Data Scientist / AI Engineer в RR Group
Удаленно

Предстоит: Разработка AI-системы, которая через чат/мессенджер: понимает текстовые запросы пользователей, формирует SQL-запросы... Узнать подробнее 🔵

Подборка открытых вакансий на должность Data Engineer 🔵

Data Engineer в Авито
Офис / Гибрид / Удаленно в Москве

Senior Data Engineer в Яндекс
Офис / Гибрид / Удаленно

Middle Data Engineer в VK Team
Офис / Гибрид / Удаленно в Москве

Junior/Middle Data Engineer в Иннотех
Удаленно / Офис / Гибрид в Екатеринбурге

Junior/Middle Data Engineer в СовкомБанк
Офис / Гибрид в Казани, Санкт-Петербурге, Воронеже

Senior Data Engineer в Ozon
Офис / Гибрид

Chief Artificial Intelligence Officer (CAIO)

Предстоит: Формировать и реализовывать стратегию искусственного интеллекта на уровне всей экосистемы; Определять, запускать и масштабировать ИИ-проекты, выстраивая архитектуру, команды и управление ИИ-инфраструктурой.... Узнать подробнее 🔵

VibeCoding: где обитают самые ленивые программисты

Энтузиасты решили проанализировать коммиты на GitHub и выяснить, как часто программисты увлекаются вайбкодингом. Ребята обучили свой классификатор на коммитах 200 тысяч Python-разработчиков с 18 по 24 года. Вот что из этого вышло:

➖ Первое место заняли вайбкодеры из США. На их код приходится 30% сгенерированных функций.

➖ В топ также вошли Германия 24,3%, Франция 23,2%, Индия 21,6%, Россия 15,4% и Китай 11,7%.

➖ В ходе исследования также выяснилось, что вайбкодингом занимаются чаще всего новые пользователи GitHub, чем их более опытные коллеги.

Ссылку на исследование оставляем здесь.

Что ценит DeepSeek в сотрудниках?

Наткнулись на интервью с основателем DeepSeek — Лян Веньфэном. В интервью основатель поделился мнением касательно AGI, о том почему компания фокусируется только на исследованиях. Мы сделали небольшую выжимку и оставили только самые любопытные ответы на вопросы о том, что ценит DeepSeek в сотрудниках и на что опирается компания при создании своих моделей.

💬 Многие крупные компании ИИ стремятся нанимать таланты из-за рубежа. Некоторые считают, что 50 лучших талантов ИИ в мире вряд ли будут работать в китайских компаниях. Откуда ваша команда?

V2 был создан исключительно отечественными талантами. Сегодня топ-50 мирового уровня, возможно, не находится в Китае, но мы стремимся развивать свой собственный.

💬Такое свободное управление компанией опирается на найм целеустремленных людей. Говорят, что DeepSeek преуспевает в выявлении исключительных талантов на основе нетрадиционных критериев.

Наши стандарты найма всегда основывались на страсти и любопытстве. Многие из членов нашей команды имеют уникальный и интересный бэкграунд. Их жажда исследований значительно перевешивает финансовый аспект.

💬 Как вы думаете, сколько времени потребуется для достижения AGI? До V2 вы выпустили код/математические модели и перешли к MoE. Каков ваш план?

Это может занять два года, пять лет или десять лет, но это произойдет в течение нашей жизни. Что касается нашего плана, то даже внутри нашей компании нет единого мнения. Однако мы делаем ставку на три направления:
1️⃣ Математика и код, которые служат естественным испытательным полигоном для AGI — подобно Go, они представляют собой замкнутые, проверяемые системы, в которых самообучение может привести к высокому уровню интеллекта.
2️⃣ Мультимодальность, когда ИИ взаимодействует с реальным миром для обучения.
3️⃣ Естественный язык, который является основой человеческого интеллекта.

Полный текст интервью

Подборка открытых вакансий 🔵

Исследователь Data Scientist в Сбер
Офис / Гибрид в Москве

Junior/Middle Data analyst в Мегафон
Офис / Гибрид в Москве

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

Middle Data Scientist LLM/NLP в Самокат
Удаленно / Офис / Гибрид

Middle/Senior MLOps-инженер в Т-Банк
Удаленно / Офис / Гибрид

Senior NLP Engineer в VK Team
Офис / Гибрид в Москве

Процесс технического собеседования в ML

Обычно процесс найма занимает от 3 сессий в зависимости от компании. И одной из основных является техническое интервью.

Его могут поделить на несколько частей 😭, но основа такого интервью — это посмотреть, что умеет и знает кандидат.

Теоретическое интервью. Это интервью можно разделить на два типа:

1️⃣ Вопросы по теории: знания статистики, работы алгоритмов или других аспектов (оптимизаторы, батч нормализация, архитектуры). Здесь вопросов очень много и обычно они в стиле "что нужно сделать, чтобы деревья решений не переобучались?" или "зачем делать поправку на смещение в оптимизаторе Адам?". То есть вопросы не просто на знание теории, а на умение рассуждать.

2️⃣ Второй тип отличается тем, что рекрутер просит рассказать вас о собственном опыте. И на основе вашего ответа задает вопрос о том, что можно сделать в модели лучше, или рекрутер спрашивает о том, как вы собирали/очищали данные. Здесь принцип не отличается от первого типа: смотрят что вы уже знаете и как умеете рассуждать.

❗ Совет: заранее узнайте, чем вы будете заниматься на выбранной должности и выберите проект, который лучше всего будет подходить вакансии. При этом подумайте о том, что и как можно улучшить. А также запишите все трудности, с которыми вы столкнулись и почему их не удалось решить.

Помимо теории, вас могут попросить решить пару задач: присылают тестовое и вы его решаете в течение пары дней; присылают ссылку, где вы на сайте решаете несколько задач на время или в режиме реального времени вы решаете задачу под присмотром рекрутера. Вне зависимости от процесса собеседования, задачи можно разделить на следующие:

1️⃣ LeetCode — необходимо решить пару стандартных задач по алгоритмам/структурам данных. В случае ML это обычно работа с тензорами или матричными операциями.

2️⃣ML+оптимизация. На таких собеседованиях могут попросить реализовать одну из концепций ML с нуля. Например, это могут быть различные классические ML-алгоритмы (регрессия, SVM), backpropagation или batch norm.

3️⃣Ядра/распараллеливание. Такие интервью встречаются у тех, кто непосредственно работает с оборудованием (интервью почти всегда на С/С++). Примеры задач, которые могут встретиться: реализовать параллельные вычисления, оптимизировать тензорные операции на уровне ядра. Знание CUDA в этом случае может стать приятным бонусом.

4️⃣ООП. Иногда встречаются и задания, связанные с объектно-ориентированным программированием, обычно это задачи/вопросы про полиморфизм, наследование и т.д.

❗ Совет: прежде чем вам назначат техническое интервью, попросите у рекрутера материалы для подготовки и узнайте, как устроен процесс найма. Обычно в компаниях заранее можно узнать процедуру найма, например, в Яндексе, ТБанке или Ozon.

Ресурсы:
➖ Бесплатная книга для подготовки к собеседованиям "Introduction to Machine Learning Interviews Book".
➖ Потренироваться в решении задач, это что-то вроде LeetCode для млщиков.
➖ Почитать об опыте прохождения собеседований можно здесь, здесь, вот здесь и еще здесь.

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

Предстоит: анализировать различные текстовые данные баеров и селлеров для выявления их основных потребностей и составления правильных чек-листов для поиска идеальной услуги; автоматизировать часть процесса колл-центра Авито Услуги с помощью подключения умных ботов... Узнать подробнее 🔵

В России люди жалуются на нехватку отпусков, среди самых недовольных — айтишники.

У большинства россиян отпуск составляет привычные 28 дней — таким отдыхом могут похвастаться более 60% опрошенных из разных профессиональных сфер. Чаще всего стандартным размером отпуска могут воспользоваться 75% айтишников.

Однако даже месяц отпуска многим кажется недостаточным. Чаще других в этом признавались представители маркетинга, рекламы и PR, а вот второе место заняли айтишники: среди них почти каждый второй недоволен продолжительностью отпуска (53%).

Коллеги, у кого сейчас отпуск, поздравляем, но не от всего сердца 😑

Senior Data Analyst
Удаленно / Гибрид / Офис в Москве

Предстоит: Проектирование и организация нового слоя данных для качественного анализа, чтобы уйти от разрозненности; Настройка в нём мониторинга полноты и качества... Узнать подробнее 🔵

💬 Нашли интервью с Йошуа Бенджио, в котором он рассказал о тех вещах, что помогли ему в работе исследователя:

➖ Единственное, что я бы сделал по-другому [в начале преподавания], так это не распылялся в разных направлениях, преследуя одну идею за другой и забывая о долгосрочных задачах. Это трудно, когда вы становитесь самостоятельным, потому что вы беспокоитесь о научных публикациях, чтобы получить постоянную должность. Но вы должны потратить хотя бы часть своего времени, сосредоточившись на долгосрочной перспективе.

➖ Я думаю, каждый человек должен найти свой путь. Чтобы стать хорошим в чем-то и совершить прорыв, нужно стать экспертом. Так что если вы собираетесь подавать заявки [получение гранта или научная публикация], и особенно если вы молодой преподаватель, то вам следует сосредоточиться на чем-то одном и стать сильнейшим в этом предмете.

➖ Позвольте мне добавить кое-что о грантах. Когда я начинал, то я не осознавал, что если вы пишете работу в организацию вроде NSERC, их мало волнует, что вы действительно сделаете то, что обещали. Они просто хотят, чтобы вы сделали хорошую работу, о которой вы сможете отчитаться спустя годы.

➖ В исследованиях трудно предсказать, что будет в тренде, с какими проблемами вы столкнетесь. Важно быть адаптивным.

➖ Одна вещь, которая пошла мне на пользу, — это признание лидерских качеств у студентов. Мы не должны недооценивать способность молодых людей лучше справляться с работой, чем их старшие коллеги.

➖ Прислушивайтесь к своей интуиции. Многим людям не хватает уверенности в себе, необходимой для этого, и они упускают возможности. Наша главная задача как исследователей — иметь полезные идеи, которые продвигают знания. Эти идеи всегда приходят откуда-то из глубины нашего мозга, и мы должны развивать свою способность уделять этому процессу генерации идей достаточно времени. Просто подумайте о важных вопросах, которые вас беспокоят.

Подборка открытых вакансий 🔵

Middle NLP Engineer в Cloudru
Офис в Москве

Senior ML-Engineer в IVI
Офис / Гибрид

Data Scientist в Самокат
Удаленно / Офис / Гибрид

Senior Data Science в Альфа Банк
Офис / Гибрид в Москве

Middle ML-аналитик/Data Scientist в СовкомБанк
Офис в Казани

Senior Data scientist в Золотое яблоко
Удаленно / Офис / Гибрид в Москве

Middle/Senior ML-инженер в ТБанк
Офис / Гибрид

Стажер Data Analyst
Офис в Москве

Предстоит: Выгружать и обрабатывать телеком данные мобильного позиционного трафика; Работать с инженерами и создавать сегменты пользователей; Работать с гео-данными и телеком данными... Узнать подробнее 🔵

Как понять, чего хотят HR?

Когда смотришь на требования или на задачи к вакансиям, может появиться чувство непонимания — Что же от меня хочет работодатель? Чтобы не ломать над этим вопросом голову 💥 и хоть немного приоткрыть завесу тайн, мы нашли тред от HR, которая рассказала, что она ищет в кандидате на должность MLE и/или DS:

По моему скромному мнению, хороший ML-инженер выполняет работу «полного стека», владея процессом от начала и до конца: от разработки модели до интеграции в производство.

➡️ «Настоятельно рекомендуемые» языки:

MLE: Spark или Hadoop (или опыт ETL), Python.
DS: Python, Pandas (или какой-либо опыт работы с DataFrame).

➡️ Технические концепции:

MLE подразумевает больше программирования, поэтому обязательно ООП — знаете ли вы, что такое класс? Можете ли вы писать хорошие абстракции? Можете ли вы проектировать базовые схемы БД? Как вы занимаетесь отладкой? Может ли DS легко понять ваш код? Знаете ли вы базовые модели?

DS же подразумевает больше математических знаний, в особенности статистики — основы (GLM, деревья, параметрические и непараметрические), сильные и слабые стороны различных моделей, снижение размерности, способность «критически мыслить» о данных. Как бы вы их «очистили»? Какая метрика подходит для данной проблемы?

➡️ Опыт в машинном обучении:

Расскажите о ML-проекте, над которым вы работали? Одного проекта достаточно, потому что меня больше интересует его глубина, чем то, что вы делали 12 различных проектов Kaggle, где каждый занимает работы всего на пару дней.

➡️ Независимое мышление:

Обычно я задаю вопрос примерно в таком духе: что если предположение X не выполняется в вашем проекте, как бы вы изменили алгоритм или конвейер?
Всегда можно оставить "дыру" и сделать следующий шаг в проекте, но можем ли мы вместе провести мозговой штурм, чтобы найти новое предположение Y?

➡️ Способность заниматься «хорошей наукой»:

Как вы проводите эксперименты? Как вы делитесь результатами/получаете обратную связь?
Ред флаги: вы меняете несколько переменных одновременно, вы не думаете тщательно о метриках, вы не отслеживаете артефакты своего эксперимента и т.д.

➡️ Ходячие энциклопедии — тоже не очень хорошо:

У вас есть реальные мнения о технологиях или инструментах? Как вы их используете? Например: классификаторы глубокого обучения плохо справляются с несбалансированными данными, но у вас было много данных, поэтому вы подгоняете усиленный классификатор дерева под признаки, определенные моделью глубокого обучения.

➡️ Желание учиться:

Какая последняя статья или технический блог, которые вы прочитали, показались вам интересными? Расскажите, что вас действительно в них заинтересовало?

➡️ Работа в команде:

Вам нравится сотрудничать с другими людьми, или вы предпочитаете быть самим по себе?

И напоследок, HR добавила, что глубина только в чем-то одном не имеет большого значения. Хорошие знания и вдумчивость гораздо важнее. Цель стартапа/компании в том, чтобы нанять хорошего командного игрока и создать техническую культуру, которая будет существовать долго.

Что почитать? 💬

Guidebook MCP. Очень подробный гайдбук по MCP с подробными картинками: что это такое и как настроить под свои нужды.

The Big Book of MLOps. Небольшая открытая книга по основам MLOps. Если вы уже умеете обучать модельки, то пора научиться их внедрять и поддерживать.

Designing Machine Learning Systems. Книга о том, как проектировать надежные и масштабируемые системы МО.

Tech Lead в www.group-telegram.com/chatsgpts_bot
От 4.500 до 7.000$ + бонусы. Удаленка / Гибрид / Офис

Предстоит:
➖ Строить архитектуру проекта, определять технические решения;
➖ Руководить командой разработчиков, расширять команду под задачи;
➖ Определять векторы развития проекта вместе с фаундерами.

🚀Откликнуться @ceosb

Это знак, что пора начать изучать SQL 👍

Подборка открытых вакансий 🔵

Junior Data Analyst в Сбер
Офис в Москве

Senior Data Analyst в Garage Eight
Офис / Гибрид в Москве, Санкт-Петербурге

Junior/Middle Data Engineer в Beeline
Офис / Гибрид в Москве

Middle ML-Engineer в Naumen
Удаленно

Middle/Middle+ Data Scientist в Альфа Банк
Офис / Гибрид в Москве

Middle/Senior Data Analyst в VK Team
Офис / Гибрид

Middle Data Analytics в ecom.tech
Удаленно / Офис / Гибрид