Вступить в клуб →
← К вакансиям
Сбер. Data Science78/100

Middle/Senior ML engineer (GigaCode R&D)

Опубликовано: 12 октября 2026
middleonsiteML / Data SciencefulltimeМоскваrumldlnlpllmsftrlrlvrtransformersсинтетические данныеагентные системыsqlpython
Контакты и отклик открываются после вступления в клубВступить →

Вакансия опубликована на hh.ru — открыть оригинал ↗

Похожие вакансии

Все вакансии →
IT-ImplantМоскваremotefulltimesenior

Data Scientist (Middle+/Senior)

Аккредитованный системный интегратор ищет Data Scientist для заказных ML/аналитических проектов: постановка и декомпозиция бизнес-задач, EDA, разработка и валидация моделей (классический ML, статистика, временные ряды, рекомендательные системы, NLP/LLM), оценка эффекта от внедрения и защита решений перед стейкхолдерами. Требуется от 4 лет опыта, уверенный Python (pandas, numpy, scikit-learn) и SQL. Удалённый формат, фултайм, оформление как самозанятый или ИП, ставка 260–290 тыс. руб. на руки.

pythonsqlpandasnumpyscikit-learnстатистика+6
22 октября 2026260 000–290 000 RUB
Совкомбанк ТехнологииСанкт-Петербургonsitefulltimemiddle68

Data Scientist

Разработка, обучение и внедрение моделей классического ML для банковских задач: скоринг, отток, сегментация, антифрод. Дополнительно — исследования в области NLP/LLM, построение RAG и агентных систем, оценка качества LLM-пайплайнов. Работа в офисе Санкт-Петербурга, взаимодействие с бизнес-подразделениями.

pythonpandascatboostsqlpytorchtransformers+6
20 октября 2026
Алабуга. МенеджментМоскваonsitefulltimesenior80

Senior ML Engineer

Разработка и внедрение ML-решений под задачи бизнеса: fine-tuning LLM (LoRA/PEFT), построение RAG-систем, NLP-задачи, инференс на Python/FastAPI с оптимизацией под production. Обязательна релокация в Елабугу (Республика Татарстан).

computer visioncomputer-visiondockerfastapifine-tuningllm+14
19 октября 2026от 487 500 RUB
Сбер. ITМосква, Россияonsitefulltimesenior80

Research Engineer (GigaChat, Agentic Post-Training и Online RL)

Исследовательская роль в команде GigaChat: анализ поведения агентной LLM (потеря цели, планирование, выбор инструментов) и улучшение post-training пайплайнов с online RL, reward-моделями и верификаторами. Требуется сильный Python/PyTorch и практический опыт LLM post-training (SFT, preference optimization, RLHF), а также построение evaluation для многошаговых агентных задач.

pythonpytorchllmrlhfonline rlsft+6
19 октября 2026