Data Secrets | Карьера

Прошла эпоха: любимый сайт всех исследователей решил стать некоммерческой организацией Архив 25 лет был под крылом Корнельского университета, но с 1 июля решил стать независимой организацией. По словам самого сайта они планируют также оставаться важной частью научного сообщества, но также упомянули о возможных организационных обновлений и предстоящих изменениях, в том числе изменения могут коснуться политики приема/редакции статей об ИИ.

Data Scientist в Lamoda Офис в Москве Предстоит: Рекомендации на Главной странице (нейросетевые кандидаты, LLM-сценарии, ранжирование); Рекомендации на странице продукта (похожие товары, "с этим товаром покупают", Metric learning, MTMH-кандидаты)… Узнать подробнее 🔵

За год в Росии нехватка айтишников выросла на 300 тысяч человек и достигла уже 1 млн специалистов Об этом заявили эксперты на недавнем Южном форуме. Однако, также эксперты заявили следующее: Дефицит IT -кадров в РФ в 2024 году - 700 тыс. человек, 2025 году - 1 млн человек. Прогнозируется, что в 2030 году технологические и экономические изменения затронут 22% рабочих мест, будет создано 170 млн новых ролей, 92 млн - исчезнут, прирост составит 78 млн рабочих мест, - говорится в презентации

После уровня Senior перед многими Data Science-инженерами встает непростой выбор. В выпуске с AvitoTech обсуждаем карьерные треки в Data Science и честно говорим о том, что стоит за каждым из них. ✅ Как расти после Senior. ✅ Какие ожидания от инженеров высоких грейдов. ✅ Почему некоторые уходят в менеджмент, а затем возвращаются в IC трек. ✅ Какие возможности открывает экспертный путь. Смотрите выпуск на YouTube и VK Видео. Сейчас в Авито проходит Fast Track, проект в рамках которого можно получить оффер на Senior DS по ускоренному пути отбора.

Старший ML инженер в Альфа Банк Удаленно Предстоит: Внедрение моделей машинного обучения; Сопровождение полного цикла сборки модели; Обработка и анализ данных; Поддержание коммуникаций с разработчиками моделей… Узнать подробнее 🔵

ИИ начинают учить говорить как пещерные люди Токенмаксинг вышел из-под контроля, поэтому компании сокращают ответы Claude, Codex и других моделей до минимума. Появляются даже специальные инструменты, которые вырезают все «лишнее» из ответов: вводные фразы, извинения, длинные объяснения. В некоторых сценариях это позволяет уменьшить объем выходных токенов на десятки процентов, а вместе с ним и расходы на API.

AI-агент — это не просто LLM + промпт + пара tools. В реальном проекте нужны граф выполнения, состояние, RAG, eval-проверки, retries, логи, метрики, контроль стоимости и нормальная подготовка к деплою. AI Agents PRO — практический курс по разработке агентных систем на LangGraph, AutoGen и LLMOps. Внутри: — LangGraph / AutoGen: графы агентов, роли, состояние, tool-calling — RAG: Qdrant, FAISS, Weaviate, hybrid retrieval, rerank — LLMOps: golden sets, LLM-judge, pass@k, quality gates — Надёжность: retries, timeouts, DLQ, идемпотентность — Observability: логи, трейсы, метрики, Grafana / Prometheus — Security: Pydantic, guardrails, PII, RBAC / ABAC — Cost control: контроль расходов на LLM-вызовы Курс для разработчиков, которые хотят собирать не игрушечных чат-ботов, а полноценные агентные пайплайны с продовым подходом. Практика — не только порешать тесты: внутри есть задачи с автопроверкой и задания с рецензированием решений. На Latorn есть бесплатные уроки — можно посмотреть подачу и первые практические шаги до покупки. Сейчас полный доступ со скидкой 25% — 48 часов. 👉 Открыть бесплатные уроки и забрать AI Agents PRO Реклама. ИП Малышкин; ИНН 402571325199; erid 2gf5Kfr760

Team Lead / Principal ML Engineer в Авиасейлс Удаленно Предстоит: Писать production-ready код, дообучать трансформеры, собирать eval-сеты; Строить MLOps-инфраструктуру: пайплайны переобучения, feature store, мониторинг качества моделей; Участвовать в Tech Design Review и определять архитектурные решения — отвечать за стабильность, отказоустойчивость и capacity ML-сервисов… Узнать подробнее 🔵

Собеседование mle в TikTok Один из кандидатов на должность MLE поделился своим опытом прохождения интервью в TikTok. Как вы могли догадаться, для прохождения в компанию необходимы знания в RecSys. 1️⃣ Первый раунд это hr-скрининг Как и в других компаниях, необходимо кратко рассказать о своих проектах, мотивации присоединиться к TikTok и рассказать об ожиданиях к зарплате, местоположении. В качестве совета, автор истории предлагает заранее продумать самопрезентацию на 1-1,5 минуты, где вы подчеркиваете техничсекие достижения и пару примеров сотрудничества и решения сложных проблем. 2️⃣ Второй раунд по основам РекСис и кодированию На этом этапе проверяют понимание классического пайплайна рекомендательных систем. Кандидату задавали вопросы про отличие candidate generation от ranking, обсуждали компромиссы между качеством рекомендаций и задержкой инференса, а также способы решения проблемы холодного старта для новых пользователей и объектов. После теории следовала задача по программированию средней сложности с уклоном в RecSys. При этом интервьюеры уделяли больше внимания не оригинальности решения, а качеству кода: корректной обработке граничных случаев, понятной структуре, анализу сложности алгоритма и умению объяснить свои решения. Автор рекомендует перед написанием кода проговорить ограничения задачи, разобрать несколько примеров и только после этого переходить к реализации. 3️⃣ Третий раунд с руководителем команды оказался самым сложным (упор на математику) Сначала интервьюер подробно разбирал один из проектов кандидата, задавая вопросы по математике и выводам используемых формул. Затем попросил спроектировать полный пайплайн рекомендательной системы: от сбора и подготовки признаков до этапов retrieval, ranking и организации обучения модели. В завершение кандидату дали сложную задачу по динамическому программированию, на решение которой было около 15 минут. По словам автора, здесь важно быстро определить состояние DP, сформулировать переходы и объяснить ход рассуждений. Даже если не удается дойти до оптимального решения, интервьюеры оценивают структуру мышления, корректность подхода и способность рассуждать под ограничением по времени.

Где взять реальный опыт до устройства на работу? Теорию можно выучить, курсы пройти, статьи прочитать, но в какой-то момент возникает одна и та же проблема: нет ощущения реальной работы, непонятно, какие требования предъявляются к специалисту уровня уверенного специалиста и выше. В итоге знания есть, а уверенности и опыта — нет. Чтобы преодолеть этот разрыв, нужен формат, где обучение строится вокруг задач, похожих на рабочие. Когда приходится анализировать продуктовые показатели, писать сложные SQL-запросы, строить модели, проверять гипотезы и работать с неопределенностью. С разбором решений и возможностью сравнить свой подход с тем, как подобные задачи решаются на практике. Именно под такую практику создан симулятор Data Science от karpovꓸcourses — платформа с реальными бизнес-задачами, уровнями сложности для начинающих и опытных специалистов, современными инструментами и проектами для портфолио. Задачи основаны на сценариях из реальной работы: анализ удержания пользователей, оценка надежности прогнозов, построение рекомендательных систем, работа с большими данными и продуктовыми показателями. В программе есть Python, SQL, A/B-тесты, машинное обучение, временные ряды, LLM (большие языковые модели) и NLP (обработка естественного языка), прогнозирование, развертывание моделей и многое другое. Автор симулятора — Валерий Бабушкин. Руководил направлением Data Science и инженерии данных в X5 Retail Group, был директором по аналитике и машинному обучению в компаниях Яндекс и Alibaba. Соберите портфолио и прокачайте навыки, которые ценят в индустрии — https://clc.to/erid_2W5zFJ1gzwB Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFJ1gzwB