Подборка открытых вакансий 🔵

Стажер/Junior Research ML в Яндекс

Junior Data Analyst в ПСБ
Офис / Гибрид в Москве

Junior/Middle Data Scientist в Ozon

Middle+/Senior Data Scientist в ecom.tech
Удаленно / Офис / Гибрид

Senior Data analyst в Wildberries
Офис / Гибрид в Москве

Senior ML-Engineer в Самолет
Удаленно

Senior Data Analyst в VK Team
Удаленно / Офис / Гибрид в Москве и Санкт-Петербурге

Работа в промышленности VS в академической среде

Когда только-только заканчиваешь ВУЗ, перед тобой открываются все двери. Но вот незадача, какую из дверей выбрать — академические круги или работа в компании? Чтобы ответить на этот вопрос, приведем основные различия этих двух сфер:

➖ Первое различие начинается еще с подачи резюме:

если в промышленности ценится ваш опыт работы, используемые технологии и влияние на бизнес, то в академической среде больше внимания уделяется научным публикациям, рецензированию, а еще выданным грантам или организации различных семинаров.

➖ Финансирование

В академической среде работа чем-то напоминает фриланс: исследователи берут краткосрочные контракты, привязанные к источнику финансирования или грантам. В компаниях же все проще — за свою работу вы получаете зарплату.

➖ Увольнения

На первый взгляд может показаться, что нет никакой разницы. Но есть одно маленькое отличие: в университете после получения докторской степени рекомендуют поменять ВУЗ, причем даже если вы его поменяете, то чаще всего работа с тем же университетом может продолжаться. Чего не скажешь о компаниях, которые после увольнения закрывают доступ к учетной записи и оборудованию.

➖ Рабочие задачи

Если вы хотите заниматься научной деятельностью в стенах ВУЗов, то в ваши обязанности помимо исследовательской работы входит еще и преподавание (хотя могут обязать преподавать и программистов). При этом в промышленности требуют гораздо меньше научных публикаций, чего не скажешь об исследователях, которые тратят большую часть времени на создание своих статей. Хотя в компаниях статьи заменяются внутренней документацией, но это все равно нельзя назвать полноценной научной работой.

➖Свобода выбора

Часто компании ограничены сферой своей деятельности, чего не скажешь об ученых в стенах университетов, которые могут выбрать интересующую их нишу. Но и здесь палка о двух концах: существует большой риск, что академик поддастся искушению и начнет гнаться за трендами.

➖Зарплаты

Если вы не супер гениальный исследователь, который стабильно получает финансирование или гранты, то ваша зарплата может быть ощутимо ниже, чем у коллеги из промышленности.

➖Вклад в опенсорс

Часто в компаниях есть закрытые разработки, которые могут ограничивать общение с другими коллегами. Если вам важно обсуждать идеи со всеми, то академическая среда для вас.

Junior Data Scientist в Сбер
От 120.000₽
Офис в Санкт-Петербурге

Предстоит: исследовать новые источники данных, формировать новые признаки, проводить их оценку на значимость и стабильность во времени; собирать выборки и заниматься предобработкой данных из различных источников для обучения и валидации моделей... Узнать подробнее 🔵

Сколько платит Google своим инженерам?

Это, конечно, не стартапы, поэтому средняя зарплата инженера чуть ниже и достигает 340 000$. Если смотреть более детальнее, то для специалистов из DS зарплатные предложения варьируются в следующих диапазонах:

⭐ Data Engineer: от 111 000$ до 175 000$

⭐ Data Scientist: от 133 000$ до 260 000$

⭐ Research Scientist: от 155 000$ до 303 000$

В последние месяцы Google не спешит вводить агрессивную политику в отношении найма сотрудников, чего не скажешь о ближайших конкурентах 😐

Любопытно, что пока конкуренты ведут политику пряника, предлагая высокие зарплаты и премии, Google, наоборот, используют кнут: призывают работать больше, урезают зарплаты или вовсе не дают трудоустроиться после увольнения.

Нашли пару советов для Data Engineer

Инженер с опытом работы в 4 года поделился своими мыслями и советами, касательно решения рабочих задач на должности Data Engineer:

1️⃣ Обработка данных — может быть быстрее, чем ты думаешь.

Многие считают, что быстрое выполнение традиционных ETL-запросов невозможно. Большинство считает, что пайплайны, обрабатывающие большие объёмы данных, должны занимать часы. В действительности большинство задач можно решить в режиме реального времени (время запроса менее 1 секунды) с использованием меньшего числа оборудования. Хороший дизайн всегда важнее оборудования.

2️⃣ Не все данные нужны — не забывайте их чистить.

Подавляющее большинство проектов сохраняют данные, которые никогда не используются (иногда более 90%). И обрабатывают их. Каждый день/час/минуту. Никто об этом не думает.

3️⃣ Узнавайте как работает тот или иной инструмент.

Люди сосредоточены на изучении инструментов, что, конечно, хорошо, но при этом забывают о принципах. Не могу сосчитать, сколько раз я видел, как кто-то выполнял SQL-запрос, который мог бы выполняться в 1000 раз быстрее, просто правильно отсортировав данные. Проблема в том, что они в совершенстве знают, как использовать Spark/Snowflake/BigQuery, но никогда не тратят день на то, чтобы разобраться, как эти штуки работают изнутри. И поверьте, есть 3-4 базовых понятия, которые дают вам 80% необходимых знаний.

4️⃣ Данные не всегда будут верными.

Большинство проектов исходят из того, что данные всегда будут верными и вам не придётся их исправлять. Все, опять же, все совершают ошибку, загружая одни и те же данные дважды. Это случается постоянно, и если вы не продумали это, ваш ETL-процесс превратится в ад, и вам придётся потратить уйму времени на исправление данных в рабочей среде.

5️⃣ Не забывайте про мониторинг данных.

Приём данных составляет 80% работы, но обычно он даже не отслеживается. Существует 100 способов, при которых INSERT может завершиться сбоем или замедлиться. Данные, которые вы не можете принять, нарушают весь ваш пайплайн, и эти ошибки остаются незамеченными. Вы видите данные в своих SQL-запросах и понимаете, что проблема существует, когда уже слишком поздно и объём данных слишком велик.

Качество данных похоже на модульное тестирование, но в условиях эксплуатации. Тестирования конвейеров в непрерывной интеграции (а этим занимаются всего 10% пользователей) недостаточно — необходим непрерывный мониторинг.

6️⃣ Помните про возможности оборудования.

Большинство людей не имеют интуитивного представления о том, что может и не может современное оборудование. Есть простая арифметика, которая может помочь вам в этом: «на одном компьютере можно обработать около 500 МБ за секунду». Я знаю, что это не абсолютная истина, и есть множество деталей, которые могут её изменить, но поверьте, эта оценка — довольно полезный инструмент, который стоит иметь под рукой.

AI-Архитектор (LLM)

Предстоит: Разработка архитектурных решений для AI-приложений с учетом требований клиентов и современных технологий Участие в пресейлах: квалификация и анализ входящих запросов на AI разработку, оценка проектов и взаимодействие с клиентами для уточнения требований…Узнать подробнее 🔵

Team Lead Data Scientist
Удаленно / Гибрид / Офис в Москве

Предстоит: Персонализировать рекламные предложения: прогнозировать CTR для товаров и баннеров, сегментировать клиентов для более эффективного таргетинга рекламных кампаний; Улучшать эффективность аукциона: разрабатывать алгоритмы определения оптимального размера ставки в аукционе для разных селлеров и плейсментов (каталог, поиск, блоки рекомендаций) …Узнать подробнее 🔵

Подборка открытых вакансий 🔵

Middle+/Senior Data Engineer в Яндекс
Офис / Гибрид

Middle+/Senior Data Scientist в 2GIS
Удаленно / Офис / Гибрид в Москве, Санкт-Петербурге, Новосибирске

Middle+/Senior Data Engineer в Альфа Банк
Офис / Гибрид в Москве

Middle+/Senior Data Scientist в ecom.tech
Удаленно / Офис / Гибрид

Middle+/Senior ML engineer в Wildberries
Офис в Москве

ML-инженер в Т-Банк
Офис / Гибрид

Middle+/Senior Data Analyst в VK Team
Офис / Гибрид

Очередная порция советов от Андрея Карпаты о том, как стать экспертом в любом вопросе:

1️⃣ Постепенно беритесь за конкретные проекты и выполняйте их углублённо, обучаясь «по требованию» (то есть не учите всё подряд снизу вверх).

2️⃣ Запоминайте/суммируйте все, что вы узнаете, своими словами

3️⃣ Сравнивайте себя только с молодым собой, никогда с другими

Middle/Senior Data Engineer в Beeline
Удаленно (на территории РФ)

Предстоит: Разработка и сопровождение ETL-пайплайнов на базе Apache Spark; Миграция процессов с Oozie на Airflow или Capybara (внутренний аналог)…. Узнать подробнее 🔵

Team Lead MLOps
Удаленно / Офис / Гибрид в Москве

Предстоит: Руководство командой MLOps: управлять, наставлять и развивать инженеров; Создание и внедрение MLOps-практик: стенды, DevOps-процессы, среды разработки, тестирования, инференса и мониторинга моделей (Batch, Streaming, CPU/GPU)…. Узнать подробнее 🔵

Подборка открытых вакансий 🔵

Стажёр Data Scientist в Ozon
Офис в Москве

Junior MLOps Engineer в Lamoda
Офис / Гибрид в Москве

Junior Data Analyst в Сбер
От 99.700₽
Офис в Ростов-на-Дону

Junior Data Engineer в МТС
Офис в Москве

Senior Data Analyst в Garage Eight
Офис в Санкт-Петербурге

Senior Data Scientist (NLP/LLM) в ЦИАН
Удаленно / Офис / Гибрид в Москве, Санкт-Петербурге и Новосибирске

Data Scientist в Авито
Удаленно / Офис / Гибрид в Москве

Пару советов от HR

В твиттере наткнулись на HR, который провел сотни собеседований с инженерами и написал пару советов, чтобы идеально проходить техническое интервью:

1️⃣ Задавайте уточняющие вопросы

Уточняющие вопросы помогают и нам, и интервьюеру сосредоточиться на важном.

С точки зрения интервьюера, отсутствие уточняющих вопросов часто сигнализирует о том, что кандидат не подходит.

Вот несколько рекомендаций:
➖ Главная цель таких вопросов — устранить недопонимание, путаницу и неясность;
➖ Используйте их, чтобы четко определить функциональные и нефункциональные требования;
➖ Получите ясное представление о масштабе и ограничениях производительности.

2️⃣ Фокусируйтесь на основном дизайне

Времени мало, поэтому не тратьте его на компоненты, не связанные с основной задачей. Пропускайте стандартные элементы, не уникальные для этой проблемы.

Сопротивляйтесь желанию продемонстрировать широту знаний. Не отвлекайтесь на второстепенные детали.

Ваша цель — показать, что вы можете создать качественную систему в сжатые сроки. Дайте интервьюеру повод похвалить вас.

3️⃣ Не оптимизируйте преждевременно

Преждевременная оптимизация — ред флаг 🚩

Оптимизации сложны и требуют веских обоснований. Лишняя сложность отвлекает интервьюера и мешает ему понять общую картину.

Сфокусируйтесь на текущей задаче. Если вас посещают идеи по оптимизации — отложите их. Зафиксируйте их и вернитесь позже, в части углубленного разбора.

4️⃣ Разбор решения — ваш звездный час

Здесь вы можете блеснуть. Покажите, что умеете находить проблемы и предлагать решения с обоснованными компромиссами.

К моменту разбора у вас уже должен быть список потенциальных тем, выявленных на этапе высокоуровневого дизайна.

Ранжируйте их по важности: чем критичнее проблема, тем глубже стоит в нее погрузиться.

Как подходить к каждой теме:

➖

Четко объясните, в чем проблема и почему ее важно решить;

➖

Предложите решения (обычно достаточно двух);

➖

Обсудите компромиссы;

➖

Выберите вариант и аргументируйте его технически.

Middle Data Scientist в Золотое Яблоко
Удаленно / Офис / Гибрид в Екатеринбурге

Предстоит: Построение ML-pipeline; Создание Feature Store; Выстраивание CI/CD процессов для ML модели…. Узнать подробнее 🔵

Коммерсант: Количество IT-вакансий сокращается

➡️ Аналитики HeadHunter выяснили, что с 2022 года число IT-вакансий снизилось: в первом полугодии их было 291 тыс. против 300+ тыс. год назад. Аналитики предполагают, что это связано с оптимизацией бизнеса, включая сокращение дорогих специалистов, и внедрением ИИ, который может сэкономить до 30–50% бюджета. При этом средняя зарплата выросла на 11,4% — до 96,7 тыс. руб.

➡️ Хабр Карьера также сообщает о снижении: за первое полугодие 2025 года IT-вакансий стало на 32% меньше, чем за тот же период в 2024-м. Крупные компании (МТС, VK, Совкомбанк Технологии, Magnit Tech и др.) сократили набор на 20–60%. Возможно, они реже публикуют вакансии именно на Хабр Карьера или ищут несколько специалистов на одну позицию.

➡️ SuperJob приводит менее драматичные цифры: с января по июль 2025 года IT-вакансий стало меньше всего на 3%. За два года общее число предложений упало на 4%, а количество резюме выросло на 15%.

Но есть и исключения:
➖ VK за первое полугодие 2025 года увеличил число вакансий на 18%.
➖ Magnit Tech нанимает на 50% больше сотрудников, чем теряет. При этом число вакансий действительно стало меньше из-за внутренних улучшений.
➖ На текущий момент в Яндексе работает на 16% сотрудников больше, чем в 2024 году.

Однако, совсем без сокращений не обошлось, среди компаний сокративших штат были МТС, Positive Technologies и Сбер.

Интервью с сотрудниками Google DeepMind Robotics 💬

В интервью сотрудники рассказали о своём образовании, опыте работы и о том, как заинтересовались робототехникой, а также дали важный совет для работы в этой области:

«Совет тем, кто хочет попасть в эту сферу: найдите то, что вас по-настоящему увлекает. Сейчас есть множество ресурсов для изучения робототехники, но главное — сохранять мотивацию, даже когда всё идёт не так. Начните с общего проекта, например, мобильного робота с камерами, а затем углубитесь в то, что покажется интереснее.

Лучший пример — трансформеры. Когда я только начинал, многие говорили, что они никогда не приживутся в робототехнике. А сейчас все передовые модели основаны на них. Так что следуйте своей интуиции! Робототехника — потрясающая область, объединяющая множество дисциплин».