Весна — отличный повод завести новые знакомства. Иначе, почему именно в это время проходит так много крутых мероприятий? Недолго думая об этом, мы собрали небольшой список весенних конференций и митапов:

➡️ GTC 2025 — конференция, где расскажут о квантовых вычислениях, гуманоидных роботах будущего, а также проведут множество докладов по тематике LLM и агентного ИИ.
Даты проведения: 16–21 марта.

➡️ ML Party — митап для ML-инженеров, на котором будут обсуждаться новые технологии и тренды в различных областях: RecSys, LLM, Speech и других направлениях.
Дата проведения: 18 марта.

➡️ Конференция Data Fusion. Один из главных треков будет посвящён генеративному ИИ. Эксперты обсудят такие вопросы, как возможное исчерпание данных, мультиагентные системы, и ,конечно же, куда без RAG.
Даты проведения: 16–17 апреля.

➡️ IML — ещё одна конференция для ML-специалистов. Спикеры разберут несколько кейсов практического применения ML, затронут MLOps, RL, RecSys и многое другое. В качестве бонуса, участники пообещали рассказать о забавных фейлах при внедрении моделей.
Даты проведения: 16–17 мая.

Александр Ванг – основатель и генеральный директор платформы для аннотации данных Scale AI. Достичь таких высот ему помогли несколько простых советов:

⭐ Окружайте себя гениальными людьми и стремитесь стать одним из лучших в своей области.
⭐ Найдите дело, которым можно заниматься долгое время: постоянные скачки с места на место не приведут к успеху.
⭐ Работайте усердно. Трудолюбие – это привычка, которую лучше всего усваивать в молодом возрасте.
⭐ Тем, кто слишком увлекается математикой и пренебрегает физикой: не старайтесь быть чрезмерно умными. Изобретательность часто требует сложного исполнения. Менее оптимальные, но более простые решения оказываются лучшими в условиях ограниченного времени и ресурсов.

Подборка открытых вакансий 🔵

ML Engineer CV в VK Team
Офис / Гибрид

Руководитель направления мониторинга NLP-моделей в Alfa Банк
Офис / Гибрид / Удаленно

Data Scientist в Lamoda
Офис в Москве

ML-разработчик в Яндекс
Офис / Гибрид

Data Scientist RecSys в 2GIS
Удаленно

Two pizzas, please 🍕

➡️ Компании всегда стремились поддерживать эффективность своих сотрудников, поэтому сам основатель Amazon — Джефф Безос придумал необычное правило "Two Pizza Teams".

➡️ Правило очень простое: в команде разработчиков может быть сколько угодно человек, но так, чтобы её можно было накормить всего двумя пиццами.

➡️ Несмотря на то, что с момента основания компании прошло несколько лет, Amazon всё ещё придерживается этого правила. Главное преимущество "двух пицц" в том, что небольшие команды могут реагировать и действовать гораздо быстрее.

Однако, чтобы команды были эффективными, требуется соблюсти ряд условий:

➖ У команды есть чёткая цель, и ответственность за достижение цели лежит полностью на команде.
➖ Каждый член команды обладает всеми необходимыми навыками для достижения цели.
➖ У команды есть необходимые ресурсы и полномочия для принятия решений, и она не зависит от третьих лиц для достижения своей цели.
➖ У команды есть доступ к отзывам клиентов.

Кстати, Amazon не одинок в своем желании поддерживать эффективность сотрудников, ранее мы уже писали о забавной инициативе от Google Toilet-Time training.

Автор курса «Аналитик данных +» в Яндекс Практикум

Предстоит: Писать тексты для уроков онлайн-курса (планируется много практики и погружение в реальные кейсы); Разрабатывать доп материалы и задания для проверки знаний... Узнать подробнее 🔵

Data Scientist в Точку
До 570.000₽
Удаленно

Предстоит: Строить модели кредитного риск-менеджмента: PD, LGD, раскрытия банковских гарантий и другие; Выдвигать и проверять гипотезы на основе данных; Работать с существующими и находить новые источники данных.... Узнать подробнее 🔵

Стали известны сроки подачи работ на NeurIPS 🚀

⭐ В этом году пройдет уже тридцать девятая ежегодная конференция NeurIPS 2025 — это междисциплинарная конференция, объединяющая исследователей в области ML, статистики, оптимизации, NLP, CV, а также других смежных областей.

⭐Основные правила подачи статьи: все авторы должны быть зарегистрированы до 15 мая на OpenReview. После подачи тезисов добавление или удаление авторов статьи не разрешается. Все материалы должны быть представлены одним файлом PDF, при этом основной текст статьи ограничен 9 страницами (с учетом рисунков и таблиц).

⭐Основные даты: старт приема заявок на участие начнется 3 апреля. До 11 мая необходимо подать ключевые тезисы. До 15 мая будет осуществляться прием полной статьи.

⭐Ознакомиться со всеми сроками и полными правилами приема статей можно здесь и здесь. Удачи всем участникам!

ML Engineer
От 4.000$
Удаленно

Предстоит: Разработка AI-агентов для Web3-платформы EON: построение умных ботов и автоматизированных решений; Интеграция Vector Storage и разработка Light RAG-моделей для работы с большими объемами данных; Развертывание и оптимизация AI-пайплайнов с использованием Ray, Kafka, Redis .... Узнать подробнее 🔵

Команда разработки сообщества IT-энтузиастов, с большим пулом проектов, ищет специалистов:

➡️ Middle MLOps-инженера
➡️ Middle ML разработчика

Ребята хотят расширить свою команду, а также создать модель, способную анализировать и предсказывать краткосрочные изменения в динамичных данных.

Команда готова рассмотреть Вашу кандидатуру, даже если у Вас мало опыта, но много желания — прислать резюме.

На что HR обращают внимание — ответ бывшего рекрутера:

⭐ Образование не так важно. Для IT-специалистов, конечно, учитывается наличие диплома, но и без него многие люди строят успешную карьеру, проходя различные курсы и читая соответствующую литературу.

⭐ Чем больше опыта, тем менее важна корочка. После 5 лет работы наличие диплома становится неважным, больше учитываются ответы на следующие вопросы: "Чем вы занимались в этой компании? Какую пользу и вклад вы внесли?"

⭐ Повышение в должности в пределах одной компании — хороший знак. Если компания признаёт талант кандидата и даёт ему больше ответственности, значит, человек действительно способный и усердный.

⭐ Кандидат с высокой вовлеченностью в свою деятельность. Рекрутерам приятно видеть, что интервьюируемый продолжает совершенствоваться в своей области с помощью курсов или получения диплома магистратуры, аспирантуры и т. д.

⭐ Профиль в LinkedIn, GitHub и на других профессиональных платформах. Если у кандидата есть рекомендации от предыдущих руководителей или подробности об успешных проектах, которые он выполнил, это выделяет его среди других.

Тем не менее, рекрутер сообщил, что хотя образование и не столь важно при найме, но если в компанию нужны были разработчики ПО высокого уровня, то здесь приоритет отдавался кандидатам из элитных технических вузов.

Data Engineer в Мокка
От 300.000 до 390.000₽
Удаленно / Офис / Гибрид в Москве

Предстоит: проектирование, разработка и оптимизация архитектуры DWH (Greenplum, Data Vault); разработка и поддержка ETL-процессов с использованием Nifi и Airflow, подключение новых источников данных; написание трансформаций и моделирование данных с использованием DBT... Узнать подробнее 🔵

Middle / Senior Data Analyst в Ozon Ads
От 345.000 до 440.000₽
Удаленно / Офис / Гибрид в Москве, Спб

Предстоит: Работа с данными: трансформация в ClickHouse / PySpark, автоматизация процессов в Airflow; Разработка и поддержка аналитических дашбордов в Superset / Redash; Оценка эффектов и расчет метрик для A/B-тестов... Узнать подробнее 🔵

Самая прибыльная профессия 🔵

🔷 По мнению бывшего Data Scientist'а Meta, Google и Salesforce, самая высокооплачиваемая профессия на сегодняшний день — Data Scientist.

🔷 В своём интервью Эшвин Шарма рассказал, что специалисты в области ИИ пользуются большим спросом и могут зарабатывать более 500 тысяч долларов.

🔷 На своём опыте герой интервью убедился, что нередко его коллеги с опытом работы в 5-10 лет получали зарплаты свыше 500 тысяч, а некоторые и вовсе получали около миллиона.

🔷 Не смотря на высокий спрос, стать востребованным специалистом не так просто:

"Data Scientist'ом нельзя стать за одну ночь — важным аспектом на карьерном пути является образование".

🔷 По словам Шарма, чтобы получить шестизначную или даже семизначную зарплату, необходимо получить образование в области компьютерных наук, поскольку большинство специалистов в области ИИ имеют степень магистра или доктора. Однако не редкость и случаи, когда люди меняли свою профессию и уходили на исследовательские должности:

«Я бы не сказал, что вам непременно нужно иметь образование, поступать в аспирантуру и работать с ведущими профессорами и в ведущих лабораториях ИИ», — говорит он.

🔷 Любопытно, что некоторые представители бигтеха не согласны с интервьюируемым: Дарио Амодей и вовсе сказал, что в ближайший год 90% кода будет писать ИИ. А в прошлом году заявление Дженсена Хуанга о том, что детей не следует учить программированию, вызвало резонанс у общественности, тк написание кода будет за искусственным интеллектом.

Senior Quantitative Developer
Удаленно / Офис / Гибрид в Армении

Предстоит: Тесное сотрудничество с технологами и исследователями над оптимизаторами портфеля, созданием сложных конвейеров данных и инфраструктур для анализа стратегии и производительности... Узнать подробнее 🔵

Подборка открытых вакансий 🔵

Data Scientist в Kaspersky
Офис в Москве

Data Analyst в Wildberries
Офис / Гибрид в Москве

Data Scientist в СовкомБанк
Офис в Казани

Junior Data Scientist в Сбер
Офис

Middle/Senior Data Scientist в 2GIS
Удаленно

ML Engineer в Ozon
Офис в Москве

Junior Data Engineer в МТС
Удаленно

Senior Data Scientist NLP в Газпром
Офис

Senior ML-Engineer в Альфа Банк
Офис / Гибрид в Москве

Data Engineer в VK Team
Офис / Гибрид

Сайт с поиском ML/DS вакансий

В последнее время у нас много новых подписчиков, поэтому мы решили напомнить вам, что у нас есть свой собственный сайт — Data Secrets. На нем вы можете найти не только интересные статьи и полезные материалы, но и большую базу актуальных вакансий из мира Data Science.

Мы постоянно обновляем этот раздел, добавляя актуальные позиции от стажеров до тимлидов. А еще вакансии у нас можно фильтровать по зарплате, должности, области ML и требуемому опыту.

🔵 Обязательно сохраняй и заглядывай: datasecrets.ru/jobs

Нашли любопытный тред в X: почему Data Scientist'ы терпят неудачу в работе?

🟦 Многие крутые специалисты по данным могут создать первоклассные модели, но не способны запустить хотя бы один проект в производство. Такие работники могут потратить несколько недель на настройку параметров, но не в силах объяснить свою работу заказчику.

🟦 Ещё печальнее обстоят дела с теми, кто зациклен на метриках, но вообще не имеет понятия, действительно ли их модель приносит хоть какую-то пользу компании.

🟦 Неудивительно, что потом таких специалистов обходят в повышении или вовсе закрывают их проекты.

Какие же причины за этим кроятся? Ответ от автора треда:

➖ Непонимание целей бизнеса. Если вы не можете объяснить на языке денег, риска или эффективности, почему ваша разработка крутая, то, увы, никому это не будет интересно.
➖ Усложнение простых задач. Бизнесу не нужна модель ИИ, которая может решить базовый SQL-запрос или эвристическое правило. Реальный мир — это не Kaggle, чем проще, тем лучше.
➖ Неумение продавать. Если не можете убедить людей в пользе вашей модели, то она навсегда останется в блокноте Jupyter. Учитесь продавать, иначе вы — "очередной центр затрат, ожидающий сокращений".
➖ Отсутствие коммуникативных навыков. Когда вы презентуете своё решение с множеством графиков и диаграмм, но забываете важную деталь — проговорить бизнес-вывод, то ваша работа полетит в помойку.

Не отчаивайтесь, ведь если соблюдать следующие советы, то все обязательно получится:

➖ Узнайте, как компания зарабатывает деньги. Какие у неё цели, позиция и на кого она ориентируется.
➖ Отдавайте приоритет влиянию, а не сложности. Простая модель в проде превосходит сложную на бумажке.
➖ Освойте навык коммуникации: учиться ораторскому мастерству необязательно, а вот прочитать пару книг об общении с заказчиком/клиентом — только вперёд.
➖ Не зацикливайтесь на технических метриках, помимо них измеряйте реальные бизнес-результаты.
➖ Перенесите свои модели в реальный мир. Если вы не знаете, как их развернуть — научитесь.

Data Engineer
От 5.500 до 6.500$
Офис в Ереване

Предстоит: Автоматизировать workflow для исследователей и продукционировать модели (Python); Разрабатывать ETL-процессы для работы с большими массивами данных; Поддерживать продакшен-код: проверка зависимостей, обработка ошибок, логгирование... Узнать подробнее 🔵

Что почитать по LLM?

Собрали небольшую подборку статей за этот год, которые ориентированы на улучшение архитектуры LLM:

➡️ Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention

➡️ Continuous Diffusion Model for Language Modeling

➡️ Make LoRA Great Again: Boosting LoRA with Adaptive Singular Values and Mixture-of-Experts Optimization Alignment

➡️ SpargeAttn: Accurate Sparse Attention Accelerating Any Model Inference

➡️ PAFT: Prompt-Agnostic Fine-Tuning

➡️ MUDDFormer: Breaking Residual Bottlenecks in Transformers via Multiway Dynamic Dense Connections