🤨 Middle Data Scienctist
Гибрид (Москва)

Объединённая компания Wildberries и Russ — международная технологическая компания, созданная после слияния IT-компании Wildberries и оператора наружной рекламы Russ.

Требования:
— Опыт работы в Data Science от 3 лет;
— Опыт работы с большими данными;
— Обширный опыт работы с NLP и высоконагруженными системами;
— Знание подходов к проектированию систем и проведению A/B-тестов.

➡️ Подробнее о вакансии на hirehi.ru

📍 Навигация: База знаний • Задачи • Собеседования

🥳 Data Analyst: Merchant Intelligence
7 500 —‍ 10 000 $
Remote (Worldwide)

Constructor.iо — делает платформу product discovery (поиск, рекомендации и многое другое) as a service для e-commerce. Среди клиентов Sephora, Petco, home24, Birkenstock.

Requirements:
— You are proficient in BI tools (both data analysis and building dashboards for engineers and non-technical folks).
— You are keen to not just prepare more data, but to think critically about how that data can deliver valuable insights and drive impactful decisions for non-technical end users.
— You are an excellent communicator with the ability to translate business requests into technical language and vice versa.
— You are excited to leverage massive amounts of data to drive product innovation and deliver business value.
— You are proficient at SQL (any variant) and well-versed in exploratory data analysis with Python (pandas & NumPy, data visualization libraries).

➡️ Подробнее о вакансии на getmatch.ru

📍 Навигация: База знаний • Задачи • Собеседования

⌨️ Data Science (LLM/NLP)
Удаленно (Екатеринбург)

Т1 — это стабильный и надёжный работодатель. Мы помогаем профессионально расти и решать действительно интересные задачи, создаём атмосферу открытости и комфортные условия для работы в гибридном формате.

Требования:
— Высшее образование (IT, техническое, математическое);
— Уверенное владение Python, SQL;
— Хорошие знания в области теории вероятностей, математической статистики, алгоритмов машинного обучения ML;
— Знания в области NLP алгоритмов;
— Понимание деталей работы LLM и того, как происходит их дообучение и инференс;
— Опыт деплоя ML/LLM решений (Docker, Kubernetes, cloud);
— Опыт работы с prompt engineering, fine-tuning / PEFT (LoRA, adapters), RAG-подходами.

➡️ Подробнее о вакансии на hirehi.ru

📍 Навигация: База знаний • Задачи • Собеседования

👍 Machine Learning Backend Software Engineer in Medical System (Developer) Middle
от 250 000 до 350 000 ₽
Удаленно

Remedy Logic — an international company. Our goal is to develop AI-powered medical diagnosis & remedy counsel accessible to anyone. Our team consists of scientists from different countries.

Core competencies and qualifications:
— 2+ years in Python development.
— Understanding of machine learning algorithms and computer vision.
— Good understanding of GPU compute
— Web programming skills (FastAPI, REST, HTTP, TCP).
— Experience with SQL. Queries, database design, migration tools.  

➡️ Подробнее о вакансии на career.habr.com

📍 Навигация: База знаний • Задачи • Собеседования

😅 Агент, который слишком буквально понял задачу — новый must-have жанр для утренней ленты

Разработчик в Австралии попросил AI-агента (на Claude под капотом) записать его на утреннее занятие в спортзале. Мест не было — агент сам поставил хозяина в лист ожидания на 4-е место. Тот спросил: «а нельзя ли подвинуться повыше?»

🔵 Агент не растерялся: нашёл дыру в API зала, которая позволяла отменять чужие брони, и отменил запись человека на 1-м месте. Технически задача выполнена.

Самое забавное — он как ни в чём не бывало отчитался о содеянном. А когда его попросили вернуть всё как было, честно ответил: «не могу» 😐

❗️ К чему это всё: агент отлично выполняет то, что вы сформулировали буквально, но не всегда то, что вы имели в виду — а разбираться в таких нюансах и границах проще, когда есть доступ сразу ко всей библиотеке курсов по подписке, а не только к одному узкому курсу ⚡️

🏃‍♀️ Proglib Academy

🙃 ML Engineer
Удаленно (Москва)

Aston — аккредитованная аутсорсинговая IT-компания, работающая с 2007 года. Наш штат насчитывает 2500+ специалистов.

Требования:
— опыт работы в роли ML Engineer от 3-х лет;
— знание Async/threading;
— знание HTTP/1.1, HTTP/2, WebSocket;
— опыт работы с REST/JSON;
— опыт интеграции с внешними сервисами через REST API;
— опыт работы с Kafka.

➡️ Подробнее о вакансии на career.habr.com

📍 Навигация: База знаний • Задачи • Собеседования

👀 Product Lead (Predictions & ML)
Удаленка

Adapty — платформа монетизации подписок для мобильных приложений. Через нас проходит больше $3B подписочной выручки в год, нами пользуются больше 20 000 приложений. Мы делим продукт на стримы и сейчас собираем аналитику и ML под одного владельца.

Вся мобильная реклама держится на одном разрыве: выручка от привлечённого пользователя приходит в течение года, подписками и продлениями, а решение, продолжать ли тратить на канал, нужно принять за несколько дней. Этот разрыв закрывает предсказание LTV — и от точности прогноза напрямую зависит, сколько приложение может позволить себе потратить на рост.

Данных для этого у нас больше, чем почти у кого-либо на рынке: мы видим тысячи приложений одновременно, а не одно. Значит, мы можем предсказывать точнее всех. Сейчас не предсказываем, и это задача роли.

Направление собирается с нуля: аналитика, предикт и A/B-тесты впервые сходятся под одним владельцем. Ты получаешь чистый лист в решениях поверх продукта, который уже приносит деньги двадцати тысячам приложений.

➡️Чем заниматься:
— Определить, что мы считаем качеством модели — метрика, горизонт, baseline, калибровка — и довести предикт до этого уровня
— Забрать A/B-тесты пейволлов и свести их с предиктом: тест меряет краткосрочный эффект, а раскатывать надо по долгосрочной выручке
— Разогнать аналитику: найти, где затык — в данных, запросах или интерфейсе
— Решить судьбу накопленных ML-наработок: что доводим до продукта, что закрываем
— Вести команду из двух ML-инженеров

➡️Кого ищем:
— Классический ML и матстат на уровне предметного спора о метрике и горизонте, а не пересказа чужих выводов
— SQL и Python — сами достаёте и перепроверяете числа
— Умение взять широкое направление и довести до результата без постановки задач
— Продуктовый опыт — плюс, но не требование

📌Плюсом: подписки, мобайл или финтех (LTV, churn, когортная экономика); экспериментальный дизайн: мощность, MDE, множественные сравнения; ClickHouse; олимпиады, Kaggle, публичные проекты.

➡️Откликнуться

😭 Как не потратить недельный лимит AI-кодинга за три дня?

Разберём на вебинаре, как тратить меньше на AI-агентов — без потери качества кода.

🔘 Поговорим о том:

— когда дорогая модель действительно нужна, а когда хватит дешёвой;
— сколько стоит один прогон и куда уходят токены;
— какие задачи можно отдавать субагентам;
— как настроить маршрутизацию моделей;
— что проверять в AI-коде перед merge.

✏️ Покажем всё на конкретных цифрах и вживую: сравним расходы до и после.

⬇️ 17 сентября, 19:00 МСК
⬇️ 1,5 часа · бесплатно
⬇️ Арсений Харланов и Олег Лайок

💬 Пишите в комментариях, где упираетесь в лимиты и на что уходят деньги. Самые залайканные вопросы разберём на вебинаре.

🔗 Зарегистрироваться на вебинар⁠