7000
Вакансии Data Science | Machine Learning | Big Data | Deep Learning | Neural Networks Прислать вакансию/сотрудничество: @veron_28 https://telega.in/c/data_secrets_career
Research Engineer в Точка
До 600.000₽
Удаленно
Предстоит: Вносить значимый вклад в процесс исследования и разработки (RnD) внутренней LLM компании — от данных до этапов дообучения модели (continual pre-training, post-training).… Узнать подробнее 🔵
Подборка открытых вакансий 🔵
Стажер Data Analyst в МТС
Офис в Москве
Algorithm Engineer в Yadro
Удаленно / Гибрид / Офис в Москве, Санкт-Петербурге, Минске, Нижнем Новгороде
ML архитектор в Т1 Холдинг
Удаленно / Гибрид / Офис в Москве
Senior ML Engineer в ЦИАН
Удаленно / Гибрид / Офис в Москве, Санкт-Петербурге, Нижнем Новгороде
Middle Data Scientist в Beeline
Удаленно
Data Analyst в 2GIS
Удаленно
Data Engineer в X5 Tech
Удаленно / Гибрид / Офис в Москве
Hugging Face × alphaXiv запустили крутой челлендж
В качестве задачи разработчикам и исследователям предлагают взять любую интересующую научную работу и попытаться воспроизвести ее ключевые результаты с помощью агентов.
Цель проекта – создать публичную базу проверок научных работ, чтобы сделать их более прозрачными и воспроизводимыми. Особенно учитывая, что около 70% работ в ИИ не воспроизводятся.
Из приятного: организаторы предлагают GPU-кредиты на 4000$ + отдельные призы от OpenResearch. А сам челлендж закончится 2 августа, так что не упустите возможность поучаствовать.
По данным CompTIA, количество вакансий в IT растет уже шесть месяцев подряд. При этом число вакансий с AI/ML за год увеличилось сразу на 173%, а такие специалисты в среднем получают зарплату на 22% выше, чем по IT-рынку в целом. Также вырос спрос на аналитиков данных +10%, специалистов по кибербезопасности +4% и IT-поддержке +1%.
Несмотря на рост AI-вакансий, число вакансий для software-разработчиков все еще на 22% ниже, чем год назад, хотя после выхода Claude Code количество новых вакансий в разработке выросло примерно на 15%. Еще одна интересная деталь: 71% прироста вакансий приходится на senior позиции, а в 37% новых вакансий для разработчиков уже упоминается AI.
Частые ошибки на соревнованиях Kaggle
Автор блога рассказал, какие выводы он сделал после своего первого серьезного соревнования на Kaggle, где ему удалось попасть в топ-2%:
🟦 Попытка реализовать все идеи сразу
После первых удачных экспериментов возникает желание попробовать десятки моделей, признаков и техник одновременно. На практике это быстро превращается в хаос. Гораздо эффективнее проверять по одной гипотезе и понимать, какой именно эксперимент дал прирост.
🟦 Отсутствие организацией экспериментов
Автор признается, что долго работал в одном ноутбуке, не фиксировал изменения и быстро перестал понимать, какая версия модели оказалась лучше. Ведение истории экспериментов и аккуратная структура проекта экономят гораздо больше времени, чем кажется.
🟦 Пренебрежение обсуждения или чужих решений
Один из самых быстрых способов расти – изучение ноутбуков других участников. Даже если решение нельзя использовать напрямую, оно поможет понять новые подходы к валидации, генерации признаков или обработке данных.
🟦 Делать выводы только по месту в таблице лидеров
Высокая позиция на публичных лидербордов не всегда означает, что решение действительно хорошее. Важнее построить надежную локальную валидацию и понимать, почему модель показывает именно такой результат.
Наткнулись на любопытный пост на Reddit. Автор, который регулярно проводит собеседования на ML-позиции, заметил одну проблему: многие кандидаты тратят огромное количество времени на изучение новых моделей и архитектур, но почти не уделяют внимания навыкам, которые действительно нужны в работе.
Кандидаты часто показывают собственные архитектуры, обученные модели и трансформеры, высокий рейтинг на Kaggle. Такие навыки, конечно, крутые, но они не всегда соответствуют тому, что нужно компании.
Чаще всего компании хотят нанять человека, который сможет построить надежный конвейер данных, разработать модель, которой смогут пользоваться клиенты, сделать инференс быстрее и дешевле, а также ответить на вопрос, почему модель дала тот или иной прогноз. В идеале будущий сотрудник должен понимать бизнес-задачи, чтобы знать, когда использование ML вообще не требуется.
По мнению автора, большинство рабочих задач связано с эффективным использованием предварительно обученных моделей, тогда как большинство курсов сосредоточено на создании моделей с нуля.
Еще одной ошибкой кандидатов является игнорирование "скучных" вещей: очистки данных, SQL, мониторинга и многого другого. А ведь именно это занимает до 70% рабочей рутины.
Неожиданное мнение касается опыта участия в Kaggle – некоторые считают его скорее "желтым флагом". По мнению автора, это может говорить о том, что кандидат привык оптимизировать решения под место в таблице лидеров, а не под реальные бизнес-задачи.
В России сократилось число вакансий в IT-секторе
По данным рекрутинговых платформ, число вакансий в первом полугодии снизилось на 20–40%. Также эксперты отмечают, что рост зарплат остается низким – всего 3,9%, тогда как официальная инфляция составляет 5,31%. При этом заметен рост числа резюме – на 21%.
Хабр и вовсе сообщает о сокращении числа вакансий на 56%, тогда как за аналогичный период прошлого года сокращение составило 32%.
Меньше всего снижение затронуло специалистов по информационной безопасности (40%) и специалистов в области ИИ (27%). Эксперты подсчитали, что сейчас в среднем на одну IT-вакансию приходится 22 резюме.
В Минцифры ситуацию прокомментировали так:
«Отдельные показатели рынка труда, включая снижение числа вакансий и рост количества резюме, отражают прежде всего изменение структуры спроса со стороны работодателей и увеличение числа молодых специалистов благодаря развитию IT-образования», – считают в ведомстве.Читать полностью…
Если вам нужен был знак, то это он: пора бы отдохнуть, иначе вы рискуете оказаться на месте одного китайского программиста.
Недавно в одной китайской провинции разразился скандал, когда сотрудник обратился в больницу и вскоре скончался. Семья погибшего программиста утверждает, что причиной трагедии стали постоянные переработки, и теперь требует компенсацию от работодателя.
Семья утверждает, что погибший работал практически круглые сутки: задерживался допоздна, выполнял объем задач, рассчитанный на небольшую команду, а работа по выходным стала для него рутиной.
Сотрудник даже подавал заявление на получение компенсации за моральный вред (кстати, компания ее выплатила), но это не решило саму проблему. Теперь семья требует взыскать с компании дополнительную компенсацию.
Мораль истории: не забываем отдыхать, меньше стрессуем, а по-хорошему – четко регламентируем свои обязанности.
🚀Job board на ICML 2026
Уже традиционная часть любой крупной ML-конференции: компании, лаборатории и университеты оставляют здесь вакансии и объявления о поиске исследователей, инженеров, студентов и постдоков.
Так вот, пока все вокруг твердят про то, что ИИ заменит инженеров и исследователей, эта доска, кажется, ничего об этом не слышала. Такого количества объявлений мы раньше не видели – весь борд буквально полностью заклеен, объявления наслаиваются друг на друга.
Так что, спрос на сильных ML-специалистов по-прежнему огромный.
Российские вузы столкнулись с проблемой ИИ-дипломов
Из-за роста популярности искусственного интеллекта российским вузам приходится пересматривать политику в отношении дипломных работ.
Так некоторые университеты вводят устные экзамены, многоступенчатую предзащиту. А некоторым студентам так и вовсе стали доступны защиты в виде стартапов, научных статей, творческих проектов и методических разработок.
Технические же вузы оставляют классический диплом, ведь эксперты утверждают, что ИИ пока не способен заменить реальные разработки, чертежи или ПО.
Однако, полностью отменить дипломные работы ВУЗы не могут из-за действующих федеральных стандартов, изменения которых ожидают только к 2030 году.
Опыт прохождения собеседования AI Researcher
Один из кандидатов поделился опытом прохождения интервью на позицию AI Researcher в Citadel. Кратко о процессе: алгоритмы, математика, исследовательские задачи и глубокое обсуждение предыдущего опыта, в общем, стандартный набор.
⭐️ HR-скрининг
Обсуждался опыт кандидата, интерес к работе в компании и предыдущие проекты.
⭐️ Технический этап - алгоритмы
На техническом интервью проверяли сразу несколько направлений. Сначала кандидат решал задачу уровня LeetCode Hard. Затем последовали вопросы по линейной алгебре и теории вероятностей. По словам автора, интервьюеры ожидали не столько правильное решение, а уверенное объяснение своих рассуждений.
⭐️ Modeling Challenge
Что-то вроде домашнего задания. Кандидату выдали датасет без подробных инструкций и предложили самостоятельно построить модель. Помимо качества, интервьюеров интересовало, почему были выбраны определенные признаки, модель и способ валидации. Здесь важно не просто получить хороший результат, а уметь объяснять каждое принятое решение, то есть проверка на глубину знаний.
⭐️ ML Systems Design
Обсуждалось проектирование ML-систем, масштабирование обучения, инференс и особенности работы современных ML-фреймворков. Отдельно спрашивали про внутреннее устройство PyTorch, JAX и работу GPU/TPU.
⭐️ Research Deep Dive
Практически весь раунд обсуждали один из исследовательских работ кандидата. Подробно разбирали математические обоснования, постановку экспериментов, выбор архитектуры и причины каждого инженерного решения. По словам автора, вопросы уходили значительно глубже обычного обсуждения проектов.
⭐️ Поведенческое
Поведенческое интервью было стандартным: рассказы о прошлых проектах, принятии решений и взаимодействии с командой.
Недавно Гарвард выпустил любопытное исследование
Исследование анализирует сотни AI-native стартапов (стартапы, где ИИ - основа продукта), в таких компаниях штат сотрудников примерно на 25% меньше, но при этом доля инженеров у них выше на 5%, чем у обычных стартапов. Также в них доля junior-разработчиков ниже на 4%.
Исследователи предполагают, что благодаря ИИ один сильный инженер может закрывать объем задач, для которого раньше требовалась небольшая команда.
Отмечают также, что ИИ начинает выполнять работу не только внутри компании, но и вместо пользователя. Если раньше продукт помогал человеку выполнять задачу, то теперь он все чаще делает ее самостоятельно. В результате компании могут расти, не увеличивая штат пропорционально.
Прошла эпоха: любимый сайт всех исследователей решил стать некоммерческой организацией
Архив 25 лет был под крылом Корнельского университета, но с 1 июля решил стать независимой организацией.
По словам самого сайта они планируют также оставаться важной частью научного сообщества, но также упомянули о возможных организационных обновлений и предстоящих изменениях, в том числе изменения могут коснуться политики приема/редакции статей об ИИ.
За год в Росии нехватка айтишников выросла на 300 тысяч человек и достигла уже 1 млн специалистов
Об этом заявили эксперты на недавнем Южном форуме. Однако, также эксперты заявили следующее:
Дефицит IT -кадров в РФ в 2024 году - 700 тыс. человек, 2025 году - 1 млн человек. Прогнозируется, что в 2030 году технологические и экономические изменения затронут 22% рабочих мест, будет создано 170 млн новых ролей, 92 млн - исчезнут, прирост составит 78 млн рабочих мест, - говорится в презентацииЧитать полностью…
ИИ начинают учить говорить как пещерные люди
Токенмаксинг вышел из-под контроля, поэтому компании сокращают ответы Claude, Codex и других моделей до минимума. Появляются даже специальные инструменты, которые вырезают все «лишнее» из ответов: вводные фразы, извинения, длинные объяснения.
В некоторых сценариях это позволяет уменьшить объем выходных токенов на десятки процентов, а вместе с ним и расходы на API.
Stack Overflow опубликовал ежегодное исследование Developer Survey 2025. В опросе приняли участие более 49 тысяч разработчиков из 177 стран. Основные выводы:
➡️ GitHub более привлекательный инструмент для совместной работы, чем Jira.
➡️ Большинство (81,4%) разработчиков используют продукты OpenAI для работы.
➡️ 69% опрошенных согласны с тем, что агенты повысили их производительность.
➡️ 47,1% используют ИИ ежедневно, а еще 17,7% используют его еженедельно.
➡️ 66% разработчиков не согласны с решениями, предложенными ИИ. 46% не доверяют ИИ вовсе.
➡️ Около 50% опрошенных не используют агентов, из них 38% не планируют использовать их вообще.
Приятные новости: открыта регистрация на ежегодную конференцию E-CODE.
12 и 13 сентября пройдёт масштабная конференция Ozon Tech от инженеров ведущего e-com. В программе выступления экспертов ведущих ИТ-компаний, а также учёных и топ-менеджеров, которые помогут взглянуть на технологии и индустрию гораздо шире привычных рамок кода.
ML & DS специалистам она понравится: отдельный трек для тех, кто строит модели, обучает машины и разбирается в больших данных.
Неформальная часть — это гастрофест, вечерний open mic в формате стендапа без камер, живая музыка, эксклюзивный мерч и HR-консультации о карьере в Ozon Tech.
Конференция собирает опытных инженеров, и если вы готовы погрузиться в алгоритмические недра, регистрируйтесь уже сейчас: https://ecode.ozon.tech/
Подборка открытых вакансий 🔵
Senior/Middle ML-инженер в Т-Банк
Удаленно / Гибрид / Офис в Москве
ML-разработчик в Мегафон
Гибрид / Офис в Санкт-Петербурге
Senior ML Engineer в Wildberries
Удаленно
Аналитик данных/Инженер по качеству данных в X5 Tech
Удаленно / Гибрид / Офис в Москве
Data Scientist в Lamoda
Офис в Москве
Старший аналитик-исследователь в VK Team
Гибрид / Офис в Москве
Middle+ AI инженер в Точка
До 390.000₽
Удаленно
Предстоит: Проектировать архитектуру и реализовывать диалоговые AI-ассистенты и системы с LLM; Внедрять методы обогащения контекста LLM и отслеживать качество баз знаний; Разрабатывать и интегрировать tools в MCP-сервера, разрабатывать бэкенд LLM-агентов, выкатывать их в прод.… Узнать подробнее 🔵
Data Scientist в Авито
Удаленно / Гибрид / Офис
Предстоит: проектировать и развивать модели склонности; участвовать в построении end-to-end пайплайна принятия решений; разрабатывать и улучшать офлайн-алгоритмы скоринга и ранжирования предложений в условиях ограниченных ресурсов.… Узнать подробнее 🔵
Data Analyst в Яндекс
Гибрид / Офис
Предстоит: разбираться в том, как Алиса работает внутри автомобиля: анализировать пользовательские запросы в гео- и автосценариях; находить проблемные кейсы в навигации, мультимедиа, управлении автомобилем и сервисах; сегментировать ошибки модели.… Узнать подробнее 🔵
Подборка открытых вакансий 🔵
Аналитик данных в ВТБ
Гибрид / Офис в Москве
Senior Data Scientist в ПСБ
Гибрид / Офис в Москве
Senior CV Engineer в 2GIS
Удаленно
Стажер Data Engineer в Мегафон
Офис в Москве
Data Engineer в IVI
ML архитектор в Т1 Холдинг
Удаленно / Гибрид / Офис в Москве
Предстоит: Анализ задач заказчика (LLM, CV, recommender, classical ML и др.) и требований к качеству/скорости; Проектирование целевой архитектуры ML‑решения с учетом ограничений инфраструктуры и продуктов; Взаимодействие с ML‑командами заказчика.… Узнать подробнее 🔵
Quantitative Researchers
Applied AI/LLM Engineer in Maddevs
Remote (except Russia and Belarus)
You will: Formulate and test hypotheses about market inefficiencies - and stay honest when the backtest says no; Think ahead about how model predictions will be integrated into trading - directional bets, spread convergence, or something else; Design features with genuine predictive power, from classical statistical transformations to learned representations. Every feature is a hypothesis about the market encoded in a number, and you own the quality of that inpu... find out more 🔵
Senior MLOps в Lamoda
Гибрид / Офис в Москве
Предстоит: Разрабатывать и поддерживать инфраструктуру для экспериментов, обучения и деплоя ML-моделей в batch и online режимах на CPU/GPU; Автоматизировать жизненный цикл модели от регистрации до промышленного сервинга: сборка образов, проверки, публикация артефактов, деплой, канареечные релизы, A/B-тесты и откаты; Проектировать и развивать платформу инференса для batch- и online-сценариев на CPU/GPU.… Узнать подробнее 🔵
Подборка открытых вакансий 🔵
Senior ML Engineer в VK Team
Гибрид / Офис в Москве
Data Analyst в X5 Tech
Гибрид / Офис в Москве
Data Analyst в Т1 Холдинг
Удаленно / Гибрид / Офис в Москве
Стажер Data Analyst в МТС
Офис в Москве
Senior Data Scientist в ПСБ
Гибрид / Офис в Москве
Data Engineer в 2GIS
Удаленно
Предстоит: Повысить эффективность пайплайнов для расчета с daily-признаков на основе batch процессинга; Создать эффективный пайплайн для расчёта realtime-признаков на основе Kafka‑топиков; Проектировать и разрабатывать сервисы, обрабатывающие миллиарды событий пользователей; Решать сложные инженерные задачи: расчеты метрик, построение витрин.… Узнать подробнее 🔵
Data Scientist в Lamoda
Офис в Москве
Предстоит: Рекомендации на Главной странице (нейросетевые кандидаты, LLM-сценарии, ранжирование); Рекомендации на странице продукта (похожие товары, "с этим товаром покупают", Metric learning, MTMH-кандидаты)… Узнать подробнее 🔵
Старший ML инженер в Альфа Банк
Удаленно
Предстоит: Внедрение моделей машинного обучения; Сопровождение полного цикла сборки модели; Обработка и анализ данных; Поддержание коммуникаций с разработчиками моделей… Узнать подробнее 🔵
Team Lead / Principal ML Engineer в Авиасейлс
Удаленно
Предстоит: Писать production-ready код, дообучать трансформеры, собирать eval-сеты; Строить MLOps-инфраструктуру: пайплайны переобучения, feature store, мониторинг качества моделей; Участвовать в Tech Design Review и определять архитектурные решения — отвечать за стабильность, отказоустойчивость и capacity ML-сервисов… Узнать подробнее 🔵