Опыт в роли Chief Data Scientist или Team Lead Data Scientist от 5 лет. Опыт руководства кросс-функциональными программами.
Опыт работы Data Scientist / Data Analyst / специалистом по прогнозированию от 2 лет. Экспертные знания в прогнозировании временных рядов: сезонность, тренды...
Опыт работы на позиции Data Scientist от 2-х лет в области NLP/LLM. Глубокие знания и опыт работы с...
Опыт работы от 2–3 лет в роли Data Scientist или ML Engineer. Понимание основ статистики, теории вероятностей, математической логики.
Опыт работы Data Scientist от 2 лет. Образование по направлениям "Математика", «Физика», «Мат. методы в экономике. Глубокие знания в области...
Опыт работы от 3-х лет в коммерческой разработке на позиции Data Scientist / ML Engineer с подтверждённым опытом вывода моделей...
Опыт работы Data Scientist от 2 лет. Уверенный Python. Практический опыт с ML/NLP стеком (PyTorch, TensorFlow, Hugging Face и...
Опыт работы Data Scientist от 3х лет. Образование по направлениям "Математика", «Физика», «Мат. методы в экономике», (желательно выпускники - МГУ...
От 4-5 лет в роли Data Scientist. Опыт управления от 1 года, предпочтительно от 2 лет. Управление командой от...
Опыт работы на позиции Data Scientist / аналитика данных — от 2 лет. Python — уверенное владение, включая основные библиотеки для ML и...
Опыт работы на позиции Data Scientist / исследователя — от 2 лет, в том числе в исследовательских задачах. Python — уверенное владение, включая...
Опыт работы в роли Data Scientist / BI-аналитика / Аналитика данных от 3 лет. Оконченные высшее образование, желательно по математическому профилю.
Опыт работы Data Scientist от 2х лет. Техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих...
Команда создает и поддерживает масштабируемое хранилище данных (Data Lake) и разрабатывает передовую интеллектуальную систему поиска, использующую AI/ML, чтобы пользователи могли легко находить нужную информацию во всем многообразии данных Блока Технологии/инструменты Python PyTorch FastAPI RNN/LSTM/Transformers LLM RAG AgenticRAG PostgreSQL Vector storage LangChain LangGraph MLflow Git Docker OpenShift Kafka Jenkins Grafana Обязанности Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию Определение ML SysDes решения с учетом разрешенного технологического стека Участие в валидации и автомониторинге моделей, проведение A/B тестирования Требования Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (таких как МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.) Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений Умение переводить бизнес-постановку задачи в ML-постановку Высокий уровень владения Python и SQL Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers Знание принципов построения RAG, VisionRAG и AgenticRAG систем Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5) Знание агентных архитектур (ReAct, Multi-agent и др.) Знание фреймворков для работы с LLM (LangChain, LangGraph и др.) Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker) Понимание жизненного цикла моделей (CRISP-DM) Условия Гибкий гибрид (обсуждаем индивидуально) Современный IT-офис вблизи Москва-Сити с фитнес-залом Ипотека с выгодой для сотрудника и льготные условия кредитования Бесплатная подписка СберПрайм+ Скидки на продукты компаний-партнеров ДМС с первого дня и льготное страхование для близких Корпоративная пенсионная программа Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
Высшее образование. Опыт работы на позициях lead data analyst, lead data scientist или аналогичных — не менее 5 лет в области...
Коммерческий опыт в data science от 2-х лет. Опыт разработки и продуктивизации ML-сервисов (от моделек до api.
Опыт работы в Data Science / Data Analytics / ML от 2 лет. Уверенное владение Python. Практический опыт работы с Pandas, NumPy...
Участие в олимпиадах по математике, экономике или Data Science; участие в соревнованиях по Data Science. Участие в хакатонах будет преимуществом.
Опыт управления командой от 10 Data Scientists. Умение развивать ML-компетенции на уровне всего подразделения. Опыт запуска сложных ML-проектов...
Дивизион "Моделирование и исследование данных" отвечает за компетенцию Data Science в Блоке Сеть Продаж. Мы разрабатываем и внедряем end-to-end решения на основе AI в бизнес-процессы Сети Продаж Банка. Ищем человека, вместе с которым мы будем строить топовые AI решения, на основе архитектуры Claw-like & Ouroboros, которые будут в действительности приводить к Disrupt в реальных процессах. Первый этап отбора на эту вакансию — общение с AI- рекрутером. После отклика вам на почту придёт приглашение пройти первичное интервью с ГиаРекрутером. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГиаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!Обязанности разрабатывать с нуля AI-агентов и микросервисы для AI-продуктов исследовать и внедрять новейшие технологические решения в ИИ - Claw-like & Ouroboros разрабатывать и дообучать модели машинного обучения (Classic ML, Deep Learning) разрабатывать алгоритмы взаимодействия ML-моделей и сервисных модулей принимать участие в разработке архитектуры и дизайна агентов и AI-сервисов проектировать и разрабатывать backend-части AI-сервиса принимать участие в оптимизации скорости работы AI-агентов и ML-моделей. Требования компетенции: Python, Classic ML, Deep Learning, LLM/Agents, MLOps понимание принципов разработки, внедрения и сопровождения AI-решений уметь писать хороший и понятный production-ready код на Python, хорошее знание алгоритмов, структур данных опыт работы с реляционными и нереляционными базами данных навыки работы с генеративными AI-моделями, опыт создания AI-агентов и использование их в работе будет преимуществом опыт использования GigaChat, Kandinsky и аналогов в продуктах инструментальное владение Ai для анализа, генерации и автоматизации опыт построения отказоустойчивых высоконагруженных распределенных ML систем. Плюсом будет глубокого погружен в тематику эволюционных агентов, понимаешь принцип работы и лично разворачивал OpenClaw, Ouroboros или аналогичные решения понимание принципов работы голосовых и текстовых ассистентов опыт работы с распределенной инфраструктурой (Hadoop, HDFS, Hive, Spark) имеешь опыт с ELK, Jenkins, Kafka, OpenShift опыт работы с СУБД GreenPlum следишь за трендами и актуальным состоянием AI, интересуешься большими языковыми моделями. Условия график 5/2, офис на м. Кутузовская; режим работы на выбор - офис или гибрид достойный уровень вознаграждения (оклад + годовая премия) возможность стать частью команды, реализующей программы цифровой трансформации банка - на основе передового опыта и инновационных идей широкие возможности для профессионального развития: корпоративный университет и множество онлайн-программ обучения. Корпоративное обучение за счет компании бесплатная подписка СберПрайм+, многочисленные скидки и бонусы от партнеров: СберМаркет, МегаМаркет, Самокат, Еаптека и др.
Мы — команда, которая стремится к disrupt ключевых процессов Банка и его партнеров через внедрение прорывных решений в области компьютерного зрения. Наш подход объединяет три ключевых элемента: Передовые модели — используем state-of-the-art архитектуры, включая мультимодальные решения и LLM, не боясь экспериментировать с новейшими исследованиями Мощный harness — создаём собственную инфраструктуру для быстрого прототипипрования, обучения и деплоя моделей, что ускоряет цикл разработки в разы Глубокая экспертиза — опираемся на накопленный опыт внедрения CV-решений в production, от прототипа до масштабирования на edge-устройствах Наши проекты охватывают широкий спектр направлений: от анализа изображений и видео до построения автономных систем и Моделей Мира (World Models) Обязанности анализ требований и проектирование архитектуры решений на стыке классического CV и Vision LLM разработка гибридных моделей компьютерного зрения: от традиционных задач (детекция, сегментация, классификация, трекинг) до мультимодальных VLLM-решений для понимания сцен и визуального.reasonинга интеграция VLLM в CV-пайплайны для задач Visula Question Answering, Image / Video Caption, кросс-модального поиска и сложного анализа изображений оптимизация моделей для промышленного внедрения: квантование, дистилляция, ускорение инференса для работы на edge-устройствах; взаимодействие с командой разработки для передачи моделей в production, включая разработку API и интеграцию с существующими системами документирование экспериментов, метрик и результатов (MLflow, Tensorboard, WandB) code review, менторство младших специалистов и поддержка качества кода в команде исследование и внедрение новых подходов из научных публикаций по CV и VLLM. Требования опыт работы в Data Science / Computer Vision — от 3 лет, с портфолио реализованных проектов хорошие инженерные навыки, понимание процесса ИТ-разработки и DevOps-процессов глубокое знание Python и основных библиотек для ML/CV: PyTorch, OpenCV, Transformers понимание основ классического компьютерного зрения: фильтры, морфология, ключевые точки, feature matching, эпиполярная геометрия; опыт работы с Vision LLM и мультимодальными архитектурами (CLIP, BLIP, LLaVA, Flamingo и др.) знание основных архитектур нейронных сетей для CV-задач (CNN, Vision Transformer, DETR, YOLO, SegFormer) и понимание принципов их интеграции с языковыми моделями опыт работы с фреймворками для деплоя моделей (ONNX, TensorRT, OpenVINO, TorchScript) и оптимизации инференса умение читать научные статьи на английском (CVPR, ICCV, ECCV, NeurIPS) и быстро прототипировать новые подходы понимание принципов работы с большими языковыми моделями: fine-tuning, prompt engineering, LoRA, адаптеры опыт работы с векторными базами данных и кросс-модальным поиском будет преимуществом Будет плюсом: публикации или выступления на профильных конференциях опыт работы с видеоаналитикой и трекингом объектов навыки работы с Kubernetes опыт работы с геоинформационными данными или спутниковыми снимками знание основ MLOps и опыт построения пайплайнов для обучения и деплоя моделей. Условия комфортный современный офис рядом с м. Кутузовская гибридный формат работы ежегодный пересмотр зарплаты. Годовая премия корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития программа адаптации и помощь руководителя на старте расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ бесплатная подписка Прайм с возможностью совместного использования на трёх близких вознаграждение за рекомендацию друзей в команду Сбера.
MLflow / W&B / DVC или аналогичные инструменты трекинга экспериментов. Оркестрация/пайплайны (Airflow/Prefect/Dagster) и продвинутые data-процессы.
Готовность самостоятельно разрабатывать скиллы и тулы для LoRA/QLoRA-адаптации LLM. Data Scientist / ML-инженер — от 4–5 лет.
Опыт работы в Data Science от 2 лет. – Умение внятно излагать мысли и представлять результаты своей работы. – Уверенный Python, умение...
Опыт: От 3 лет опыта работы в Data Science, управлении аналитикой или аналогичных ролях, обязательно с опытом руководства проектами или...
Понимание и опыт работы с Data Analysis (проведение EDA в частности). Навыки работы с данными с помощью SQL.
2–4+ года опыта в Data Science / ML. — Умеете работать на стыке данные ↔ продукт ↔ бизнес. — Не боитесь production-кода...
Продвинутое знание Python и библиотек для Data Science. Глубокие знания статистики и опыт применения статистических методов. Аналитическое мышление, внимательность к...
Понимание уязвимостей LLM: промпт‑инъекции, джейлбрейки, data poisoning, галлюцинации — и способов защиты от них. Опыт построения гардрейлов (rule‑based, ML...
Опыт работы в Data Science от 3 лет, из них минимум 1-2 года в антифроде, кредитном скоринге или близких...
имеете 4+ лет опыта в Data Science с фокусом на задачи ценообразования, монетизации, промо-оптимизации или смежные задачи. —
SQL — продвинутый уровень (оконные функции, CTE, оптимизация запросов). Big Data: PySpark (опыт работы с распределенными данными > 100 ГБ).
Знания в области математики, data science. Владение Python (pandas, numpy, torch, fastapi, langchain, etc). Знание SQL, spark. Приветствуется опыт работы...
Опыт работы с высоконагруженными системами с машинным обучением и Big Data. Участие в профильных курсах, соревнованиях или pet-projects в...
Умеешь создавать окружения и оптимизировать код под Big Data. Уверенно работаешь с pandas, numpy, scipy, git, экосистемой Hadoop, знаешь ML...
От 1,5 лет опыта работы в Data Science / ML на аналогичной позиции. Уверенное владение Python. Практический опыт работы с...
Коммерческий опыт в Data Science / ML от 4 лет. Уверенное знание Python и PyTorch. Хорошее знание классического ML и современного...
Навыки оценки качества результатов модели с точки зрения Data Science и бизнес-потребностей. Продвинутый уровень знаний в области статистики и...
Коммерческий опыт в Data Science / ML от 4 лет. Уверенное знание Python и PyTorch. Хорошее знание классического ML и современного...
Опыт работы от 5 лет в роли Data Science / Machine Learning с полным циклом разработки — от исследований и прототипирования до...
Опыт работы от 3-х лет в области Data Science. Знание мат. статистики и теории вероятности, критическое мышление.
Опыт работы в качестве Data Engineer / Data Analyst/ Data Scientist или Machine Learning Engineer. Дополнительное образование в области управления проектами...
Опыт работы от 3 лет в качестве Data Engineer/Data Analyst/Data Scientist. Продвинутые знания SQL и Python: опыт разработки...
Будет вашим преимуществом: Технический бэкграунд — например, вы начинали как Data Scientist, ML-Engineer или Data Engineer, а затем перешли в...
...ML-фичей или data-driven продуктов. Понимание принципов работы ML-моделей и LLM (без требования быть data scientist).
Технический бэкграунд (бывший разработчик / data scientist / ML engineer). Понимание жизненного цикла ML-моделей (data → train → deploy → monitor), концепций GenAI (LLM...
Уверенное владение Python и основными библиотеками: Pandas, NumPy, Scikit-learn, Statsmodels и др.. Понимание математических основ ML: линейная алгебра, теория...
Глубокие знания алгоритмов, понимание принципов ООП, паттернов проектирования. Опыт работы с Apache Airflow. Опыт работы Data Engineer/Data Scientist.
3+ года в ML. Python, PyTorch/TensorFlow. Опыт с LLM (GPT, LLaMA, Kandinsky). RAG, fine-tuning, prompt engineering.
Опыт разработки AI агентов для компаний end-to-end от исследования до запуска в продакшн. Глубокое понимание архитектуры нейронных сетей...