Нескучный Data Science Jobs

Позиция: Middle/Senior Quant Researcher Куда? QST (Quantstellation), Бутиковый prop HFT-фонд, TradFi (Derivatives) Формат работы: Гибрид или релокация: Лимасол (Кипр) / Москва. Вилка: $7,000–$15,000 net + бонус из profit-пула по прозрачной PnL-формуле. Что нужно делать? • Выстраивать альфу с нуля, а не просто итерировать чужие пайплайны. • Искать неэффективности на крупнейших биржах (CME, Eurex, NSE, KRX) с фокусом на деривативы (фьючерсы и опционы). • Заниматься исключительно ресерчем на Python (писать на C++ не нужно, это закрывает команда Quant Dev). • Проверять гипотезы, тестировать стратегии и доводить их до продакшена в рамках выстроенного in-house pipeline. Требования: • Сильная математическая база и глубокое понимание методов машинного обучения. • Уверенное владение Python как основным инструментом для ресерча. • Желателен опыт в TradFi, но кандидаты с сильным бэкграундом в крипте также рассматриваются. • Подтвержденный трек-рекорд: высокий рейтинг на соревновательных площадках, медали Kaggle или сильный академический бэкграунд. Ответы на 10 важных вопросов: 1. Данные: Исторические и real-time рыночные данные с крупнейших мировых бирж + крипта как дополнительная компонента. 2. Железо: Своя платформа, FPGA и собственный GPU-кластер для обучения тяжелых моделей. 3. Масштаб влияния на core-бизнес? Фонд 18 лет торгует на свои деньги (без внешних LP) с объемом >$80B в месяц. Ваши стратегии — это прямой PnL компании. 4. Уровень развития DS/Quant в компании? Топовый. Полный research-to-production pipeline под одной крышей с минимальным путем от гипотезы до продакшена. 5. Роль ресерчера: Максимальная фокусировка на генерации альфы на Python. Внедрением в железо и оптимизацией занимается сильная команда разработчиков. Здесь вместе ищут альфу, а не конкурируют изолированными командами. 6. Бэкграунд у вашего руководителя? Фаундеры — выходцы с мехмата МГУ. Anton Ragin (Co-Founder). В команде работают Kaggle Masters+, PhD и выпускники ШАД. Средний стаж в компании >6 лет. 7. Как часто вам будут мешать работать? Плоская структура и отсутствие бюрократии. Гибкий график, классические 40 часов в неделю, без работы по выходным. 8. Карьерный рост: Прозрачная PnL-формула. Успешные стратегии генерируют апсайд в «иксах» от фикса — никаких искусственных потолков в доходе. 9. Prod/Research: Applied Research с очень быстрой доставкой в Prod. 10. Функция сервиса или лидера? Безусловный лидер. Вы генерируете профит, инфраструктура работает на вас. ✈️ TG: @QuantScout

Позиция:Senior DS  Компания: Х5 Group    Формат: Полный занятость (40 часов в неделю).   Локация: Удаленная работа (но по желанию можно работать из офиса БЦ Оазис, г. Москва)   Вилка: 300к-500к 💡Команда ad-hoc аналитики из X5 Group (Пятерочка, Перекресток, Чижик и etc) в поисках опытных DS-спецов! 🔬Почему у нас интересно? Более 29 тысяч магазинов, 50 миллионов клиентов, петабайты данных - и все это нужно анализировать. Каждый день мы показываем, что наши супермаркеты - на самом деле цифровой проект, в котором большое место занимают Big Data и Data-Driven подход.    Ты будешь работать в стриме оценки финансовой эффективности инвестиционных инициатив. 🔭Чем у нас предстоит заниматься? - дизайны и оценки нестандартных экспертиментов через A/B (с обычными у нас платформа справляется); - end-to-end разработка методологий и инструментов для оценки эффектов в случае, когда классические A/B-тесты неприменимы; - полноценные рисерчи, чтобы применять лучшие инструменты в индустрии; - писать интересные статьи по результатам выполненных задач и не только. 😎Ты нам подходишь, если ты:   - Имеешь опыт работы в DS-сфере от двух лет; - Имеешь бэкграунд в Causal Inference / эконометрике (наука, учеба, работа); - Владение базовым финансовым аппаратом (EBITDA, IRR, NPV, ТЭО) и понимание логики построения финансовых моделей инвестиционных проектов; - Знаком с современными подходами к анализу кросс-секционных и панельных данных (Doubly Robust Estimators (AIPW), DiD, TWFE, IV); - Умеешь писать чистый и структурированный код на Python, знаешь классические алгоритмы и структуры данных; - Знаешь SQL - умеешь строить оптимальные запросы, знакомство с hadoop-стэком будет плюсом; - A/B тесты, генерация и проверка гипотез (будет плюсом опыт с variance reduction, CUPED, линеаризацией и методом бакетов); - Будет преимуществом: опыт работы с (docker, kubernetes, pyspark, kafka, postgres, airflow). 🎁Что мы предлагаем: - возможность работать удалённо или в гибридном формате; - ежеквартальные премии по результатам работы; - удобный офис рядом с м. «Добрынинская» / удобный офис с бесплатной парковкой на м. «Волгоградский проспект» / МЦД «Калитники» - гибкий график работы (с 8/9/10 утра) / График работы: 5/2, с 9:00 до 18:15 (в пятницу — до 17:00); - широкий пакет ДМС (включая выезд за рубеж и стоматологию), страхование жизни и здоровья; - возможность учиться и развиваться за счёт компании; - программы мотивации для спикеров и авторов; - Классный коллектив, теплая атмосфера и веселые ретро с играми и битвой мемов, а также оффлайн-тимбилдинги. Ответы на 10 важных вопросов : 1. Данные: данных петабайты, стек Hadoop, Hive, Spark. 2. Железо: под команду 2 сервера под расчеты, каждый Intel Xeon 32Core 256 GB RAM Bare Metal. Данные храним в Hadoop. Что касаемо ноутбуков - выдаются HP / Dell. 3. Масштаб влияния на core-бизнес? Решаемые задачи затрагивают более 22000 магазинов по всей стране. 4. Уровень развития Data Science в компании? Data Science в компании выделен как одно из ключевых направлений. 5. Роль дата сайентиста: полный цикл от понимания бизнес потребности до внедрения решений для решения ее. 6. Бэкграунд у вашего руководителя? Linkedin 7. Как часто вам будут мешать работать? мешать работать не будем, 3-4 часа регулярных встреч в неделю 8. Карьерный рост: рост по результатам performance review, которые проводятся 2 раза в год. 9. Prod/Research: задача может быть любая, так что research + prod 10. Функция сервиса или лидера? На этапе стажировки 100% сервис. Свои резюме в формате "Фамилия Имя Резюме SENIOR" и вакансию направлять сюда: @Zzzelar

Позиция: DS junior+ (Causal Inference & Econometrics) Компания: Х5 Group    Формат: Полный занятость (40 часов в неделю).   Локация: Удаленная работа (но по желанию можно работать из офиса БЦ Оазис, г. Москва)   Вилка: 260к-360к gross + 20% премия от годового оклада 💡Команда ad-hoc аналитики из X5 (Пятерочка, Перекресток, Чижик и т.д.) в поисках опытных DS-спецов с уклоном в Causal Inference и прикладную эконометрику 🔬Почему у нас интересно? Более 29 тысяч магазинов, 50 миллионов клиентов, петабайты данных - и все это нужно анализировать Ты будешь работать в команде нового стрима - никакого легаси, много интересных исследовательских задач - большая часть работы будет именно про 'рисеч': разбор бизнес-механик и формулирование причинных гипотез, чтение свежих статей и имплементация методов оттуда, сравнение этих методов между собой 🔭Чем у нас предстоит заниматься? - End-to-end разработкой методологий и инструментов для оценки эффектов в случае, когда классические A/B-тесты неприменимы - Внедрением продвинутых эконометрических подходов для улучшения текущих методологий (например, сейчас пытаемся внедрить инструментальные переменные там, где это возможно) - Написанием статей по итогам особо интересных задачек Примеры уже решенных задач - оценка эффекта различных продуктов лояльности (Пакет, Апельсин, Клубы, Food.ru) на траты клиента 😎Ты нам подходишь, если ты:   - Имеешь опыт работы в DS-сфере от года - Имеешь бэкграунд в Causal Inference / эконометрике (наука, учеба, работа) - Знаешь, что такое эндогенность, из-за чего она может возникать и как с ней бороться - Можешь отличить конфаундер от инструмента - Можешь нарисовать DAG для конкретного DGP, сможешь на нем найти коллайдеры и медиаторы - Знаком с современными подходами к анализу кросс-секционных и панельных данных (Doubly Robust Estimators (AIPW), DiD, TWFE, IV) - Умеешь писать чистый и структурированный код на Python, знаешь классические алгоритмы и структуры данных - Знаешь SQL - умеешь строить оптимальные запросы, знакомство с hadoop-стэком будет плюсом; 🎁Что мы предлагаем: - возможность работать удалённо или в гибридном формате; - ежеквартальные премии по результатам работы; - удобный офис рядом с м. «Добрынинская» / удобный офис с бесплатной парковкой на м. «Волгоградский проспект» / МЦД «Калитники» - гибкий график работы (с 8/9/10 утра) / График работы: 5/2, с 9:00 до 18:15 (в пятницу — до 17:00); - широкий пакет ДМС (включая выезд за рубеж и стоматологию), страхование жизни и здоровья; - возможность учиться и развиваться за счёт компании; - программы мотивации для спикеров и авторов; - Классный коллектив, теплая атмосфера и веселые ретро с играми и битвой мемов, а также оффлайн-тимбилдинги. Ответы на 10 важных вопросов : 1. Данные: данных петабайты, стек Hadoop, Hive, Spark. 2. Железо: под команду 2 сервера под расчеты, каждый Intel Xeon 32Core 256 GB RAM Bare Metal. Данные храним в Hadoop. Что касаемо ноутбуков - выдаются HP / Dell. 3. Масштаб влияния на core-бизнес? Решаемые задачи затрагивают более 22000 магазинов по всей стране. 4. Уровень развития Data Science в компании? Data Science в компании выделен как одно из ключевых направлений. 5. Роль дата сайентиста: полный цикл от понимания бизнес потребности до внедрения решений для решения ее. 6. Бэкграунд у вашего руководителя? Linkedin 7. Как часто вам будут мешать работать? мешать работать не будем, 3-4 часа регулярных встреч в неделю 8. Карьерный рост: рост по результатам performance review, которые проводятся 2 раза в год. 9. Prod/Research: задача может быть любая, так что research + prod 10. Функция сервиса или лидера? На этапе стажировки 100% сервис. Свои резюме в формате "Фамилия Имя Резюме JUNIOR" и вакансию направлять сюда: @Zzzelar

Получите офер в Яндекс за 2 дня Участвуйте в онлайн-мероприятиях быстрого найма. Такой формат позволяет пройти всего две секции, вместо трёх в обычном найме, и финалы за выходные и сразу получить офер. Как всё устроено: 🔴 Зарегистрируйтесь на мероприятие — с вами свяжется рекрутер и договорится об удобном времени для интервью. 🔴 В субботу пройдите две технические секции. 🔴 В воскресенье познакомьтесь с командами и получите офер. Какие мероприятия проводим: ⚡️30–31 мая Weekend Offer ML Для ML- и DL-инженеров с опытом в доменных областях NLP, CV, RecSys и Classic ML. Подробности и регистрация — на сайте: https://yandex.ru/project/events/wo-ml-0526 ⚡️6–7 июня Weekend Offer Analytics Для продуктовых, дата-аналитиков и датасаентистов с опытом на Python от 3 лет. Подробности и регистрация — на сайте: https://yandex.ru/project/events/wo-analytics-0626

Позиция: Lead AI Engineer Куда: ООО "Код открытия" Формат работы: полная занятость; офис в Москве (м. Курская); Вилка гросс: 400-800k Про нас: Мы создаём AI-систему для работы с туристическими данными, прогнозирования продаж и динамического ценообразования — продукт, который изменит способ взаимодействия с информацией о турах для миллионов россиян. Продукт использует последние достижения в области LLM (Claude 4.5, GPT-4o), RAG-систем и компьютерного зрения для интеллектуальной обработки и анализа туристической информации. Система работает с описаниями туров, визуальными характеристиками отелей, отзывами и данными о действиях пользователей. Команда 9 человек, коммуникация прямая, иерархии нет. Работаем как настоящий стартап: быстрые решения, короткие итерации, еженедельные релизы. Цель к концу года — доказать эффективность AI-подхода на конкретных бизнес-метриках. Что предстоит делать? На этой позиции вы будете отвечать за всю AI-часть: от выбора моделей до построения RAG-pipeline и мультимодального поиска. Каждая ваша итерация должна повышать качество работы системы — мы работаем с реальными метриками (точность подбора, время обработки запросов, удовлетворенность пользователей). Требования: - Опыт с продакшен LLM-приложениями (вы уже строили RAG-системы или чат-боты на основе GPT/Claude) - Знаете как работают современный RecSys модели - Промпт-инжиниринг на уровне эксперта (умеете выжимать максимум через правильную структуру промптов, few-shot examples, chain-of-thought) - Опыт работы с эмбеддингами и векторным поиском (similarity search, hybrid search, reranking) - Python на уровне продакшена (чистый, быстрый код) - Продуктовое мышление (AI — инструмент для решения бизнес-задачи, не самоцель) Будет плюсом: - Опыт с компьютерным зрением / мультимодальными моделями - Опыт с high-load системами и оптимизацией latency - Понимание ML Ops (мониторинг моделей, версионирование, A/B тестирование) Ответы на 10 вопросов: 1. Данные: ~100,000 туров из API туроператора (описания, фотографии, цены, характеристики отелей). Парсинг отзывов с TripAdvisor и Booking.com. Хранение в PostgreSQL + векторные представления в Qdrant. Все взаимодействия пользователей логируются для анализа и улучшения системы. 2. Железо: Kubernetes кластер в Облаке. Для разработки: стационарный ПК. Для обработки изображений через VLM: batch-обработка 10,000-50,000 фотографий (запускаем периодически при добавлении новых направлений). Для работы с LLM используем развернутые в облаке open-source модели. 3. Масштаб влияния на core-бизнес? AI-система должна стать главным драйвером роста рентабельности и выручки для туристического направления бизнеса. 4. Уровень развития Data Science в компании? В компании более 5 лет существуют ML, DL команды. Компания успешно разрабатывает и внедряет AI продукты все это время. 5. Роль AI-инженера: Вы отвечаете за всю AI-часть продукта от начала до конца. Участвуете в формировании roadmap, решаете какие функции реализовывать. Пишете код для продакшена, запускаете A/B тесты, анализируете метрики, формируете и развиваете команду. Это 100% ownership. 6. Бэкграунд у вашего руководителя? Head of Data Science в IT-компании, Product Owner в AI-продуктах. Linkedin 7. Как часто вам будут мешать работать? Синхронизация с командой (backend, frontend) — 2-3 часа в неделю. Созвоны с бизнесом по метрикам — 1 час в неделю. Остальное время — ваше для разработки и экспериментов. 8. Карьерный рост: Если продукт выстрелит (а мы в это верим), это станет отдельным направлением с собственной командой. Вы естественным образом станете Head of AI туристического AI-продукта. Это позиция для тех, кто хочет расти вместе с продуктом. 9. Prod/Research: Prod 95% / Research 5%. 10. Функция сервиса или лидера? Лидер 80% / Сервис 20%. Вы принимаете все ключевые технические решения по AI-части. Выбираете модели, архитектуру, решаете что A/B тестировать. Резюме и вопросы направляйте на: @eugeneshar с пометкой «Lead AI Engineer»

Позиция: Middle+ - Senior DS/MLE Компания: Т-банк, команда эффективности Формат работы: fulltime, гибрид, Москва, офис на Павелецкой. Вилка гросс: 400-700К + годовые премии Про нас: Мы создаём и внедряем алгоритмы, которые улучшают экономику экосистемы, делая её выгоднее для клиентов, прибыльнее для бизнеса и эффективнее для партнёров с помощью кешбэка, ценообразования, рекламы и финтеха. В этом году перед нами стоит задача кратно масштабировать бизнес. Для этого мы ищем заряженных DS и MLE (в том числе lead/staff) на несколько направлений: 1. Динамическое Ценообразование и Оптимизация Промо: определять кому, на что и сколько кешбэка / скидок дать, опираясь на цели бизнеса (например чтобы вырастить выручку без просадки маржи). 2. Рекламные алгоритмы: развивать аукцион и алгоритмы принятия решений внутри него, а также внедрять CPA-модель в партнерских размещениях (рекомендовать ставку и лимиты на кешбэк). 3. Оптимизация маркетингового бюджета: развивать МММ, модели атрибуции и causal-подходы для оценки инкрементальности каналов, понимать реальный вклад маркетинга в рост и перераспределять бюджеты в точки с максимальным ROI. 4. Поиск и создание новых механик роста: генерировать гипотезы на основе продуктовых исследований и A/B-экспериментов, лидировать создание новых фич и механик, доводить лучшие из них до прода. Что предлагаем: — Сплоченная команда 20+ человек из ШАД/ФКН/МФТИ/РЭШ — Задачи с околонулевым легаси на стыке продукта, ML, оптов и разработки — Прямое влияние на ключевые метрики бизнеса — Быстрый путь от гипотезы до продакшена Что предстоит делать: — Отвечать end-to-end за проект: от сбора данных до продуктивизации ML моделей — Придумывать как улучшать текущие ML подходы не только с точки зрения техники, но и с бизнесовой точки зрения — Реализовывать идеи, алгоритмы и модели из научных статей Требования: — Хорошего знания математики и применения в рабочих задачах математической статистики — Хорошего знания ML (для аналитики/DS достаточно понимать базовые принципы) — Базовую инженерную грамотность — Уверенный SQL и Python — Для Lead: опыт руководства командой 2-5 человек от года Будет плюсом: — Опыт uplift-моделирования — Знание базовых RL-алгоритмов — Опыт внедрения ML-моделей в продакшн — Знакомы с дискретной оптимизацией — Понимание unit-экономики и PNL — Опыт работы в командах эффективности / рекламы / рексис Ответы на 10 вопросов: 1. Данные: В основном GreenPlum (все данные банка), мобильные события - ClickHouse 2. Железо: Коммунальные GPU и CPU сервера с большим выбором и количеством железа + MacBook Pro для разработки 3. Масштаб влияния на core-бизнес? Рост и выполнение OKR по продуктам бизнес линии зависит от работы нашего направления 4. Уровень развития Data Science в компании? Экспертиза в банке высокая, есть отдельные RnD команды, с которыми можно консультироваться, в рамках направления каждый проект частично или полностью связан с ML и оптимизацией 5. Роль дата сайентиста: Аналитики и MLE - двигатель и сердце направления, так как продактов в направлении практически нет. Занимаемся end-to-end проектами: от идеи и постановки задачи до реализации и обсуждения выкатки на прод с командой продукта 6. Бэкграунд у вашего руководителя? [LinkedIn] 7. Как часто вам будут мешать работать? - Созвоны с командой: 2 - 3 часа в неделю - Созвоны с продуктовой командой: 1 - 3 часа в неделю (в зависимости от позиции) 8. Карьерный рост: формализована матрица компетенций, есть возможность быстро расти по грейдам в силу начальной стадии направления, также есть возможность роста в лида 9. Prod/Research: Prod/Research 80%/20% 10. Функция сервиса или лидера? Сервис/лидер: 20%/80% 📩 С резюме и вопросами можно в ЛС: @piereeduck

Позиция: Middle Backend Developer (Java) Куда: Сбер, B2C, Data Unit, Трайб X Формат работы: полная занятость; офис/гибрид в Москве, Санкт-Петербурге Вилка гросс: 250-430 + годовой бонус (mid 25%, max 50%) от годового оклада Про нас: Мы разрабатываем внутреннее веб-приложение для создания и управления клиентскими сегментами. Платформа позволяет кампейн-инженерам и аналитикам формировать целевые аудитории через UI с фильтрами по клиентским атрибутам, рассчитывать размер аудитории в реальном времени и публиковать готовые сегменты. В 2026 году мы планируем реализовать бэклог из множества задач, включая расширение функциональности конструктора сегментов, разработку ИИ-помощника, разработку интеграционных взаимодействий. Что предстоит делать? - Разрабатывать бизнес-логику компонентов приложения - Проектировать и создавать REST API - Разрабатывать интеграционные компоненты с внешними системмами - Разрабатывать компоненты для работы ИИ-агентов в веб-приложении От нас: - Разработка важной функциональности, которую ждут многочисленные внутренние клиенты из разных команд Банка - Амбициозные задачи для создания лучшего продукта на рынке - Минимум бесполезных встреч - ДМС Требования: - Уверенное знание и опыт работы с Java, Spring Boot от 3х лет - Опыт промышленной разработки асинхронных сервисов и веб-приложений - Знание SQL - Опыт написания юнит-тестов Что ещё может пригодиться: - Clickhouse, Kafka, Spark, Flink - Kotlin - Опыт встраивания ИИ-агентов - CI/CD (у нас Jenkins+Bitbucket+Nexus), DevOps Ответы на 10 важных вопросов 1. Данные: мета-данные приложения, обмен с внешними приложениями через kafka. 2. Железо, продакшн и ноутбук: деплой в Kubernetes. Рабочий ноутбук на Linux + разные варианты ВРМ (Citrix Workspace, преимущественно Windows). 3. Масштаб влияния на бизнес: продукт на стадии опытной эксплуатации, в перспективе станет главным выбором для различных бизнес-процессов Банка, требующих сборку аудитории. 4. Уровень зрелости Data Science: функция ИИ внедрена во все ключевые направления бизнеса, ИИ приносит деньги и бизнес активно приходит с запросом на наши решения. 5. Роль BD: разработка внутренних и интеграционных компонентов. 6. Бэкграунд вашего руководителя: Linkedin. 7. Как часто вам будут мешать работать: Ежедневные дейли, планирование на час-полтора один раз в 2-недельный спринт. 8. Карьерный рост: Каждый квартал – компания оценок и ревью. Централизованные компании по пересмотру ЗП и грейда раз в полгода. 9. Prod/research: prod - исключительно прикладыные задачи. 10. Роль сервиса или лидера: преимущественно сервисная роль. Резюме присылать с темой «Вакансия_Фамилия_BE_SGM» на почту nnsaraskina@sberbank.ru

Позиция: Agent & Capability Owner (Agent Layer Lead — Autonomous AI Scenarios) Куда: Сбер, B2C, Конструктор комплексных решений Формат работы: полная занятость; офис/гибрид в Москве Вилка гросс: 250-450 + годовой бонус (mid 25%, max 50%) от годового оклада Про нас: Строим Конструктор комплексных решений — платформу, которая позволяет создавать и исполнять пользовательские сценарии с помощью AI-агентов. В основе — агентная архитектура с центральным агентом, skills, plugins и capabilities, которые оркестрируют действия сервисов банка, экосистемы и партнёров. Сейчас находимся в фазе формирования платформы и масштабирования архитектуры под множество доменов и пользовательских сценариев. Что предстоит делать? • Развивать архитектуру центрального AI-агента (Master Agent): распознавание интентов, формирование сценариев, управление исполнением • Формировать и развивать каталог skills, plugins и capabilities платформы • Проектировать архитектуру агентных сценариев и взаимодействия агентов • Развивать агента генерации пользовательского интерфейса (UI Agent) • Обеспечивать интеграцию агентного слоя с оркестратором сценариев (workflow execution) • Управлять развитием агентной архитектуры: масштабируемость, отсутствие дублирования, консистентность От нас: • Работа над новой AI-платформой уровня банка (100+ млн пользователей) • Возможность влиять на архитектуру и ключевые продуктовые решения • Построение системы с нуля: от концепции до масштабирования • Сильная команда и доступ к экосистеме сервисов и партнёров • ДМС Требования: • Опыт работы с AI / LLM-продуктами • Опыт проектирования платформенных архитектур • Опыт работы с API и сервисной архитектурой • Опыт работы с распределёнными системами • Понимание агентных архитектур и multi-agent систем • Понимание orchestration и execution сценариев • Системное мышление и способность структурировать сложные платформы Что ещё может пригодиться: • Опыт работы с workflow/оркестраторами (Temporal, BPMN и др.) • Опыт построения capability-based архитектур • Опыт интеграции с внешними сервисами и партнёрами • Понимание UI-генерации и multi-surface взаимодействия Ответы на 10 важных вопросов 1. Данные: петабайты данных десятков миллионов розничных клиентов Банка. 2. Железо, продакшн и ноутбук: Работаем в гибридной инфраструктуре: внутренний контур банка + облачные среды. Продакшн — масштабируемая кластерная среда с поддержкой orchestration (event-driven, workflow engines). Доступ к вычислительным ресурсам под AI/LLM (включая ускорители при необходимости). Корпоративный ноутбук с настроенным доступом ко всем средам и инструментам разработки. 3. Масштаб влияния на бизнес: платформа уровня экосистемы, влияет на пользовательские сценарии и кросс-сервисное взаимодействие 4. Уровень зрелости AI: активное внедрение AI/LLM, формирование новой архитектуры агентных систем 5. Роль: архитектура агентного слоя, управление capabilities, формирование основы для автономных AI-сценариев 6. Бэкграунд вашего руководителя: дополнить 7. Как часто вам будут мешать работать: дейлик и другие скрам мероприятия с командой, управленческие синки 8. Карьерный рост: Каждый квартал – компания оценок и ревью. Централизованные компании по пересмотру ЗП и грейда раз в полгода. 9. Prod/research: фокус на production-ready архитектуре и масштабировании 10. Роль сервиса или лидера: лидер платформенного слоя (agent layer) Резюме присылать с темой «Вакансия_Фамилия_AgentOwner» на почту dninaumova@sberbank.ru или тг @naumi_di

Позиция: Middle+/Senior DS Куда: Циан, команда SnR SmartSearch Вилка гросс: 350к – 500к Формат работы: Удаленка по РФ. Офисы в Москве, СПБ и Новосибирске Про нас: Мы расширяем ML-команды, отвечающие за поиск, рекомендации и ранжирование. Ищем ML / NLP инженера, который будет драйвить развитие поискового стека — от классических моделей поиска и ранжирования до нейронных и мультимодальных решений, доведённых до стабильного high-load продакшена. Также мы IT компания Что предстоит делать? - Развивать текстовый поиск Циан: query understanding, retrieval, ranking ,re-ranking - Улучшать качество подсказок и автокомплита - Работать с классическими и нейросетевыми моделями поиска: BM25, dense / hybrid retrieval - Развивать мультимодальный поиск (текст + изображения + гео) Требования: - 3+ лет опыта работы в сфере NLP / поиском / ранжированием - Опыт работы с классическим ML в проде - Опыт работы с NLP задачами Генерация/Классификация/NER, не только LLM - Уверенный Python и чистый код. Будет плюсом: - Практический опыт работы с векторными БД и ANN-алгоритмами, понимание поисковых движков - Работа с мультимодальными представлениями - Опыт работы с high-load системами - Spark/Kafka/HDFS 10 Вопросов: 1. Данные: Храним в hadoop, есть как внутренние так и внешние источники 2. Железо: Есть A100 , кластер для хадупа, MLOps команда чтобы в случае необходимости поднимать тяжелые модели эффективно. Macbook и облачный хаб. 3. Влияние: SNR управляет ликвидностью и поиском на площадке, SmartSearch - молодая команда, созданная чтобы задрайвить новые технологии 4. Уровень развития: ML проходит через весь бизнес. Есть и DL и LLM где это целесообразно 5. Роль: DS - часть продуктовой команды. Вместе продумываем сетапы и грумим идеи. DS катит решения в прод совместно с Backend. Для просчета экспериментов и визуализаций есть аналитики. 6. TeamLead: Linkedin , @mistakef 7. Будут ли мешать: короткие DSM, продуктовые грумминги(1-2 раза в неделю), 1:1, общекомандные демо(раз в 2 недели), встречи по текущим проектам в тесном составе по мере необходимости. Предпочтитаем работать, а не сидеть по встречам 8. Карьерный рост: Есть матрица компетенций, фромируем ЛПР, менторство. Возможность расти как IC так и лидить. 9. Prod/Research: Prod:>70% мы больше про RnD. Ресерч нацеленный на то, чтобы запустить в прод. 10. Сервис/Лидер: Ожидания что человек будет частью продуктовой команды и будет не просто обучать модели, но и думать зачем и как это поможет бизнесу. Есть еще Product и Teamlead которые также драйвят направление Отклики: @mistakef Хочется Ds в Циан но не знаю куда лучше @DANAlina95

Позиция: Middle Data Engineer Куда: Сбер, B2C, Data Unit, Трайб X Формат работы: полная занятость; офис/гибрид в Москве, Санкт-Петербурге Вилка гросс: 250-430 + годовой бонус (mid 25%, max 50%) от годового оклада Про нас: Мы разрабатываем внутреннее веб-приложение для создания и управления клиентскими сегментами. Платформа позволяет кампейн-инженерам и аналитикам формировать целевые аудитории через UI с фильтрами по клиентским атрибутам, рассчитывать размер аудитории в реальном времени и публиковать готовые сегменты. В 2026 году мы планируем реализовать бэклог из множества задач, включая расширение функциональности конструктора сегментов, разработку ИИ-помощника, разработку интеграционных взаимодействий. Что предстоит делать? - Разрабатывать и оптимизировать ETL потоки Hadoop <-> Clickhouse - Разрабатывать и встраивать в приложение систему контроля качества данных - Автоматизировать рутинные операции при управлении атрибутным составом приложения - Проводить эксперименты для повышения производительности вычислений в Clickhouse От нас: - Разработка важной функциональности, которую ждут многочисленные внутренние клиенты из разных команд Банка - Амбициозные задачи для создания лучшего продукта на рынке - Минимум бесполезных встреч - ДМС Требования: - Опыт работы с БД (Hadoop, Clickhouse, Greenplum) от 2х лет - Опыт работы и глубокое понимание Spark, Hive, MapReduce - Продвинутый уровень SQL Что ещё может пригодиться: - Kafka, Flink - Опыт настройки и оптимизации Clickhouse - CI/CD (у нас Jenkins+Bitbucket+Nexus), DevOps Ответы на 10 важных вопросов 1. Данные: петабайты данных десятков миллионов розничных клиентов Банка. 2. Железо, продакшн и ноутбук: кластеры Hadoop, Clickhouse. Рабочий ноутбук на Linux + разные варианты ВРМ (Citrix Workspace, преимущественно Windows). 3. Масштаб влияния на бизнес: продукт на стадии опытной эксплуатации, в перспективе станет главным выбором для различных бизнес-процессов Банка, требующих сборку аудитории. 4. Уровень зрелости Data Science: функция ИИ внедрена во все ключевые направления бизнеса, ИИ приносит деньги и бизнес активно приходит с запросом на наши решения. 5. Роль DE: разрабатывать и отвечать за качество потоков данных, поддерживать высокую производительность вычислений. 6. Бэкграунд вашего руководителя: Linkedin. 7. Как часто вам будут мешать работать: Ежедневные дейли, планирование на час-полтора один раз в 2-недельный спринт. 8. Карьерный рост: Каждый квартал – компания оценок и ревью. Централизованные компании по пересмотру ЗП и грейда раз в полгода. 9. Prod/research: prod 80%, rnd 20%. 10. Роль сервиса или лидера: преимущественно сервисная роль. CV отправлять в tg