Биржа вакансий в сфере ИИ, ML

Формат

Гибрид

Страна

Не указана

Город

Не указан

Data Scientist в команду репутационной системы Компания: Авито Формат работы: удаленная, гибридная Примеры задач - проектировать, обучать и внедрять NLP-модели для детекции подозрительных и нежелательных интентов и паттернов в коммуникациях - экспериментировать с передовыми методами машинного обучения, когда их применение оправдано решаемой задачей - настраивать сбор разметки и контролировать её качество — как с помощью асессоров, так и при использовании LLM-решений - встраивать модели в сервисы для скоринга, запускать их в продакшен и следить за стабильностью пайплайнов и моделей Требования - не менее 2 лет опыта работы в Data Science - опыт разработки NLP-моделей - владение Python и DS-стеком, работа с DL-фреймворками, например с PyTorch - написание SQL-запросов для сбора данных и диагностики качества моделей - опыт разработки и внедрения ML-моделей в продакшен - умение писать качественный, поддерживаемый, тестируемый и масштабируемый код на Python - умение переводить бизнес-цели в ML-метрики - документирование своих наработок, описание и критическая оценка результатов экспериментов

Формат

Удалённо

Страна

Россия

Город

Не указан

Python Developer (LLM, Москва) Компания Bell Integrator Мы ожидаем - Опыт коммерческой разработки на Python от 4 лет - Уверенное знание Python 3.7+ (в проекте используется 3.12+) - Понимание и успешный опыт применения паттернов проектирования (GoF, SOLID, GRASP) - Опыт проведения код-ревью и работы по GitFlow - Опыт разработки агентных систем с помощью langchain, langgraph и успешное внедрение в промышленную среду - Опыт разработки приложений, основанных на микросервисной архитектуре - Уверенное знание SQL и понимание принципов работы реляционных СУБД (PostgreSQL) - Опыт написания unit-тестов - Опыт разработки асинхронных приложений на Python - Понимание жизненного цикла разработки приложений в контексте Agile - Важно: Опыт и желание работать в команде, умение аргументировать свои решения и договариваться Чем предстоит заниматься - Разработка co-pilot решения на базе данных RAG и применении LLM - Разработка и интеграция AI-агентов, исследование новых поверхностей взаимодействия с AI - Разработка микросервисов на Python в качестве MCP инструментов - Анализ требований, формализация функционала, проектирование архитектуры взаимодействия агентов и сервисов - Участие в планировании, декомпозиции задач и оценке сложностей, планировании спринтов на основе SCRUM церемоний - Проведение код-ревью, поддержание высокого стандарта качества и чистоты кода - Тесное взаимодействие с командой на всех этапах разработки - Участие в подготовке и выпуске релизов, взаимодействие со смежными подразделениями - Документирование своей работы и менторство джуниор-разработчиков Условия - Возможность участия в интересном проекте - Возможность профессионального и карьерного роста в компании - Опыт работы в команде профессионалов - Уровень заработной платы обсуждается индивидуально - Удаленный формат работы - офисный формат в Москве

Формат

Удалённо

Страна

Не указана

Город

Не указан

Data Scientist, Логистика и операционные процессы Компания: OZON Удаленная работа, уровень middle. Задачи - Анализировать опоздания и "плохо построенные" маршруты. - Писать промышленный код и выводить его в продакшн. - Общаться с заказчиком, формализовывать требования. - Креативить, предлагать новые идеи. Требования - Уверенное знание Python и стандартных DS библиотек. - Знание хотя бы одного диалекта SQL (предпочтительней PostgreSQL). - Знание основ ML и задач дискретной оптимизации. - Высшее образование в одной из сфер: математика, компьютерные науки.

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Middle / Senior

Data Scientist middle/senior Москва Компания: X5 Tech офис middle senior Обязанности - Участвовать в разработке моделей для продуктивной среды - Строить модели машинного обучения, улучшать качество прогноза - Заниматься аналитикой и проверкой гипотез - Развивать инструменты для проведения A/B тестов - Писать код, проводить code-review - Предлагать способы оптимизации и совершенствования существующих инструментов Требования - Знание Python (Scala/Java могут оказаться плюсом) - Знание классических алгоритмов и структур данных - Знание теоретических и практических продвинутых методов машинного обучения - Знание SQL, знакомство с hadoop-стэком (кандидаты уровня middle должны понимать, как выглядит план запросов и что происходит "под капотом") - A/B тесты, генерация и проверка гипотез (будет плюсом опыт с variance reduction, CUPED, линеаризацией и методом бакетов) - Опыт работы с (docker, kubernetes, pyspark, kafka, postgres, airflow) - Наличие опыта вывода разработанных решений в прод

Формат

Офис

Страна

Россия

Город

Не указан

Задачи - Разрабатывать MCP-серверы и интеграции с внутренними IT-системами. - Создавать цифровые роли Avatar для обработки заявок, диагностики и подсказок инженерам. - Автоматизировать типовые операции IT Operations. - Подключать источники данных: мониторинг, логи, CMDB, Jira/ITSM, базы, внутренние API. - Делать простые backend-сервисы, скрипты, воркфлоу и API-обвязки. - Работать с RAG, памятью, skill-ами, tool calling, LLM API. - Разбирать реальные кейсы инженеров и превращать их в работающие MVP. - Писать документацию: как работает интеграция, как поддерживать, как диагностировать. Требования - Уверенная backend-разработка или automation engineering. - Python как основной рабочий инструмент; Go / TypeScript — плюс. - Опыт работы с REST API, JSON, SQL, Git, Docker. - Понимание Linux, сетей, логов, мониторинга, базовой эксплуатации. - Умение писать надежные интеграции, а не только прототипы. - Понимание LLM-инструментов: prompts, tools, agents, RAG, function calling. - Готовность работать с внутренними legacy-системами и неполной документацией. - Самостоятельность: сам разобрался, уточнил, сделал, задокументировал. Условия - Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествия, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). - Стабильную заработную плату и социальные гарантии. - Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с командой. Лучшие конференции и мастер-классы за счет компании. - Участие в проектах, которые формируют цифровую трансформацию финансового сектора. - Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами, а также собственный тренажерный зал. - Гибридный формат работы (2 дня офис), возможен удалённый формат. - Корпоративная культура: внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы.

Формат

Удалённо

Страна

Россия

Город

Не указан

AI Product Manager (ПравоТех) ПравоТех ищет AI Product Manager для развития линейки AI-продуктов. Компания с 2008 года создает IT-решения для автоматизации юридических бизнес-процессов. Продуктами ПравоТех ежедневно пользуются тысячи компаний, включая крупнейшие банки, страховые организации и корпоративных клиентов. О роли Ищем продуктового менеджера, который будет развивать экономику AI-продуктов, принимать решения на основе данных и находить точки роста эффективности. Это роль на стыке Product, Data, AI Engineering и Finance. Задачи - управлять экономикой AI-продуктов и анализировать ключевые метрики - рассчитывать и развивать unit economics - оценивать влияние новых функций на экономику продукта - формировать дерево продуктовых метрик - управлять backlog и приоритизировать задачи на основе данных - участвовать в развитии тарифов, монетизации и pricing-моделей - анализировать стоимость AI-инференса, моделей и инфраструктуры - совместно с командами разработки искать способы повышения эффективности и маржинальности - готовить рекомендации для продуктовой команды и руководства Требования - опыт работы Product Manager в IT от 3 лет - понимание продуктовых метрик и unit economics - опыт развития B2B SaaS-продуктов (AI — будет преимуществом) - опыт работы с Jira и продуктовым backlog - умение принимать решения на основе данных - понимание монетизации цифровых продуктов - уверенное владение SQL, BI-инструментами или продуктовыми системами аналитики - системное мышление и самостоятельность Будет плюсом - опыт развития AI- или LLM-продуктов - понимание стоимости AI-инференса, токенов и GPU-инфраструктуры - опыт работы с PostHog, Metabase, ClickHouse, PostgreSQL - опыт внедрения usage-based pricing или freemium-моделей - участие в развитии тарифной политики Что предлагаем - участие в развитии ключевого AI-направления компании - работу над продуктами, которыми ежедневно пользуются тысячи клиентов - сильную продуктовую команду и быстрый цикл принятия решений - возможность влиять на стратегию и экономику продуктов - оформление по ТК РФ - ДМС - корпоративное обучение - командный бонус по результатам работы - удалённый или гибридный формат (Москва / Самара)

Формат

Офис

Страна

Россия

Город

Не указан

Мы строим собственную агентскую платформу корпоративного уровня — enterprise-аналог открытых агентских систем. Ищем инженера, который возьмёт на себя ядро системы и будет развивать его, опираясь на актуальные исследования и production-практику. Эта роль на стыке глубокой инженерии (производительное ядро) и работы с LLM/ML. Стек: ClickHouse, SQL, LLM, ETL Чем предстоит заниматься: Проектирование и развитие корпоративного DWH на ClickHouse: архитектура, модель данных, выбор движков таблиц (семейство MergeTree), партиционирование, шардирование, материализованные представления. Построение и поддержка ETL/ELT-пайплайнов загрузки данных из внешних систем-источников. Разработка системы стандартов на данные (data contracts): единые требования к структуре, форматам, типам и качеству данных, поступающих из источников. Создание и ведение каталога данных / data dictionary с детальным описанием структуры и бизнес-смысла каждого набора данных (метаданные, документация, семантический слой). Контроль качества данных: валидация, тесты на данные, мониторинг. Оптимизация производительности хранения и аналитических запросов. Проектирование и разработка агентского слоя (LLM-агентов) поверх данных DWH, закрывающего произвольные аналитические запросы пользователей (text-to-SQL / диалоговая аналитика). Интеграция LLM, разработка инструментов и функций для агентов, организация семантического слоя для корректной работы агентов с данными. Настройка процессов оценки и улучшения качества ответов агентов (evals). Настройка разграничения прав доступа к данным средствами СУБД: RBAC, row-level и column-level политики в ClickHouse. Документирование архитектуры и принятых решений Наши ожидания: Опыт в data-инжиниринге от ~4 лет, уровень Senior. Глубокий опыт работы с ClickHouse (или сильный опыт с другими OLAP/колоночными СУБД + готовность быстро войти в ClickHouse): движки таблиц, оптимизация. Опыт проектирования DWH с нуля, владение подходами к моделированию данных (Kimball / Data Vault / wide tables и т.п.). Уверенный SQL и навыки оптимизации запросов. Опыт построения ETL/ELT-пайплайнов (Airflow / dbt / аналоги). Python (или другой язык для дата-инжиниринга и интеграции с LLM). Практический опыт с LLM и построением агентов: агентские фреймворки (LangChain / LlamaIndex / аналоги), function/tool calling, RAG, text-to-SQL. Понимание подходов к управлению качеством данных и data governance / data contracts. Опыт настройки разграничения прав доступа в СУБД. Будет большим преимуществом: Опыт с semantic / metrics layer. Опыт LLMOps и оценки качества агентов (evals, мониторинг). Опыт с инструментами каталогизации данных (DataHub / OpenMetadata / Amundsen). Опыт работы с большими объёмами данных и высоконагруженными системами. Мы предлагаем: Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествий, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). Стабильную заработную плату и социальные гарантии, которые дают уверенность в настоящем и открывают перспективы в будущее. Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с дружной командой. Лучшие конференции и мастер-классы за счет компании. Участие в проектах, которые формируют цифровую трансформацию финансового сектора. Гибридный формат работы (2 дня офис). Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами с ароматным кофе, а также собственный тренажерный зал. Богатую корпоративную культуру: классные внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы и участвовать в креативных проектах.

Формат

Офис

Страна

Россия

Город

Не указан

Продуктовый аналитик AI Компания: Джетлин Требования - Опыт работы продуктовым аналитиком от 3 лет. - Уверенное владение SQL. - Продвинутый уровень Excel. - Опыт построения отчетности и дашбордов (Power BI, Grafana, Tableau или аналогичные инструменты). - Опыт подготовки аналитических материалов для руководителей. - Практический опыт использования AI-ассистентов (ChatGPT, Claude, Gemini, Codex или аналогичных) в ежедневной работе. - Умение быстро создавать прототипы, автоматизации, SQL-запросы, Python-скрипты и аналитические исследования с использованием AI (vibe coding). Будет плюсом - Владение Python (pandas). - Опыт работы с ClickHouse, Prometheus, Grafana. - Понимание принципов работы AI, LLM и генеративного искусственного интеллекта. - Опыт использования AI Coding и AI-агентов в рабочих процессах. - Опыт работы в финтехе Задачи - Развивать систему аналитики и метрик AI-платформы. - Собирать, обрабатывать и консолидировать данные из различных источников. - Подготавливать регулярную аналитическую и управленческую отчетность для руководства. - Разрабатывать и сопровождать систему KPI и ключевых метрик AI-платформы. - Создавать дашборды и визуализации для мониторинга ключевых показателей. - Анализировать использование AI-платформы, LLM-моделей и AI-сервисов. - Анализировать производительность инфраструктуры (TTFT, latency, очереди, загрузку GPU, SLA и другие показатели). - Анализировать использование токенов, API, вычислительных ресурсов и пользовательскую активность. - Оценивать эффективность внедрения AI-инструментов и AI Coding в подразделениях компании. - Формировать аналитические выводы и рекомендации по развитию платформы. - Автоматизировать подготовку отчетности и аналитических процессов совместно с инженерами команды. - Использовать современные AI-инструменты для повышения эффективности анализа данных, подготовки отчетности и ав

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Senior

Старший ML-инженер — прогнозирование спроса и оптимизация запасов SMALL — одна из крупнейших розничных сетей продуктовых магазинов в Казахстане. Мы управляем более чем 160 магазинами в 10 городах страны. Мы строим систему автозаказа, которая определяет, сколько товара необходимо заказать в каждый магазин. Ищем сильного ML-инженера, который возьмёт на себя техническое руководство проектом: работу с данными, постановку экспериментов, выбор моделей для продакшен-пайплайна, офлайн- и онлайн-оценку качества, управление автозаказом как продуктом. Чем предстоит заниматься - Формировать roadmap ML-экспериментов и самостоятельно выбирать наиболее перспективные направления. - Исследовать подходы к прогнозированию сезонного, нерегулярного и прерывистого спроса. - Работать с промо, календарными эффектами, новыми SKU, дефицитом истории и спросом, цензурированным спросом и восстановлением lost sales при отсутствии товара. - Проводить ABC/XYZ-анализ. - Развивать rolling-origin backtesting и методологию сравнения моделей без временных утечек. - Оценивать решения не только по forecast-метрикам, но и по бизнес-результатам: out-of-stock, fill rate, оборачиваемости и объёму избыточного запаса. - Улучшать преобразование прогноза в заказ с учётом графика поставок, остатка, lead time и ограничений поставщика. - Развивать продакшен ML-пайплайн: качество данных, воспроизводимость экспериментов, мониторинг моделей и диагностику деградаций. - Взаимодействовать с командами Data Engineering, инфраструктуры и бизнеса, превращая неопределённые задачи в проверяемые гипотезы и работающие решения. - Определять техническую архитектуру ML-части системы и стандарты разработки: от подготовки выборок и экспериментов до деплоя и мониторинга. Что для нас важно - Сильный практический опыт в машинном обучении и опыт эксплуатации моделей в production. - Опыт решения задач прогнозирования временных рядов: корректная временная валидация, сезонность, cold start, sparse или intermittent demand. - Хорошее понимание того, как выбирать метрики и дизайн эксперимента под бизнес-задачу, а не оптимизировать одну офлайн-метрику. - Уверенные Python и SQL. - Умение разбираться в данных, находить смещения и утечки, проверять качество источников. - Способность самостоятельно формулировать план работы, принимать технические решения и доводить изменения до production. - Готовность объяснять результаты и компромиссы как инженерам, так и бизнесу. - Дисциплинированный опыт AI-assisted development: умение ускорять работу с помощью coding agents, не перекладывая на них ответственность за корректность решений, качество кода и безопасность данных. Будет большим плюсом - Опыт в grocery retail, e-commerce, supply chain или inventory replenishment. - Опыт построения глобальных моделей на большом количестве связанных временных рядов. - Понимание retail-специфики: промо, каннибализация, out-of-stock, цензура спроса, ассортиментные изменения, новые магазины и SKU. - Знание основ inventory optimization: safety stock, service level, lead time, order multiple, lost sales. - Опыт проведения онлайн-экспериментов или пилотов, где прогноз влияет на реальные операционные решения. - Опыт с CatBoost, PyTorch, ClickHouse, Kafka, Airflow, SLURM или Kubernetes. Наш текущий контур Масштаб задачи: - несколько миллионов SKU × store комбинаций каждый день - ежедневный и внутридневной расчет - прогнозирование на разные горизонты — от нескольких дней до нескольких недель - несколько лет истории в данных Сейчас в проекте есть: - модель прогнозирования спроса на основе градиентного бустинга - фреймворк для rolling-origin backtesting - интеграции с ClickHouse, Kafka, Airflow, Slurm, Kubernetes - продакшен-пайплайн с платформенным мониторингом и наблюдаемостью То есть задача не «сделать первую модель с нуля». Система уже работает в production в пилотном режиме и используется для формирования заказов на все SKU и магазины. Куда мы хотим прийти: - Повысить доступность товаров, одновременно снижая избыточный запас и списания. - Расширить систему с контура «распределительный центр → магазин» на заказы «поставщик → распределительный центр» и другие supply-chain сценарии. - Корректно учитывать неопределённость спроса и целевой service level, выбирая квантили прогноза с учётом стоимости дефицита и избыточного запаса. - Построить устойчивый процесс экспериментов и внедрения изменений с измеримым бизнес-эффектом. Что мы предлагаем - Реальный end-to-end ownership: возможность влиять на постановку задачи, данные, модели, backtesting, production и бизнес-метрики. - Доступ к вычислительному кластеру из 8 нод, каждая — 128 CPU, 2 TB RAM и 8×NVIDIA H200. Мы не требуем использовать deep learning там, где он не нужен, но инфраструктура позволяет проверять вычислительно сложные подходы без искусственных ограничений. - Возможность удаленной работы или в офисе в Алматы или Астане.