИ) Будет полезно студентам, начинающим ML-инженерам и всем, кто хочет сделать свою ежедневную разработку удобнее. Вебинар пройдёт на русском языке. 👉 Участие бесплатное. Необходима предварительная регистрация В онлайн-магистратуре MSAI студенты изучают не только алгоритмы и модели, но и инженерные практики, необходимые для промышленной разработки ML-систем: от настройки среды до работы с масштабной вычислительной инфраструктурой. Подробнее о программе и дисциплинах: girafe.ai/msai-program Реклама. Гончаренко Владислав Владимирович, ИНН 272403059890, Erid 2VtzqxAihz2

💡 Data Scientist (Audio / Антидипфейк) от 350 000 ₽ Гибрид (Москва) Сбербанк — крупнейший банк в России, Центральной и Восточной Европе, один из ведущих международных финансовых институтов. Самый дорогой российский бренд и самый сильный банковский бренд в мире по версии Brand Finance. Требования: — Опыт работы в Data Science от 3 лет. — Опыт работы с Deep Learning в Аудио и других областях, опыт использования современных архитектур нейронок в Audio/CV. — Владение различными методами обучения нейронных сетей: Incremental learning, Self-Supervised Learning и т.п. — Понимание подходов к формированию фичей для анализа аудиоданных: Фурье-разложение, Мел-спектрограммы, Вейвлет-преобразование и прочее. — Понимание современных end-to-end подходов к формированию аудио фичей. — Свободное владение PyTorch. ➡️ Подробнее о вакансии на getmatch.ru 📍 Навигация: База знаний • Задачи • Собеседования

😧 Data Scientist / ML Engineer (Проект CVM) Удаленно X5 Tech — IT-компания и основной цифровой партнер торговых сетей и бизнесов X5 Group. Требования: — Опыт работы в DS-сфере от трех лет; — Умеешь писать чистый и структурированный код на Python, знаешь классические алгоритмы и структуры данных; — Знание теоретических и практических продвинутых методов машинного обучения; — Знание PySpark — умеешь строить оптимальные запросы, знаешь оконки и отличия repartition от coalesce; — Знание и опыт работы с PyTorch; — A/B тесты, генерация и проверка гипотез — быть способным поговорить с аналитиками на «одном языке». ➡️ Подробнее о вакансии на getmatch.ru 📍 Навигация: База знаний • Задачи • Собеседования

⌨️ Data Engineer / инженер данных Гибрид (Москва) Lamoda — интернет магазине одежды и обуви. Требования: – Опыт работы в data engineering, DWH, ETL-разработке, аналитической разработке или смежной роли от 1,5–2 лет. – Уверенное знание SQL. – Опыт работы с PostgreSQL, ClickHouse или аналогичными СУБД. – Опыт или уверенное понимание Apache Airflow: DAG, расписания, зависимости, retries, логи, обработка ошибок. – Python для задач обработки данных, автоматизации, работы с API и файлами. – Понимание принципов ETL: извлечение, трансформация, загрузка, обновление данных. – Опыт загрузки данных из API, файлов или баз данных. – Понимание принципов построения витрин данных. – Базовые навыки Linux: командная строка, файлы, директории, процессы, логи. Git на базовом уровне. – Готовность разбираться в существующем коде, чужих DAG и неидеальной документации. – Будет преимуществом: опыт работы с AI-агентами и понимание принципов построения агентных процессов: постановка и декомпозиция задач, управление контекстом, подключение инструментов и источников данных, контроль качества и проверка результатов ➡️ Подробнее о вакансии на hh.ru 📍 Навигация: База знаний • Задачи • Собеседования

🎯 У разработчика, DevOps-инженера и техлида разные причины задуматься о системной работе с AI-агентами Но цель одна: перейти от случайных удачных запусков к управляемому процессу на реальном проекте — с понятными правилами, ревью, контролем расходов и безопасности ✔️ На курсе «ИИ для разработчиков» участники выстраивают такой процесс на практике: подключают инструменты, задают границы для агента и учатся понимать, где ему можно доверять работу, а где требуется проверка. ⚡️ Предзапись на осенний поток уже открыта 🏃‍♀️ Proglib Academy

Разработчик, DevOps-инженер или техлид — у каждого своя причина навести порядок в работе с AI-агентами. Разбираем, чем отличаются их задачи 🔥

🌅 Data Scientist Офис (Москва) Lamoda — интернет магазине одежды и обуви. Требования: – высшее техническое образование – опыт работы в области анализа данных не менее 1 года – работа с базами данных (Postgre, ClickHouse, Hive) – уверенное владение SQL (оконные функции, CTE и т.д.) – Python (numpy, pandas, seaborn) – инструменты для работы с BigData (Spark, Hadoop) – умение визуализировать данные и создавать информативные отчёты – умение структурировать информацию, формулировать выводы и презентовать результаты; инициативность и внимание к деталям – будет плюсом опыт работы с BI-системами – Jira, Confluence для совместной работы – навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом – опыт использования GigaChat, Kandinsky и аналогов в продуктах; навыки создания и использования AI-агентов – инструментальное владение AI для анализа, генерации и автоматизации ➡️ Подробнее о вакансии на talanto.work 📍 Навигация: База знаний • Задачи • Собеседования

🗂 Data Engineer (DataLens / ClickHouse / BI Migration) Удалёнка/Гибрид (Москва) Cinimex — разработчик ПО и системный интегратор. Требования: – Практический опыт работы в роли Data Engineer от 1 года; – Уверенное знание SQL; – Опыт разработки и оптимизации запросов в ClickHouse; – Опыт построения ETL/ELT-процессов; – Опыт разработки на Python для задач интеграции и обработки данных; – Практический опыт работы с Apache Airflow (разработка DAG, настройка зависимостей, обработка ошибок, повторные запуски, мониторинг выполнения); – Опыт интеграции с Microsoft SQL Server; – Понимание принципов построения многослойного хранилища данных: Raw, Core, Data Mart; – Опыт реализации полных и инкрементальных загрузок; – Понимание принципов контроля качества и сверки данных; – Навыки работы с Git. ➡️ Подробнее о вакансии на hh.ru 📍 Навигация: База знаний • Задачи • Собеседования

🎯 Data Scientist Офис (Москва) JuicyScore — проприетарный антифрод-продукт, работающий без использования персональных данных Требования: – Образование: высшее в математике / статистике / информатике. – Опыт: от 3 лет коммерческого опыта в Data Science или аналитике данных, включая опыт самостоятельного анализа данных, проверки гипотез и построения моделей. – ML-алгоритмы: уверенное знание классических ML-алгоритмов: логистическая регрессия, градиентный бустинг (XGB/LightGBM/CatBoost), Random Forest; понимание, как интерпретировать модели (SHAP, Feature Importance), и где это применимо. – Работа с отчётами: умение делать клиентоориентированные отчёты: не просто таблицы, а выводы и визуализации, которые понятны не только дата-сайентисту. – Глубокий анализ данных и расследования: умение строить логику проверки гипотез, находить аномалии, выявлять скрытые закономерности, желание копать в суть. – Инструменты: уверенное владение Python для анализа данных (pandas, numpy, scikit-learn), SQL. – Английский язык: уровень B2 (Upper-Intermediate) и выше — для общения с зарубежными клиентами и чтения документации. – Soft skills: развитое аналитическое мышление, ответственность, умение самостоятельно разбираться в новых задачах и работать автономно, понятно объяснять результаты анализа (в т.ч. на английском). ➡️ Подробнее о вакансии на career.habr.com 📍 Навигация: База знаний • Задачи • Собеседования