Data Science Jobs

#middle #удаленка AYROSA Python Developer / AI Engineer (Document Processing) Формат работы: можно удалённо ☑️ Чем предстоит заниматься -Разбирать и обрабатывать документы в форматах Excel, PDF и сканы -Извлекать табличные данные из документов -Нормализовать даты, номера документов, суммы и другие поля -Проектировать и реализовывать логику сопоставления данных -Выявлять расхождения между двумя источниками -Обрабатывать сложные кейсы: разные периоды, отличающиеся номера, частичные совпадения и другие неоднозначные ситуации -Интегрировать OCR и Document AI-инструменты -При необходимости использовать LLM для интерпретации и формирования человекочитаемых объяснений -Разрабатывать backend/API для сервиса -Участвовать в проектировании архитектуры MVP -Работать с реальными обезличенными финансовыми документами и тестировать качество решения на исторических данных ☑️ Наши пожелания к кандидатам -Коммерческий опыт разработки на Python от 3 лет -Уверенное владение Python -Опыт работы с pandas и табличными данными -Опыт обработки Excel / CSV -Опыт парсинга PDF -Опыт разработки backend-сервисов и REST API -Понимание алгоритмов сопоставления, нормализации и очистки данных -Умение проектировать решение самостоятельно, а не только работать по готовому ТЗ -Опыт работы с Git -Будет плюсом: -Опыт с OCR: Tesseract, PaddleOCR или аналогами -Опыт с PyMuPDF, pdfplumber, Camelot, Tabula -Опыт с fuzzy matching -Опыт работы с Document AI / Intelligent Document Processing -Интеграция LLM API: OpenAI, Azure OpenAI, YandexGPT или аналогов -Опыт разработки систем reconciliation / data matching -Опыт работы с финансовыми, бухгалтерскими или другими структурированными документами -Опыт On-Premise решений -Опыт построения решений, где нужно сочетать детерминированную бизнес-логику и AI Контакты: hello@ayrosa.dev

⚡️ Успей присоединиться к третьему конкурсу по археологии Разработай ПО для поиска археологических объектов в рельефе, на поверхности и под землёй в культурном слое и материке – поработай не только с обработанными, но и с исходными данными, чтобы применить свой глубокий опыт и представить науке больше открытий. Призовой фонд — 30 000 000 ₽. Уже опубликован датасет обучения, с которым участники конкурса могут ознакомиться и начать работать над задачей. 🧠 Ждём команды из 2–5 человек с уверенными навыками в машинном обучении и компьютерном зрении. 📌 Формат: онлайн на платформе Phystech.Genesis. Можно участвовать как физическим, так и юридическим лицам. ⏳ Подай заявку до 30 сентября по ссылке.

Ищете работу в Data Science / ML / AI, но половина вакансий в выдаче вообще не про ваш стек и уровень? HuntlyAI помогает искать точнее — не листать сотни вакансий, а получать те, где действительно есть совпадение по опыту, навыкам и ожиданиям. Что умеет: 🎯 анализирует резюме и определяет, на какие роли и уровень компенсации вы можете претендовать; 🔎 подбирает вакансии под ваш профиль — стек, специализацию, seniority, формат работы и другие параметры. Чем больше вы пользуетесь Huntly, тем точнее рекомендации; ✍️ адаптирует резюме и отклик под конкретную вакансию, чтобы ключевые навыки и опыт не потерялись на этапе первичного AI/ATS-скрининга; 📊 собирает отклики в одном месте — можно видеть, куда уже отправляли резюме, и отслеживать статистику поиска. Подойдет специалистам, которые хотят меньше нерелевантных вакансий и больше точных мэтчей. 👉🏻 Попробовать здесь

30 сентября — AI Native People: вечер для тех, кто в реальном времени строит AI! 😉 Сбер приглашает ML-инженеров, AI-исследователей, продактов и разработчиков провести вечер с пользой: пообщаться с лидерами команд Сбера, узнать про задачи и обменяться контактами. Sber AI Lab, Agent Execution Framework, Enterprise Harness, ГигаАгент — выбирай проект по душе и, если всё сложится, стань частью команды. До встречи 30 сентября в 18:00 в Сбер.Среде по адресу: Москва, «Оригинал», Земляной Вал, 9А. Здесь — ссылка на регистрацию!

LLM API Engineering: OpenAI + Claude в production — новый курс на Mentorix Подключить GPT к приложению можно за несколько минут. А что делать, когда API начинает возвращать ошибки, запросы упираются в лимиты, ответы приходят не в том формате, а расходы на токены растут? Курс проведёт от первых запросов к OpenAI и Claude до сервиса, который переносится в рабочий проект сменой ключей. Что будете делать: • Подключите OpenAI и Claude через единый клиент • Реализуете streaming, structured output, tool calling и MCP • Настроите ретраи, лимиты и контроль расходов • Научитесь переключаться между провайдерами при сбоях • Соберёте финальный сервис поддержки API-ключи не нужны: практика идёт на встроенном эмуляторе OpenAI и Claude. Часть уроков бесплатна. Доступ навсегда, по окончании — сертификат. Сейчас скидка 45% на 24 часа 6 990 ₽ → 3 845 ₽ → Перейти к курсу и начать обучение

Что нужно знать, чтобы строить ML-модели в эпоху LLM и вайбкодинга? Нужно знать, что нейросеть сама себя за вас не проверит, особенно если ее не попросить: какая метрика подходит под задачу (и подходит ли текущая), переобучается ли модель, верно ли выстроена схема валидации, сколько и как тестировать модель в продакшене. ❗️Заметить и исправить ошибки нейросетки сможет только тот, кто имеет крепкий фундамент знаний в ML 🤓 Получить его можно на курсе «База ML» от MLinside: 5 поток стартовал 23 сентября, но набор еще открыт – можно подключиться сейчас и догнать группу Курс основан на многолетнем опыте преподавания ML в МФТИ, ВШЭ и работы в топовых компаниях. Программа подойдет новичкам в ML, а также разработчикам и аналитикам, которые хотят разобраться в машинном обучении, узнать, как ML применяется в реальных продуктах, и перейти в эту сферу. За время обучения вы: ▪️освоите ключевые алгоритмы машинного обучения; ▪️научитесь работать с данными и строить модели на Python; ▪️разберетесь в метриках и оценке качества моделей; ▪️познакомитесь с нейронными сетями; ▪️поймете, как устроены современные ML-системы; ▪️выполните практические задания и соберете проект для портфолио. В новом потоке в программе появились: ▪️ работа с AI-инструментами в задачах ML-специалиста ▪️ основы ML System Design А ещё в новом потоке в курс добавили разборы самых частых применений ML в бизнесе, стало больше практики и поддержки от кураторов. Курс ведут практики с опытом работы в Яндексе, МТС и Сбере и преподавания в МФТИ и ВШЭ. Среди них Виктор Кантор, Никита Зелинский и Илья Ирхин, сами прошедшие путь от Data Scientist до CDO и понимающие все стадии развития в Data Science изнутри. Задать уточняющие вопросы или оставить заявку можно написав напрямую менеджеру школы, он ответит на вопросы, поможет выбрать тариф и забронирует место. Подробности о программе, формате обучения и тарифах — на сайте курса

💼 Практическая задача для ML-инженеров и квантов от Wunder Fund Вместо классических тестовых заданий HFT-фонд Wunder Fund запустил открытое соревнование Alfa Connectome. Это отличная возможность для тех, кто хочет попробовать свои силы в алгоритмическом трейдинге. Суть задачи: Необходимо изучить исторические торговые данные для двух связанных инструментов (ордербуки, сделки и другие параметры). По этой информации требуется построить модель, предсказывающую индикаторы будущей цены одного из инструментов. Особенности: 1) Работа строится на реальных биржевых маркет-данных. В этот раз организаторы предоставили гораздо больший датасет по сравнению с прошлыми задачами. 2) По сути, это классическая задача кванта, с которой они регулярно сталкиваются в работе. Перспективы: Авторы лучших решений получают приглашение на техническое собеседование в фонд. Для справки: Wunder Fund занимается высокочастотным алготрейдингом с 2014 года, торгует на традиционных и криптобиржах, а их дневной оборот составляет около $10 млрд. Также предусмотрены денежные призы: общий фонд составляет $13,600. 📅 Сроки проведения: 11 сентября — 15 ноября. 🔗 Подробное описание датасета и задачи

⚡️Data Science в 2026 году: что нужно знать, чтобы дойти от первой модели до первого оффера? Большинство новичков совершают одну и ту же ошибку: пытаются выучить весь Data Science сразу. Python, математика, статистика, ML, Deep Learning, MLOps… А потом открывают вакансию и обнаруживают ещё примерно 15 технологий, о которых вчера даже не слышали. В итоге можно несколько месяцев учиться, собирать учебные модели и всё равно не понимать, что именно нужно показать работодателю, чтобы получить первый оффер 🫠 Мария Жарова — ML-инженер Wildberries, экс-Альфа-Банк и Сбер, преподаватель магистратур МФТИ, ТГУ и МИФИ — проведёт бесплатный эфир «ML-инженер в 2026 году: от первой модели до первого оффера» и покажет профессию изнутри на реальной ML-задаче. Что будет на эфире:

🔶На живом примере соберём модель, которая определяет тональность отзывов: подготовим данные, превратим текст в числа, обучим алгоритм и проверим, где он ошибается; 🔶Разберём полный цикл ML-проекта — от задачи бизнеса и сырых данных до готовой модели; 🔶Разберёмся, чем отличаются Data Scientist, ML Engineer, Deep Learning и MLOps и чем занимается каждый специалист; 🔶 Посмотрим, какие знания и навыки действительно нужны новичку, а что пока можно не пытаться выучить за одну ночь; 🔶Разберём реальные требования в вакансиях и поймём, какие проекты стоит добавить в портфолио; 🔶Обсудим, как перейти от обучения к первым собеседованиям и не застрять в бесконечном «ещё немного поучусь и начну искать работу».

Дополнительно на эфире разберем реальные примеры резюме и портфолио кандидатов, которые смогли пройти отбор. 🎁 ПОЛУЧИТЕ 3 КУРСА (PYTHON, SQL, PANDAS) В ПОДАРОК ЗА РЕГИСТРАЦИЮ НА ЭФИР! Эти курсы - база для того чтобы вкатиться в профессию! Если вы сейчас пытаетесь разобраться в Data Science и не очень понимаете, что учить, какие проекты делать и когда уже можно идти на собеседования, эфир поможет собрать всё это в одну понятную картину. 🛎️Регистрируйтесь, эфир совсем скоро!

#вакансия #удаленно #РФ #Al #Python #разработчик AI-разработчик Middle/Senior Зп до 260к на руки ИТ компания интегратор Оформление ИП, Смз Гражданство РФ, локация РФ Удаленно Разработка AI-агентов (написание кода, логика, интеграция моделей) и полная ответственность за их доставку и поддержку в микросервисной среде. Баланс: 30% Разработка (Coding) 70% Внедрение и эксплуатация (Deployment & Ops). Ключевые навыки (Hard Skills): - AI Development - Python, фреймворки для AI (LangChain, LlamaIndex, Semantic Kernel или аналоги). Понимание концепции AI Agents, RAG, Tool Calling; - DevOps / MLOps - Docker, Kubernetes, Helm. Умение написать Dockerfile и values.yaml; - Debugging & Ops - ArgoCD (только чтение логов/статусов), работа с терминалом (bash), анализ логов; - Security & Deps - Работа с SCA-сканерами. - Опыт от 3-6 лет Middle / Senior; - Бэкграунд: Python-разработчик, который увлекался AI и выучил Docker/K8s, либо MLOps-инженер, который умеет хорошо программировать; - Ключевая компетенция: Автономность. Необходимо уметь не только написать бота, но и перенести его в контейнер, заставить пройти проверку безопасности и запустить в кластере без помощи системных администраторов; - Глубокое понимание работы зависимости в Python (virtualenv, poetry, pip), так как 70% проблем с деплоем связаны с ними. 💫Задачи на проекте - Написание кода агента на Python, который использует внешние API; - "Упаковка" кода в Docker-образ с минимальным размером и безопасными зависимостями; - Написание Helm-чарта для развертывания этого образа в K8s; - Поиск способов обновления библиотеки или применение патча, пересборка образа и обновление деплоя при блокировке образа SCA-сканером из-за уязвимости в библиотеке requests; - Чтение логов пода в ArgoCD, в случае падения агента в продакшн. Исправление кода и подготовка нового деплоя, если ошибка в промпте или API. Этапы отбора 1. Интервью 2. Проверка ИБ Описание проекта и команды Управляющая компания. ==== ⚠️ Перед откликом обязательно изучите Регламент безопасности канала. ==== ✍️ пишите и присылайте резюме в лс @HR_V_a

Ошибки в данных влияют на отчеты, аналитику и процессы компании. Но кто отвечает за качество данных, как находить проблемы и какие действия помогают избежать повторных ошибок? На открытом уроке 30 сентября в 20:00 МСК разберем, как выстроить управление качеством данных: от обнаружения проблемы до ее устранения. Вы узнаете, как оценивать риски, распределять ответственность между участниками процесса и выбирать подходящие механизмы контроля. Урок проходит в преддверие старта курса «Качество данных / Data Quality». Занятие будет полезно руководителям в сфере данных, аналитикам, инженерам данных, специалистам по качеству данных и менеджерам цифровых проектов. ➡️ Разберитесь, как превратить качество данных из постоянной проблемы в управляемый процесс: https://otus.pw/pfHj/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

👀 Product Lead (Predictions & ML) Удаленка Adapty — платформа монетизации подписок для мобильных приложений. Через нас проходит больше $3B подписочной выручки в год, нами пользуются больше 20 000 приложений. Мы делим продукт на стримы и сейчас собираем аналитику и ML под одного владельца. Вся мобильная реклама держится на одном разрыве: выручка от привлечённого пользователя приходит в течение года, подписками и продлениями, а решение, продолжать ли тратить на канал, нужно принять за несколько дней. Этот разрыв закрывает предсказание LTV — и от точности прогноза напрямую зависит, сколько приложение может позволить себе потратить на рост. Данных для этого у нас больше, чем почти у кого-либо на рынке: мы видим тысячи приложений одновременно, а не одно. Значит, мы можем предсказывать точнее всех. Сейчас не предсказываем, и это задача роли. Направление собирается с нуля: аналитика, предикт и A/B-тесты впервые сходятся под одним владельцем. Ты получаешь чистый лист в решениях поверх продукта, который уже приносит деньги двадцати тысячам приложений. ➡️Чем заниматься: — Определить, что мы считаем качеством модели — метрика, горизонт, baseline, калибровка — и довести предикт до этого уровня — Забрать A/B-тесты пейволлов и свести их с предиктом: тест меряет краткосрочный эффект, а раскатывать надо по долгосрочной выручке — Разогнать аналитику: найти, где затык — в данных, запросах или интерфейсе — Решить судьбу накопленных ML-наработок: что доводим до продукта, что закрываем — Вести команду из двух ML-инженеров ➡️Кого ищем: — Классический ML и матстат на уровне предметного спора о метрике и горизонте, а не пересказа чужих выводов — SQL и Python — сами достаёте и перепроверяете числа — Умение взять широкое направление и довести до результата без постановки задач — Продуктовый опыт — плюс, но не требование 📌Плюсом: подписки, мобайл или финтех (LTV, churn, когортная экономика); экспериментальный дизайн: мощность, MDE, множественные сравнения; ClickHouse; олимпиады, Kaggle, публичные проекты. ➡️ По всем вопросам и с резюме обращайтесь: @musit (без cv не рассматриваем)

Не застревайте в прошлом — учитесь новым навыкам и ИИ Чтобы успевать за требованиями рынка, освойте новую профессию и нейросети в Практикуме. До 30 сентября действует скидка 16% на все курсы.  Выбрать курс Как всё устроено:  — нейросети уже в каждом курсе: учим профессиям сразу с ИИ, чтобы ваше резюме было заметнее, а трудоустройство — увереннее; — эксперты — практики, которые двигают ИИ-индустрию: перенимайте опыт у профи из Яндекса, Сбера, Т-Банка и других бигтех-компаний; — воркшопы, которые успевают за изменениями: если сегодня завирусится новая нейросеть, то завтра вы сможете обсудить её с наставником. Начните учиться бесплатно и получите скидку 16% — она автоматически появится в личном кабинете.  Учиться! Erid: 2SDnjbzG4Bu Название: ООО "ЯНДЕКС" ИНН: 7736207543

#вакансия #AI #Architect #Automation Локация: Кипр или UK, удаленно из Европы Вилка: 8 000 - 12 000 евро gross Контакт: @veronika_vlasovets Ищем AI Engineering Architect для крупной продуктовой компании, который возьмет на себя ответственность за 5-кратное ускорение скорости разработки через внедрение AI. Компания: международный B2C бизнес в индустрии развлечений, работает сразу с несколькими продуктами и создает инструменты для музыкантов и авторов по всему миру. Компания движется к децентрализованной инженерии и делает ставку на AI-native инструменты как способ этого достичь. Системы, которые вы спроектируете, должны работать одинаково хорошо сразу в нескольких продуктах. Задачи:  Вам необходимо будет построить и возглавить AI-стек для инженерии: агентные воркфлоу, evals, правила доступа, AI-ревью кода, автоматизацию тестирования и деплоя. В фокусе — автоматизация: находить и убирать главные узкие места в рабочих процессах с помощью AI, отвечать за 5-кратное ускорение разработки. Также предстоит выбирать модели и провайдеров для инструментов, запускать MVP на одной команде и масштабировать на всю организацию, настраивать evals, которые показывают реальный эффект на скорость. Требуемые навыки и опыт: * 6-7+ лет коммерческой разработки, любой стек, последние несколько лет фокус на внедрении и автоматизации процессов через AI * Опыт внедрения AI-инструментов в масштабе всей компании с измеримым эффектом на скорость работы * Экспериментальный подход, основанный на данных: предложить идею, запустить MVP на одной команде, затем масштабировать то, что сработало * Опыт работы с агентными инструментами (Claude Code, Cursor и подобные) в масштабе организации, а не только личное использование * Английский от B2 Что предлагают: 📍Официальное оформление на Кипре или в UK, для remote - b2b контракт. Для кандидатов из РФ/РБ есть поддержка релокации на Кипр.  ✅ Remote возможен, чем ближе к часовому поясу CET, тем лучше 📦 Релокация + visa support 🎵 Работа над продуктами для миллионов музыкантов и авторов по всему миру 🚀 Роль без готового плейбука: сами решаете, что строить и как, а потом защищаете это перед CTO 📚 Обучение, языковые занятия, конференции 🏥 Поддержка ментального здоровья Если интересно узнать больше — пишите мне в Telegram: @veronika_vlasovets

17 сентября в Москве прошла AI R&D DAY — конференция для исследовательских команд и создателей ИИ-систем. Более 600 участников на одной площадке, 20+ докладов — концентрат практического опыта, знаний и инструментов, готовых к внедрению сразу по возвращению в офис. Обсудили альтернативные архитектуры, обучение моделей и AI-агентов, долгосрочную мультимодальную память, новые модальности и коммуникации, а также бенчмаркинг и стандарты качества AI. Среди спикеров — эксперты Сбера (Sber AI, Kandinsky Lab, Центра «ИИ для науки», Центра практического ИИ, Центра робототехники), института AIRI, Лондонского института практических наук, Национального суперкомпьютерного центра в Цзинане и другие создатели ИИ-систем. Видеозаписи докладов уже доступны в наших соцсетях. А если вы хотите стать частью исследовательского коммьюнити Сбера, то переходите по ссылке #реклама О рекламодателе

Из аналитика в дата-инженеры: переход реален? 🤔 В последнее время все чаще дата-инженерия для аналитиков становится более привлекательной, но в то же время страшной. С одной стороны, хочется понимать не только то, что происходит с данными, но и как эти данные вообще доезжают до нас. Откуда берутся, где хранятся, как обновляются, почему сегодня в витрине 10 млн строк, а завтра 8 млн и кто опять сломал загрузку🥲 И получается ситуация, когда хочется попробовать, но непонятно, с чего начинать и сколько лет на это закладывать. Поэтому мне понравилось, как Симулейтив пересобрали свой буткемп «Инженер данных». Курс разделен на 2 этапа: за первые 10 недель вы осваиваете базу и доходите до уровня junior-специалиста. А на втором этапе — углубленное изучение ключевых инструментов, где вы дорастаете до мидла. Что вас ждет на курсе: ➖SQL, Python, пайплайны сбора и обновления данных, хранение и обработка, DWH; ➖Живые занятия с ментором каждую неделю — не записи, а разборы вживую; ➖Подготовка к собеседованиям с первых недель, а не в самом конце; ➖ИИ-инструменты как часть программы — учите работать с ними, а не избегать; ➖Гостевые лекции от практикующих дата-инженеров из Яндекса, Т-Банка, Авито, Сбера, OZON; ➖Официальный диплом о профессиональной переподготовке. Кому подойдёт: 1. Тем, кто хочет войти в дата-инженерию с нуля или перейти из аналитики; 2. Тем, кто пробовал учиться самостоятельно, но теряет темп без структуры; 3. Тем, кому интереснее не просто считать метрики, а выстраивать систему, на которой держатся данные. Почему сейчас: специалистов, которые управляют данными как системой, на рынке меньше, чем нужно, — а спрос растёт, потому что без инженерии любые данные быстро превращаются в хаос. 🔥ВАЖНО: Симулейтив дают возможность получить грант обучение и гарантируют трудоустройство своих студентов. Количество грантов ограничено! Оставляйте заявку до завтра включительно, чтобы занять одно из 5 оставшихся мест нового потока! 🔗 ЗАБРОНИРОВАТЬ МЕСТО

Осенний hiring season уже начался, и у тебя осталось 2 месяца, чтобы найти работу на международке ⏳ Диана переехала в Барселону и была уверена: с её бэкграундом (ВШЭ, МГУ) работа найдётся на раз-два. По факту — автоотказы через 3 минуты после отклика, она выгорела и уже была готова на даунгрейд. Дальше — стратегия, тренировочные интервью, сопровождение, и как итог: 5 офферов, включая AI-стартап в Лондоне 🎉 Сейчас лучший момент повторить её путь. Осенний hiring season в разгаре: у компаний открылись бюджеты, менеджеры вышли из отпусков и хотят закрыть позиции до праздников. Но это окно закроется уже скоро, в ноябре бюджеты начнут сворачивать, в декабре рынок встанет на каникулы. 📅 22 сентября в 19:00 МСК на бесплатном мастер-классе «Как найти работу за рубежом уже этой осенью?» разберём: 🔹 как успеть найти работу в активный hiring season; 🔹 какие стратегии поиска реально работают на международке; 🔹 как собрать «безотказное» резюме и подготовиться к собесу на английском. Спикер — Дарья Бородина, карьерный эксперт AgileFluent, провела 100+ консультаций. Хочешь забрать свой оффер до того, как рынок уйдёт в зимнюю спячку? 👉 Регистрируйся на мастер-класс Реклама. ООО «Эджайл», ИНН 7810964334, erid: 2VtzquduVzk

AI Research Lab 42 ведет активный поиск senior researchers 🔬 💰 €100–250K/year в зависимости от роли и опыта 📍 Amsterdam, помогаем с релокацией 42 — AI research lab, которая разрабатывает автономного AI Scientist — систему, способную самостоятельно формулировать гипотезы, проводить эксперименты и находить решения. Первый фокус лаборатории — финансовые рынки: AI-система работает как автономный трейдер, а полученный капитал финансирует дальнейшие исследования. Параллельно лаборатория ведёт исследования в области биологии человека, нейротехнологий и фундаментальной физики. Сейчас в trading research открыто 3 позиции: 📈 TradFi Research Lead Задача — построить и возглавить research-направление в traditional markets: разрабатывать MFT-стратегии, строить портфели и risk/execution models, выводить стратегии в production. Ищем 5+ лет в systematic quant research, подтверждённый track record прибыльных MFT-стратегий и опыт с equities / futures / options / FX. Опыт лидерства обязателен. 🤖 AI Researcher — Autonomous Research Задача — перейти от ручного quant research к автономной agent-driven системе, которая сама генерирует гипотезы, тестирует и оптимизирует стратегии. Ищем MFT/HFT researcher с сильным пониманием market microstructure, статистики и Python/ML, способного формализовать research-процесс так, чтобы его можно было автоматизировать. 💰 Quantitative Researcher — Crypto MFT Задача — полный цикл разработки medium-frequency crypto strategies: от поиска alpha и backtesting до production и мониторинга live performance. Ищем 2+ лет в systematic trading, опыт запуска стратегий в live, глубокое понимание crypto market structure (spot, perps, funding), сильные Python, statistics и ML/DL. По всем позициям начинаем работать удаленно по B2B контракту, через полгода релокация в Амстердам по high skilled migrant visa и оформление в голландскую компанию с 30%ным налоговым рулингом. Вопросы и резюме @d_shteinardt

Практика full-cycle разработки для CV-инженеров от Latorn Коллеги выкатили курс, ориентированный исключительно на production-ready навыки. Никакой воды, только сборка полноценного пайплайна на реальных кейсах (дефектоскопия, OCR документов, пустые полки). Стек и инструменты: • CV: YOLO, RT-DETR, SAM, OCR / Doc-AI • Deploy & Inference: ONNX, TensorRT, OpenVINO • Backend & Ops: FastAPI, Prometheus, Grafana Результат - готовый микросервис с полным мониторингом. Вы научитесь не только трекать mAP/IoU, но и контролировать бизнесовые метрики: p95-latency и cost/req. Промокод CV50 срежет цену вдвое (действует 3 дня). Записаться и узнать подробнее можно здесь

#вакансия #удаленка #datascience ☁️Позиция: Data Science (Senior) 💰ЗП: Вилка: 174тр - 215тр 📅Формат работы: Удаленка 📍Локация/Гражданство: РФ 📅Занятость: Full-time 📌Обязанности: - Разработка сервисов ИИ платформы для создания функциональных агентов, ИИ ассистентов. - Подготовка бэк части для функциональных агентов, включая среду разработки агентов: тестирование фреймворков, opensource агенты. - Разработка сервиса управления реестром и скиллами агентов. - Создание отдельного единого сервиса для всех баз знаний, интеграция крупных корпоративных источников. 🔺Требования: - Понимание архитектуры, возможностей и ограничений современных языковых моделей. - Опыт работы с embeddings, vector search, RAG, structured output и tool calling. - Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop. - Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы. - Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента. - Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков. - Умение оценивать стоимость, latency и масштабируемость LLM-решений. - Опыт работы в e-commerce, retail или других продуктовых highload-системах. - Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. - Опыт эксплуатации GPU-инфраструктуры и оптимизации inference. - Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT. - Опыт проектирования agentic workflows или multi-agent-систем. - Понимание принципов информационной безопасности, privacy и работы с персональными данными. По всем вопросам и с резюме: @pavel_korab

Почему одни ИИ-агенты помогают разработчикам экономить время, а другие требуют постоянной доработки? При создании агентных систем важно не только подключить LLM, но и правильно организовать логику работы агентов. Без единых подходов разработка замедляется: одни и те же решения приходится создавать заново, а поведение системы становится сложнее контролировать. На открытом уроке 1 октября в 20:00 МСК разберем, как Agent Skills помогают ускорить создание ИИ-агентов, стандартизировать их логику и повторно использовать готовые решения. Вы узнаете, какие ИИ-инструменты помогают разработчикам быстрее собирать агентные системы и как применять эти подходы на практике. Урок пройдет в преддверие старта курса «Разработка ИИ-агентов». Занятие подойдет разработчикам, ИИ-инженерам и техническим специалистам, которые создают агентные решения и хотят повысить скорость и качество разработки. ➡️Научитесь создавать более предсказуемые ИИ-агенты и тратить меньше времени на рутинную реализацию: https://otus.pw/yguC/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576