TL;DR: продуктовый аналитик Middle+|Senior в команду Сейвов и Фондов Яндекс Финтеха, от 350k ₽/мес gross (зависит от грейда), фултайм, офис/гибрид, Москва.

Ищу Middle+|Senior аналитика к себе в команду накопительных продуктов Яндекс Финтеха

Мы развиваем Сейвы — вклады, накопительные счета, а также инвестиции в Фонды в экосистеме Яндекс Финтеха. Сейчас направление активно растёт, и ищу ещё одного сильного аналитика в команду.

Чем предстоит заниматься:
— искать точки роста продукта: от привлечения и воронки открытия до удержания денег клиентов;
— проектировать и анализировать A/B-тесты, считать инкрементальный эффект;
— работать с маркетингом: CAC, эффективность каналов, каннибализация и атрибуция;
— разбираться в экономике продукта: P&L, стоимость фондирования, ставки и поведение клиентов;
— много работать вместе с продактами и реально влиять на решения и запуски.

Задачи довольно исследовательские: готового ответа часто нет, поэтому хочется человека, которому интересно не только посчитать метрику, но и разобраться, почему она изменилась и что с этим делать.

Кого ищу: Middle+|Senior. Нужны уверенные SQL, Python, матстат и продвинутый опыт с A/B-тестами. Опыт в финтехе необязателен — важнее сильная продуктовая база и понимание экономики.

Формат: фултайм, Яндекс, офис/гибрид.
Вилка: от 350 тыс рублей до налога (зависит от грейда)

Вакансия: https://yandex.ru/jobs/vacancies/analitik-v-komandu-nakopitelnih-produktov-finteha-43421?utm_source=space

Можно откликаться по ссылке или написать мне в личку — с удовольствием расскажу про команду и задачи (могу напрямую зареферрить).
Контакт: @kiryanovvlad

tldr: Аналитик операционной эффективности, Т-Бизнес (M-сегмент) — 220–450k ₽ gross, гибрид или удалёнка из РФ

Т-Бизнес — направление Т-Банка для предпринимателей и компаний: 1,5 млн клиентов и 30+ продуктов. Наша команда отвечает за эффективность продавцов и развивающих менеджеров в крупном бизнесе (M-сегмент).

Ищем аналитика, который задрайвит стрим операционной эффективности и ответит на ключевые вопросы направления: как приоритизировать работу с клиентами, как эффективно распределить рабочее время менеджера и как отличить настоящий результат от накрученных показателей.

Что делать
• Формировать, приоритизировать и планировать аналитические задачи направления.
• Дизайнить эксперименты и подводить их результаты.
• Применять ML-подходы для повышения эффективности операционных процессов.
• Развивать аналитическую инфраструктуру и отчётность направления.

Что ждём
• Опыт в продуктовой или дата-аналитике.
• Сильные SQL + Python.
• Понимание базовых ML-концепций: классификация, кластеризация, регрессия — и когда что уместно.
• Умение дизайнить метрики и критерии их оценки, опыт A/B-тестов или альтернативных методов проверки гипотез.
• Опыт с BI (Tableau, Power BI, Redash и др.).

Условия
• 220–450k ₽ gross (Junior+, Middle, Middle+, Senior).
• Гибрид или удалёнка из РФ.
• Направление, которое вы ведёте сами: от постановки задач до внедрения решений в процессы продаж.
• Сильная команда и большая зона ответственности с первого дня.

Контакт: @SolMaxx1

tldr: аналитик-разработчик, Яндекс Поиск, Картинки, 300-450k gross, Москва

Ищем аналитика-разработчика в команду офлайн-метрика для повышения качества Поиска Картинок в один из самых сильных отделов аналитики Яндекса.

Чем предстоит заниматься:
- Оценивать качество выдачи: проводить сравнения с конкурентами, определять сильные и слабые зоны, придумывать метрику выдачи
- Автоматизировать разметки с ростом качества: мы – одно из немногих мест, где людей действительно заменяют на LLM/VLM модели, при этом делаем это с экономией и ростом качества
- Замерять качество различных компонент сервиса Поиска Картинок
- Работать в плотной связи с мощной командой ML-инженеров

Ожидаем от кандидата:
- Ясный ум и желание работать
- Уверенный SQL и Python
- Сильное продуктовое мышление
- Интерес к поисковым технологиям и AI
- Работа в сфере LLM / VLM будет плюсом

Что предлагаем:
- Компенсации подписок на ИИ, ДМС с первого месяца (стоматология, чекапы, онкология, НС), психотерапия, спорт, программы для семьи и другие бенефиты Яндекса
- Работу в продукте с миллионными аудиториями, где все еще можно очень сильно влиять на продакшн

Резюме и вопросы сюда: @NDamirov

tldr: middle backend/frontend developers, ~300k руб/мес, можно в usdt, все роли удаленно

Мы делаем сервис маршрутизии для платежных систем для одного европейского клиента. Стабильно работаем уже 3 года, выросли в 2 раза за последний год. Один из фаундеров с ФКН, в команде ~20 человек.

Сейчас ищем сразу 3 роли
1) backend developer (go)
2) backend developer (python)
3) frontend developer (react)

Особенности:
- Быстрый цикл релизов
- Высокая скорость принятия решений
- Дружная команда из 20+ человек, ребята в том числе из Вышки, Физтеха, ИТМО
- Оплата в usdt/rub

Задачи Go/Python backend:
- реализация масштабируемых API
- реализация сложных систем маршрутизации транзакций между различными провайдерами
- интеграции API провайдеров
- работа со сложными механиками

Задачи Frontend:
- разработка сложных дашбордов
- отображение многоуровневых структур
- работа с данными в реальном времени

Стек технологий: Go, Python, React (front), PostgreSQL, Redis, Elastic, Kunernetes

Требования:
- активное использование Claude/Codex/Cursor и тд последний год
- Коммерческий опыт бекенд-разработки на Go/Python 2+ года для позиций backend, на react для фронтенда
- будет плюсом: образование МФТИ/Вышка/МГУ, высокий рейтинг на CF/олимпиадные достижения

Контакт для связи: @mipthr

tldr: Авито, Middle Data Scientist (CV/OCR), 269–413К на руки

Ищем Middle Data Scientist в команду Horizontal ML Technologies в Авито. Команда развивает горизонтальные ML-технологии: OCR, компьютерное зрение и VLM. Решения используются в модерации, антифроде и распознавании документов.

Над чем предстоит работать:
🖇 развивать OCR-платформу: улучшать распознавание текущих типов документов и добавлять новые;
🖇 строить CV/OCR-пайплайны: детекция и распознавание текста, классификация, оценка качества изображений, пре- и постпроцессинг;
🖇 разрабатывать VLM-решения: fine-tuning через LoRA, prompting, проектирование архитектуры и оценка качества;
🖇 собирать и размечать данные, в том числе генерировать синтетические датасеты;
🖇 оптимизировать инференс и выкатывать модели в прод высоконагруженных сервисов.

Что ожидается от кандидата:
🖇 3+ года практического опыта с ML-моделями в Computer Vision;
🖇 умение самостоятельно вести CV-проекты от идеи до продакшена;
🖇 хорошее понимание CNN и трансформеров для классификации, детекции и сегментации;
🖇 практический опыт с современными VLM;
🖇 уверенный Python, PyTorch и знание классического CV/OpenCV;
🖇 опыт оптимизации и вывода моделей в прод.
Опыт с OCR и Go будет плюсом.

Вилка: 269–413К на руки

Формат: Москва / удалёнка, можно работать из офисов Авито.

Вакансия: https://career.avito.com/vacancies/data-science/20301/

Писать: @artermiloff

PS: также есть открытые вакансии middle+/senior в команды LLM, автомодерации, рекомендаций и тд.

tldr: higgsfield AI, ML/data engineers, 90-350k USD / year + equity, Казахстан -> US

Мне тут принесли вакансии в higgsfield, которых нигде больше нет 🤫

Higgsfield AI — самая быстрорастущая генеративная AI-компания: $700M годовой выручки (ARR), 25M+ пользователей по всему миру, 6M+ генераций в день, и среди наших клиентов — 390 брендов из списка Fortune 500. Мы работаем на самом фронтире AI-видео и next-generation креативных инструментов. Присоединиться к Higgsfield — значит стать частью команды, которая формирует будущее AI-native продуктов.

Наши ML вакансии
• Senior Applied ML Engineer mid+/ senior (salary: 200 - 350K USD per year). От 5 лет коммерческого опыта (must have)
• ML Engineer (Data Engine) mid/senior (100-250K USD per year)
• Data Acquisition Engineer mid/senior ( salary: 90 - 180K USD per year). Работа с парсингом данных, от 3х лет коммерческого опыта

Условия:
• Офис в Казахстане, Алматы (полное сопровождение релокации)
• Последующий переезд в США
• Equity c первого дня

Контакт: @Eka_Esenturova

tldr: Product Analyst в Playrix, от уровня middle и выше, от $5k на руки/мес и выше, удаленка по миру

Playrix — крупнейший мобильный издатель в Европе, мы стабильно входим в мировую тройку по прибыли. Наш масштаб: 160M+ MAU, 30M+ DAU, $3B annual turnover и 7 ПБ данных.

На проекте можно работать с большой аудиторией, быстрыми LiveOps-циклами и фичами, которые реально меняют ежедневный опыт игроков по всему миру. Продуктовые изменения дают +5% ARPU и выше - а значит, можно видеть реальный бизнес-импакт своей работы.

Задачи:
• проектировать, сопровождать и глубоко анализировать A/B-тесты, используя CUPED, bootstrap и другие статистические методы;
• разбирать нестандартные результаты экспериментов, сегментировать аудиторию и формировать рекомендации для продукта;
• балансировать игровые фичи и события: определять сложность, награды и ключевые параметры механик;
• моделировать поведение игроков и игровую экономику, в том числе при отсутствии исторических данных.

Что важно:
• сильная математическая база - статистика и теория вероятностей;
• опыт продуктовой аналитики и A/B-тестирования от 3х лет;
• уверенные SQL + Python;
• умение связывать анализ с бизнес-результатом и работать в условиях неопределенности.

Стек: Databricks, PySpark, Airflow, Redshift, S3, Tableau, Amplitude.
Формат: full-time; мы remote first, но можно работать в одном из наших офисов в Сербии, Кипре, Армении, Грузии или Казахстане
Компенсация: от $5,000 net. Верхняя граница не фиксирована: готовы гибко обсуждать условия с сильными кандидатами

Подробнее о команде: https://plrx.me/28isTEHqBp
Если интересно — пишите @alisa_kh25

tldr: PhD-позиция в KTH (Стокгольм) по федеративному обучению, теории информации и кодированию

В KTH Royal Institute of Technology открыта оплачиваемая позиция аспиранта в совместном проекте KTH и Technical University of Denmark (DTU):

Efficient and Resilient Decentralised Federated Learning via Compression and Coding

📍 Основное место работы — KTH, Стокгольм
🇩🇰 В рамках 4-летней PhD-программы суммарно около одного года предполагается провести в DTU в Дании. Этот период можно разбить на несколько исследовательских визитов.

Чем будем заниматься

Проект посвящён децентрализованному federated learning — без центрального сервера, с акцентом скорее на математическую и коммуникационную инфраструктуру распределённого обучения, чем на разработку самих ML-моделей.

Основные темы:
• communication-efficient federated learning;
• lossy compression градиентов и обновлений моделей;
• gradient coding и устойчивость к медленным/отказавшим устройствам (stragglers);
• information theory и coding theory для распределённого ML;
• устойчивость и безопасность децентрализованных систем обучения.

Цель — понять, как строить распределённое обучение в условиях ограниченной пропускной способности каналов и ненадёжных узлов, сохраняя при этом качество обучения.

Проект выполняется совместно командами KTH и DTU.

Руководители:
• KTH: Prof. Ragnar Thobaben, Prof. Mikael Skoglund
• DTU: Prof. Søren Forchhammer, Asst. Prof. Stanislav Kruglik

Кого ищем: нужен кандидат с сильной математической подготовкой и интересом к теоретическим аспектам ML и коммуникационных систем.

Особенно релевантен опыт/образование в областях:
• information theory;
• coding theory;
• communications / signal processing;
• distributed или federated learning.


Условия: это полноценная оплачиваемая PhD-позиция в KTH с трудовым контрактом, а не обучение за свой счёт.

Программа рассчитана на 4 года full-time. Возможна небольшая доля преподавания/административной работы, в соответствии с правилами KTH.

Текущая зарплатная шкала KTH для PhD:
• старт — 33 700 SEK/месяц
• после первого года PhD — 34 700 SEK/месяц
• после второго года — 36 700 SEK/месяц
• после третьего года — 38 500 SEK/месяц

Суммы указаны до налогов.

📅 Дедлайн подачи: 24 сентября 2026

🔗 Описание позиции и подача заявки:
https://www.kth.se/lediga-jobb/963264?l=en

tldr: DevOps / DevSecOps, $5000–8000, финтех (платежи), полная удалёнка

Мы делаем сервис маршрутизии для платежных систем для одного европейского клиента. Стабильно работаем уже 3 года, выросли в 2 раза за последний год. Один из фаундеров с ФКН, в команде ~20 человек.

Кого ищем
Ищем первого выделенного инженера инфраструктуры - DevOps и сетевика в одном лице. Сейчас всю платформу тянет сооснователь, и вы забираете инфраструктуру на себя: сети и сегментацию контуров, облако, CI/CD, мониторинг, отказоустойчивость.

Задачи
— CDN и домены на масштабе. Десятки доменов, у каждого своя связка DNS, TLS и CDN-конфигурации — большой постоянный пласт работы, всё нужно привести к управлению как кодом.
— Защита от DDoS. Атаки — часть повседневности, нужна эшелонированная защита на уровне CDN и приложения.
— Uptime, близкий к 100%. Работаем с деньгами, отказоустойчивость — главный KPI роли.
— Kubernetes. 5 managed-кластеров в DigitalOcean, изоляция нагрузок через ноды, taints и namespaces.
— Observability. Есть Fluent Bit → Elasticsearch, Kibana, Grafana. Довести до зрелости: метрики, трейсинг, SLO/SLI, алертинг без ложных срабатываний.
— Security и IaC с нуля. SSO, PAM, bastion (Teleport), секреты, mTLS. CI/CD уже в GitLab — дальше декларативный IaC и GitOps.

Ждём
— От 5 лет в DevOps / SRE / инфраструктуре
— Уверенный Linux и сети: TCP/IP, DNS, TLS, маршрутизация, балансировщики
— Kubernetes в проде не на уровне «применить манифест»
— Python или Go (либо уверенный Bash и готовность писать)
— Практика CI/CD, IaC, мониторинга; опыт в security/DevSecOps
— Самостоятельность: вы единственный инженер инфраструктуры

Особенно ждём кандидатов с опытом CDN и WAF или из отделов ИБ.

Стек: Kubernetes (DigitalOcean) · GitLab CI · PostgreSQL · Redis · Elasticsearch · Fluent Bit · Kibana · Grafana · Imperva · Qrator · Cloudflare

Плюсы: много greenfield, полная автономия, managed-инфраструктура, гибкий график.

Резюме и вопросы: @alexkermk