ФКН: Вакансии

В последние годы ко мне всё больше приходят разные трейдинги со своими вакансиями. В чате, где мы голосуем за публикацию вакансии сюда, к ним сформировалось особенное отношение — консенсус там стал такой, что работать в трейдинге можно либо за большие деньги, либо в больших известных фондах типа Jane Street, Citadel, Jump Trading и т.д.

Моя личная позиция более прагматичная: хоть я сам и люблю работать в стартапах, но в целом могу понять людей, которые выбирают финансы, там бывает много драйва, крутые маленькие команды и вполне себе не токсичная атмосфера. И такие команды совершенно не обязательно много зарабатывают или находятся в больших фондах, некоторые большие фонды наоборот известны своей токсичностью. У меня достаточно знакомых, работающих в трейдингах абсолютно разного калибра и большинство из них по-своему довольны выбором.

И вообще, чтобы попасть как в финансы, так и в топовые стартапы, надо с чего-то начинать. И не так важно с чего, намного важнее этот опыт получать, в т.ч. учиться конфликтовать, увольняться из токсичных мест или наоборот строить дружеские отношения в хорошем коллективе, если повезло

Короче, я завел отдельный канал для вакансий в трейдинг, и в него не будет отбора голосовалкой, будет только мой субъективный фильтр: @vacancy_trading, если хотите опубликоваться, пишите в лс каналу. В нём точно так же остаются свободные реакции и комментарии. Скам не публикуем, но противоречивые компании там могут появляться, feel free написать что хотите в комментариях, если посчитаю нужным — я подсвечу такую информацию в преамбуле к вакансии.

В этом канале вакансий в трейдинг больше не планируется, возможно за редкими исключениями.

tldr: аналитики/MLE, middle/senior/staff в команду эффективности Т-банка, ~400k–800k/мес gross + годовые премии (со звездами условия можем обсудить отдельно), офис/гибрид/удаленка, мск/спб

Сейчас команда активно растет, поэтому ищем заряженных DA / DS / MLE от middle и выше в команду эффективности Нефинансовых сервисов Т-Банка.

Мы создаём и внедряем алгоритмы, которые улучшают экономику экосистемы, делая её выгоднее для клиентов, прибыльнее для бизнеса и эффективнее для партнёров с помощью кешбэка, ценообразования, рекламы и финтеха.

Основные направления:

1. Динамическое Ценообразование и Оптимизация Промо: определять кому, на что и сколько кешбэка / скидок дать, опираясь на цели бизнеса (например чтобы вырастить выручку без просадки маржи). Вам предстоит перейти от простых эвристик к алгоритмам, uplift-моделям и RL, а также выстроить инфраструктуру вокруг этих решений.

2. Рекламные алгоритмы: развивать аукцион и алгоритмы принятия решений внутри него, а также внедрять CPA-модель в партнерских размещениях (рекомендовать ставку и лимиты на кешбэк).

3. Оптимизация маркетингового бюджета: развивать МММ, модели атрибуции и causal-подходы для оценки инкрементальности каналов, понимать реальный вклад маркетинга в рост и перераспределять бюджеты в точки с максимальным ROI.

4. Поиск и создание новых механик роста: генерировать гипотезы на основе продуктовых исследований и A/B-экспериментов, лидировать создание новых фич и механик, доводить лучшие из них до прода.

Что предлагаем:
— Сплоченная команда 30+ человек из ШАД/ФКН/МФТИ/РЭШ
— Задачи с околонулевым легаси на стыке продукта, ML, оптов и разработки
— Прямое влияние на ключевые метрики бизнеса
— Быстрый путь от гипотезы до продакшена

Что ожидаем от кандидата:
— Хорошего знания математики и применения в рабочих задачах математической статистики
— Хорошего знания ML (для аналитики/DS достаточно понимать базовые принципы)
— Базовую инженерную грамотность
— Уверенный SQL и Python
— Для Lead: опыт руководства командой 2-5 человек от года

Будет плюсом:
— Опыт uplift-моделирования
— Знание базовых RL-алгоритмов
— Опыт внедрения ML-моделей в продакшн
— Знакомы с дискретной оптимизацией
— Понимание unit-экономики и PNL
— Опыт работы в командах эффективности / рекламы / рексис


Если интересно или есть вопросы – пишите в @piereeduck, расскажу подробнее

tldr: MIND Software, Senior/Lead C++ Engineer (Database Core), 450k+ gross ₽/месяц, Москва (гибрид) или удалёнка по РФ, full-time

Мы делаем высоконагруженную СУБД, в которой полнотекстовый поиск, векторный поиск и аналитика живут в одной системе. Аналитический движок и хранение построены на DuckDB, поиск — на IResearch, нашем собственном C++-движке, который core-команда пилит уже не первый год.

Ищем сильного C++ инженера в core-команду: работать со слоем хранения, исполнением запросов на DuckDB и поисковым движком. Это не «прикрутить фичу сбоку» — это лезть в самое ядро.

Стек: modern C++, Linux, DuckDB, полнотекстовый и векторный поиск, векторизованное исполнение, колоночное хранение, инвертированные индексы, многопоточность и concurrency, performance optimization, low-level profiling.

Чем предстоит заниматься
— Глубоко разбираться в кодовой базе: storage, query engine, поисковый слой. Reverse engineering архитектуры, поиск узких мест, документирование ключевых компонентов
— Развивать слой на DuckDB: планирование и исполнение запросов, хранение, catalog/store, апстрим-бампы и расширения
— Развивать свой поисковый движок: инвертированный индекс и columnstore, скоринг (BM25, WAND/MaxScore), векторные индексы (IVF, квантизация), токенизаторы, компрессия постинг-листов
— Развивать протоколы и коннекторы: foreign servers, форматы и источники (Parquet, Iceberg, CSV, JSON на S3/HDFS), совместимость с ClickHouse/Elasticsearch
— Профилировать CPU/память/диск, оптимизировать критические участки, гонять бенчмарки (ClickBench, ann-benchmarks, FTS)
— Писать модульные, интеграционные и нагрузочные тесты, участвовать в SQL-фаззинге и код-ревью

Кого мы ищем
— Уверенно владеете современным C++
— От 3 лет системного программирования
— Сильные алгоритмы, структуры данных, многопоточность и concurrency
— Есть опыт с высоконагруженными системами
— Умеете разбираться в сложном чужом коде
— Понимаете, как работает ОС: память, диск, сеть

Будет плюсом
— DuckDB, ClickHouse, Elasticsearch/Lucene
— Разработка баз данных, поисковых систем или query engines
— Полнотекстовый поиск / IR (инвертированный индекс, BM25)
— Векторный поиск / ANN (IVF, HNSW, квантизация)
— Колоночное хранение, векторизованное исполнение, query planning

Условия
— 450k+ gross ₽, обсуждаем по итогам собеседования
— Москва — гибрид, либо полная удалёнка по РФ
— Сильная инженерная команда, у которой есть чему поучиться
— Реальное влияние на архитектуру продукта, а не тикеты из бэклога

Задачи честно сложные, но и скучно точно не будет. Подавайтесь, даже если совпадаете не на 100% — если базовый C++ и системка на месте, остальное добирается в процессе.

Резюме и вопросы — в личку @vladkrytoi, расскажем подробнее.

tl;dr: аналитик-разработчик, Яндекс Лавка, ценообразование, Python + SQL, Москва (гибрид), full-time, 210-400k

Вакансия: Аналитик-разработчик в команду ценообразования Яндекс Лавки

Мы отвечаем за то, как формируются цены и скидки в Лавке. Для нас понятие эластичности не умерло после курса микроэкономики: мы действительно исследуем ее и натягиваем сложную теорию на реальный мир. Для этого запускаем эксперименты и измеряем эффекты изменения цен, исследуем размены между спросом, прибылью и ростом, а полученные знания используем при разработке новых алгоритмов ценообразования

У нас молодое и амбициозное направление с большим влиянием на ключевые метрики, и сейчас мы очень ищем тех, кто тоже готов погрузиться в этот сложный мир)

Что предстоит делать:
• проектировать, запускать и анализировать эксперименты для оценки ценовой эластичности;
• исследовать поведение спроса и оценивать размены между прибылью и ростом;
• разрабатывать и проверять новые подходы к ценообразованию и скидкам;
• превращать результаты исследований в новые алгоритмы ценообразования

Мы ждем, что вы:
• критически смотрите на метрики и видите за ними физический смысл 
• сильны в Python и SQL;
• хорошо владеете математической статистикой;
• готовы погрузиться в сложные исследовательские задачи и доводить их до работающих решений

Формат работы: full-time; Москва, офис или гибрид;

Вакансия: https://yandex.ru/jobs/vacancies/analitikrazrabotchik-v-komandu-tsenoobrazovaniya-lavki-39101

Можно откликаться напрямую по ссылке или писать мне @cutre_sa или @Popovaelizaveta_hr

Открыта регистрация на E-CUP 2026 Students — ежегодное соревнование от Ozon Tech. В этом сезоне — для студентов, которые интересуются ML, Data Science, Big Data и аналитикой данных.

Участников ждут три трека: поиск дубликатов товаров, ИИ-модерация карточек маркетплейса и прогнозирование поведения пользователей. Все задачи основаны на реальных обезличенных данных Ozon.

Участвовать можно по одиночке или в команде до пяти человек. Соревнование проходит онлайн с финалом на масштабной конференции E-CODE. Призовой фонд 7 200 000 ₽, по результатам некоторые участники получат билеты на конференцию E-CODE, где в числе прочего наградят победителей.

Подробнее — на сайте E-CUP 2026 Students.

Присоединяйтесь, чтобы выйти за рамки учебных проектов, попробовать свои силы в задачах настоящего бигтеха и сравнить своё решение с лучшими участниками.

tldr: GenCV MLE Senior, Snap, 150-200£/year, Лондон, гибрид 4 дня в офисе

Ищу L4 Machine Learning Engineer к себе в команду Consumer GenAI product Engineering в Snap. Наша команда очень плотно работает с продуктом и катит самые новые и самые модные AI фичи напрямую в приложение. Мы работаем с визуальной частью GenAI движа (фото/видео), иногда аудио и VLM/LLM. У нас не очень много внутреннего RnD, но много внутренних эвалов, бенчмарков, работы с опенсорсом. В первую очередь ищем людей уже находящихся в Лондоне (визу спонсируем).

Чем предстоит заниматься:
- Работать со свежим опенсорсом в GenCV домене — Flux, Qwen, Wan, etc.
- Создавать внутренние эвалы, проверять клеймы авторов новых статей на настоящих данных.
- Очень близко общаться с продуктом, думать про счастье пользователей, катить новые фичи. - [Возможно] Оптимизировать инференс и работать над дистилляцией, квантизацией
- [Возможно] Посттрейнить картиночные/видео модели под наши юзкейсы.

Кого мы ищем:
- Работаете с генеративными картиночными и видео диффузионными моделями.
- Работаете на PyTorch, знаете как работает аттеншн, что такое диффузия и чем она отличается от flow matching.
- Знаете как работают text2image, image2image, image2video пайплайны.
- Любите быстро прототипировать MVP и тестировать результаты на реальных пользователях

Условия:
- офис в Лондоне, гибрид, 4 дня в офисе.
- L4 в снапе это L4-L5 в гугле, много автономности и овнершипа.
- Стандартная L4 вилка рисуется 150-200к фунтов, в нищете не останетесь.
- Есть прикольные бенефиты про оплату транспорта (300 фунтов/м) и спорта (180 фунтов/квартал)
- Совершенно точно не 996, у нас в целом довольно чиллово (не говорите моему менеджеру что я это сказал)

В целом мы ищем бодрых ребят готовых быстро итерироваться, брать опенсорс и делать из него конфетку, катить прикольные фичи на миллионы пользователей и растить стоки обратно вверх. Команда новая и свежая, много шансов взять много овнершипа и сделать импакт. Подавайтесь даже если не подходите на 100%, 80% вполне должно хватить :)

На эту позицию я реферю руками, поэтому пожалуйста присылайте мне свое CV на martemev@snapchat.com, с темой письма MLE-R0046209.

tldr: ML Research (junior-senior), Higgsfield AI, 100-350k$/year, офис в Алматы с последующим переездом в США, полная поддержка переезда

Higgsfield AI — одна из самых быстрорастущих GenAI-компаний в мире. Сейчас мы строим новую research-лабораторию, полностью сфокусированную на Diffusion Models, Multimodal AI и Reinforcement Learning. Начинаем с бюджетом $100M и дальше масштабируемся до $1B.

Сейчас вход в LLM frontier стоит сотни миллиардов долларов, тогда как в диффузионных моделях индустрия только начинается и foundation-лабораторию можно построить с нуля. Ни OpenAI (Sora), ни Google (Veo), ни Meta не смогли обогнать китайские компании. На данный момент frontier открыт, и мы видим возможность создать лучшую research-лабораторию в мире.

Мы считаем, что следующий скачок в генерации видео придет благодаря Reinforcement Learning поверх диффузионных трансформеров, так же как RLVR изменил развитие LLM.

Мы создаем первую подобную лабораторию в русскоязычном пространстве. Сегодня ведущие research-центры находятся в США и Китае, при этом существует сильное сообщество русскоязычных исследователей, которое пока не объединено вокруг собственной frontier-лаборатории.

Чем предстоит заниматься
- Исследовать архитектуры Diffusion Models, Multimodal AI и MoE.
- Работать с Reinforcement Learning для генеративных моделей.
- Проектировать отказоустойчивые training pipelines с максимальной утилизацией GPU на больших кластерах.
- Тренировать модели для фильтрации и оценки мультимодальных данных для обучения.
- Ускорять инференс и улучшать модели с помощью дистилляции, alignment и квантизации.

Кого мы ищем
- Работаете в области Diffusion Models, Multimodal AI или Reinforcement Learning.
- Уверенно владеете PyTorch, включая torch.distributed.
- Работали с распределённым обучением, большими моделями или современным ML-стеком (DeepSpeed, FSDP и др.).
- Любите исследования и хотите превращать идеи в работающие модели.

Будет большим плюсом
- Публикации на NeurIPS, ICML, ICLR.
- Обучение или выпуск из ШАД, ФКН ВШЭ (ПМИ) или других сильных технических школ.
- Участие в олимпиадах или сильный исследовательский и инженерный бэкграунд.

Условия:
- офис в Казахстане, Алматы
- последующий переезд в США
- вилки junior-senior 100-350k USD/year

Не обязательно соответствовать каждому пункту. Если у вас сильная математическая база, исследовательское мышление и желание строить новое поколение ML-моделей — будем рады познакомиться.

Контакт: @Dtrish

tldr: data science, healthtech startup, Dubai, $100-175k /year + бонусы + equity

Elixi (elixi.com) - healthtech стартап на ранней стадии, который использует AI и данные для персонализированных рекомендаций в сфере здоровья и долголетия. Наша цель — сделать осознанное управление здоровьем доступным и понятным, опираясь на современные технологии, медицинские данные и машинное обучение.

Проект основан серийным tech-фаундером, который уже прошёл путь от идеи до глобального бизнеса с оценкой $10B+. Сейчас мы находимся в активной фазе построения продукта.

Роль: Senior LLM Engineer
Занятость: full-time
Локация: предпочтительно релокация в Дубай
Вилка: $100–175K в год + бонусы + equity
Базовые требования: 5+ лет опыта в data science, опыт с LLM APIs (+ orchestration frameworks) и понимание RAG систем

Фокус на работе с LLM и AI-моделями: разработка интеллектуальных механизмов анализа данных, участие в создании AI-ассистента и рекомендательных систем, ownership LLM-платформы: модели, orchestration, evals, prompts и RAG.

Отправляйте CV: @anneyh

tl;dr: senior/staff SWE, agentic search; relocation to Amsterdam/London/NY or remote

Хотите быстро делать крутые фронтирные штуки в стартапе, но немного скучаете по ДМС, сыркам на кофепойнте и ликвидным стокам? Принесли вам лучшее из двух миров: стартап внутри Nebius🧪

Стартап — это Tavily. В те далёкие времена, когда чатгпт ещё не умел ходить в интернет (то есть где-то в 2023), он появился как едва ли не первая опенсорсная реализация дипресёрча. А потом вырос в полноценный слой доступа к информации в интернете для агентов — со своим веб-индексом и ранжированием, заточенным не под людей, а под AI. За два года Tavily успел собрать миллионы пользователей, стать практически дефолтным поисковиком в LangChain, поднять $25M, и недавно — влиться в Nebius ❤️

Про Небиус вы и так знаете. Амстердамский AI cloud, который предоставляет компаниям GPU-инфраструктуру. Инженерное наследие Яндекса, $2B инвестиций от NVIDIA, а среди клиентов — Meta, Microsoft и Cursor.

Теперь, чтобы стать топ-1 агентским поиском, у них есть почти всё. Нужны только ещё несколько офигенных senior / staff инженеров:
⚙️ те, кто делает рантайм-часть — принимает запрос, достаёт, ранжирует и отдаёт документы под жёсткими требованиями к latency и throughput;
📁 те, кто отвечает за индексинг — строит сам индекс, считает фичи для ранжирования, занимается форматами хранения;
📍 те, кто знает, как обойти весь интернет, и обрабатывает данные в реалтайме.

Поэтому, если вы строили:
⭕очень высоконагруженные, low-latency системы (например, DBMS, query-движки, storage, HFT-инфру);
⭕или рекомендательные системы и рекламными движки;
⭕или веб-кроулеры;
⭕или большие оффлайн дата-пайплайны (поисковики, соцсети, маркетплейсы; Spark, MapReduce и вот это всё);
⭕или датасеты для претрейна LLM, или онлайн-датапайплайны (Apache Beam, Kafka, Flink);
⭕или делали что-то ещё, что вам кажется релевантным —
напишите нам! Если сомневаетесь, напишите тоже, и мы разберёмся вместе.

На все роли нужны минимум 5 лет опыта (лучше больше) с C++, Rust и/или Golang и готовность много делать руками.

Можно переехать в Амстердам, Лондон, NY или Тель-Авив; если вы очень хороши и находитесь в другой части Европы или США — можно иногда обсудить и удалёнку.

Пишите Феде @owlkov 😏

tldr: C++ Backend Engineer, от стажёра до Senior, Яндекс Поиск

Привет! Меня зовут Тимофей. Мы тут с нуля пилим новый поиск — общую платформу под Веб, Картинки, Видео, Маркет и всё остальное. Ищу C++-инженеров от стажёра до сеньора. Команда молодая и сильная — ШАД, ВШЭ, Физтех. Дальше чуть подробнее, почему это редкая тема.

Яндекс Поиск строит поисковую систему нового поколения — общую технологическую платформу для Веб-поиска, Картинок, Видео, Еды, Музыки, Маркета и других сервисов.

Сейчас разные поиски внутри компании развиваются во многом независимо. Мы хотим изменить это: создать единую распределённую отказоустойчивую систему, которая позволит запускать поисковые и рекомендательные сценарии поверх общей технологической базы. Концептуально это похоже на Elasticsearch, но на масштабе Яндекса, с большей модульностью, разными форматами индексов и возможностью описывать запросы через простой SQL-like-язык.

Проект стартует сейчас: мы проектируем Search-as-a-Service нового поколения и внедряем MVP. Это возможность присоединиться на раннем этапе и повлиять на архитектуру системы, которая определит развитие поиска в Яндексе на годы вперёд.

Что предстоит делать:
• проектировать новую распределённую поисковую систему;
• разрабатывать поисковые индексы, кодеки сжатия и компактные структуры данных;
• строить эффективный runtime и процессы индексации;
• работать с системами, которые хранят десятки петабайт данных, используют сотни тысяч CPU-ядер и обрабатывают сотни миллионов запросов в секунду;
• изучать существующие поисковые проекты и переносить лучшие решения в общую платформу.

Что важно:
• уверенный C++ и желание писать на нём;
• хорошее знание алгоритмов и структур данных;
• глубокое понимание многопоточности;
• опыт с распределёнными системами;
• понимание устройства поисковых систем и поисковых индексов будет преимуществом.

Формат:
• full-time;
• Москва / hybrid / online — обсуждаем.

Если интересно или остались вопросы — пишите: @h0tmi

tldr: Senior LLM Engineer в крупный банк. Внутренняя AI Platform, open-source LLM, агенты/RAG. Гибрид, Москва.

[вилки нет, но вакансия прошла голосование на высоком доверии к автору, деньги есть]

Мы в команде CIB LLM Team отвечаем за AI Platform для корпоративного бизнеса банка: LLM API Gateway, AI Chat, агентные решения, инфраструктуру для моделей и агентов, инструменты для создания AI-продуктов.

Ищем LLM-инженера, который усилит нашу команду в направлении внутренних AI-продуктов, агентов, RAG и оптимизации инференса.

Что делать:

* отвечать за внутреннюю AI Platform и инструменты для AI-приложений;
* проектировать агентов для автоматизации бизнес-процессов;
* работать с RAG, tool calling и корпоративными знаниями;
* оптимизировать качество, стоимость и latency инференса;
* участвовать в выборе и эксплуатации open-source LLM;
* доводить гипотезы и прототипы до production.

Что важно:

* уверенный Python;
* опыт ML/DL от 2 лет;
* понимание современных LLM/NLP/GenAI;
* опыт production-систем на базе LLM;
* понимание retrieval, routing, tool calling, memory, evaluation;
* опыт с Docker/Kubernetes и микросервисной архитектурой.

Будет плюсом:

* глубокое понимание эвалов для LLM-систем;
* опыт в self-hosted инференсе;
* опыт промышленной разработки.

Мы предлагаем:

* возможность работать над AI Platform для крупного корпоративного бизнеса;
* работу над продуктами, которыми ежедневно пользуются сотрудники банка;
* сильную инженерную команду, автономность и влияние на архитектуру;
* возможность работать с современными open-source моделями и GPU-кластером;
* ДМС, обучение, конференции, гибрид и офис в центре Москвы.

Откликнуться: присылайте резюме Камиле — @kamila_bgsh

tldr: Full-stack ML Engineer, Food2Mood, AI x foodtech, 400k–600k gross

Food2Mood — AI-стартап, который строит персонализацию еды для ресторанов и food-retail: от цифрового вкусового профиля гостя до ML-рекомендаций в меню, CRM, loyalty и кассовых системах.
Мы ищем сильного Full-stack ML Engineer, который готов стать технологическим лидером и возглавить существующую инженерную команду.

Сейчас Food2Mood переходит от пилотов к масштабируемой платформе. Нам нужен человек, который умеет мыслить архитектурно, быстро доводить задачи до production-ready и превращать сложные интеграции в единый архитектурный рабочий продукт.

Что предстоит делать:
• строить архитектуру ML-рекомендаций и цифрового вкусового профиля;
• развивать backend, API и data/ML pipelines;
• интегрироваться с POS, CRM, CDP, loyalty и ресторанными системами;
• отвечать за качество, стабильность и масштабируемость платформы.

Что важно:
• сильный engineering background: backend / full-stack / ML;
• опыт в RecSys, LLM;
• опыт работы с данным и продуктовой аналитикой
• умение работать в ранней стадии, где нет готового ТЗ, есть запросы бизнеса;
• готовность общаться с tech-партнерами и влиять на стратегию продукта.

Особенно интересен опыт в BigTech, foodtech, retailtech, adtech, fintech, CRM/CDP, loyalty, recommendation systems или enterprise SaaS.

Почему может быть интересно:
Если есть опыт в построении больших RecSys систем внутри корпорации и сейчас хочется больше влияния, скорости и ownership.

Условия:
• 400k–600k ₽ gross;
• full-time;
• Москва / hybrid / online — обсуждаем

Пишите и присылайте резюме: @jul_lut

tldr: Сбер, стажёр Deep Learning  (RecSys для Anti‑Fraud), 81к руб/мес

👨‍💻 Мы делаем модели против мошенничества, которые работают в real-time под high load, давай с нами!

🎯 Задача: адаптировать SASRec/HSTU/двухбашенные под антифрод. Вход: цепочка транзакций + профиль клиента, предикт на последнюю транзакцию.

🛠 Нужно:
• уверенный Python, PyTorch (делал модели с нуля);
• знаешь архитектуры: Transformer, YouTubeDNN, SASRec, Bert4Rec, HSTU, ARGUS - хотя бы пару;
• умеешь работать с табличными признаками для DL;
• понимание стратегий Negative sampling и loss-функций для задач ранжирования/классификации.

➕ Плюсы: курс RecSys с DL, экспериментировал с разными трансформерами, интерес к антифроду и BigData.

💼 Условия: оплачиваемая стажировка 3–6 мес, зп 81 тыс, занятость от 20 ч/нед, офис СберСити.

📩 Отклик: @shalamaeva
В сообщении: о себе, опыт в PyTorch/RecSys, GitHub (если есть).

Ловим мошенников вместе 🧑‍💻

Tldr: on-device AI lab, от фаундеров Prisma / Reface (100+ mln users), $10 mln raised, fully remote. 2 роли - ML Research Engineer, Inference Engineer

Про компанию:

Mirai — AI lab, разрабатывающая фундаментальную модель и инфраструктуру инференса для AI на устройствах пользователя (on-device AI), что позволяет запускать LLM локально с ультранизкой задержкой.

📱Сегодня экономика AI плохо масштабируется через облачные вычисления и GPU-инференс. Со временем значительная часть AI-нагрузок переместится с серверов непосредственно на устройства пользователей.

🔝Компания основана фаундерами Prisma labs (одними из пионеров on-device ML) и Reface (100+ млн пользователей), а также привлекла $10 млн в рамках seed-раунда.

Fully remote, distributed-команда (от Лондона до Токио), английский — основной рабочий язык.

Позиция - ML Research Engineer

Основные направления:
— quantization
— speculative decoding
— optimization для LLM inference
— NLP / transformer research

Что предстоит делать:
— исследовать и внедрять новые подходы к оптимизации моделей
— читать и адаптировать research papers по NLP / LLM systems
— писать production-quality ML systems

Нам интересны кандидаты с опытом в:
— Deep Learning / NLP / transformers / LLMs
— ML research / publications / open-source projects
— training, fine-tuning или оптимизации моделей

Будет плюсом:
— research labs / Kaggle / ICPC / олимпиады
— опыт реализации paper → production pipeline

Контакт - @ann_rish

Позиция - Inference Engineer

Обязанности
— Разрабатывать и оптимизировать основной inference stack, включая низкоуровневые compute kernels.
— Добавлять поддержку новых model architectures, modalities, а также различных hardware/software backends.
— Разрабатывать продвинутые возможности инференса, такие как KV cache paging, continuous batching, quantization.
— Создавать tooling вокруг inference stack, чтобы систему было проще тестировать, понимать и надежно выводить в продакшен.

Требования
— Сильный опыт в low-level systems engineering — вы должны понимать, как работают компьютеры на уровне ниже прикладного программирования (application-level programming).
— Уверенное владение одним из systems languages: Rust, C, C++ или аналогичными.

Будет плюсом
— Качественные open-source contributions.
— Опыт написания высокопроизводительных GPU kernels или работы с Metal, Vulkan, CUDA и аналогичными технологиями.

Контакт - @armantg

tldr: rl hackathon reinforce.fi, prizes 1000-2500$

Команда Reinforce.fi (ex-Overnight.fi) запускает хакатон по построению модели, которая выбирает самое прибыльное действие на каждом шаге на основе рыночных данных.

Что внутри:
— реальные market-like данные
— последовательности по 1000 шагов
— скоринг = суммарный PnL
— до 3 сабмитов в день

Победители получают призы:
1 место — $2,500
2 место — $1,500
3 место — $1,000

Старт хакатона в конце июня (точная дата будет после 23 июня), регистрация уже открыта:
https://forms.gle/UB71QuyUvp8mSBRo9

Подробности на странице хакатона

Чат хакатона для ответа на вопросы сейчас и в ходе хакатона:
https://t.me/+R6lMJ10VXP5hOTI0

tldr: продуктовый аналитик, Яндекс Лавка, поиск и AI-сценарии, 250-400к gross, Москва

Ищем аналитика в команду продуктовой аналитики Яндекс Лавки — будем вместе развивать поиск и AI-сценарии в приложении 💙

Чем предстоит заниматься:
- Развивать систему метрик качества поиска: находит ли нужные товары, как влияет на конверсию в покупку и сборку корзины
- Анализировать поисковые запросы, находить проблемные сегменты (запросы без выдачи, с низкой конверсией, неоднозначные формулировки) и предлагать улучшения
- Оценивать качество умного ассистента: как понимает запросы, где ошибается, как улучшить ответы
- Проводить A/B-тесты — от формулирования гипотез до рекомендаций по запуску
- Работать в связке с продактом, ML-инженерами и разработчиками

Ожидаем от кандидата:
- Уверенный SQL и Python
- Опыт с A/B-тестами
- Умение переводить аналитические выводы в продуктовые рекомендации
- Интерес к поисковым технологиям и AI

Что предлагаем:
- ДМС с первого месяца (стоматология, чекапы, онкология, НС), психотерапия, спорт, программы для семьи и другие бенефиты Яндекса
- Работу на стыке продукта, данных и технологий с заметным влиянием на то, чтобы каждый пользователь нашёл в Лавке то, что ему нужно

Резюме и вопросы сюда: @avorus

tldr: аналитик, Авито, 375-470 руб/мес gross

Ищем аналитика в Personalization team (ML Autotasking, Авито)

ML Autotasking — внутренний продукт для продаж: мы автоматизируем всё, что помогает сейлзам продавать лучше — от рекомендаций офферов до LLM-подсказок во время звонка и «догоняющих» коммуникаций в чатах. Результат измеряется не лайками, а выручкой и эффективностью.

Чем будешь заниматься:
- строить RecSys под конкретного селлера и доказывать прирост качества/эффекта vs текущих моделей;
- делать механизмы рекомендаций по профилю и карточкам продавца;
- проектировать контактную политику и оркестрацию каналов коммуникаций с селлером(менеджер / рассылки / чат-/колл-боты);
- запускать рекомендации для привлечения;
- находить чувствительные прокси-метрики для быстрых решений о выкатке;
- настраивать мониторинги/алерты и качественно сопровождать запуски.

Кого ищем:
- сильный SQL + Python, умеешь писать аккуратный воспроизводимый код;
- опыт обучения ML (особенно uplift и/или рекомендации);
- любишь продвинутую статистику и умеешь приземлять её в бизнес-результат;
- умеешь декомпозировать и планировать работу на квартал;
- берёшь ответственность и драйвишь стрим, а не «делаешь задачки».

CV в личку @nikit_lebedev

tldr: ds intern, x5 group, 100к/руб, удаленка или офис в Мск

Позиция: Стажер дата-аналитик
Компания: Х5 Group
Формат: Продолжительность стажировки 6 месяцев (full-time - 40 часов в неделю!)
Локация: Удаленная работа (но по желанию можно работать из офиса, г. Москва)
Вилки: Оклад 100 тыс.руб. gross
Начало стажировки: 1 июля 2026 г.

💡Команда ad-hoc аналитики из X5 Group (Пятерочка, Перекресток, Чижик и etc) в поисках стажеров!

🔬Почему у нас интересно?
Более 20 тысяч магазинов, 15 миллионов клиентов, петабайты данных - и все это нужно анализировать. Каждый день мы показываем, что наши супермаркеты - на самом деле цифровой проект, в котором большое место занимают Big Data и Data-Driven подход.

😎Ты нам подходишь:
- Если уже загуглил, что такое "ad-hoc" и понял, в чем суть
- Уверенно владеешь Python (pandas, numpy, matplotlib и весь базовый набор для аналитики данных), SQL (join'ы, оконки), знаешь статистику и основы ML
- Обладаешь аналитическим складом ума, наблюдательностью и успешно практикуешь метод пристального взгляда
- Любишь мемы (желательно, но необязательно)
- Преимуществом будет владение бигдатой

☺️Что мы предлагаем:
- Помощь менторов на всем этапе стажировки
- Классный коллектив, теплая атмосфера и веселые ретро с играми и битвой мемов, а также оффлайн-тимбилдинги

Свои CV в формате "Фамилия Имя Резюме СТАЖЕР" и вакансию направлять сюда: tg @Zzzelar

tldr: junior ds, x5 group, 260-360к/руб + бонусы, удаленка или офис

Позиция: Junior DS (Causal Inference & Econometrics)
Компания: Х5 Group
Формат: Полный занятость (40 часов в неделю).
Локация: Удаленная работа (но по желанию можно работать из офиса)
Вилки: Оклад от 260 до 360 тыс. руб. gross + до 20% премия (уровень оклада обсуждается по итогам интервью)

💡Команда ad-hoc аналитики из X5 (Пятерочка, Перекресток, Чижик и т.д.) в поисках опытных DS-спецов с уклоном в Causal Inference и прикладную эконометрику

🔭Чем у нас предстоит заниматься?
В основном - end-to-end разработкой методологий и инструментов для оценки эффектов в случае, когда классические A/B-тесты неприменимы.

😎Ты нам подходишь, если ты:  
- Имеешь опыт работы в DS-сфере от года
- Имеешь бэкграунд в Causal Inference / эконометрике (наука, учеба, работа)
- Знаешь, что такое эндогенность, из-за чего она может возникать и как с ней бороться
- Можешь отличить конфаундер от инструмента
- Можешь нарисовать DAG для конкретного DGP, сможешь на нем найти коллайдеры и медиаторы
- Знаком с современными подходами к анализу кросс-секционных и панельных данных (Doubly Robust Estimators (AIPW), DiD, TWFE, IV)
- Умеешь писать чистый и структурированный код на Python, знаешь классические алгоритмы и структуры данных
- Знаешь SQL - умеешь строить оптимальные запросы, знакомство с hadoop-стэком будет плюсом;


🎁Что мы предлагаем:
- возможность работать удалённо или в гибридном формате;
- ежеквартальные премии по результатам работы;
- удобный офис рядом с м. «Добрынинская» / удобный офис с бесплатной парковкой на м. «Волгоградский проспект» / МЦД «Калитники»
- широкий пакет ДМС

Свои резюме в формате "Фамилия Имя Резюме DS Jun ad-hoc" направлять сюда: @Zzzelar

tl;dr: senior software engineer, $85k-145k base + tokens + bonus, remote

Представьте, что хакеры украли у ваших друзей 18 миллионов долларов. Что делать будете? 👁‍🗨

16 апреля во время атаки на Rhea Finance, главный DeFi-хаб на NEAR, украдено $18.4M. А дальше все главные акторы экосистемы NEAR мгновенно организуются и начинают решать вопросик 🐗

За 2 минуты NEAR Intents останавливает котировки с NEAR и ловит $1M. Меньше чем за сутки хакер вычислен по ончейн-корреляциям, и Алекс Шевченко, CEO Авроры и Near Intents, пишет ему на блокчейне (и в твиттере), что деньги лучше вернуть по-хорошему. Тот соглашается, но есть проблема.

Независимо от всего этого 18 апреля случается KelpDAO hack — одна из самых крупных DeFi-атак в истории. Из-за неё заморожен пул ликвидности Aave, в который вор сложил часть украденного у Rhea, и вывести деньги невозможно. NEAR пишут скрипт, который регулярно пытается это сделать — и в конце концов ловит нужный момент.

Спустя неделю после атаки вся сумма получена назад. Rhea снова работает. А команда NEAR продолжает строить SHIELD — систему раннего обнаружения аномалий, чтобы уметь предотвращать ещё больше таких кейсов ➖

Атаки случаются всегда — но то, как команды вокруг NEAR умеют реагировать и защищать не только себя, но и других, дорогого стоит. Если вам интересно тоже строить инфраструктуру, которая может выдерживать вот такое — приходите в Defuse Labs.

💻 Нужен Senior SWE в команду Solver Network — лидить разработку, собственно, сети солверов, главной составляющей Near Intents.
Для этого нужны:
🟢7+ лет опыта;
🟢бэкграунд в распределённых системах, high-performance networking или крупной инфраструктуре;
🟢знать TypeScript и Go обязательно, а Rust будет плюсом;
🟢опыт c on-chain исполнением на уровне протокола: переводы, адреса, крипто-примитивы.
💚бонусом: опыт с MEV, solver-сетями, auction-механизмами; кроссчейн-протоколы и криптографическая агрегация подписей; ML на оптимизационных задачах; опенсорс-опыт.

Платят $85k-145k базы + токены + плюс перформанс-бонус; полная удалёнка, но не из рф/рб.
Пишите с резюме и вопросами @owlkov 🍏