Аналитик-разработчик в Магнит Tech
Удаленно / Гибрид / Офис в Москве, Краснодаре, Санкт-Петербурге, Иннополисе

Предстоит: реализовывать алгоритмы ценообразования; разрабатывать дашборды для ценообразования; предлагать эффективные методы по улучшению текущих способов ценообразования…. Узнать подробнее 🔵

Team Lead E-com в Магнит Tech
Гибрид / Офис в Москве, Краснодаре

Предстоит: Разрабатывать и сопровождать модели ценообразования (базовые цены, динамика, персонализация); Анализировать эластичность, кросс-эффектов, промо-эффективности и каннибализации…. Узнать подробнее 🔵

Собрали небольшую подборку статей в области компьютерного зрения:

🔷 PooDLe: Pooled and dense self-supervised learning from naturalistic videos
Авторы предлагают новый метод самообучения на видеоданных, где много объектов разного размера и сложный фон. PooDLe объединяет два подхода: анализ общей сцены и детальное отслеживание движения объектов. Проверка на наборах данных BDD100K и Walking Tours подтвердила эффективность метода.

🔷 MatAnyone: Stable Video Matting with Consistent Memory Propagation
Этот метод улучшает выделение объектов в видео, особенно на сложном фоне. Вместо того чтобы обрабатывать каждый кадр отдельно, MatAnyone учитывает информацию из предыдущих кадрах, сохраняя четкость границ и стабильность результата. Для обучения использовали новый большой датасет.

🔷 Magma: A Foundation Model for Multimodal AI Agents
Magma — универсальная модель, которая понимает не только текст и изображения, но и может выполнять действия, например, управлять интерфейсами или роботами, то есть Magma может решать различные мультимодальные агентские задачи. Её обучали на разнообрахных данных, включая видео и робототехнику, что позволило добиться высокой адаптивности.

🔷 RelationField: Relate Anything in Radiance Fields
Исследователи расширили возможности Neural Radiance fields, научив их анализировать не только отдельные объекты, но и связи между ними. Это открывает новые возможности, например, создание 3D-сцен с семантическими отношениями между объектами.

🔷 Layered Image Vectorization via Semantic Simplification
Новый способ преобразования растровых изображений в векторные. Сначала изображение упрощается до основных семантических элементов, затем добавляются детали. В результате получаются слоистые векторные изображения, которые легко редактировать и которые сохраняют важные детали.

Подборка открытых вакансий 🔵

Стажер Data scientist/Data analyst в Сбер
Офис в Москве

Senior NLP Engineer в Магнит Tech
Удаленно / Гибрид / Офисы в Москве, Краснодаре, Иннополисе

Middle CV Engineer в Wildberries
Офис / Гибрид в Москве

Senior Data Scientist в VK Team
Офис / Гибрид в Москве

Senior MLOps в Магнит Tech
Удаленно / Гибрид / Офисы в Москве, Краснодаре

Senior Data Analyst в X5 Tech

Data Scientist в Сбер
От 160.000₽
Офис в Санкт-Петербурге

Предстоит: проведение аудиторских проверок статистических, ML моделей, автоматизированных алгоритмов; диагностирование и поиск проблем в банковских процессах, автоматизированных решениях (моделях, алгоритмах)…. Узнать подробнее 🔵

AI Engineer: советы от рекрутера

Всегда приятно приоткрыть завесу тайн и узнать, чего же ждут специалисты по найму от кандидатов. Поэтому мы нашли статью опытного рекрутера, который рассказал о том, что он и его коллеги ищут в кандидатах на должность AI-Engineer:

1️⃣Мало кто любит тратить время впустую, поэтому когда рассказываете о своем опыте — поменьше деталей (только если HR уточнит детали сам) и больше конкретики.

HR хочет узнать две вещи:
— Можете ли вы решать реальные проблемы?
— Можете ли ясно изложить ход своих мыслей?

Идеальный ответ может выглядеть так:
«На последнем месте работы я создал RAG-воронку, которая сократила время ответа службы поддержки на 40%. С удовольствием расскажу, как я её структурировал.»

Здесь вы:
— Показываете, что сделали сами.
— Демонстрируете влияние на бизнес.
— Оставляете пространство для вопросов.
А ещё это сигнал, что вы уверены в своих решениях — и это большой плюс!

2️⃣ Инженеры 🚫 исследователи
Исследователям нужно быть в тренде и знать последние технологии. По сравнению с ними, AI-инженеры могут расслабиться и узнавать о новых разработках не так часто.

❗Предупреждение: совсем не узнавать о новых разработках не получится, тк вы рискуете не поспеть за новыми трендами и инструментами.

Пример идеального ответа:

«Я пробовал fine-tune датасет контрактов, но модель часто давала сбои. Перешёл на гибридный RAG с Elasticsearch — потерял часть нюансов, но добился стабильности.»

HR оценит такое компромиссное мышление выше, чем знание последних статей (хотя комбинация "быть в тренде" + "компромиссное мышление" = супер!).

3️⃣ Осознание затрат — ваша суперсила.
Если работаете с LLM, это критически важно. Умение оптимизировать токены и структурировать промты — огромный плюс.

Реальный ответ одного из кандидатов:

«Сократив число запросов и закэшировав встроенные функции, мы снизили затраты компании на 70%. Вот сравнение расходов до и после.»

Нужно ли говорить, что кандидата после этого сразу взяли?

Пока Цукерберг забирает талантов из OpenAi, Илон Маск забирает таланты у Meta

С января этого года Илон Маск переманил к себе в xAi по крайней мере 14 исследователей и инженеров из Meta.

Среди бывших работников Meta Маск забрал к себе: Синьлэй Чен, который был научным сотрудником в FAIR и фокусировался на мультимодальных системах. Шэн Сен, который помог масштабировать модели Llama — также присоединился к xAI в апреле, согласно его профилю в LinkedIn.

Санта-Барбара какая-то 🔵

Подборка открытых вакансий 🔵

Стажер Data-Science в Теле2
Офис / Гибрид в Москве

Инженер роботизированной техники в Автомакон
До 110.000₽
Офис в Мытищи

Middle Data Scientist в Точка
До 360.000₽
Удаленно

Middle Data Scientits в Сбер
Офис / Гибрид в Москве

Middle Data Analyst в IVI

Middle/Senior Data Analyst в Lamoda
Офис / Гибрид в Москве

ML-разработчик в Яндекс

Senior Data Engineer в Ozon

Senior+ MLOps в Мегафон
Офис / Гибрид в Москве

Интервью с сотрудницей OpenAI

Янви — действующая сотрудника OpenAi и экс-сотрудница Google и Microsoft. В своем интревью она рассказала о пути в AI-инженерии: о стажировках и работе в бигтехе, текущей работе в OpenAI и критериях выбора места работы. Интервью довольно объёмное, поэтому мы оставили только самое интересное:

🟦 Янви упоминула, как она развивала свои навыки в AI-инженерии:
➖ Обучение через практику — поскольку отрасль меняется быстро, а материалы устаревают, лучший способ учиться — действовать. Она активно участвовала в хакатонах (внутренних и внешних), пробуя новые технологии в реальных проектах.

«На одном из хакатонов я экспериментировала с function calling в OpenAI, превращая текстовые запросы в вызовы API (например, интеграция с Gmail для проверки непрочитанных писем)».

➖ Также Янви параллельно следила за трендами через блоги, статьи, книги (например, по AI-инженерии от Чип Хуен) и курсы (вроде лекций Андрея Карпаты).

🟦 И самое интересное, Янви расскрыла чем же она занимается в OpenAI:
Янви — инженер по безопасности. Её команда отвечает за то, чтобы разработка AGI приносила человечеству пользу, а не вредила. Среди основных задач она выделила:
➖ Детекция вредоносного использования — разработка классификаторов для выявления опасных действий (jailbreak, эксплуатация уязвимостей) в реальном времени.
➖ Обучение моделей на актуальных данных, масштабирование и мониторинг.
➖Исследование рисков — например, новых способов обхода ограничений у мощных моделей.

Ну и конечно, она сранивала свою текущую работу с работой в Google и Microsoft. По ее слова в этих двух компаниях больше бюрократии, а в OpenAI решения принимаются быстрее. Приэтом, у OpenAI есть миссия — создание AGI, которое требует баланса между инновациями и ответственностью.

Полное видео интревью

Подборка открытых вакансий 🔵

Стажер Data Scientist в МТС
Офис в Москве

Senior NLP Engineer в Just AI
Удаленно / Гибрид / Офис в Санкт-Петербурге

GenAI Researcher в ИТМО
До 280.000₽
Гибрид / Офис в Санкт-Петербурге

Middle/Senior Data Analyst в Авиасейлс
Удаленно

Middle/Senior Data Analyst в Beeline
Удаленно

Middle+/Senior Data Scientist в 2GIS
Удаленно

Senior Data Scientist в Wildberries
Удаленно / Гибрид / Офис в Москве

Senior Data Analyst в X5 Tech
Гибрид / Офис

Junior Инженер-исследователь в Яндекс
Офис в Москве

Middle/Senior CV Engineer в Т-Банк
Гибрид / Офис

Data Analyst в Сбер
От 160.000₽
Офис в Санкт-Петербурге

Предстоит: анализ данных и организация проверки гипотез для решения бизнес задач; анализ доступных источников данных и информации в них, оценка качества; обработка, систематизация и структурирование материала для подготовки презентаций, связанных с большим объемом аналитической информации…. Узнать подробнее 🔵

Ричард Саттон — о будущем RL и проблемах deep learning

💬 Наткнулись на интервью с Ричардом Саттон — человеком, заложившим основы современного RL.

➡️ В интервью Ричард Саттон рассказал, что вдохновило его на изучение обучения с подкреплением:

«Меня всегда интересовали системы, которые взаимодействуют с миром и учатся у него... на самом деле не так уж много говорится о системе, взаимодействующей с миром, обучающейся у него и имеющей цель.»

➡️ Ричард также затронул проблемы современного ИИ: отказ от continual learning в пользу «одноразового» обучения (transient learning). Он раскритиковал deep learning, считая, что это ограничивает адаптивность ИИ и его способность к обобщению:

«Суть глубокого обучения заключается в следующем: мы берём набор данных, обучаемся на нём, замораживаем систему и просто разворачиваем её. ChatGPT вообще не обучается во время работы.»

В качестве альтернативы он предложил разрабатывать методы, сочетающие нелинейное обучение (как в deep learning) с continual learning (способностью адаптироваться на лету). По его мнению, это ключ к созданию по-настоящему интеллектуальных систем.

➡️ В конце он дал несколько советов исследователям:
Ведите ежедневные заметки, анализируйте свои идеи, не бойтесь быть «контринтуитивными».

«Ценность записи своих мыслей прямо пропорциональна тому, насколько они расплывчаты и запутанны.»

Middle/Senior Data Scientist в Точка
До 510.000₽
Удаленно

Предстоит: Анализировать операции и деятельность клиентов; Искать аномальное поведение и транзакции; Сегментировать клиентов по уровням риска и минимизировать возможные угрозы…. Узнать подробнее 🔵

Senior Архитектор (Data/AI)
Удаленно / Гибрид / Офис в Москве

Предстоит: Определение целевой архитектуры данных и ИИ-сервисов. Формирование принципов, схем и стандартов для MDM, событийного трекинга, Data Governance / Quality и RAG-/ML-платформы на базе Trino + S3, DBT, Superset…. Узнать подробнее 🔵

Последний месяц лета — не повод расслабляться. Как раз самое время узнать что-то новое и завести полезные знакомства! Поэтому ловите подборку ближайших мероприятий:

➡️ Яндекс открывает свои двери в Санкт-Петербурге 26 августа для Data Dojo.
Это мероприятие для ML-специалистов, где ребята из Яндекса расскажут, как масштабировали свои решения, разберут ML-задачи и, конечно же, проведут нетворкинг.

➡️ 27 августа в Москве пройдет встреча от VK по рекомендательным системам, где ребята обсудят стратегии развития VK RecSys, Discovery-платформу VK и мультимодальные технологии для кросс-форматных рекомендаций.

➡️ Wildberries приглашает 28 августа в Москве на митап, темой которого также являются рекомендательные системы. В программе вас ждет обсуждение Semantic IDs, онлайн-доранжирование, байесовская оптимизация и как специалисты WB обучали свои CLIP-модели.

➡️ 6-7 сентября пройдет мероприятие от Т-Банка, посвященному всему IT-комьюнити. Для дата-специалистов будет интересно послушать сессии по проектированию масштабируемых систем, работе с данными, а также обсудить LLM – специалисты расскажут, как создавали свою ризонинг модель и строили пайплан. LLM-разметок.

Middle/Senior MLOps Engineer
Удаленно / Гибрид / Офис в Москве

Предстоит: Создание и сопровождение тестовых полигонов (разработка / интеграция); Настройка и поддержка пайплайнов CI/CD, поддержка релизного процесса; Настройка мониторинга сервисов и инфраструктуры…. Узнать подробнее 🔵