Data Science | Вакансии

Вакансия Engineering Manager (ML) 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Tabby 🟦Описание вакансии Вы будете руководить многофункциональной командой, состоящей из инженеров машинного обучения, бэкенд- и фронтенд-разработчиков, специалистов по контролю качества и продуктового аналитика. Команда управляет конвейером обогащения на основе LLM (категоризация, извлечение атрибутов, перевод), моделью представления элементов и встраиваниями, которые обеспечивают поиск и рекомендации, модерацией с помощью машинного обучения, заменяющей ручную проверку, а также платформой для маркировки и оценки, лежащей в основе всего этого. 🟦Требования – Более 6 лет инженерного опыта, включая более 3 лет опыта создания производственных систем машинного обучения (NLP, приложения LLM, эмбеддинги или классификация в масштабе предприятия). – Опыт работы более 2 лет в должности руководителя инженерного отдела или лидера команды машинного обучения в быстрорастущей компании, занимающейся электронной коммерцией, маркетплейсами или финтех-компаниями. – Практический опыт внедрения продуктов на основе LLM: разработка сценариев и конвейеров обработки запросов, тонкая настройка, оценка, контроль затрат и задержек, модели с самостоятельным размещением и на основе API. – Опыт создания и эксплуатации крупномасштабных конвейеров обработки данных и машинного обучения (пакетная и потоковая обработка), а также обеспечения их наблюдаемости, воспроизводимости и надежности. – Уверенное знание основ бэкенда; вы легко осваиваете сервисы на Go и Python и умеете рассуждать о распределенных системах. – Наш стек технологий: Python, Go, PostgreSQL, Pub/Sub, BigQuery, GCS, Kubernetes, Google Cloud Platform, Airflow и микросервисная архитектура. – Глубокое понимание оценки результатов машинного обучения: эталонные наборы данных, рабочие процессы разметки, офлайн-метрики и A/B-тестирование, ориентированное на бизнес-результаты. – Понимание продукта: вы связываете качество каталога с конверсией, поиском товаров и ростом продаж, и можете расставлять приоритеты соответствующим образом. – Проактивный подход и способность работать самостоятельно. – Уверенное владение английским языком на уровне B2 и выше. 🌐 Откликнуться

Вакансия Senior ML Engineer 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Tripster 🟦Описание вакансии Tripster — это TravelTech-сервис для онлайн-бронирования экскурсий и туров по всему миру. Сейчас мы находимся на этапе активного запуска AI-направления и внедрения Machine Learning и LLM-решений в ключевые продукты (поиск, рекомендации, ценообразование и чат-боты). Мы ищем Senior ML Engineer, который не просто «обучит модель», а возьмет на себя ответственность за создание ML-направления внутри компании: от первых пайплайнов до полноценной высоконагруженной продакшн-системы. 🟦Задачи – Полный цикл ML-решений: От исследования и генерации фичей до обучения моделей (ранжирование, классический ML) и внедрения векторного поиска. – Production & Engineering: Деплой моделей, создание API-сервисов, организация batch и online-инференса, настройка мониторинга и оптимизация latency. – Архитектура: Проектирование ML-систем, выбор технологического стека и автоматизация процессов с нуля. – LLM & AI: Интеграция LLM через API, внедрение RAG-систем, промпт-инжиниринг и оценка качества. – Валидация: Проведение A/B-тестов и подбор метрик для проверки качества гипотез. 🟦Требования – Работал в роли ML Engineer / Applied ML Engineer / Senior DS от 2 лет. – Шаришь за Python и понимаешь весь жизненный цикл ML. – Самостоятельно заворачивал модель в сервис и умеешь работать с Docker, Kubernetes, Airflow. – Хорошо знаешь SQL и имеешь опыт работы с аналитическими БД (Postgres, ClickHouse). – Способен выстраивать процессы там, где их еще нет. – Будет преимуществом: опыт с ElasticSearch, LLM (OpenAI/Claude/YandexGPT) и RAG-системами. 🌐 Откликнуться

Вакансия ML Engineer (NLP) 🟢Удаленно в РФ🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию СберЗдоровье 🟦Описание вакансии Мы ищем Middle+/Senior AI Engineer в команду нового мобильного приложения SberHealth - AI-native продукта. Основной фокус роли - разработка GenAI/LLM/Agentic-сценариев для медицинского помощника. 🟦Задачи – Проектировать и развивать LLM-пайплайны для ИИ-помощника: диалоги, уточняющие вопросы, рекомендации, саммари, инсайты, объяснения медицинских данных простым языком. – Разрабатывать агентные сценарии: сбор данных из внешних источников, валидация данных, обогащение профиля, уточнение рисков, подготовка данных к приёму врача, контроль следования рекомендациям. – Строить tool/function calling-сценарии для взаимодействия помощника с внутренними сервисами: запись к врачу, риск-профиль, документы, уведомления, профиль пользователя, данные носимых устройств. – Работать с промптами, structured output, JSON-контрактами, guardrails, fallback-логикой и обработкой corner cases. – Участвовать в проектировании мультиагентного решения: агент валидации данных, агент уточнения рисков, агент подготовки к врачу, агент контроля плана, агент проактивных уведомлений. – Оптимизировать стоимость, задержки и качество LLM-вызовов, особенно в сценариях активного мобильного использования. – Помогать превращать разрозненные данные пользователя - анкеты, анализы, заключения, носимые устройства, исторические данные - в структурированный медицинский контекст и многое другое. 🟦Требования – Опыт работы в роли ML Engineer / AI Engineer / NLP Engineer / LLM Engineer от 3+ лет. – Практический опыт вывода ML/AI-решений в продуктовую среду, а не только исследования или ноутбуки. – Опыт разработки LLM-based приложений: чат-боты, ассистенты, RAG, agents, tool calling, structured generation, автоматизация бизнес-сценариев. – Опыт работы с NLP-задачами на реальных пользовательских или доменных данных. – Опыт взаимодействия с backend, product, analytics, MLOps и domain experts. GenAI / LLM / Agentic hard skills: – Уверенный опыт работы с LLM API и/или self-hosted/open-source моделями. – Понимание prompt engineering, prompt chaining, tool/function calling, structured outputs, JSON schema, retries, fallback strategies. – Опыт построения agentic workflows: планирование, выбор инструментов, память/контекст, маршрутизация, проверка результата, recovery после ошибок. – Опыт с RAG-подходами: embeddings, reranking, chunking, retrieval evaluation, hallucination mitigation. – Понимание LLM evaluation: offline/online метрики, golden datasets, тестирование промптов, regression testing, human review. – Опыт извлечения структурированных данных из неструктурированного текста. – Опыт с OCR/document understanding: распознавание документов, фото, таблиц, сканов, форм, результатов анализов. – Понимание задач layout analysis, table extraction, document classification, post-OCR correction. Python на уверенном уровне. – Git, code review, branching, pull requests. – Docker, базовое понимание контейнеризации и окружений. – Linux/CLI, умение разбираться в логах и окружениях. – REST API, интеграции с backend-сервисами, понимание контрактов и версионирования API. – Базовое понимание CI/CD, тестирования, мониторинга и observability. – Умение писать поддерживаемый код, покрывать критичную логику тестами и документировать решения. 🌐 Откликнуться

Вакансия ML‑engineer в CV‑лабораторию, middle+ 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Контур 🟦Описание вакансии CV-лаборатория проводит исследования в области современного компьютерного зрения и продвигает их использование в Контуре. Команда решает текущие продуктовые задачи и проводит исследования на будущее. Самое приоритетное направление сегодня: сервис распознавания документов, на текущий момент у нас есть MVP, нам важно закончить сервис до конца года. 🟦Задачи – Дорабатывать и развивать сервис распознавания документов. – Создавать пайплайны классификации, пре- и постпроцессинга, распознавания текста. – Разрабатывать алгоритмы пост‑процессинга для валидации и нормализации распознанных данных. – Помогать продуктовым командам с проработкой гипотез и презентацией результатов. – Проверять прикладные гипотезы с применением NLP, классического ML, LLM и агентных подходов. 🟦Требования – Глубокую экспертизу в PyTorch. – Опыт работы и глубокое понимание современных SOTA-подходов к задачам OCR и Key Information Extraction, а также классических методов их решения. – Понимание ландшафта и опыт взаимодействия с актуальными LLM/VLM. – Опыт работы в построении продакшен решений с высокой нагрузкой порядка нескольких десятков тысяч запросов в сутки. – Опыт оптимизации и дистилляции DL моделей для продакшена. – Навык работы со статьями — поиск и анализ решений. – Опыт самостоятельного деплоя моделей в продакшен. 🌐 Откликнуться

Вакансия Data Science (Senior) 🟢Удаленно в РФ (гражданство РФ)🟢Полная занятость 🟢от 174 000 до 215 000 р. 🟢В компанию HuntTech Опыт: от 5 лет 🟦Задачи – 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. 💬 Резюме отправлять: @pavel_korab

🚀 Приглашаем на третий конкурс по археологии от Phystech.Genesis. 🗓 Подача заявок до 30 сентября, 23:59 мск 👨‍💻 Работа над решениями — октябрь–ноябрь 2026 🔝 Реальные данные — реальный вызов 🔥 Призовой фонд 30 000 000 ₽ Организаторы уже провели два конкурса— теперь очередь третьего.

В нём модели участников будут находить объекты и в рельефе, и на поверхности, и под землёй — в культурном слое и материке.

⚡️ Ждём команды из 2–5 человек с уверенными навыками в машинном обучении и компьютерном зрении. 📌 Формат — онлайн-платформа Phystech.Genesis. Можно участвовать как физическим, так и юридическим лицам. Перейти к регистрации

Вакансия Data Science / Machine Learning 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию IT_One 🟦Описание вакансии Сейчас мы находимся в поиске Data Science / Machine Learning в команду Прогнозирования спроса для пополнения магазинов и складов. 🟦Задачи Вам предстоит поддерживать и развивать модели прогнозирования спроса. На данный момент их две: краткосрочная, для того чтобы снабжать наши магазины, а так же долгосрочная, для пополнения РЦ ( с которых пополняются магазины). Примерно 70% времени вы будете заниматься практической ML-разработкой: писать код, проводить исследования и эксперименты. Остальные 30% времени уйдут на общение, подготовку презентаций и работу с требованиями. 🟦Требования – Опыт в Data Science / Machine Learning от 2 лет. – Умение четко оценивать сроки и реалистично подходить к постановке задач. – Прагматизм: готовность искать рабочие решения, а не идеальные, но нереализуемые модели. – Ответственность: завершать проекты, а не бросать их на полпути. – Глубокое знание Python, SQL и PySpark: - Разработка ETL-процессов для обработки больших данных (чтение, трансформация, агрегация, запись). - Оптимизация Spark-запросов (партиционирование, кэширование, работа с broadcast-переменными). – Знание основных ML-фреймворков (Scikit-learn, TensorFlow/PyTorch). – Опыт работы с данными: обработка, анализ, feature engineering. – Общительность и неконфликтность – умение работать в команде и эффективно коммуницировать с коллегами. 🌐 Откликнуться

Вакансия Data scientist Персонализация 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Золотое Яблоко 🟦Задачи – Разрабатывать модели рекомендаций для сайта и мобильного приложения (cold‑start, гибридные модели, deep‑learning подходы) – Разрабатывать алгоритмы candidate generation для персонализированных рекомендаций на всех этапах пользовательского пути – Разрабатывать и обучать reranking-модели, объединяющие персональные, контекстные и бизнесовые сигналы – Создавать алгоритмы в карточках товара – похожие товары, cross‑sell/upsell‑рекомендации – Обучать и выводить в продакшн модели ранжирования поисковой и каталожной выдачи (Learning‑to‑Rank, нейронные ранжировщики, pair‑wise/list‑wise подходы) – Внедрять метрики оценки эффективности рекомендаций (CTR, CVR, MAP, NDCG), проводить онлайн и офлайн тестирование, A/B‑тесты – Разрабатывать и поддерживать ETL на PySpark для сбора необходимых признаков 🟦Требования – Опыт полного цикла разработки рекомендационной системы – от сбора требований до вывода в прод – Практический опыт Learning to Rank и понимание классических ML‑подходов к рекомендациям – Умение работать с большими объемами данных (Spark, Flink, Hadoop) – Владение базой по теории вероятности и статистике – Уверенное владение Python, опыт написания ETL‑процессов на PySpark – Понимание A/B‑тестирования, построения онлайн/офлайн метрик рекомендаций – Опыт работы с облачными хранилищами (S3, GCS, Azure Blob) 🌐 Откликнуться

Вакансия ML Lead 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию CHOICEIT 🟦Описание вакансии Сейчас находимся в поисках ML Lead - усиливаем ML направление и ищем специалиста, который сможет брать ownership за развитие торговых стратегий и влиять на эффективность всего направления  в небольшую HFT команду, которая разрабатывает и внедряет торговые стратегии на криптовалютных и классических рынках. 🟦Задачи – Разрабатывать и улучшать ML-driven и quantitative торговые стратегии – Искать и валидировать новые торговые идеи и сигналы – Работать с time-series и рыночными данными в реальном времени – Строить и оптимизировать пайплайны исследований, backtesting и inference – Улучшать скорость и эффективность алгоритмов – Анализировать качество моделей и стратегий – Потенциально — развивать направление и собирать команду под себя 🟦Требования – Подтверждённый опыт разработки прибыльных торговых стратегий / ML-driven стратегий – Опыт в HFT / market making / arbitrage стратегиях – Сильный Python и ML stack: NumPy, numba, PyTorch / JAX, scikit-learn – Хороший математический и статистический бэкграунд – Опыт работы с time-series / market data – Опыт quantitative research / ML research – Понимание принципов торговли, анализа рынков и поведения рыночных данных – Умение самостоятельно формулировать и проверять гипотезы – Высокий уровень самостоятельности и ownership mindset 🌐 Откликнуться

Вакансия Data Scientist (Pricing) 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Emerging Travel Group 🟦Задачи – Учитывайте бизнес-цели, лежащие в основе ключевых задач: ценообразование для B2B/B2C, прогнозирование и оптимизация финансовых и операционных показателей, приоритизация инцидентов и повышение эффективности взаимодействия с клиентами (рост доходов, экономия затрат, влияние на бизнес). – Осуществляйте управление проектами в области машинного обучения от начала до конца: от определения и формализации проблемы до моделирования, пилотного тестирования и презентации результатов. – Взаимодействовать с инженерами данных для сбора необходимых наборов данных и оценки целесообразности внедрения. – Совместная работа с аналитиками над разработкой A/B-тестов: определение метрик, разбиение на группы и интерпретация результатов. – Разработка моделей (классическое машинное обучение и глубокое обучение, временные ряды, моделирование повышения производительности), проведение анализа ошибок и оценки эффективности. – Подготовка моделей и кода для переноса в производственную инфраструктуру (развертывание и выпуск релизов осуществляются технической командой). – Возьмите на себя ответственность за качество модели, отслеживайте ключевые показатели и сотрудничайте с командой по вопросам ухудшения качества и планам улучшений. 🟦Требования – Более 3 лет опыта работы в качестве специалиста по анализу данных. – Подтвержденный опыт работы с проектами машинного обучения от начала до конца (способность контролировать весь процесс). – Глубокие знания классических методов машинного обучения (инженерия признаков, классификация, регрессия, бустинг и т. д.). – Практический опыт работы с моделированием роста и задачами анализа временных рядов (с реальными бизнес-приложениями). – Опыт работы с заинтересованными сторонами в бизнесе и понимание проблем оптимизации: ценообразование, B2C, LTV, удержание клиентов, A/B-тестирование и многое другое. – Уверенное владение Python для работы с данными и машинным обучением (написание чистого, читаемого кода для моделей и экспериментов). – Уверенный пользователь SQL (умеет создавать наборы данных, писать объединения таблиц и выполнять анализ данных). – Желательно иметь: опыт работы с MLflow/DVC, конвейерами обработки данных (Airflow или аналогичные), обнаружением аномалий/борьбой с мошенничеством, глубоким обучением (PyTorch/TensorFlow) и мониторингом моделей. 🌐 Откликнуться

Вакансия Machine Learning Engineer 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Libertex Group 🟦Задачи – Тесно сотрудничать с бизнес-подразделениями (продажи, маркетинг, разработка продуктов, платежи, обработка сделок), чтобы понять их потребности и преобразовать их в практичные, масштабируемые и надежные решения на основе машинного обучения. – Работа над такими проектами, как прогнозирование LTV, прогнозирование оттока клиентов, решения по борьбе с мошенничеством, моделирование роста, приложения GenAI (ИИ-агенты, чат-боты, MCP). – Контролировать существующие решения, управлять их усовершенствованием при необходимости, расширять роль машинного обучения в масштабах всей организации. – Внедрить новые и улучшить существующие методы MLOps, заложив основу для эффективной и результативной разработки, развертывания и мониторинга моделей. 🟦Требования – Отличное понимание бизнеса и того, как решения в области машинного обучения могут вписаться в него и принести пользу. – Технологический стек: Python, PyTorch, SQL (MSSQL, Postgres), ClickHouse, AWS (Sagemaker, Bedrock, EC2, EKS), Docker, FastApi, Kafka, Airflow. – Внедрение и поддержание практик MLOps, включая контроль версий для моделей, автоматизированное тестирование и CI/CD для систем машинного обучения. – Используйте сервисы AWS ML (или аналогичные) для разработки и развертывания моделей. – Общее понимание ИТ-инфраструктуры, различных типов источников данных, процессов разработки и т. д. – Желателен опыт применения инструментов анализа данных в мобильных приложениях, играх или финтехе. – Средний уровень английского языка – Опыт работы с программами LLM (AWS Bedrock, langchain, langgraph, RAG, Agents, MCP). 🌐 Откликнуться

Вакансия Data Scientist Middle/Senior Scoring 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Билайн 🟦Задачи – Развитие скоринговых моделей. – Построение предиктивных моделей для задач B2C и B2B кредитования, страхования и e-commerce. – Создание современных решений для задач предотвращения мошенничества. – Разработка моделей fraud prevention. – Поиск новых и применение актуальных методов для улучшения широкого круга задач. – ML-research в области NLP, анализа графов и нейронных сетей. – Внедрение разработок в продуктив. – Усовершенствование пайплайнов и оптимизация расчетов на кластере. 🟦Требования – Успешный профессиональный опыт работы в финтех индустрии не менее 1 года, или стаж в DS и ML более 2 лет. – Опыт построения моделей с помощью классического ML-стека. – Навыки работы с Python, (py)Spark, SQL, уверенные знания теории вероятности и статистики. – Понимание ООП и структур данных. – Кейсы с применением собственных методик в анализе данных и построении моделей на табличных данных. – Хорошие отношения с Git, Jira, Confluence. 🌐 Откликнуться

Вакансия Data Scientist 🟢Удаленно в РФ🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Koronatech 🟦Описание вакансии Приглашаем в команду машинного обучения специалистов в области классического ML. Работаем над внутренними проектами: – кредитного скоринга – поиска аномального и мошеннического поведения – идентификации пользователей и др. 🟦Задачи – Обработка сырых данных – Генерация гипотез – Построение пайплайна обработки данных – Подготовка и проведение А/В-тестов – Обучение моделей – Валидация работы моделей – Разработка отчетности – Расчет статистических показателей 🟦Требования – Опыт работы с задачами машинного обучения/опыт статистической обработки данных от 1,5 лет – Опыт разработки на Python, опыт проверки кода – Опыт работы с библиотеками для анализа данных: pandas, matplotlib, numpy, sklearn – Уверенные навыки использования Linux, Jupyter Notebook, Git, SQL – Знание основных моделей машинного обучения: градиентный бустинг на основе деревьев решений, логистическая регрессия с регуляризацией, метод ближайших соседей – Знание способов проверки гипотез – Опыт самостоятельного ведения темы: анализ требований, декомпозиция, реализация, оценка результата, формулировка выводов, презентация результатов – Дополнительные навыки: базовые навыки в Airflow, PySpark, DVC 🌐 Откликнуться

Вакансия Senior Data Scientist with Optimization (operations research) 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Lingaro Group 🟦Задачи – Понимание бизнес-процессов, понимание/подготовка данных, моделирование, оценка и внедрение решений – в соответствии с методологиями CRISP-DM. – Понимание методологий оптимизации, включая линейное/целочисленное/нелинейное программирование и эвристические методы для поиска наилучшего решения бизнес-задачи. – Выступать в качестве представителя компании Lingaro на проектах внешних клиентов. – Уметь выполнять технические задачи, исходя из бизнес-требований, начиная с обработки данных, проектирования признаков, проверки гипотез и заканчивая представлением результатов. – Проактивный подход к выявленным областям, требующим улучшения. – Соответствие стандартам компетентности/стандартам предоставления услуг компании. – Знания и опыт, полученные в ходе проектов в области управления цепочками поставок или проектов по оптимизации, являются преимуществом. 🟦Требования – Минимальный стаж работы по специальности — 5 лет и более. – Коммерческий опыт, подтвержденный успешными проектами в области анализа данных. – Опыт работы с методологиями оптимизации, включая использование различных библиотек оптимизации (например, CPLEX, Gurobi, ortools и др.), и стремление к расширению знаний. – Уверенные навыки программирования на Python, включая использование библиотек машинного обучения, и базовые знания SQL. – Опыт в применении методов инженерии признаков и/или использовании внешних источников данных будет полезен при решении задач прогнозирования. – Опыт работы с облачными технологиями (особенно MS Azure, GCP/AWS приветствуется). – Знание теории, лежащей в основе различных концепций машинного обучения. – Опыт реализации проектов CRISP-DM и работы с гибкими методологиями управления проектами (например, Scrum, Kanban). – Опыт работы с клиентами, особенно с внешними клиентами. – Отличные коммуникативные навыки. – Продвинутый уровень владения английским языком. 🌐 Откликнуться

Вакансия Data Scientist в команду Horizontal ML TML 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Wildberries 🟦Задачи – Разрабатывать и внедрять ML-решения полного цикла: от формулировки гипотез и построения моделей до их продуктивизации, оркестрации и интеграции в существующие системы; – Обеспечивать стабильную работу моделей: настройка пайплайнов, мониторинг качества и производительности, улучшение текущих решений; – Решать прикладные ML-задачи на больших данных (прогнозирование, классификация и др.); – Работать с PySpark и Hadoop-стеком для обучения моделей и обработки данных в промышленной среде; – Вносить вклад в развитие инженерной культуры команды: стандартизация ML-пайплайнов, практик разработки, сопровождения и мониторинга моделей. 🟦Требования – Опыт работы в роли Data Scientist 3–5 лет и умение решать прикладные ML-задачи в продакшене (classification, regression, anomaly detection, ranking и др.); – Владение Python и современным ML-стеком: от базовых аналитических инструментов (pandas/polars, scikit-learn, визуализация) до библиотек для построения и эксплуатации моделей (например, LightGBM, CatBoost, PyTorch, MLflow и др.); – Хорошее знание SQL и умение эффективно работать с данными в аналитических базах (например, GreenPlum, ClickHouse); – Опыт работы с большими данными и промышленной эксплуатацией моделей на PySpark и Hadoop-стеке; – Знакомство с инструментами интеграции и потоковой обработки данных — Kafka, S3 и другими компонентами экосистемы больших данных; – Опыт разработки production-ready кода: тестирование, code review, работа с Git и CI/CD; – Опыт выстраивания end-to-end пайплайнов: от постановки задачи и экспериментов до внедрения и мониторинга в продакшене; – Экспертиза в направлении ритейла и маркетплейсов будет плюсом. 🌐 Откликнуться

Вакансия ML-Инженер 🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию FunCorp 🟦Описание вакансии Мы в FunCorp создаём новый музыкальный технологический продукт для тех, кто поёт и играет на гитаре. Идея: дать живому музыканту возможность играть с AI так, чтобы это ощущалось как репетиция с настоящей группой — а не игра под статичную фонограмму. Ищем в команду ML-Инженера 💻 Нам нужен человек, который сам играет и по-настоящему увлечён музыкой — иначе просто не услышит, где AI звучит неправильно :) 🟦Задачи – Проводить исследования на основе большого количества реальных гитарных джемов – Работать с open source моделями, адаптация под музыкальные задачи – Отвечать за полный цикл: от идеи и исследования до реализации и деплоя – Генерировать и распознавать игры на инструментах – Тестировать на слух — с гитарой в руках – Работать с инфраструктурой: Docker, облака, MLOps 🟦Требования – Ты играешь на гитаре и живёшь музыкой – Обязателен опыт в voice/audio ML — генерация, распознавание, обработка звука – Умеешь адаптировать open source модели под задачу ‼️При отклике обязательно напишите: какой у вас опыт в voice/audio, и как давно и на каком уровне играете на гитаре 🎸 💬 Резюме отправлять: @FunCorpHR

🚨60 минут Пожизненный PRO-доступ на easyoffer (подготовка к IT-собесам + поиск оффера) по цене одного года закрывается прямо сейчас. Один платёж — доступ навсегда. Последнее напоминание 👇 👉 https://easyoffer.ru/pro

⚠️ 3 часа до конца акции. Последний шанс забрать пожизненный PRO на easyoffer по цене одного года. Это полный доступ к подготовке к собесам и инструментам поиска работы (вопросы с реальных интервью, ответы сеньоров, автоотклики, тренажёры) — один раз и навсегда, вместо ежегодной оплаты. В полночь цена возвращается к обычной. 👉 https://easyoffer.ru/pro

2019: Иди в IT — там всем платят 300к. 2022: IT-специалистов не хватает. 2024: Выучишь Python — найдёшь работу. 2026: AI-инженер делает работу за пятерых? Раньше можно было устроиться в Сбер или Яндекс, нормально работать и расти каждые полгода. А теперь приходится доказывать, что тебя не стоит сокращать. К счастью, есть канал Богдана. Он больше 6 лет в бигтехе, прошёл 350+ собеседований и знает, как получать хорошие офферы и выбивать повышения. — БАЗА поиска работы — Почему ты не зарабатываешь 400к? — Как правильно торговаться за оффер? Это и многое другое уже на канале. Подписывайся на Богдана, если не хочешь остаться без работы: https://t.me/ml_cabin_destroyers Реклама ИП Камаев Богдан Эльмарович ИНН 770973951244 erid:CQH36pWzJqVJCbWwt7hvDmE6wvZr8N6TvSqKLRzArR1ERK

Вакансия ML Researcher / ML Engineer — медицина 🟢Удаленно в РФ🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Сибинтек 🟦Описание вакансии Наша команда занимается проектами в области здравоохранения, создавая прорывные диагностические и прогностические решения. Наша цель — работа над нейродегенеративным направлением: в тесной связке с врачами мы находим потенциальные возможности и воплощаем их в реальные продуктовые решения. 🟦Задачи – Анализ и выбор SOTA-решений: постоянный мониторинг передовых подходов под конкретные задачи, а также умение переводить статьи в код без готовых репозиториев; – Разработка и улучшение моделей детекции, сегментации и трекинга: обучение и адаптация моделей для обработки диагностических снимков, видеоаналитики и данных анамнеза; – Мультимодальная обработка данных: разработка пайплайнов для обработки медицинских данных, полученных из разных источников; внедрение и масштабирование: оптимизация моделей, анализ ошибок, работа с большими объёмами данных и инфраструктурой обучения. 🟦Требования – Обучаете нейросетевые модели и применяете разные подходы. Понимаете, как именно модели устроены изнутри; – Работаете с PyTorch; – Ориентируетесь в мире прикладного DL: знаете теорию компьютерного зрения и умеете добиваться практических результатов; – Понимаете особенности realtime-ограничений; читаете статьи с ML-конференций и следите за развитием области. 🟦Будет плюсом – Работали с медицинским доменом; – Имели дело с большими фундаментальными моделями и понимаете, как они устроены; – Имеете публикации на ведущих ML-конференциях; – Имеете профильную учёную степень (физико-математическое направление). 🟦Мы предлагаем – ДМС со стоматологией; – 28 календарных дней отпуска; – Годовая премия по результатам работы; – Конкурентная заработная плата (по результатам собеседования); – Корпоративное обучение и возможности для профессионального развития; – Доступ к серверам с профессиональными GPU для обучения, тестирования и экспериментов с моделями; – Отсутствие ограничений по использованию современных AI-инструментов. 💬 Резюме отправлять: @AlexandraGhu