ML / DS_Jobs

Агент поддержки дал неверный ответ о возврате товара. Где возникла ошибка — при поиске по базе знаний или при формировании ответа моделью? Чтобы разобраться, нужно увидеть весь путь запроса клиента и связать действия агента между собой. 27 октября в 18:00 на открытом уроке курса по эксплуатации ИИ-агентов развернёте Langfuse локально и разберёте наблюдаемость и оценку качества на примере агента поддержки интернет-магазина. Агент использует YandexGPT и отвечает на вопросы о возврате и доставке. Вы подключите сбор данных о его работе и проследите обращения к модели, поиск по базе знаний и задержки. Найдёте проблемный запуск по трассировке и добавите автоматическую оценку ответа. Разберёте установку Langfuse через Docker Compose и подключение Python-приложения. Узнаете, как собирать связанные трассировки, ответы модели, метаданные клиента и сессии, чтобы восстанавливать ход выполнения задачи. Урок подойдёт ML-инженерам, разработчикам ИИ-агентов и специалистам платформенных и MLOps-команд. Особенно тем, кому важно быстрее находить причины ошибок и держать данные наблюдаемости на собственной инфраструктуре. Урок проведёт Николай Осипов. Зарегистрироваться: https://vk.cc/d33ftF Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

#ИТ #SeniorML IT-компания Selecty в поиске Senior ML-инженера в крупный онлайн-кинотеатр ⭐️Что предстоит делать: — Разрабатывать и поддерживать реализованные рекомендательные решения — Искать новые гипотезы для улучшения пайплайнов обучения моделей и добавления новых признаков — Решать R&D-задачи по исследованию новых алгоритмов на основе нейросетей — Решать задачи, возникающие в процессе развития продукта — Прототипировать новые подходы на dev-сервере с GPU — Оценивать метрики качества новых прототипов — Создавать production-ready решения на основе прототипов и выводить их на A/B-тестирование ⭐️Ожидаем: — Опыт от 3 лет на позиции SWE / DS / MLE — Опыт работы в домене рекомендаций, поиска, персонализации или матчинга — Знание алгоритмов, структур данных и прикладной статистики — Самостоятельность в решении задач и контроле результатов — Опыт командной разработки — Уверенное владение Python 3, SQL, Git, Bash, Docker, Spark — Знание основных библиотек: PySpark, NumPy, Pandas, SciPy, scikit-learn — Опыт работы с базами данных и хранилищами: ClickHouse, Redis, S3, PostgreSQL — Желателен опыт работы с RePlay / RecTools / RecBole, PyTorch Lightning, Triton Inference Server — Желателен опыт работы с OpenCode, Claude Code, Cursor или аналогичными инструментами ⭐️Основные условия: — Работа в аккредитованной IT-компании — Официальное трудоустройство по ТК РФ — Уютный современный офис в шаговой доступности от станций метро «Дмитровская» и «Савёловская», рядом с «Флаконом» и «Хлебозаводом» — Удалённый или гибридный формат работы или желание переехать в Москву — Современная рабочая техника, дополнительный монитор и всё необходимое для комфортной работы — Забота о здоровье: после испытательного срока — ДМС со стоматологией, страхование от несчастных случаев и критических заболеваний, а также возможность получать консультации психолога, юриста, финансового консультанта и специалиста по ЗОЖ — Поддержка в обмене знаниями и идеями: поощряем выступления на митапах и помогаем с подготовкой докладов — Бесплатная подписка на сервис корпоративных скидок и предложений BestBenefits, а также доступ к онлайн-библиотеке издательства «МИФ» — Специальное предложение по подписке на онлайн-кинотеатр Контакт: @onagovorittakmnogim

📣 В Adapty открылась позиция Product Lead (Analytics & ML) 👀 Удалёнка · Adapty - одна из крупнейших платформ монетизации подписочных приложений. С нами работают 20 000+ приложений, через нас проходит $3B+ подписок в год, в команде 210+ человек. Мы ищем человека, который возьмёт на себя аналитику и ML. Роль не про поддержку чужих моделей, а про то, чтобы с нуля построить направление, где аналитика, предикт и A/B-тесты впервые сходятся под одним владельцем. Главная задача - предсказание LTV. Выручка от пользователя приходит в течение года, а решение о тратах на рекламу приложения принимают за несколько дней. Мы видим данные тысяч приложений сразу, поэтому можем предсказывать точнее всех на рынке. Пока не предсказываем, и это твоя задача. ➡️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. 🔗 Вакансия: https://adapty.io/careers/product-lead-analytics-ml/ ➡️ Контакт: @Adapty_Talent_Bot

#ИТ #SeniorML IT-компания Selecty в поиске Senior ML-инженера в крупный онлайн-кинотеатр ⭐️Что предстоит делать: — Разрабатывать и поддерживать реализованные рекомендательные решения — Искать новые гипотезы для улучшения пайплайнов обучения моделей и добавления новых признаков — Решать R&D-задачи по исследованию новых алгоритмов на основе нейросетей — Решать задачи, возникающие в процессе развития продукта — Прототипировать новые подходы на dev-сервере с GPU — Оценивать метрики качества новых прототипов — Создавать production-ready решения на основе прототипов и выводить их на A/B-тестирование ⭐️Ожидаем: — Опыт от 3 лет на позиции SWE / DS / MLE — Опыт работы в домене рекомендаций, поиска, персонализации или матчинга — Знание алгоритмов, структур данных и прикладной статистики — Самостоятельность в решении задач и контроле результатов — Опыт командной разработки — Уверенное владение Python 3, SQL, Git, Bash, Docker, Spark — Знание основных библиотек: PySpark, NumPy, Pandas, SciPy, scikit-learn — Опыт работы с базами данных и хранилищами: ClickHouse, Redis, S3, PostgreSQL — Желателен опыт работы с RePlay / RecTools / RecBole, PyTorch Lightning, Triton Inference Server — Желателен опыт работы с OpenCode, Claude Code, Cursor или аналогичными инструментами ⭐️Основные условия: — Работа в аккредитованной IT-компании — Официальное трудоустройство по ТК РФ — Уютный современный офис в шаговой доступности от станций метро «Дмитровская» и «Савёловская», рядом с «Флаконом» и «Хлебозаводом» — Удалённый или гибридный формат работы или желание переехать в Москву — Современная рабочая техника, дополнительный монитор и всё необходимое для комфортной работы — Забота о здоровье: после испытательного срока — ДМС со стоматологией, страхование от несчастных случаев и критических заболеваний, а также возможность получать консультации психолога, юриста, финансового консультанта и специалиста по ЗОЖ — Поддержка в обмене знаниями и идеями: поощряем выступления на митапах и помогаем с подготовкой докладов — Бесплатная подписка на сервис корпоративных скидок и предложений BestBenefits, а также доступ к онлайн-библиотеке издательства «МИФ» — Специальное предложение по подписке на онлайн-кинотеатр Контакт: @YurievaElena

ИИ-агент отвечает на вопросы и вызывает инструменты, но почему один ответ занимает 40 секунд? И сколько он стоит, если агент несколько раз обращается к модели или зацикливается на одной задаче? Общий счёт за API не покажет, где именно расходуются деньги. 12 октября в 20:00 на открытом уроке курса по эксплуатации ИИ-агентов разберёте, как увидеть каждый шаг агента, измерить задержки и посчитать стоимость отдельного ответа. На практике возьмёте готового ReAct-агента с инструментами и подключите трассировку через OpenTelemetry. Проследите путь от задачи до вызовов модели и инструментов, найдёте самый дорогой шаг и зацикливание. Посмотрите, как введение одного лимита влияет на стоимость ответа. Разберёте, какие метрики собирать на уровне сессии, задачи и отдельного шага. Познакомитесь с платформами Arize Phoenix, Langfuse и LangSmith, а трассировки рассмотрите в бесплатном локальном интерфейсе. Урок подойдёт ML-инженерам и разработчикам, которые уже используют API языковых моделей и хотят понимать поведение агентов после запуска. Вы узнаете, как находить лишние вызовы, причины задержек и точки отказа по данным о выполнении задачи. Урок проведёт Игорь Стурейко. Зарегистрироваться: https://vk.cc/d2cHpo Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

Неверный отчёт или неработающий конвейер данных не всегда становится следствием технической ошибки. Иногда проблема возникает раньше — когда команда неправильно поняла задачу бизнеса, не уточнила ограничения или пропустила скрытые требования. 15 сентября в 20:00 на открытом уроке курса «Аналитик DWH» разберёте, как собирать требования к аналитическим системам и превращать бизнес-задачи в понятную архитектуру данных. На реальных примерах вы увидите, какие ошибки приводят к неработающим конвейерам и отчётам с неверными показателями. Поймёте, почему работа DWH-аналитика не ограничивается SQL и выбором инструментов, а начинается с точных вопросов и системного понимания задачи. Во время практического упражнения вы попробуете сформулировать вопросы к представителям бизнеса, выявить скрытые требования и определить, какие сведения необходимо получить до проектирования системы. После урока у вас останется памятка по сбору требований, которую можно использовать перед разработкой нового хранилища, отчёта или конвейера данных. 👉 Записаться: https://vk.cc/d1oo5o Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

ML-разработчик (Machine Learning Engineer) ЗП:  150 000 – 250 000 ₽ на руки Локация: Москва, м. Окружная (полный день в офисе) Компания: AV Soft (avsw.ru) — ИБ и аналитика данных для корпоративного сегмента. Продукты: анти-спам, десепшен, песочница, мультисканер, TI. Ищем ML-разработчика для создания и развития моделей машинного обучения в продуктах информационной безопасности. Чем предстоит заниматься: - Разрабатывать и совершенствовать ML-модели: выбирать архитектуры, формировать признаки, обучать и валидировать модели. - Собирать и подготавливать данные: парсинг, очистка, EDA, формирование обучающих выборок. - Выполнять feature engineering и оценивать качество моделей по метрикам точности и производительности. - Проводить A/B-тестирование и сравнение версий моделей. - Готовить модели к эксплуатации: контейнеризация в Docker и участие в развертывании. - Тестировать модели, анализировать ложные срабатывания и кейсы от заказчиков. - Вести техническую документацию, описывать архитектуру, признаки и результаты экспериментов, обеспечивать версионирование моделей. - Взаимодействовать с разработчиками, участвовать в code review и интеграции моделей в продукты. - Мониторить модели в production: отслеживать качество и data drift, инициировать переобучение. - Поддерживать и развивать ML-пайплайны и автоматизацию обучения и доставки моделей. Ты подходишь нам, если у тебя есть: - Коммерческий опыт разработки и вывода ML-моделей в production от 1–2 лет. - Уверенное владение Python, NumPy, Pandas, Scikit-learn, PyTorch, CatBoost, XGBoost, LightGBM, Transformers. - Понимание классических алгоритмов ML и принципов их применения. - Практический опыт работы с SQL, Git, Docker, REST API. - Опыт работы с Airflow или аналогичными инструментами для ML-пайплайнов. - Знание Linux на уровне уверенного пользователя. - Понимание принципов MLOps, управления экспериментами и версионирования моделей и данных. - Умение писать чистый и поддерживаемый код. - Английский язык на уровне чтения технической документации. Будет преимуществом: -Опыт оптимизации моделей с помощью ONNX, TensorRT или аналогичных инструментов. -Понимание архитектур глубокого обучения, Attention и современных нейросетевых моделей. -Знание SHAP, LIME и методов оценки уязвимостей ML-моделей. -Опыт интеграции ML-моделей в высоконагруженные сервисы. -Опыт работы с логами, сетевым трафиком, DNS, URL, HTML и понимание базовых сетевых протоколов и HTTP. -Опыт в ИБ, антифроде, антиспаме или детекции угроз. -Профильные курсы или сертификаты по ML/DL/MLOps. -Инициативность и желание развивать продукты и предлагать новые решения. Условия: -Оформление по ТК РФ, белая зарплата (аккредитованная IT-компания) -Офис в шаговой доступности от м. Окружная -Обучение за счёт компании, корпоративная библиотека, база знаний, гайды -Участие в сложных проектах по ИБ и анализу данных Контакт: @ezhen77

Один медленный SQL-запрос может задерживать обновление отчётов, увеличивать нагрузку на инфраструктуру и замедлять работу всей аналитической системы. При этом причина не всегда находится в самом запросе — проблема может быть в индексах, схеме данных, настройках СУБД или ресурсах сервера. 3 сентября в 20:00 на открытом уроке курса «Аналитик DWH» разберёте, как системно исследовать производительность баз данных и находить узкие места. Вы узнаете, какие показатели помогают оценить состояние СУБД и как отличить нормальную нагрузку от проблемы. Рассмотрите основные причины замедления на разных уровнях — от неэффективного SQL и структуры таблиц до конфигурации базы данных и аппаратного обеспечения. На практических примерах разберёте, как переписывать проблемные запросы, проектировать и настраивать индексы, а также выбирать инструменты для наблюдения и исследования производительности. После урока вы сможете точнее определять причины замедления и выбирать способ оптимизации, который соответствует реальной проблеме. 👉 Зарегистрируйтесь https://vk.cc/d0SgtA Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

#вакансия #llm #ai #удаленка #проектнаяработа Senior Conversational Agent Engineer Компания: KVINT Локация: удалённо Занятость: проектная Срок: ~ 3 месяца Вилка: от 400к в месяц Создаём MVP self-service платформы, которая в диалоге с пользователем преобразует описание задачи, примеры разговоров и базу знаний в формализованную спецификацию работающего AI-агента, автоматически тестирует и улучшает его. Что нужно реализовать: • загрузку, разбор и структурирование инструкций, транскриптов, документов и сайтов; • генерацию типизированной спецификации агента; • runtime с управлением состоянием, переходами и tool calling; • обработку неоднозначности, уточнений и исключений; • текстовый sandbox, симулятор пользователей и автоматические evals; • управляемый цикл улучшения и версионирования На первом этапе создаём текстовый движок. STT, TTS и телефония подключаются позднее. Архитектура заранее не фиксируется. Нужно предложить модель исполнения с разделением LLM-поведения и детерминированной бизнес-логики. Ожидаемый результат - работающий e2e-сценарий: пользователь загружает материалы, получает агента, тестирует его на симулированных диалогах и выпускает улучшенную версию без участия разработчика. Ожидания по опыту: • практический опыт разработки production-систем на базе LLM/NLP, желательно диалоговых агентов; • проектирование логики диалога: цели, intents, entities/slots, состояние, уточнения и fallback-сценарии; • преобразование свободной речи в валидированные структурированные данные с обработкой неполного, неоднозначного и противоречивого ввода; • разработка agent/workflow runtime: typed state, transitions, tool calling, persistence, replay и recovery; • построение RAG и grounding по документам, транскриптам и сайтам; • разработка evals: симуляция пользователей, автоматические оценки, regression testing и анализ ошибок; • сильный backend и способность самостоятельно спроектировать и довести вертикальный сценарий до работающего MVP. Контакт: @fitilbam

#AI #ML #LLM #СНГ AI Lead / Lead AI Engineer в AI-first стартап Строим AI-сервисы для автоматизации бизнес-процессов в салонном бизнесе СНГ. Сейчас небольшая команда, есть платящие пилоты, следующий этап — 10+ клиентов и привлечение ангельских инвестиций. Ищем человека, который сначала возьмёт на себя развитие существующих AI-сервисов и создание их следующих версий, а постепенно — всё AI-направление продукта: архитектуру, разработку и формирование команды. Что предстоит делать: — hands-on разработка и решение сложных технических задач; — развитие архитектуры AI-систем; — разработка evals и интеграций с frontend/backend; — со временем — формирование и управление AI-backend командой. Нужен человек с сильным Python + AI/LLM опытом и опытом построения современных production AI-систем, которому интересно не просто закрывать задачи, а отвечать за техническое направление целиком. Будет большим плюсом интерес к публичной стороне роли: выступлениям на AI/tech-конференциях, митапах и профильных событиях. Stack: Python, PydanticAI, OpenAI, Postgres, Celery, Redis, TypeScript. Формат: — первые 3–6 месяцев part-time; — после инвестиций — full-time AI Lead; — опционы с 5-летним вестингом. Процесс: 30 мин знакомство → небольшое тестовое (Claude Code / Codex можно) → technical → behavioral с CEO. Присылайте резюме: @vladislavpolet

Ищем Inference-инженера в команду разработки внутренней LLM-платформы Точка Банк. Мы — финтех-компания, создаём онлайн-банк и экосистему сервисов для бизнеса. 📍До 700 000 ₽, удалёнка по всему миру, возможность влиять и быть услышанным. Фокус команды — техническая инфраструктура и базовые инструменты. Мы развиваем LLM-гейтвей, инференс внутренней LLM, систему Information Retrieval и guardrails. Именно на этих компонентах строится работа с нейросетями. Мы плотно работаем с инференс-движками: не просто запускаем, а конфигурируем под highload и патчим исходный код при необходимости. Ты подойдёшь, если - Есть опыт работы с Python и asyncio, а также с aiohttp и FastAPI от 4 лет. - Любишь работать на низком уровне: тебе интересно разбираться, как инструменты работают под капотом, а также оптимизировать их производительность. - Спокойно относишься к тому, что в поиске лучшего решения код может часто меняться или «выбрасываться». - Комфортно работаешь в условиях неопределённости и быстрых экспериментов. - Умеешь брать ответственность за результат и коммуникацию. Самостоятельно организуешь свою работу и определяешь вектор, исходя из прозрачных целей команды. - Есть опыт работы с ML-инфраструктурой и ML-сервисами. Понимаешь базовые принципы работы LLM, их ограничения и возможности. Подробнее https://tchk.me/XG1aPM

Открывается набор на бесплатную программу – Академия Авито! Те, кто уже в теме, спешат подать заявки. А тем, кто слышит об Академии впервые, нужно поторопиться, потому что такой шанс бывает только раз в году: - Направления на выбор: аналитик данных и Data Science-инженер. - Актуальная программа под запрос нанимающих команд. - Личный ментор и постоянная поддержка. - Профессиональное сообщество единомышленников. - Реальные кейсы и 150+ экспертов, которые обучат вас нужным скиллам. Сама учеба начнется 1 сентября, но подать заявку можно только до 2 июля! Регистрация: ссылка

#вакансия #remote #удалённо #DataLead #HeadOfData #аналитика #ClickHouse #Airflow #adtech #EUR Вакансия: Data Lead Компания: adtech-компания Локация: любая Формат: удалённо Занятость: полная Опыт: от 5 лет Вилка: 3 000 – 4 500 € (по итогам собеседования) Оформление: ИП / СЗ / B2B-контракт ━━━━━━━━━━━━━━━ О роли Ищем сильного data-специалиста, которому интересно строить аналитику и data-инфраструктуру, задавать стандарты и влиять на решения через данные — а не работать в режиме бесконечных ad-hoc отчётов. У нас уже есть продукты, команда и поток данных. Нужен человек, который соберёт из этого зрелую data-функцию: архитектуру, процессы, стандарты и команду. ━━━━━━━━━━━━━━━ Обязанности: • Управлять data-направлением и командой аналитиков • Проектировать и развивать аналитическую архитектуру • Отвечать за процессы сбора, обработки и хранения данных • Контролировать качество данных и аналитических решений • Внедрять стандарты и подходы к работе с данными • Взаимодействовать с продуктовыми командами, IT и бизнес-стейкхолдерами ━━━━━━━━━━━━━━━ Задачи: • Развитие и поддержка data-инфраструктуры проектов • Оптимизация существующих пайплайнов и отчётности • Поддержка бизнес-решений через данные • Масштабирование аналитики под рост проектов ━━━━━━━━━━━━━━━ Требования: • Опыт работы в data / аналитике на ведущей роли от 5 лет • Опыт управления командой аналитиков • Уверенный SQL • Практический опыт работы с ClickHouse • Опыт работы с PostgreSQL / SQL как источниками данных • Опыт оркестрации данных: Airflow / Airbyte / Dagster • Опыт работы с BI: Metabase / Superset / Power BI (Power BI — на уровне уверенного пользователя) ━━━━━━━━━━━━━━━ Преимуществом будет: • Опыт работы в digital / affiliate / adtech-проектах • Понимание принципов data engineering • Опыт автоматизации и масштабирования аналитики • Опыт построения data-платформ с нуля ━━━━━━━━━━━━━━━ Условия: •Выплаты в EUR (3 000 – 4 500 €), регулярный пересмотр дохода • Полная удалёнка, без жёсткого контроля — ориентация на результат • Реальное влияние на архитектуру и процессы, возможности профессионального роста • Адекватные процессы и живая, развивающаяся среда • Обучение за счёт компании • Корпоративный английский 📩 Контакты Резюме и вопросы → @visliknn @ml_data_science_job

#вакансия #москва #python #разработка #LLM #agents Middle и Senior python-разработчик (вывод в пром AI-агентов) Всем привет! 👋 Мы - команда центра развития искусственного интеллекта в российском топ банке. Разрабатываем и внедряем AI-решения в ключевые бизнес-процессы. Сейчас мы строим прикладных AI-агентов для HR-направления: подбор, оценка, развитие сотрудников, внутренние сервисы для рекрутеров и руководителей. Мы ищем в команду python-разработчика. Рассматриваем Middle и Senior позиции. Чем предстоит заниматься - Анализировать прототипы AI-агентов от Data Scientist’ов - Оптимизировать инференс моделей, LLM и RAG-пайплайнов - Доводить решения до production-ready кода (тесты, типизация, логирование) - Деплоить, настраивать CI/CD и мониторинг - Интегрировать агентов с корпоративными API и базами данных Что для нас важно - Опыт разработки на Python от 3 лет, умение писать чистый, тестируемый код - Практический опыт доведения прототипов моделей и AI-агентов до продакшена, знакомы с агентными фреймворками и архитектурами (LangGraph, LlamaIndex и др) - Опыт разработки RAG-систем, работы с реляционными и векторными базами данных (понимание какую БД когда выбирать) - Оптимизации инференса LLM/NLP-моделей - Работы с параллелизмом и асинхронностью Будем иметь дело с широким набором инструментов и технологий: Python, Elastic/OpenSearch, Kafka, FastAPI, Docker, OpenShift, SQL, GPU, BitBucket/GitLab Мы предлагаем - Вилка: 200-350 net + годовая премия 2-4 оклада (с сильными кандидатами готовы отдельно обсуждать условия) - Комфортный современный офис в г.Москва - Возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 2х дней в неделю) - Ежегодный пересмотр зарплаты и годовая премия - Корпоративный спортзал и зоны отдыха - ДМС, льготное страхование для семьи и корпоративная пенсионная программа Если интересно, пишите в личку @yegor_saf @ml_data_science_job

💻 Frontend-разработчик (Junior / Junior+) 🤩 85 000 - 135 000 ₽ 📍 Удалённо (при желании - гибрид) Модульбанк - digital-банк для предпринимателей и малого бизнеса. Большая часть того, с чем работают клиенты внутри банка - это интерфейсы, личные кабинеты, внутренние сервисы и web-продукты, которыми люди пользуются каждый день. Поэтому frontend здесь напрямую завязан на продукте, пользовательском опыте и реальных задачах бизнеса, а не только на визуальной части интерфейсов. Ищем человека, которому интересно не просто верстать макеты, а собирать живые интерфейсы: работа с API, состоянием приложения, логикой, формами, таблицами, внутренними сервисами и всем, что делает продукт удобным в использовании. Стек достаточно современный: JavaScript / TypeScript, React, REST API. Где-то есть Vue, где-то внутренние продукты и разные команды - поэтому важно скорее понимание frontend в целом, чем знание одной библиотеки “по учебнику”. У нас не история про “идеального кандидата с 5 годами опыта”. Гораздо важнее, чтобы вы нормально ориентировались в коде, понимали базовую архитектуру frontend-приложений и могли спокойно разбираться в новых задачах. Часто именно свежий взгляд, желание предлагать идеи и быстро включаться в процессы дают команде намного больше, чем привычка делать всё “по старой схеме”. Работа полностью удалённая. Команда достаточно сильная технически, поэтому здесь можно быстро вырасти именно в продуктовой разработке, а не застрять на бесконечных лендингах и правках “на вчера”. Если откликается - отправьте информацию о себе, GitHub или несколько проектов, с которыми работали. ➡️ @rr_hr1

Ребята из Авито приглашают на новый ML Reading Club. В среду разберём технический репорт DeepSeek V4 🤖 Обсудим: ➡ Эволюцию прошлых разработок DeepSeek в V4. ➡ Новый механизм Compressed Attention и контексты до 1 млн токенов. ➡ Проблемы Pretrain и как команде удалось их решить. ➡ On-Policy Self Distillation — новый подход к Post-Training. ➡ Инфраструктурные инновации и трюки обучения модели. 📌 27 мая, 18:30 Ссылку направим за час до эфира в канал (https://t.me/+faQoAoHdBS1hMzY6). @ml_data_science_job

#вакансия #dataengeneer #moscow #clickhouse #1С_OData #офис Data Engeneer в Москвариум Локация: Москва, ВДНХ, офис Требования: Airflow • dbt • ClickHouse • Python (pandas, requests) • 1С OData • REST API • Prometheus • VictoriaMetrics • Kafka/RabbitMQ Зарплата: до 250К на руки Задачи: — разрабатывать и сопровождать ETL/ELT-потоки — управлять метаданными (data catalog, lineage) — настраивать Data Quality и алерты — оптимизировать запросы в ClickHouse — интеграции с 1С (OData, REST, SQL) и внешними API Требования: — опыт с PostgreSQL/MySQL — реальная работа с ClickHouse (модели, оптимизация) — знание Kafka/RabbitMQ — опыт интеграции с 1С обязателен — уверенный Python и Airflow (DAG-и) Условия: — Фикс до 250 000 ₽ на руки — ДМС со стоматологией — бесплатная столовая — трансфер от м. ВДНХ — парковка — спорт и психолог — скидки на товары и услуги компании + партнёров (Skillbox, BestBenefits и др.) — оформление ТК РФ —— ⚠️ Безопасность соискателя! Участились случаи целевого HR-скама (блокировка личных MacBook, кража персональных данных, и т.д.). Если работодатель требует авторизоваться в чужом Apple ID, установить MDM-профиль или внести страховой взнос — немедленно прервите контакт, и сообщите администрации нашего канала (контакты есть в информации о канале @). 🔗 Перед откликом обязательно изучите Регламент безопасности канала (https://telegra.ph/VNIMANIYU-SOISKATELEJ-REGLAMENT-INFORMACIONNOJ-I-FINANSOVOJ-BEZOPASNOSTI-05-18). —— ✍🏻 По вопросам о вакансии и с резюме пишите: https://t.me/Kseniya_Krivokoneva @ml_data_science_job

📍Москва (гибридный формат работы) 📄Официальное трудоустройство 💻Quantitative Researcher Мы – международный инвестиционный фонд, работающий на крупнейших институциональных биржах мира. Управляем средствами клиентов исключительно с целью их приумножения. Ищем исследователя, который поможет снизить и улучшить исполнение арбитражных стратегий. Чем предстоит заниматься: ▪️Анализировать текущие стратегии и издержки исполнения (slippage, спреды) ▪️Формулировать и приоритизировать гипотезы по улучшению доходности и обосновывать их данными ▪️Проводить бэк-тесты и оценивать результаты Разрабатывать легкие торговые модули для тестирования гипотез и управления рисками ▪️Предлагать методы риск-менеджмента при внедрении новых подходов ▪️Формулировать задачи для продакшн-системы, согласовывать реализацию и уточнять детали ▪️Анализировать и улучшать уже реализованные алгоритмы, итеративно увеличивая их эффективность Что ждем от тебя: ▪️Отличное знание статистики и теории вероятностей ▪️Сильная база в численных методах: линейные уравнения, интерполяция оптимизация, дифференциальные уравнения ▪️Умение формулировать проверяемые гипотезы и объективно оценивать применимость моделей и подходов ▪️Уверенный уровень Python и SQL (ClickHouse и другие СУБД) ▪️Базовое понимание С/С++/С#/Java ▪️Опыт в арбитражной торговле или анализе трейдинга ▪️Знание английского языка на уровне, достаточном для работы с технической документацией и англоязычными ресурсами P.S. Обязуюсь сразу назвать зарплатную вилку в случае взаимной заинтересованности! —— ⚠️ Перед откликом обязательно изучите Регламент безопасности канала (https://telegra.ph/VNIMANIYU-SOISKATELEJ-REGLAMENT-INFORMACIONNOJ-I-FINANSOVOJ-BEZOPASNOSTI-05-18). —— Контакты: @lyutingo (https://t.me/lyutingo) @ml_data_science_job

#вакансия #datascience #machinelearning #python #remote Вакансия: Data Science Specialist Компания: Lagrange Labs Вилка: от 5 500 до 8 000 USD Условия: удаленно, full-time, работа с Big Data в Web3 Обязанности: — Сбор и анализ больших массивов данных из различных блокчейн-сетей (on-chain data). — Разработка и внедрение моделей машинного обучения для прогнозирования состояний сети и оптимизации работы ZK-инфраструктуры. — Исследование и выявление аномалий, паттернов поведения и потенциальных векторов атак в децентрализованных протоколах. — Оптимизация алгоритмов обработки данных для минимизации задержек в системах Lagrange. — Визуализация сложных аналитических данных для продуктовой команды и стейкхолдеров. — Участие в R&D задачах по улучшению архитектуры ZK-сопроцессоров с использованием статистических методов. Требования: — Опыт работы в области Data Science / ML от 3 лет. — Экспертное владение Python и библиотеками (Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow). — Уверенное знание SQL и опыт работы с базами данных (PostgreSQL, ClickHouse или Snowflake). — Опыт работы с Big Data инструментами (Spark, Kafka). — Понимание специфики блокчейн-данных (транзакции, логи событий, структура блоков). — Сильная математическая база (статистика, теория вероятностей, линейная алгебра). — Английский язык на уровне Upper-Intermediate (чтение научной литературы и документации). Будет плюсом: — Опыт работы с графическими базами данных. — Понимание принципов работы Zero-Knowledge Proofs (ZKP). — Наличие профильного образования в области математики или CS. —— ⚠️ Безопасность соискателя! Участились случаи целевого HR-скама (блокировка личных MacBook, кража персональных данных, и т.д.). Если работодатель требует авторизоваться в чужом Apple ID, установить MDM-профиль или внести страховой взнос — немедленно прервите контакт, и сообщите администрации нашего канала (контакты есть в информации о канале @). 🔗 Перед откликом обязательно изучите Регламент безопасности канала (https://telegra.ph/VNIMANIYU-SOISKATELEJ-REGLAMENT-INFORMACIONNOJ-I-FINANSOVOJ-BEZOPASNOSTI-05-18). —— Контакты: @Gorskines @ml_data_science_job

Вакансия: ML Engineer (LLM / Generative AI) Локация: Удалённо в РФ Компания: Innovatica Systems Занятость: Проектная О компании: LLC Innovatica Systems — технологическая компания, специализирующаяся на разработке enterprise-решений на базе искусственного интеллекта. Мы создаем инфраструктуру для трансформации бизнес-процессов крупных организаций через внедрение Large Language Models и ML-операционализацию. Модель: B2B Enterprise, SaaS-решения, Custom AI-интеграции Мы ищем ML Engineer с опытом работы с большими языковыми моделями (LLM) для разработки и внедрения AI-решений в реальные бизнес-процессы. Роль предполагает полный цикл: от прототипирования до продакшена. Обязанности - Разработка и внедрение решений на базе LLM (RAG, агенты, чат-ассистенты, классификация, суммаризация). - Подготовка и обработка данных (ETL, разметка, очистка, построение пайплайнов). - Интеграция моделей в продукты и внутренние системы (API, микросервисы). - Оптимизация inference (latency, cost, batching, quantization). - Fine-tuning и prompt engineering для улучшения качества моделей. - Построение и поддержка ML-пайплайнов (CI/CD для моделей, мониторинг, A/B тесты). - Работа с векторными БД (FAISS, Milvus, Pinecone и др.). - Оценка качества моделей и разработка метрик (offline/online). Требования - Опыт работы ML Engineer / Data Scientist от 1 года. - Уверенное знание Python (PyTorch). - Практический опыт с LLM (OpenAI, Gemini, Mistral, Claude или open-source модели). - Опыт работы с RAG-пайплайнами. - Понимание архитектур трансформеров и принципов обучения. - Опыт работы с Docker, Kubernetes (желательно). - Навыки работы с REST API и микросервисной архитектурой. - Опыт работы с базами данных (SQL/NoSQL). Мы предлагаем - Участие в создании AI-продуктов с реальным применением. - Современный стек и свободу выбора инструментов. - Гибкий формат работы (удалёнка). - % от выручки продукта - Возможность влиять на архитектуру и развитие продукта. —— ⚠️ Безопасность соискателя! Участились случаи целевого HR-скама (блокировка личных MacBook, кража персональных данных, и т.д.). Если работодатель требует авторизоваться в чужом Apple ID, установить MDM-профиль или внести страховой взнос — немедленно прервите контакт, и сообщите администрации нашего канала (контакты есть в информации о канале @). 🔗 Перед откликом обязательно изучите Регламент безопасности канала (https://telegra.ph/VNIMANIYU-SOISKATELEJ-REGLAMENT-INFORMACIONNOJ-I-FINANSOVOJ-BEZOPASNOSTI-05-18). —— Как откликнуться: Пришлите CV и название вакансии сюда: @Innovatica_systems (https://t.me/Innovatica_systems) (тема: "LLM"). @ml_data_science_job