#Сбер: Data Engineer в команду СберБизнеса
#Офис #Москва

⚙️ Требования:
• Опыт работы Data Engeneer от 1 года;
• Отличное знание #scala/#python;
• Опыт разработки ETL-процессов, построения хранилищ и витрин данных;
• Знание #sql на экспертном уровне;
• Опыт работы с инструментами Atlassian Confluence, Jira, GIT, Bitbucket, Jenkins, Nexus.

⚡️ Что делать:
• Создавать и поддерживать ETL-процессы загрузки данных для применения в моделях и аналитике;
• Разрабатывать витрины с предагрегатами и витрины с аналитическими признаками на основании потребностей продуктовых команд;
• Проектировать витрины для мониторинга моделей #ML;
• Создавать инструменты для автоматизации рутинных задач, связанных с обработкой данных;
• Развивать модель данных;
• Рефакторить текущие процессы, предлагать лучшие практики работы с данными.

➡️ Кому подойдет:
Команда ищет опытного Data Engeneer в команду СберБизнеса с фокусом на задачи по созданию и поддержке решений обработки больших данных, интеграции сервисов банка в бизнес-процессы.

🚀Откликнуться

#LSR: Data analyst / аналитик данных
#Офис #Москва

⚙️ Требования:
• Опыт работы в качестве дата-аналитика не менее 1 года;
• Опыт работы с БД;
• Знание статистических методов и анализа данных;
• #sql, #python, Excel;
• Основы статистики;
• Умеешь формулировать гипотезы и проверять их.

⚡️ Что делать:
• Работа с базой данных clickhouse, MongoDB;
• Работа в системе crm;
• Составление запросов на выгрузку из базы данных, проверка и структурирование данных;
• Проектирование новых таблиц, БД и создание аналитической базы данных;
• Проверка корректности передачи данных в базу;
• Формирование гипотез и их проверка;
• Поиск новых источников данных;
• Работа с BI и визуализация данных.

🚀Откликнуться

#МТС: Lead Data Scientist [Мой МТС] Big Data
#Офис / #Гибрид / #Удаленно
#Москва

⚙️ Требования:
• Уверенные теоретические знания #ML;
• Понимание алгоритмов рекомендаций;
• Сильный #python;
• Уверенное знание hadoop - стека, опыт работы с большими данными;
• Опыт выкатки моделей в прод с оффлайн или рантайм инференсом;
• Опыт написания микросервисов.

⚡️ Что делать:
• Анализировать требования заказчиков: понимать и анализировать потребности конечных пользователей продукта, конвертировать их в технические и бизнес-требования;
• Проактивно прорабатывать и реализовывать решения на основе аналитики и ML для улучшения бизнес метрик;
• Декомпозировать задачи, которые нужно сделать, чтобы вместе с командой разработчиков превратить планы в работающие на проде сервисы;
• Отвечать за техническое качество предлагаемых решений и сроки их реализации.

🚀Откликнуться

#Иннотех: ML инженер (NLP)
#Офис #Москва

⚙️ Требования:
• Опыт работы с #python;
• Опыт написания скриптов на языках bash/groovy;
• Опыт работы с #LLM, #NLP.

⚡️ Что делать:
• Внедрение и инференс моделей;
• Автоматизация процессов по развертыванию инфраструктуры;
• Поддержка и развитие LLM-платформы.

🚀Откликнуться

#Яндекс: Тимлид в команду Аналитики GPT Алисы
#Офис / #Гибрид
#Москва

⚙️ Требования:
• Готовы не только быть лидом, но и самостоятельно работать руками;
• Знаете теорвер и матстат;
• Глубоко владеете #sql, #python;
• Работали в #ML-проектах: с #NLP, crowdsource-разметками и ML;
• Умеете писать аналитический production-код и создавать сложные метрики на основе разметок;
• Можете транслировать видение продукта или проекта в иерархию метрик;
• Способны управлять командой аналитиков, поддержки разметок, редакторов, асессоров для контроля качества данных;
• Работали как с Data Science, так и с продуктовой аналитикой;
• Создавали и тестировали метрики, визуализировали данные;
• Обладаете навыками анализа, строили эффективные процессы обработки данных.

⚡️ Что делать:
• Создавать метрики качества и датасеты для обучения ML-моделей;
• Проводить А/В-эксперименты и офлайн-замеры качества;
• Управлять бригадой аналитиков и участвовать в найме.

🚀Откликнуться

#Озон: Data Scientist, Факторы ранжирования
#Офис #Москва

⚙️ Требования:
• Опыт работы в Data Science от 3-х лет;
• Уверенные теоретические знания #ML;
• Сильный #python;
• Уверенное знание hadoop-стека, опыт работы с большими данными.

⚡️ Что делать:
• Заниматься полным циклом разработки факторов для моделей ранжирования со стороны ML: исследование исходных данных, автоматизации пайплайнов для регулярных расчетов факторов и агрегатов на pyspark, проведение приемки разработанных факторов;
• Разрабатывать новые сложные факторы ранжирования в поиске и каталоге: текстовые на основе foundation-моделей, персонализация, факторы из рекомендаций и др.;
• Искать подходящие ML решения для бизнес-задач, планировать и проводить оффлайн и онлайн (А/Б) эксперименты.

🚀Откликнуться

#Wildberries: Team Lead ML/DS в команду BNPL
#Офис / #Гибрид
#Москва

⚙️ Требования:
• Опыт управления командой от 3 лет;
• Опыт разработки моделей и вывода их в продакшн;
• Опыт построения feature store и ETL процессов;
• Будет плюсом опыт построения моделей в кредитных продуктах.

⚡️ Что делать:
• Собрать команду #ML и построить направление;
• Собирать данные, обучать модели;
• С нуля выстроить MLOps совместно с командой DWH;
• Построить первый feature store Финтеха;
• Построить пайплайн обучения моделей и запустить его.

➡️ Кому подойдет:
Вы будете строить feature store продукта, обучать первые модели оценки кредитоспособности человека, вместе с аналитикой выкатывать их в production и постоянно внедрять новые решения.

🚀Откликнуться

#ПСБ: Data Scientist
#Офис #Москва

⚙️ Требования:
• Хороший уровень владения #sql и #python;
• Опыт в автоматизации процессов и формировании БТ;
• Знание нормативных документов (МСФО 9);
• Знание основных риск-метрик (PD/LGD/EAD/CoR);
• Опыт работы с внешними источниками данных;
• Владение инструментами математической статистики.

⚡️ Что делать:
• Проведение аналитических исследований как во внутренних Базах Данных, так и в Базах Данных внешних источников;
• Анализ данных инструментами математической статистики;
• Подготовка и визуализация результатов исследований;
• Формирование предложений по изменению Систем Принятия Решений для кредитных продуктов линейки СМБ с автоматическим принятием решения.

🚀Откликнуться

#Самокат: Middle+ Data Scientist
#Офис / #Гибрид / #Удаленно
#Москва #Спб

⚙️ Требования:
• Опыт работы в DS от 3 лет;
• Уверенное владение #sql и #python;
• Опыт с Hadoop / PySpark и polars;
• Знания и опыт работы с алгоритмами классического #ML, алгоритмами оптимизации.

⚡️ Что делать:
• Прогнозирование спроса;
• Модели эластичности;
• Прогнозирование промо: оценка экономической эффективности завершенных акций, прогнозирование эффекта для будущих акций, определение ассортимента, выбор промо-механик и настройка порогов для них);
• Ранжирование товарных предложений;
• Приоритизация заведения нового ассортимента.

➡️ Кому подойдет:
Для эффективной работы сервисов Самокат активно использует модели машинного обучения, число которых измеряется десятками (ценообразование, прогноз спроса, рекомендации). Каждая из моделей вносит существенный вклад в развитие бизнеса, разрабатывает их команда, каждый участник которой влияет на продукт напрямую.

🚀Откликнуться

#VK: Machine Learning Engineer
#Удаленно

⚙️ Требования:
• Уверенное владение основами #ML;
• Знание основ #DL;
• Владение #python и базовыми Machine Learning и Deep Learning библиотеками;
• Понимание принципов работы со звуком;
• Знание базовых алгоритмов и структур данных;
• Умение писать промышленный код;
наличие базовых навыков работы с unix-подобными операционными системами.

⚡️ Что делать:
• Обучать нейронные сети и алгоритмы векторного поиска;
• Разрабатывать эвристические алгоритмы, улучшающие качество распознавания;
• Поддерживать и развивать системы мониторинга и тестирования качества распознавания;
• Оптимизировать производительность существующих алгоритмов;
• Изучать научную литературу по теме и предлагать различные варианты улучшения системы.

➡️ Кому подойдет:
Основной предстоящей задачей является развитие и внедрение системы распознавания аудиоконтента.

🚀Откликнуться

#Яндекс: ML-разработчик в службу исследований и разработки нейронных моделей Поиска
#Офис

⚙️ Требования:
• Разбираетесь в #DL и получили практический опыт в этой области в крупной компании или лаборатории;
• Понимание классического #ML, статистики и математики;
• Владеете базовым инструментарием DL-разработчика;
• Не боитесь проводить трудоёмкие исследования, умеете находить точки роста в нетривиальных ML-системах;
• Регулярно знакомитесь с актуальными исследованиями в DL-литературе.

⚡️ Что делать:
• Исследовать существующие архитектуры или разрабатывать и патентовать свои;
• Работать над инфраструктурой обучений и применений моделей в рантайме Поиска;
• Исследовать устойчивые связи между различными стадиями Поиска и архитектурами моделей;
• Изобретать новые таргеты, датасеты и всё, что связано с исследованием и внедрением универсальных и эффективных нейронных моделей.

➡️ Кому подойдет:
Решение поисковой задачи требует от разработчика большого набора навыков и определённой доли искусства в обращении с данными. В стремлении сделать Поиск лучше команда занимается широким спектром задач.

🚀Откликнуться

#МагнитTech: CV Engineer
#Офис / #Гибрид / #Удаленно
#Москва

⚙️ Требования:
• Опыт работы в качестве #ML Engineer или #CV Engineer от 3х лет;
• Знание классических моделей классификации, сегментации и детекции (EfficientNet, Unet, YOLO, etc.);
• Знание основных SOTA подходов
опыт в оптимизации сетки или желание в этом разобраться.

⚡️ Что делать:
• Разрабатывать end-end CV решения
обучать и внедрять SOTA решения для задач классификации, сегментации, детекции и генерации;
• Оптимизировать и ускорять модели
участвовать в проектах на основе генеративных и мультимодальных нейронных сетей;
• Стек: #python, Pytorch, PyTorch Lightning, Open CV.

🚀Откликнуться

#Иннотех: ML инженер
#Офис #Москва

⚙️ Требования:
• Знания в области разработки ПО;
• Знание PostgreSQL в части #SQL;
• Опыт работы с Airflow или другими системами управления моделями #ML;
• Понимание, как перевести модель в производство, ключевые понятия — data drift, model retraining strategies
• Опыт настройки CI/CD. Разработка решения ML. Интеграция A/B-тестирование;
• Знание фреймворков MLFlow, Kuberflow, MLRun;
• Контейнеры Docker и системы управления контейнерами Kubernetes;
• Знание #python, Django (ORM Models) либо SqlAlchemy.

⚡️ Что делать:
• Внедрять модель;
• Поддерживать внедренные модели;
• Дообучать, следить за их качеством;.

🚀Откликнуться

#Озон: Senior Data Scientist, Подгруппа анализа данных
#Офис #Москва

⚙️ Требования:
• Опыт написания продакшн кода, в идеале для #ML-решений: #рексис, #CV, #LLM;
• Хорошее знание базовых алгоритмов и структур данных;
• Уверенное знание и опыт применения паттернов разработки;
• Базовые навыки систем-дизайна и ml-систем-дизайна;
• Уверенные знания математики и машинного обучения.

⚡️ Что делать:
• Создавать масштабируемые и отказоустойчивые сервисы предиктивной аналитики;
• Осуществлять супервизию архитектуры текущих сервисов;
• Создавать SOTA-модели потребления критических инфраструктурных ресурсов;
• Решать задачи численной оптимизации, задачи оптимальной упаковки;
• Участвовать в Code review, имплементации лучших практик разработки масштабируемых систем, помогать в развитии hard скиллов команды.

➡️ Кому подойдет:
Основная задача Подгруппы анализа данных - точно прогнозировать рост нагрузки на разные компоненты системы.

🚀Откликнуться

#Яндекс: Разработчик в команду распознавания текста
#Офис / #Гибрид
#Москва #Спб

⚙️ Требования:
• Понимаете принципы #ML;
• Решали прикладные задачи с помощью технологий #DL;
• Знаете классические алгоритмы и структуры данных, пишете понятный и легко поддерживаемый код;
• Интересуетесь последними публикациями в области Deep Learning.

⚡️ Что делать:
• Разработка нейросетевых моделей на стыке #CV и #NLP;
• Исследование state-of-the-art-подходов в обучении моделей распознавания текста;
• Ускорение и сжатие архитектуры нейронных сетей.

➡️ Кому подойдет:
Команда создаёт собственную технологию распознавания текста и ищет разработчика, которому предстоит решать задачи на стыке CV и NLP. Команда ждет, что вы хорошо понимаете принципы машинного обучения, решали задачи с помощью с Deep Learning.

🚀Откликнуться

#Сбер: Middle Data Scientist (команда Клиентского опыта)
#Офис #Москва

⚙️ Требования:
• Не менее 1.5 лет работы в качестве Data Scientist;
• Отличное понимание #ML;
• Продвинутые знания #sql, опыт работы с Pyspark, Greenplum;
• Отличное знание #python;
• Понимание и опыт АB-тестирования;
• Высшее техническое образование.

⚡️ Что делать:
• Построение ML моделей (включая SOTA) на основе различных данных: #NLP, GEO, графовые данные, петайбайты последовательностей событий (кликстрим, транзакции и т.д.);
• Совместно с командой MLE вывод моделей в ПРОМ контур, поддержание модели в актуальном состоянии;
• Участие в исследовании новых данных, формировании сильных переменных, а также участие в развитии Feature Store команды. Формирование эмбеддингов на основе различных данных для улучшения текущих моделей;
• Выдвигать data-driven гипотезы/предложения для запуска новых механик, а также поиск инсайтов в данных.

🚀Откликнуться

#Сбер: Junior Data Scientist
#Офис #Москва

⚙️ Требования:
• Понимание принципов разработки, внедрения и сопровождения #ML-решений;
• Опыт разработки на #python;
• Опыт работы с базами данных, #sql;
• Знание основ математической статистики и машинного обучения.

⚡️ Что делать:
• Построение ML моделей отклика, аплифта, рекомендательных систем на наши продукты/каналы/сегменты;
• Разработка моделей прогнозирования клиентопотока и объема продаж в отделениях, а также моделей идентификации мошенничества и операционных рисков;
• Ведение всех этапов DS проекта: от постановки задачи и требований с бизнес-заказчиком до внедрения и мониторинга модели.

➡️ Кому подойдет:
Дивизион "Моделирование и исследование данных" отвечает за компетенцию Data Science в Блоке. Команда разрабатывает и внедряет end-to-end решения на основе машинного обучения в бизнес-процессы банка, связанные с обслуживанием клиентов в отделениях Сбера. Сейчас в поиске Data Scientist’а.

🚀Откликнуться

#Озон: TeamLead Data Scientist, Маркетплейс, Обработка видео и звука
#Офис #Москва

⚙️ Требования:
• Опыт управления командой;
• Самостоятельность;
• Гибкость;
• Готовность к изменениям.

⚡️ Что делать:
• Взаимодействовать со своим руководителем, декомпозировать цели, заниматься планированиям;
• Руководить командой, вести проекты;
• Выстраивать внутренние процессы;
• Общаться с бизнесом;
• Проводить поиск, онбординг и менторинг сотрудников.

🚀Откликнуться

#Точка: NLP Data Scientist
#Удаленно

⚙️ Требования:
• Есть опыт работы с #NLP: transformers, #LLM, NLU от 2 лет;
• Знаешь #python и ООП, есть опыт выведения моделей в прод;
• Умеешь проводить A/B-тесты и владеешь статистикой;
• Базово владеешь #sql.

⚡️ Что делать:
• Автоматические подсказки клиенту, которые появляются при обращении в чат;
• Тегирование, кластеризация, оценка эмоционального окраса и другие виды анализа клиентских обращений для поиска точек роста в процессе обслуживания и автоматизации внутренних процессов;
• Саммаризация обращений клиента;
• Классификация налоговых требований и NER для автоматизации ответов ФНС;
• Матчинг описания товара с маркетплейса и категории товара на маркетплейсе.

🚀Откликнуться

#Сбер: Team Lead Исcледователь (Data Science + Эконометрика)
#Офис #Москва

⚙️ Требования:
• Знания в области эконометрики и статистического анализа данных;
• Сильные навыки #python;
• Опыт участия и руководства исследовательскими проектами со сложной подготовкой данных.

⚡️ Что делать:
• Разрабатывать алгоритмы и модели с учетом существующих наработок;
• Участвовать в обсуждениях исследований, peer review материалов;
• Организовывать подготовку данных, работать совместно с дата-инженерами (поиск источников, генерация переменных, «чистка» данных);
• Готовить материалы по итогам исследований.

➡️ Кому подойдет:
Команда состоит из исследователей (выпускники РЭШ, МФТИ, ВМК) и дата-инженеров с экспертизой источников данных. Команда в поисках исследователя с интересом к аналитике потребления - финансового поведения.

🚀Откликнуться

#VK: Руководитель команды машинного обучения
#Офис / #Гибрид / #Удаленно
#Москва

⚙️ Требования:
• Компетенции и опыт в направлениях 70% #NLP, 20% ранжирование и разные бусты, 10% докеризация;
• Аналитические навыки для оценки эффективности выбранных решений и интерпретации данных;
• Опыт управления командой #ML-инженеров как плюс;
• Отличные коммуникационные навыки и умение работать в команде;
• Владение инструментами Jira, Confluence, Miro, Notion.

⚡️ Что делать:
• 30% времени общение с бизнесом;
• 20% времени на архитектуру и разбор бизнес-процессов для внедрения;
• 50% на написание своего когда и ревью ребят из ML-команды;
• Полный цикл модели от сбора данных до вывода их в прод;
• Также предстоит заниматься техническим менеджментом.

➡️ Кому подойдет:
В поддержке VK несколько десятков разнообразных ML-моделей. Сейчас команда создаёт внутренний центр экспертизы, который соберёт всё воедино и поможет поэтапно внедрять в работу полезные технологии.

🚀Откликнуться