Вакансии в городе Москва

Уверенный Python (production‑код, сервисы, пайплайны). Практический опыт с diffusion‑моделями (Stable Diffusion / SDXL и экосистема). Опыт работы с video...

Проектирование и сборка e2e workflow генерации видео: Реализация и поддержка контроля поз, камеры и движения. Обучение, внедрение и...

Глубокий интерес к сфере искусственного интеллекта и машинного обучения. Знание экосистемы современных ИИ-решений: понимание различий между облачными API (OpenAI...

Тестирование, сравнение и выбор подходящих LLM (больших языковых моделей) и других AI-моделей под различные бизнес-задачи (обработка текстов, классификация...

Наличие высшего образования в области прикладной информатики, Data Science, математики. Опыт работы в коммерческой разработке: От 3-х лет в...

Разработка и поддержка Python-кода, используемого в системе предиктивной аналитики технологического оборудования. Работа в команде с аналитиками, экспертами, разработчиками и...

Хорошее знание Python и основных библиотек для работы с данными и ML-моделями (pytorch, pandas, numpy, sklearn). Уверенное знания SQL.

Разрабатывать новую логику в движке векторного поиска на gpu. Оптимизировать инференс алгоритмов на gpu. Адаптировать продуктовые заказы под алгоритмы векторного...

Базовые знания python, способов хранения и обработки табличных данных и изображений, понимание структур данных, базовые знания матанализа и теории вероятности.

Работа с корпоративным хранилищем данных, документацией данных. Проведение Data research по данным транспортного комплекса.

Владение Python или C++ и инструментами анализа данных. Английский язык будет преимуществом. Оконченное высшее математическое или физическое образование в топ...

Анализировать большие объемы рыночных данных, выявлять аномалии и паттерны, искать торговые сигналы (альфы). Разрабатывать и тестировать алгоритмические торговые стратегии, строить...

Опыт в качестве Data Scientist или ML engineer от 3ех лет. Знание Python. Знание классических алгоритмов и структур данных.

Строить прогноз (непосредственно задача регрессии, генерация новых фичей, оптимизация/переосмысление существующих, эксперименты с архитектурами). Оценивать качество текущего решения.