ИИ-агент
по поиску работы

Вакансии с карьерных сайтов компаний

Ищите вакансии крупных работодателей в одном месте. Сравнивайте условия и требования, а когда найдёте подходящую работу — переходите на карьерный сайт компании и откликайтесь напрямую.

Работодатели

+ ещё работодателиСвернуть
Фильтры
Очистить фильтры

Найдено: 32802

31891–31920 из 32802
Москва · Россия
Требования к кандидату

Опыт работы дата-инженером от 2 лет;

Опыт проектирование отказоустойчивых пайплайнов обработки данных, понимание принципов построения DWH, инкрементальных загрузок и контроля качества данных;

Уверенное знание Python и SQL, умение писать поддерживаемый и читаемый продакшн код;

Опыт работы с ClickHouse или другими аналитическими СУБД;

Опыт работы с Apache Airflow или другим оркестратором.

Найдена 28.10.2026
Удалённо
Требования к кандидату

Требования

• Хорошая база в data engineering. В команде сильные самостоятельные инженеры, поэтому не нужно быть главным техническим экспертом. Но важно говорить с ребятами на одном языке, уверенно обсуждать пайплайны, ETL, хранилища и стриминг, вместе принимать решения.

• Опыт проектирования и развития data-платформ. Уметь видеть систему целиком, задавать правильные вопросы, замечать риски и помогать команде разбирать сложные технические развилки.

• Понимание realtime- и near-realtime-сценариев. В работе много стриминга, CDC и доставки событий, поэтому пригодится опыт с Kafka, ClickHouse, Debezium или похожими технологиями.

• Умение вести технические обсуждения и принимать решения в условиях неопределённости. Здесь не всегда будет один очевидный путь: важно уметь сравнивать варианты, объяснять выбор и договариваться с сильными инженерами.

• Готовность быть пипл-менеджером команды. В подчинении будут data-инженеры, DWH-архитектор и BI-аналитик, поэтому важно уметь держать общий фокус команды, помогать людям развиваться и выстраивать рабочее взаимодействие.

Найдена 13.11.2026
Москва · Россия
Требования к кандидату

Мы ожидаем:

• Опыт работы в качестве системного/ бизнес-аналитика не менее 2-х лет, в роли аналитика/разработчика хранилищ данных/ BI - не менее года

• Уверенное знание SQL (опыт использования Python будет преимуществом)

• Опыт подготовки аналитической документации (ТЗ, s2t, инструкции)

• Опыт работы с инструментом Open Metadata или другими инструментами класса Data Governance

• Понимание принципов Data Governance, подходов к управлению метаданными и качеством данных: технические проверки качества, бизнес-проверки, межсистемные сверки

• Понимание доменов данных и ключевых бизнес-сущностей в ритейле

• Будет плюсом: опыт миграции DWH, работы с каталогами метаданных и семантическими слоями, подготовки контекста для AI-аналитики.

Найдена 13.11.2026
Москва · РоссияГибрид
Требования к кандидату

Проектирование требований к контенту DG-инструментов

• Выступление в роли главного бизнес-заказчика для Продакта DWH на доработку Дата-каталога и фреймворка OneETL (формирование требований к метаданным, логике сквозного Data Lineage, ролевым моделям доступа)

• Формирование требований к библиотекам и шаблонам проверок качества данных (Data Quality Framework), которые Продакт DWH внедряет в OneETL

Менторство юнитов и построение дата-комьюнити:

• Формирование и координация распределённой сети Data Stewards (стюардов данных) на стороне бизнес-юнитов: обучение, онбординг, фасилитация регулярных встреч и синхронизаций

• Популяризация культуры бережного отношения к данным (Data Literacy) в компании: проведение воркшопов, митапов, написание понятных гайдов и инструкций для аналитиков и инженеров юнитов

Управление командой из трёх-четырёх дата-аналитиков

Требования

• Опыт работы: от 3–5 лет в сфере Data Governance, Data Management или системного/дата-анализа в технологических компаниях с крупным DWH

• Понимание современных дата-архитектур: вы чётко понимаете разницу между Data Lake, классическим DWH и концепцией Data Mesh. Знаете, как устроены современные ETL/ELT процессы (идеально, если знакомы со стеком на базе dbt, Airflow/Dagster)

• Опыт работы с DG-инструментами: понимание принципов работы современных Data Catalog систем (например, DataHub, OpenMetadata, Alation, Collibra) и фреймворков качества данных (Great Expectations, Soda и так далее)

• Продуктовое мышление: вы умеете подходить к регламентам не с точки зрения «написать 100-страничный документ в Word», а с точки зрения удобства для конечного пользователя (инженера или аналитика юнита)

• Сильные навыки дипломатии (Soft Skills): умение договариваться, аргументированно отстаивать позицию перед лидерами бизнес-юнитов, продавать ценность порядка командам, у которых «горит» коммерческий бэклог

Будет плюсом

• Опыт написания SQL-запросов и понимание Python на уровне, достаточном для того, чтобы разговаривать с инженерами юнитов на одном языке

• Успешный опыт внедрения Data Governance с нуля

Найдена 12.11.2026
ГибридУдалённо
Требования к кандидату

Наши ожидания

• Имеешь опыт работы в роли Data Engineer или Data Quality Engineer от 3-х лет.

• Хорошо владеешь Python и SQL на уровне промышленной разработки, а не скриптов.

• Работал с распределённой обработкой: Spark, большие объёмы, понимание, где у обработки узкие места и сколько стоит лишний скан.

• Знаком с оркестрацией (Airflow или аналоги) и умеешь встраивать логику в пайплайны, а не рядом с ними.

• Разбираешься в дата-инфраструктуре: DWH и Data Lake, слои, модели данных, витрины.

• Имеешь опыт с инструментами качества данных Great Expectations, Soda, Deequ, dbt tests, Elementary или собственными решениями. Или строил такое сам.

• Понимаешь статистику на практическом уровне: умеешь отличить аномалию от сезонности и не завалить команду ложными алертами.

• Мыслишь продуктово: внутренний инструмент нужен не для галочки, а чтобы им пользовались.

• Умеешь договариваться и влиять без формальных полномочий: качество данных это всегда разговор с владельцами источников, инженерами и потребителями.

Найдена 12.11.2026
Москва · Россия
Требования к кандидату

Наши пожелания к кандидатам

• Опыт работы в области машинного обучения не менее 2 лет.

• Уверенные знания Python и библиотек для ML (Pandas, Numpy, skLearn).

• Понимание архитектур и опыт разработки классических ML-моделей (линейные, деревья, бустинги), знание метрик оценки качества.

• Знание методов обработки данных, подготовки датасетов и формирования признаков для моделей.

• Опыт работы с большими данными (Spark, Hadoop) и SQL для создания запросов и витрин данных.

• Опыт аналитической работы с данными и понимание методов математической статистики.

• Высшее образование в области компьютерных наук, математики или смежных дисциплин, английский язык для чтения документации.

• Навыки коммуникации с бизнес-заказчиком, согласования требований и создания презентационных материалов (PowerPoint).

Найдена 13.11.2026

Data scientist (Антифрод)

Альфа-Банк
Москва · РоссияГибридУдалённо
Требования к кандидату

Наши пожелания к кандидатам

• Высшее техническое образование.

• Опыт работы в DS от 2 лет. Опыт вывода моделей в прод.

• Уверенный Python, продвинутый SQL,PySpark как плюс.

• Большой опыт в решении задачклассического ML: бустинги, регрессия, ранжирование, классификация.

• Статистика, A/B тесты, знаниеоснов оптимизации, понимание принципов работы используемых методов.

• Умение презентовать результатсложных решений понятным бизнесу языком, проактивность в поиске точекроста и генерации новых идей.

Найдена 13.11.2026
Москва · РоссияНа месте
Требования к кандидату

Требования

• глубокое понимание: ML/DL, временных рядов

• владение Python: пишешь читаемые функции, быстро разбираешься в чужом коде

• умеешь создавать окружения и оптимизировать код под Big Data

• уверенно работаешь с pandas, numpy, scipy, git, экосистемой Hadoop, знаешь ML-фреймворки (PyTorch/TF/scikit-learn)

• отлично разбираешься в теории вероятностей и мат. статистике (мы часто пишем новые методологии и количественные тесты).

Найдена 12.11.2026
Москва · РоссияГибрид
Требования к кандидату

Наши пожелания к кандидатам

Опыт работы в Data Science от 3 лет.

• Уверенное владение Python, Spark и классическим ML-стеком.

• -Практический опыт разработки и внедрения ML-решений с измеримым бизнес-эффектом.

• Хорошее понимание одной или нескольких областей: - ranking / personalization; - бинарная классификация / uplift;

• Самостоятельно брать на себя неопределённую задачу, структурировать её и доводить до результата.

• Опыт production-внедрения моделей: понимание MLOps-подходов, retraining-процессов, мониторинга, качества данных и устойчивости решения.

• Способность не только обучить модель, но и выбрать правильную постановку задачи, аргументировать подход и объяснить его бизнесу.

• Зрелость в коммуникации: умение работать на стыке DS, продукта и бизнеса без постоянной внешней директивы.

• Будет большим плюсом: - Опыт со Spark и большими данными. - Опыт построения рекомендательных систем в продуктовых сценариях. - Опыт менторинга или технического лидерства. - Опыт работы в среде, где нужно совмещать исследовательский подход с высокой скоростью внедрения.

Найдена 13.11.2026
Москва · РоссияНа месте
Требования к кандидату

Требования

• опыт работы в риск-менеджменте (моделирование, портфельный анализ) не менее 1 года

• опыт работы в области ML, DL, DS не менее 3/2 лет

• профессиональное владение SQL, базовое - Hadoop, работа с базами данных

• практический опыт разработки доведенных до промышленного использования моделей оценки риска в Python (Pandas, scikit-learn, PyTorch)

• понимание жизненного цикла разработки и внедрения современных ML моделей (MLOps)

• владение основными понятиями и методами теории вероятностей, математической статистики, линейной алгебры, оптимизации, численных методов

• английский язык уровня intermediate для чтения профессиональной литературы.

Найдена 12.11.2026
Москва · РоссияГибридУдалённо
Требования к кандидату

Требования

Что мы ценим и что даст тебе преимущество:

• опыт в DS от 1,5 лет

• математическая база: Высшее техническое образование с глубоким пониманием алгоритмов и структур данных

• экспертиза в ML/DL: Опыт обучения нейросетей (от классических RNN до трансформеров)

• мастерство RAG: Ты знаешь разницу между классическим RAG, GraphRAG и Agentic RAG, и понимаешь, где и что применить

• писать хороший код: Соблюдать принципы Clean Architecture, SOLID, поддерживать Git Flow.

Будет крутым плюсом: Опыт в соревнованиях (Kaggle Expert+).

Почему это «та самая» вакансия?

У нас есть для тебя сложные задачи на стыке безопасности, больших данных и агентного ИИ. Ты получишь свободу в принятии технических решений, поддержку амбициозных идей и возможность видеть реальный эффект от своей работы в масштабах экосистемы Сбера.

Найдена 12.11.2026
Нижний Новгород · Нижегородская область · РоссияГибридНа месте
Требования к кандидату

Требования

• опыт работы в области Data Science от 1 до 3 лет

• интерес к рекомендательным системам, желание развиваться и постепенно брать на себя больше ответственности

• практические навыки решения ML-задач: от подготовки данных и выбора алгоритмов до настройки гиперпараметров и оценки качества моделей

• хорошая база в алгоритмах машинного обучения и интеллектуальном анализе данных; опыт применения классических ML- и/или DL-подходов будет преимуществом

• хорошее знание Python и основных DS-фреймворков (PyTorch, PySpark и др.), понимание принципов написания качественного кода

• способность самостоятельно разбираться в новых подходах, читать технические материалы на английском и применять их на практике.

Будет плюсом:

• навыки работы с генеративными AI-моделями

• опыт создания AI-агентов и использования их в работе будет преимуществом

• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов

• инструментальное владение AI для анализа, генерации и автоматизации.

Найдена 12.11.2026
Москва · РоссияНа месте
Требования к кандидату

Требования

Наш идеальный кандидат

• Имеет опыт в LLM от 2-3 лет: запускал языковые модели в продакшн (Transformers, BERT, GPT-подобные архитектуры).

• Мастерски владеет Python: знает библиотеки PyTorch, Hugging Face, LangChain, LlamaIndex.

• Понимает специфику работы с LLM: умеет эффективно настраивать Prompt Engineering, оптимизировать инференс (vLLM, TensorRT-LLM) и оценивать качество генерации (Ragas, TruLens).

• Обладает базой в классическом машинном обучении: понимает алгоритмы Classic ML, умеет работать с табличными данными и признаками (CatBoost / LightGBM / Scikit-learn).

• Дружит с Big Data: уверенно пишет сложные запросы на SQL (Hive/Spark) для подготовки датасетов.

Найдена 12.11.2026
Москва · РоссияНа месте
Требования к кандидату

Требования

• опыт работы DS/ML-инженером от 3х лет

• понимание архитектуры LLM и принципов prompt engineering

• опыт построения RAG-систем, fine-tuning и дообучения моделей

• умение проектировать пайплайны inference / retraining.

Будет плюсом:

• опыт в LegalTech или смежных областях (финансы, документооборот, чат-боты).

• понимание структуры и логики российских нормативных актов

• опыт интеграции LLM с внешними API или базами знаний.

Наш стек:

Python 3.10+, FastAPI, LangChain / LangGraph, OpenSearch, Redis, Kafka.

Найдена 12.11.2026
Москва · РоссияГибридНа месте
Требования к кандидату

Требования

• опыт в Data Science / NLP / LLM от 3 лет

• опыт prompt engineering на продакшн-задачах

• понимание tool calling / function calling

• понимание RAG-архитектур

• опыт классификации текстов и документов

• уверенный Python (эксперименты, скрипты, оценка качества)

• понимание метрик качества LLM и подходов к оценке (eval-наборы, precision / recall по кейсам)

Будет преимуществом

• богатый опыт работы с эмбеддингами: выбор модели, fine-tune, contrastive learning, оценка retrieval

• опыт пайплайнов эволюции промптов (DSPy, GePA и аналоги, Langfuse / PromptLayer)

• опыт LangChain / LangGraph / LlamaIndex на уровне логики агента

• опыт в доменах: банки, комплаенс, документооборот, юридические тексты

• опыт LoRA / SFT

• опыт CV / мультимодальных моделей

Найдена 12.11.2026
Москва · Россия
Требования к кандидату

Мы ожидаем:

• Опыт в области анализа данных и машинного обучения (от 3 лет);

• Опыт работы с SQL, Hadoop, Hive, Spark;

• Владение Python, Linux, методами работы с большими данными;

• Опыт работы с ML библиотеками: Scikit-learn, CatBoost/XGBoost, PyTorch, Spark ML;

• Знания теории вероятностей и математической статистики;

• Знания в области машинного обучения, прогнозного моделирования и методов статистического анализа;

• Знание алгоритмов и структур данных;

• Высшее образование в области прикладной математики, информационных технологий, информатики и т.п;

• Английский язык на уровне технического чтения.

Найдена 13.11.2026
Москва · РоссияГибрид
Требования к кандидату

Требования

• опыт работы на позиции Data Scientist / исследователя — от 2 лет, в том числе в исследовательских задачах

• Python — уверенное владение, включая фреймворки для ML и DL: PyTorch, scikit-learn, pandas, numpy

• SQL — составление запросов; опыт работы с PostgreSQL

• глубокое знание классических и современных методов ML

• понимание глубинного обучения, обучения с подкреплением, байесовских подходов, VAE

• опыт проведения исследований: формулирование гипотез, дизайн экспериментов, статистическая оценка

• математическое моделирование, статистика, системный анализ

• опыт экспериментальной работы с NLP-моделями и трансформерами.

Будет плюсом:

• опыт работы с Hugging Face Transformers, LangChain, LLM API

• опыт контейнеризации и запуска экспериментов в Docker

• опыт работы с большими данными (PySpark, Hive, HDFS)

• опыт работы в банковской / финансовой сфере

• навыки работы с генеративными AI-моделями

• опыт создания AI-агентов и использования их в работе

• опыт использования GigaChat, Kandinsky и аналогов в продуктах

• навыки создания и использования AI-агентов

• инструментальное владение AI для анализа, генерации и автоматизации.

Найдена 12.11.2026
Москва · Россия
Требования к кандидату

Мы ожидаем:

• Опыт в области анализа данных и машинного обучения (от 3 лет);

• Релевантный опыт в поисковых системах будет плюсом;

• Опыт работы с SQL, Hadoop, Hive, Spark;

• Владение Python, Linux, методами работы с большими данными;

• Опыт работы как минимум с 2 ML библиотеками: Scikit-learn, CatBoost/XGBoost, PyTorch, Spark ML;

• Знания теории вероятностей и математической статистики;

• Знания в области машинного обучения, прогнозного моделирования и методов статистического анализа;

• Знание алгоритмов и структур данных;

• Высшее образование в области прикладной математики, информационных технологий, информатики и т.п;

• Английский язык на уровне технического чтения.

Найдена 13.11.2026
Удалённо
Требования к кандидату

Требования к кандидату:

• Опыт: От 3х лет релевантного опыта на позиции DS в продуктовой компании. Опыт доведения ML-моделей до продакшена и оценки влияния на бизнес от внедрения

• Python: навык писать легко читаемый и поддерживаемый код, опыт выкатки сервисов в продакшн

• Классический ML: бустинги, ApproxNN

• SQL: оконные функции, оптимизация запросов

• Желателен опыт с Apache стеком: HDFS/Kafka/Spark/Airflow

Будет плюсом опыт с DL: опыт обучения CV/NLP моделек на PyTorch

Найдена 14.11.2026
Москва · РоссияГибрид
Требования к кандидату

Требования

· Высшее техническое или математическое образование.

· Опыт в сфере машинного обучения и анализа данных от трех лет.

· Глубокое понимание принципов работы и архитектур LLM, NLP и классических ML-алгоритмов, знание математической статистики и теории вероятностей.

· Владение на высоком уровне основными инструментами и фреймворками для ML разработки, аналитики и обработки больших данных, работы с LLM агентами (pandas, numpy, sklearn, pytorch, langchain, langgraph, pyspark)

· Уверенные практические навыки работы с LLM и промпт-инжениринга.

· Понимание принципов построения промышленных микросервисных архитектур, мультиагентных систем и LLM-приложений.

Найдена 12.11.2026
Москва · РоссияГибридУдалённо
Требования к кандидату

Мы ждём, что вы:

— имеете не менее 3 лет опыта реализации и эксплуатации ML-решений;

— обладаете глубоким пониманием ключевых методов, применяемых при решении задач машинного обучения, и границ применимости этих методов;

— имеете опыт решения различных Data Science-задач с использованием Python;

— работали с разными модальностями данных и понимаете, какие методы ML/DL применимы в конкретных бизнес-задачах;

— умеете оценивать не только качество моделей при запуске нового проекта, но и его изменение во времени;

— умеете писать SQL запросы;

— получили высшее образование в области вычислительной математики, статистики, анализа данных и т.п.;

— владеете английским языком на уровне, как минимум, позволяющем бегло читать специализированную литературу.

Будет здорово, если вы:

— участвовали в различных открытых соревнованиях по анализу данных;

— проектировали и внедряли системы машинного обучения для автоматизации процессов и получили измеримые результаты этого внедрения;

— умеете обращаться с системами управления версиями (например, git), склонны документировать свои наработки, а также описывать и всесторонне критически оценивать результаты проведённых экспериментов.

Найдена 12.11.2026
Москва · РоссияГибридУдалённо
Требования к кандидату

Мы ждём, что вы:

• умеете проводить полный цикл ML-разработки: от работы с данными и моделью до продакшена, мониторинга и проверки влияния с помощью A/B-тестов или эквивалентных подходов;

• имеете большой опыт в NLP или значимый опыт вывода и сопровождения моделей в продакшене;

• работали с LLM в прикладных задачах и умеете проверять качество решений на данных;

• дообучали LLM и VLM, работали с LoRA, PEFT и оптимизацией инференса, например с vLLM;

• уверенно владеете Python и DS-стеком: NumPy, pandas, scikit-learn, CatBoost или аналогами, умеете работать с DL-фреймворками, например PyTorch;

• понимаете, как выбирать методы под задачу и аргументировать компромиссы между качеством, стоимостью, скоростью и рисками;

• умеете оценивать качество моделей при запуске и отслеживать его изменение во времени: дрейф, деградации, проблемы данных;

• пишете SQL-запросы на уровне, достаточном для анализа данных и диагностики качества;

• читаете англоязычную техническую литературу.

Будет здорово, если вы:

• имеете опыт в модерации, Trust & Safety или антифроде;

• разрабатывали инструменты для AI-агентов, MCP-серверы или автоматизировали с их помощью ML-процессы;

• знакомы с практиками MLOps: Kubeflow, K8s, feature store, MLflow;

• настраивали мониторинг и алерты в Grafana, участвовали в A/B-тестах и канареечных релизах;

• использовали LLM в прикладных задачах;

• работали с CV или мультимодальными задачами, например VLM.

Найдена 12.11.2026
Москва · РоссияГибрид
Требования к кандидату

Требования

• Знание теории вероятностей

• Знание математической статистики и классических методов машинного обучения

• Владение SQL, Python (pandas, sklearn)

• Умение анализировать бизнес-процессы

• Умение адаптировать скоринговые модели под стратегию

Найдена 12.11.2026
Москва · РоссияНа местеУдалённо
Требования к кандидату

Мы ждём, что вы:

— имеете опыт работы в Data Science / Machine Learning от 3 лет; — умеете самостоятельно работать в продуктовой среде: формулировать задачу из бизнес-проблемы, приоритизировать и доводить решения до продакшена; — имеете опыт написания продакшен-кода с покрытием тестами и мониторингом; — отлично знаете классические алгоритмы и понимаете границы их применимости; — свободно пишете на Python и SQL, работаете с большими данными в DWH.

Будет здорово, если вы:

— имеете практический опыт работы с NLP; — имеете опыт работы с LLM.

Найдена 12.11.2026
Москва · РоссияУдалённо
Требования к кандидату

Мы ждём, что вы:

• имеете большой опыт в построении NLP-моделей для классификационных задач;

• уверенно владеете Python и DS-стеком, работаете с DL-фреймворками, например PyTorch;

• умеете проводить полный цикл ML-разработки: от работы с данными и моделью до продакшена, мониторинга и проверки влияния;

• работали с разметкой и понимаете, как получить качественные датасеты с помощью краудсорсинга и LLM;

• имеете опыт продакшен-эксплуатации моделей в режиме реального времени и режиме, близком к реальному времени;

• оперируете не только ML-метриками, но и оцениваете влияние разработанного решения на бизнес-метрики, за которые отвечает команда.

Будет здорово, если вы:

• имеете опыт применения и тюнинга LLM в прикладных задачах;

• настраивали LLM-as-a-Judge для оценки качества;

• проводили A/B-тесты для оценки влияния моделей на бизнес;

• знакомы с практиками MLOps: Kubeflow, K8s, feature store, MLflow.

Найдена 12.11.2026
Москва · РоссияГибрид
Требования к кандидату

Мы ждём, что вы:

— имеете не менее 3 лет опыта решения прикладных задач машинного обучения и запуска моделей в продакшен;

— глубоко понимаете классические ML-алгоритмы и нейросетевые архитектуры, умеете системно улучшать качество моделей;

— уверенно владеете Python, PyTorch и основным стеком инструментов для работы с данными, хорошо знаете SQL;

— понимаете жизненный цикл ML-моделей: от подготовки данных и обучения до внедрения, мониторинга и переобучения;

— умеете разбираться в сложных задачах, самостоятельно формулировать гипотезы и доводить их проверку до результата;

— умеете использовать ИИ-агентов в разработке и исследованиях, ставить им задачи и критически оценивать полученные результаты;

— находите баланс между качеством моделей, скоростью разработки и потребностями продукта.

Найдена 12.11.2026

Добавить работодателя

Оставьте свои контактные данные — мы сообщим вам, как подключить вашу компанию