Data Science Jobs

#вакансия #fulltime #удаленка #Senior Локация: РФ Формат: Удаленно Период: долгосрок Занятость: фуллтайм Оформление по договору с ИП Оплата: от 1200 рублей в час до 1500 рублей в час Applied Scientist / MLOps Engineer (Обезличивание данных / Privacy AI) Чем предстоит заниматься (Ключевые задачи): 1. Развитие классификатора данных для полей БД (Tabular ML) Развитие существующей ML-модели (RandomForest), которая выявляет ПДн в полях баз данных на основе метаданных и значений. Обучение модели распознаванию новых типов данных (например, VIN-номера, специфические идентификаторы). Повышение качества классификации: исправление ошибок (например, обнаружение сложных форматов телефонов). Решение задачи со «смешанными данными»: обучение модели корректно работать, когда в одной колонке БД вперемешку находятся ФИО, адреса и телефоны. Особенность: Оптимизация модели для высокой скорости работы на CPU, так как системе предстоит проводить полное сканирование БД объемом в несколько ТБ. 2. Создание модели для выявления данных в произвольном тексте (NLP / NER) Разработка архитектуры и обучение NER-модели (Named Entity Recognition) для поиска ПДн в неструктурированном тексте. Работа с различными форматами файлов: TXT, DOCX, PDF (включая распознавание текста) и логами. Реализация пайплайнов очистки и нормализации «шумных» данных перед подачей в модель. Наши ожидания от вас (Требования): Опыт и лидерство: Опыт разработки и внедрения ML-моделей в production от 3-х лет. Опыт ведения полного цикла: от исследования и постановки задачи до мониторинга качества и настройки автоматического ретренинга. Лидерство: Готовность возглавить направление, самостоятельно декомпозировать бизнес-задачи на технические и нести ответственность за результат. Технический стек (Python и ML): Уверенное владение Python (pandas, numpy, scikit-learn). Глубокое понимание классических ML-алгоритмов (деревья решений, ансамбли, Random Forest), умение интерпретировать результаты (Feature Importance) и подбирать гиперпараметры. NLP: Практический опыт работы с Hugging Face Transformers и/или SpaCy. Обязателен опыт обучения NER-моделей. Data Engineering: Опыт построения пайплайнов обработки неструктурированных данных (PDF, тексты). Навык Feature Engineering для табличных данных. Производительность и инфраструктура (MLOps): Performance: Опыт оптимизации инференса моделей для работы на CPU. Масштаб: Опыт работы с большими объемами данных (полное сканирование БД от нескольких ТБ). Production: Опыт развертывания моделей через API (FastAPI), контейнеризация (Docker). MLOps: Владение инструментами версионирования (MLflow, DVC), понимание CI/CD-процессов. Опыт настройки мониторинга качества моделей (Model Drift, Quality Gates) и организации автоматического ретренинга. Будет плюсом: Опыт работы именно с классификаторами для профилирования данных БД. Опыт распознавания специфических типов данных (VIN, номера карт, крипто-адреса). Опыт в области защиты ПДн, обезличивания данных или антифрод-систем. Что мы предлагаем: Возможность влиять на архитектуру сложного AI-продукта с нуля. Работу с реальными Big Data задачами (TB+). Современный стек и отсутствие легаси. Для связи @grosssoft1600

🦾 LLM умеют генерировать тексты, отвечать на вопросы и работать с документами. Но чтобы использовать их в реальных задачах, важно понимать, как модели принимают решения и почему иногда дают неожиданный результат. 🚀 На открытом уроке разберём, как устроены большие языковые модели и как применять эти знания на практике. Вы узнаете: — как модель выбирает слова и формирует ответ; — как развернуть LLM локально и проверить её работу через API; — как модели используют контекст из документов и почему это важно для RAG-систем. Урок подойдет начинающим разработчикам, аналитикам и менеджерам продукта, которые хотят понимать ИИ глубже и использовать его в рабочих задачах. Открытый урок проходит в преддверии старта курса «LLM-инженер». 📋 27 октября в 20:00 МСК. ➡️ Все участники получат скидку на обучение. Принять участие: https://otus.pw/BvB7/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

📘 На Mentorix вышел курс — «Vibecoding для инженеров: Claude Code, Cursor и Copilot на практике» Хотите отдавать задачи AI-агенту и выпускать код, который проходит ревью, а не только тесты агента? Этот курс — путь от спеки до релиза функции вместе с агентом. • Постановка задачи: спека, критерии приёмки, CLAUDE.md и AGENTS.md • Контроль: ревью диффа, выдуманные функции, TDD, мутационные тесты • Отладка и git: стоп-сигналы, worktree, откат и bisect • Контекст и цена: токены, кэш, модель под задачу • Расширение: хуки, разрешения, субагенты, свой MCP-сервер • Команда и риски: агент в CI, инъекции, секреты ▶️ 5 уроков открыты — порешайте до покупки 🎓 Сертификат для резюме и LinkedIn 🏷 Скидка 50% — только 24 часа 9 990 ₽ → 4 995 ₽ ➜ Пройти курс на Mentorix 🎁 25 курсов бесплатно: Python, Go, Rust, SQL, Linux, Docker и LLM — доступны после регистрации 📚 Ещё есть роадмапы: Go, DevOps, Rust, данные и ML

#вакансия #LLM #MLengineer #DataScience #PyTorch #NLP Ищем LLM / ML Engineer с практическим опытом обучения языковых моделей. Задача — обучение с нуля специализированных моделей на 1–10 млрд параметров. Основные направления: разработка ПО, понимание сложных русскоязычных текстов и function calling. Проекты для заказчиков под NDA — подробности обсудим лично. Задачи: – Подготавливать данные и выстраивать пайплайны обучения. – Проводить эксперименты с архитектурами, методами и режимами обучения. – Обучать модели с нуля и адаптировать их под целевые задачи. – Оценивать качество моделей, анализировать ошибки и улучшать результаты. Ожидания: – Практический опыт обучения языковых моделей: от подготовки данных до оценки результата. – Опыт аналогичных проектов либо адаптации готовых моделей методами, выходящими за рамки SFT. – Уверенное владение Python и PyTorch. – Понимание принципов обучения трансформеров и опыт работы с GPU. Будет плюсом: опыт распределённого обучения, оптимизации памяти и скорости обучения, работы с моделями для кода и вызова инструментов. Если у вас есть такой опыт или можете кого-то порекомендовать — пишите @askomaev. Будет здорово, если кратко расскажете о проектах и своей роли в них.

Центральный университет запускает Программу трансляционных исследований — инициативу для научных команд, которые хотят превратить результаты своего исследования в работающий прототип для реального сектора. Сейчас открыт конкурс на годовую программу поддержки. Заявки можно подать до 1 декабря. Для этого руководителю научной команды нужно заполнить форму на сайте. Программа ориентирована на проекты по восьми приоритетным тематикам — от новых материалов, переработки сырья и оптимизации производственных процессов до ИИ для науки, ритейла и образования. Что получают участники: ➡️ до 5 млн рублей на 1 год; ➡️ доступ к бизнес-заказчикам и реальным технологическим запросам; ➡️ менторскую поддержку экспертов индустрии и технологических предпринимателей. Успейте подать заявку до 1 декабря по ссылке

🕸 Мы уже отдаем ИИ код, данные и рабочие процессы. А что будет, когда отдадим ему безопасность? AI-системы становятся частью реальной инфраструктуры: пишут код, работают с данными, автоматизируют процессы и берут на себя все больше операционных задач. Но тем же ускорением пользуются и атакующие. ИИ помогает автоматизировать отдельные этапы атак, масштабировать их и снижать порог входа. 😎15–16 октября на Positive Security Day 2026 покажем, что происходит на пересечении AI и кибербезопасности — и как Positive Technologies работает в этой новой реальности. В программе: ⤴️ MaxPatrol O2 и движение к автономному SOC; ⤴️ Security Lakehouse и работа с большими объемами данных; ⤴️ ML в продуктах и перспективные AI-разработки; ⤴️ новый подход к защите устройств в мире, где атаки тоже становятся умнее. И главное — ИИ здесь можно будет не только обсуждать. На площадке можно будет увидеть технологии в работе, тестировать их, атаковать, искать слабые места и разбирать результаты вместе с инженерами. 📍 Москва + онлайн 👉 Регистрация

#вакансия #vacancy #удалённо #data #engineer #dataengineer ❕Аккредитованная ИТ-компания "Системы и Алгоритмы" ищет Инженера данных)❕ Роль: Data-engineer З/П: 270 000 - 295 000 р. gross Формат работы: удаленно по РФ Вид занятости: full-time Локация: любой город РФ Гражданство: РФ ✨Преимущества позиции: • Участие в масштабном проекте цифровой трансформации, влияющем на ключевые производственные процессы. • Возможность увидеть результаты своей работы на реальном производстве, включая реальные системы, терминалы, интеграции. • Доступ к команде зрелых разработчиков и проектной поддержке: Team Lead, Product Owner, Project Manager. • Пространство для инициатив, развития и расширения зоны ответственности. ✨Краткое описание роли: Ищем инженера данных с сильными компетенциями архитектора данных и баз данных, который сможет взять на себя планирование и проведение внедрения инструментов хранения и обработки данных. Должно иметь подтвержденный опыт работы с нашим технологическим стеком (Postgres, MSSQL, Kafka, Flink, Airflow, Iceberg, Trino/StarRocks), уметь проектировать целевую архитектуру хранилищ, анализировать потоки данных и выбирать релевантный инструментарий. Критичны навыки работы с современными data-инструментами, опыт проектирования пайплайнов, обеспечения качества данных и уверенное владение Python для написания DAG, кастомных операторов и интеграций. 🔹 Что ждём от вас: • Опыт работы на позиции Data Engineer от 4 лет в сфере разработки ПО. • Опыт работы с ключевыми компонентами нашего стека: - ODBMS/DBMS & Warehouses: уверенная работа с Postgres и MSSQL; опыт настройки и оптимизации OLAP-движков (Trino, StarRocks) и современных хранилищ (Cassandra, Redis). - Data Flow Tools: практический опыт работы с Apache Airflow (написание DAG, кастомные операторы); опыт использования Apache Kafka (producer/consumer) и Apache Flink (разработка стриминговых джоб, состояние, чекпоинты). - Data Lake / Lakehouse: опыт работы с Apache Iceberg, понимание архитектуры lakehouse, использование Lakekeeper для управления метаданными, работа с объектным хранилищем S3. - CDC: опыт реализации Change Data Capture паттернов для синхронизации данных между системами. • Глубокие знания в области архитектуры данных и баз данных: понимание принципов нормализации и денормализации, проектирование relational и columnar моделей, стратегии управления данными (lifecycle, retention, versioning). • Уверенное владение Python: написание скриптов, модулей, работа с асинхронностью при необходимости; опыт написания DAG в Apache Airflow, включая кастомные операторы, hooks, sensors. • Навыки оптимизации: умение профилировать процессы, находить bottlenecks, оптимизировать SQL-запросы и настраивать ресурсы кластеров под нагрузку. • Владение Jira и Confluence на уровне confident user (структура страниц, шаблоны, макросы, связки задач и документации). • Опыт организации хранения данных для последующих задач OLAP / OLTP с учетом требований (consistency / integrity). • Опыт организации обработки данных в рамках задач OLAP / OLTP с применением различных паттернов (batch processing, CDC). • Понимание ключевых особенностей и сценариев применения различных паттернов организации интеграционных потоков (batch processing, CDC) с учетом их характеристик (3V+). • Опыт заведения и сопровождения заявок вService-Desk. • Умение структурировать информацию, работать с требованиями, документировать технические решения. • Английский — на уровне чтения и написания технической документации. 🔹 Будет плюсом: • Опыт работы с Timeseries базами данных (InfluxDB, TimescaleDB, TDengine и др.). • Глубокий опыт эксплуатации кластеров (Hadoop, YARN, Kubernetes) в production-среде. • Знание SQL на продвинутом уровне (оптимизация сложных запросов, window functions, CTE). • Опыт работы с CI/CD для data-пайплайнов. • Понимание принципов DDD, event-driven архитектуры. • Опыт работы с Apache NiFi. 📲 Контакты для связи: - @Serg06SA - +7 969 865 43 07

Собеседование на следующий позицию: где плавают даже сильные инженеры На собеседовании есть одна секция, которую стабильно проваливают инженеры, которые отлично обучают модели. Это секция по проектированию систем. От кандидата просят вслух спроектировать систему машинного обучения под конкретную задачу: от сбора данных до реальной эксплуатации, с развилками и компромиссами. Умение обучить модель и умение собрать вокруг нее работающую систему — две разные компетенции. На первую выучиться по курсам можно. Со второй сложнее: ее собирают из опыта, разборов чужих решений и обратной связи от того, кто сам прошел этот путь. 15 октября в 19:00 МСК Валерий Бабушкин проведет живой эфир вопросов и ответов про рост в данных и проектирование систем.  Валерий — соавтор книги «Machine Learning System Design», по которой учатся инженеры по всему миру, входит в топ-25 мирового рейтинга гроссмейстеров платформы Kaggle, старший директор по данным и ИИ в British Petroleum Что заберете с эфира: ясное понимание, как устроена секция по проектированию систем на собеседовании, какой навык отделяет средний уровень от старшего, какие вопросы задать на старте проекта, чтобы он не умер до пользователя, и где большие языковые модели, поиск по источникам и ИИ-агенты уже работают в реальной эксплуатации. Свой вопрос Валерию можно задать заранее при регистрации — часть ответов будут именно по ним, остальное — вживую из чата эфира. Задайте свой вопрос про собеседования и рост до старшего уровня: https://clc.to/erid_2W5zFJBsadf  Запись отправим всем участникам после эфира Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFJBsadf 

Разработчик больше не обязан выполнять каждую задачу вручную. Но сможет ли ИИ-агент действительно помочь в работе? ИИ-агенты уже умеют анализировать код, работать с инструментами, искать ошибки и выполнять последовательность действий. Но важно понимать, какие задачи им можно доверить, где они действительно экономят время и как сохранить контроль над результатом. На открытом уроке 19 октября в 20:00 МСК в преддверие старта курса «Разработка ИИ-агентов» разберем, как создавать и применять агентов в реальной разработке. Вы узнаете, какие задачи можно делегировать ИИ-агентам, как они работают с кодовой базой и внешними системами, где помогают ускорить процессы, а где требуется участие разработчика. Урок будет полезен разработчикам, техническим специалистам и тимлидам, которые хотят использовать возможности ИИ не только для генерации кода. Откройте новый подход к разработке. Регистрируйтесь на открытый урок: https://otus.pw/BCIm/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Ищем LLM / ML Engineer с практическим опытом обучения языковых моделей. Задача — обучение с нуля специализированных моделей на 1B–10B параметров. Основные направления: разработка ПО, понимание сложных русскоязычных текстов и function calling. Проекты для заказчиков под NDA — подробности обсудим лично. Задачи: – Подготавливать данные и выстраивать пайплайны обучения. – Проводить эксперименты с архитектурами, методами и режимами обучения. – Обучать модели с нуля и адаптировать их под целевые задачи. – Оценивать качество моделей, анализировать ошибки и улучшать результаты. Ожидания: – Практический опыт обучения языковых моделей: от подготовки данных до оценки результата. – Опыт аналогичных проектов либо адаптации готовых моделей методами, выходящими за рамки SFT. – Уверенное владение Python и PyTorch. – Понимание принципов обучения трансформеров и опыт работы с GPU. Будет плюсом: опыт распределённого обучения, оптимизации памяти и скорости обучения, работы с моделями для кода и вызова инструментов. Если у вас есть такой опыт или можете кого-то порекомендовать — пишите @askomaev. Будет здорово, если кратко расскажете о проектах и своей роли в них.

🤖 RAG Engineering: создание production-ready AI-систем — новый курс на Mentorix Поиск и ответы по документам компании, качество которых измеряется числами: гибридный поиск, реранкер, оценка на скрытом наборе вопросов, агентный цикл и сервис с правами доступа. ⚙️ Стек: Qdrant · PostgreSQL с pgvector · BM25 · парсинг PDF · MCP · FastAPI — практика на настоящих системах в браузере 🧩 325 шагов · 100 тестов · 65 задач 💻 Чекер считает метрику сам — подогнать ответ под неё нельзя 🎯 Базовый конвейер находит нужный фрагмент меньше чем в половине случаев. Ваша работа — поднять эту цифру до цели 🎓 Сертификат · доступ навсегда 🏷 RAG25 −25% промокод действует 48 часов 12 990 ₽ → 9 743 ₽ ➜ Забрать курс со скидкой ━━━━━━━━━━━━━━ На платформе также есть бесплатные курсы: 🤖 LLM для разработчика: от вызова API до RAG 🐍 Основы Python · 🧩 Тренажёр Python SQL с нуля · 🐳 Docker: первые шаги 📚 Все бесплатные курсы Mentorix

#Senior #Data_Engineer Senior Data инженер Компания: RedLab Локация: РФ, РБ Гражданство: РФ, РБ Опыт: больше 5-ти лет Формат работы: удаленно Занятость: Полная/проектная ЗП: 350 000 - 380 000 RUB (гросс), оформление по ГПХ Требования: • Опыт работы Data Engineer от 5 лет. • Знание методологии Data Vault 2.0 • Уверенные знания Python/Scala/Java для разработки ETL/ELT-процессов и сервисов обработки данных. • Отличное знание SQL, опыт оптимизации сложных запросов и работы с большими объемами данных. • Опыт проектирования и разработки промышленного Data Warehouse, Data Lake или Lakehouse решений. • Практический опыт работы с Apache Spark. • Опыт работы с Apache Airflow, Apache Kafka • Опыт работы с системами потоковой обработки данных • Опыт работы с распределенными файловыми системами и форматами хранения данных: HDFS, Parquet, Avro; • Опыт работы с экосистемой Hadoop/Apache Iceberg или современными платформами хранения и обработки данных. • Опыт работы с реляционными СУБД (PostgreSQL, Oracle, Clickhouse, Greenplum). • Уверенное владение Git и понимание процессов CI/CD. • Опыт работы с системами управления задачами и документацией (Jira, Confluence или аналоги). • Понимание принципов построения отказоустойчивых и масштабируемых решений. • Опыт использования dbt для построения трансформационных слоев данных. • Практика внедрения Data Quality решений (Great Expectations, Soda и др.). • Опыт работы с Data Catalog и Data Governance инструментами. Задачи на проекте: • Проектирование, разработка и сопровождение масштабируемых решений по интеграции, обработке и хранению данных в корпоративной платформе данных. • Разработка и оптимизация batch- и streaming-пайплайнов для загрузки, трансформации и публикации данных. • Разработка ETL/ELT-процессов с использованием современных инструментов обработки данных. • Проектирование моделей данных для аналитических и операционных сценариев. • Оптимизация производительности процессов обработки данных и SQL-запросов. • Обеспечение качества данных: реализация механизмов валидации, мониторинга и контроля полноты данных. • Участие в проектировании архитектуры платформы данных и выборе технологических решений. • Внедрение и развитие практик DataOps и CI/CD для процессов обработки данных. • Подготовка технической документации и архитектурных артефактов. • Проведение код-ревью, техническое менторство и участие в развитии команды. Присылайте резюме и контактные данные на email: alena.yurkova@litota.ru

🤖 RAG Engineering: создание production-ready AI-систем — новый курс на Mentorix Поиск и ответы по документам компании, качество которых измеряется числами: гибридный поиск, реранкер, оценка на скрытом наборе вопросов, агентный цикл и сервис с правами доступа. ⚙️ Стек: Qdrant · PostgreSQL с pgvector · BM25 · парсинг PDF · MCP · FastAPI — практика на настоящих системах в браузере 🧩 325 шагов · 100 тестов · 65 задач 💻 Чекер считает метрику сам — подогнать ответ под неё нельзя 🎯 Базовый конвейер находит нужный фрагмент меньше чем в половине случаев. Ваша работа — поднять эту цифру до цели 🎓 Сертификат · доступ навсегда 🏷 RAG25 −25% промокод действует 48 часов 12 990 ₽ → 9 743 ₽ ➜ Забрать курс со скидкой ━━━━━━━━━━━━━━ На платформе также есть бесплатные курсы: 🤖 LLM для разработчика: от вызова API до RAG 🐍 Основы Python · 🧩 Тренажёр Python SQL с нуля · 🐳 Docker: первые шаги 📚 Все бесплатные курсы Mentorix

Оффер на аналитика с зарплатой 250к🤘 ..после полугода безрезультных поисков. Ещё один интересный кейс у команды ии-ассистента Софи. ▫️Артём 3 года работал в сфере аналитики, попал под сокращение. ▫️Полгода искал работу вручную — тратил около 2 часов в день. После зашел в Софи и подключил авто-отклики. ▫️Спустя 3 недели получил оффер на позицию Middle Аналитика. В следующий раз доступ в Софи откроется 20 октября. Если хочешь получить 3 дня бесплатного доступа - подписывайся на этот канал, все анонсы будут там.

ИИ-система может отлично решать задачи бизнеса, но при этом оставаться уязвимой. Утечки данных, атаки на модели, небезопасные сценарии работы агентов — проблемы, которые проще предупредить на этапе проектирования, чем исправлять после запуска. На открытом уроке разберём, как создавать ИИ-системы с учетом требований безопасности с самого начала. Вы узнаете, какие угрозы характерны для LLM, как применять принципы Security by Design и какие архитектурные решения помогают защитить данные и компоненты системы. Разберём практический кейс: усилим архитектуру ИИ-агента с помощью механизмов защиты, проверки данных и управления доступом. Урок пройдет в преддверие старта курса «ИИ-архитектор». Он будет полезен архитекторам ПО, разработчикам, специалистам по инфраструктуре и безопасности, которые проектируют или внедряют ИИ-решения. После занятия вы поймете, как закладывать защиту в архитектуру ИИ-систем и создавать решения, устойчивые к атакам и утечкам данных: https://otus.pw/Eeik/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

One Day Offer: ищем инженера для решения задач по безопасности ИИ-агентов Хочешь работать над крупными проектами и умеешь создавать надёжные системы управления рисками? Приходи 10 октября на экспресс-отбор на позицию Senior DS/ML Engineer для AI Safety в Сбер — все этапы отбора за 1 день. Ты будешь работать на стыке машинного обучения, инженерии и безопасности: ▪️ проектировать архитектуру безопасного ИИ ▪️ выводить guardrails в production ▪️ поддерживать надёжность LLM-систем в enterprise-контексте Чувствуешь, что это твоё? Тогда регистрируйся по ссылке и готовься к встрече с будущими коллегами! 💚

Senior Quantitative Researcher & AI Engineer Инвестиционная компания с фокусом на публичные рынки США и технологические тренды. Формат: удалённо, полная занятость. Вам предстоит дополнить фундаментальный анализ количественным: собрать данные, построить модели и инструменты, на которые будут опираться инвестиционные решения. Прямое взаимодействие с CIO и Head of Research. Задачи: • Мониторинг: создать систему, которая регулярно сверяет инвест тезисы с новыми данными и показывает подтверждается тезис, слабеет или требует пересмотра. • Данные: Создать point-in-time хранилище: рыночные и фундаментальные данные, документы SEC, стенограммы звонков, новости, внутренняя аналитика. • Backtesting и модели: проверка инвестиционных гипотез на исторических данных, разработка сигналов в дополнение к фундаментальному анализу. • Портфельная аналитика: концентрация, факторные экспозиции, ликвидность, сценарные риски, размер позиций. • AI-агенты: развивать агентов в исследовательском процессе и оценивать качество их работы. Требования: • Сильная база в математике, статистике и машинном обучении. • От 3 лет в quantitative research или data science на финансовых данных. • Довели модель или сигнал до практического применения и можете показать, как проверяли результат. • Опыт backtesting на point-in-time данных: на практике знаете look-ahead bias, survivorship bias и переобучение. • Python и SQL: самостоятельно строите пайплайны данных и пишете надёжный, тестируемый код. • Строили системы на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок. • Понимаете фундаментальный анализ и портфельный риск, чтобы формализовать инвестиционный тезис. • Уверенный английский. Желательно: • Опыт построения систем на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок. • Опыт на buy-side или в прямой работе с портфельными управляющими. Мы предлагаем: • Работа с реальным портфелем: ваши инструменты тестируются в инвестиционном процессе. • Профессиональные источники данных и современные AI-инструменты. • Конкурентная оплата труда и годовой бонус по личным результатам и результатам компании. • Собственный бюджет на инфраструктуру и найм команды при подтверждении эффективности системы. Контакты: Telegram @mnemonic09. CV и пример своего проекта: задача, данные, результат.

#вакансия #ml #удалённо Team Lead ML Engineer (Gen AI) Формат работы: удалённо Уровень навыков: Senior, Lead З/П: 4.500$ Мы - уникальный продукт в сфере AI-технологий, который стремительно растет и работает с пользователями по всему миру. Уже 5 лет мы создаем, тестируем, развиваемся и не собираемся останавливаться. Сейчас ищем активных, талантливых и амбициозных ребят, которым интересно не просто выполнять задачи, а влиять на результат, пробовать новое и расти вместе с продуктом. Хотим собрать еще более сильную команду людей, с которыми сможем выйти на новый уровень. Мы ищем Лида ML-отдела, который: - Сможет реформировать и развивать команду ML/MLops, вместе с промпт инженерами. - Структуризирует и автоматизирует все требующие того процессы. - Разбирается в особенностях генеративного контента на self-host решениях. - Оптимизирует генеративные пайплайны для сокращения расходов отдела. - Будет самолично ставить продуктовые цели и вести отдел на острие технологий, методологий и трендов для их достижения. Что нужно уметь/знать: - Опыт работы в ML/AI от 3 лет; - Опыт руководства командой — умение ставить задачи, распределять нагрузку, проводить ревью и развивать сотрудников; - Опыт выстраивания процессов разработки: планирование, декомпозиция задач, код-ревью, контроль качества и сроков; - Опыт работы с ComfyUI и собственными workflow, уверенный Python на уровне скриптов и API; - Готовность работать с Wan 2.2, i2v, LoRA и генеративными пайплайнами; - Умение получать рабочий результат с помощью AI-агентов и проверять его качество; - Готовность самостоятельно разбираться в новых этапах процесса и отвечать за задачу целиком; - Портфолио или репозиторий с примерами работ и разбором решений. Что делать: - Вести задачу целиком — от запроса продукта до оценки результата после релиза; - Управлять командой: ставить задачи, контролировать прогресс, помогать в сложных кейсах, проводить one-to-one и ревью; - Участвовать в найме и онбординге новых инженеров, помогать им быстрее выходить на результат; - Выстраивать и улучшать процессы внутри команды: стандарты, шаблоны, документация; - Работать с LoRA: подбирать, тестировать и при необходимости обучать модели; - Самостоятельно разворачивать staging, включая нестандартные ноды, и поддерживать его паритет с production; - Создавать и дорабатывать промпты и workflow в , проводить тестовые генерации и сверять результат с эталоном; - Готовить превью, карточки и выкладывать готовый контент; - Автоматизировать рутинные процессы с помощью AI-агентов; - Контролировать метрики своих позиций, проводить эксперименты и принимать решения по их результатам. Мы предлагаем: - Работу с уникальными и технически сложными AI-проектами. - Реальное влияние на развитие ML-продуктов и команды. - Коллектив фанатов своего дела. - Гибкий график и удалённый формат работы. - Среду, где решения принимаются на основе экспертизы и Data-driven подхода, а не «потому что так решили». - З/П: 4.500$. Контакты: @Findyskill

🔥 Полнотекстовый + векторный поиск — все это в одной СУБД Обычно, если приложению нужен поиск и по точным значениям, и по смыслу, приходится подключать несколько инструментов: основную БД, поисковый движок и векторное хранилище. В YDB от Yandex B2B Tech это можно сделать внутри одной системы. Гибридный поиск объединяет полнотекстовый индекс для точных совпадений и векторный — для поиска по смыслу. Причём оба индекса работают как распределённые таблицы YDB и обновляются в одной транзакции с основными данными. Не нужно отдельно синхронизировать несколько хранилищ. Подход пригодится для поиска по документам, каталогам, тикетам, базам знаний и RAG-системам. Гибридный поиск уже доступен в on-premises и в Managed Service for YDB. 🚀 15 октября на митапе “Быстро находите нужное с YDB” подробно разберут, как единая СУБД справляется с семантическим и точным поиском и почему это ключ к качественным ответам ИИ-агентов и рекомендаций. Регистрация по ссылке!

🔥 Не упусти возможность! Прими участие в Академии Финтеха! Реальные бизнес-кейсы, поддержка экспертов и призовой фонд 1 500 000 ₽ 🔵 5 октября – 11 декабря 🔵 Онлайн 🔵 Призовой фонд 1 500 000 ₽ Приходи с MVP или прототипом продукта и прокачай его в одном из треков.

🔹 Финтех без границ: банк будущего для бизнеса и клиентов (Трек ВТБ) 🔹 Эффективность 360: технологии для внутренних процессов (Трек Финансового университета)

Что тебя ждет 🔥 - 3 спринта, QA-сессии, обратная связь экспертов - Образовательная программа с фокусом на практику - Шанс пройти отбор в Бизнес-инкубатор Финансового университета и пропилотировать свое решение в ВТБ 👍 Для студентов и аспирантов российских вузов. Подробнее о треках и условиях участия — на сайте Академии Финтеха! ⏰ Успей на регистрацию до 11 октября, 23:59 МСК по ссылке.