Лучшие вакансии по темам Data Science, машинного обучения, нейросетей, искусственного интеллекта, компьютерного зрения, сбора, обработки и анализа данных
ПодписчикиСколько подписчиков у канала сейчас. Волна — число подписчиков в каждой точке периода. Изменение — к началу периода.1930,0 %+0 за период
ПросмотрыСколько сейчас просмотров у постов, вышедших за период. Это не просмотры за день: сколько посмотрели вчера, MAX не сообщает.0было 0
РеакцииСколько реакций у постов, вышедших за период.0было 0
УпоминанияСколько раз канал упомянули другие каналы: ссылки и репосты, без рекламных постов. Чем крупнее круг, тем больше упоминаний в этой точке периода.61▼ 18,3 %было 76по подписке
РепостыСколько раз другие каналы сделали репост постов этого канала (без рекламных постов). Репосты входят и в число упоминаний.28▲ 14,0 %было 25после входа
Средний охват постаСколько просмотров в среднем набирает один пост. Считаем по постам старше двух суток: у свежих просмотры ещё растут. Точки, где есть свежие посты, — пунктиром и полыми кружками: охват всех постов на сейчас, он ещё вырастет.—просмотров на пост
ERRКакая доля подписчиков видит средний пост: средний охват ÷ подписчики × 100 %. Линия — ERR в каждой точке периода, пунктир — ERR прошлого такого же периода. Точки с постами моложе двух суток — полые кружки на пунктирном конце линии.—подписчиков видят пост
Вовлечённость ERКак часто читатели реагируют на посты: реакции ÷ просмотры × 100 %. Засечка на полосе — прошлый период.—реакций на 100 просмотров
Постов в деньСколько публикаций в среднем выходит за день. Клетка — точка периода: чем темнее, тем больше постов в день.0,0было 0,0
Доля рекламыКакая доля публикаций за период похожа на рекламу: маркировка erid, рекламные ссылки и другие признаки. Шкала — рекламная нагрузка по порогам индекса качества: до 10 % — низкая, до 25 % — умеренная, до 50 % — высокая, дальше — очень высокая. Рост доли отмечается красным.4,2 %▲ 0,8 п. п.
ДинамикаСверху — число подписчиков на конец каждой точки периода, снизу — прирост за точку: зелёный — подписчиков стало больше, красный — меньше. Над графиком прироста — самый большой прирост и самая большая убыль. Сколько подписалось и отписалось по отдельности, MAX не сообщает.
Рост аудитории
0подписчиков за период
Число подписчиков за период не менялось
Оценка каналаОценка канала от 0 до 100 из пяти частей: аудитория, честность роста, рекламная нагрузка, доверие и достоверность расчёта. Полоса — сколько баллов часть набрала из своего максимума. Индекс пересчитывается каждую ночь; каналы сравниваются с похожими — той же категории и размера.
Индекс качества пока не рассчитан. Он появляется у каналов от 500 подписчиков, которые публикуют посты хотя бы раз в неделю, после недели наблюдения.
ОхватыСколько сейчас просмотров у постов, вышедших в каждой точке периода (а не просмотры за день). Подписан рекорд; точка с сегодняшним днём бледнее — день ещё идёт. Средний охват поста — по постам старше двух суток.
Просмотры и охват
0просмотров за период
За период публикаций с просмотрами не было.
ВовлечённостьER — реакции, делённые на просмотры, в процентах — у постов каждой точки периода. Пунктир — ER за весь период. Изменение — в процентных пунктах к прошлому такому же периоду.
Вовлечённость подписчиков
—ER = реакции ÷ просмотры
За период у постов нет прочитанных реакций.
ЦитируемостьИндекс цитируемости (ИЦ) — насколько часто и какими каналами упоминают этот канал за последние 30 дней, без рекламных постов. Уровень — место среди похожих каналов. Линия — ИЦ в каждой точке периода (в неделе и месяце — средний за её дни).
Индекс цитируемости пока не рассчитан: он появится после ночного расчёта, когда канал упомянут другие каналы.
РитмСколько постов в среднем выходит в каждый час каждого дня недели, время московское: чем темнее клетка, тем больше публикаций. «Лучшее время» — часы, в которые у постов старше двух суток самый высокий средний охват.
Когда и сколько публикует
ПнВтСрЧтПтСбВс
036912151821
Лучшее время:09:0018:00часы, в которые у постов самый высокий средний охват
ФорматыИз чего состоит лента. У каждого поста один формат — по старшинству: репост, видео, фото, ссылка, текст. Полоса и проценты — доля постов формата; справа — средний охват одного поста формата (по постам старше двух суток), полоска — сравнение с самым просматриваемым форматом.
ПубликацииКаждая точка — пост за период: по горизонтали — дата выхода, по вертикали — просмотры, размер точки — реакции, цвет — формат. Так видно хиты, провалы и то, как меняется охват. У крупных каналов показаны 100 самых просматриваемых постов и равномерная выборка остальных — не больше 1 500 точек.
Каждый пост — точка
Выше — больше просмотров, крупнее — больше реакций. Нажмите на точку, чтобы открыть пост.
ВидеоФотоДругоеразмер — реакцииПриближение — кнопками «+» и «−», щипком или Ctrl + колесо мыши; приближенный график сдвигается перетаскиванием
СводкаИтоги выбранного периода: сколько вышло публикаций, сколько у них сейчас просмотров и реакций и средний охват поста. Просмотры — текущие у постов, вышедших в эти дни, а не просмотры за день. Изменение — к такому же отрезку перед периодом, если за него есть статистика.
Итоги периода
Нажмите на показатель — ниже он появится по точкам периода
Просмотрысегодня — день ещё идётТочки с постами моложе двух суток — бледные с пунктиром: их просмотры ещё растут.
РекламаКакая доля публикаций за период похожа на рекламу: маркировка erid, рекламные ссылки и другие признаки. Детектор осторожный, поэтому настоящая доля обычно выше. Шкала — рекламная нагрузка по порогам индекса качества. Ниже — средний охват рекламного и обычного поста и кого рекламирует канал (сайты, на которые ведут ссылки из рекламы).
Что работаетПосты периода с наибольшим числом просмотров. Полоса — просмотры относительно первого места. Превью — картинка поста, у поста без картинки — аватар канала. Просмотры — сколько у поста сейчас.
РитмСколько постов вышло в каждый день периода (бледные столбики) и среднее за 7 дней (линия): видно, разгоняется канал или затихает. Сегодняшний день ещё идёт, поэтому среднее для него считается по вчерашний день.
Публикации по дням
Бледные столбики — дни, линия — среднее за 7 дней: видно, разгоняется канал или затихает
Публикации за деньСреднее за 7 дней
Данные обновлены в 11:27 по Москве. Просмотры — текущие у постов, вышедших в эти дни; средний охват — по постам старше двух суток.
Как считается индекс качества
QLAN — технологический интегратор, внедряющий end-to-end ИИ-решения в бизнес-процессы крупных компаний и государственных структур.
Мы в поиске Computer Vision Engineer (Middle/ Senior) с коммерческим опытом от 3 лет для разработки и внедрения современных решений в области компьютерного зрения. Нам важно хорошее знание классического машинного обучения, статистического анализа и алгоритмов Computer Vision, а также практический опыт работы с PyTorch, NumPy, scikit-learn, Matplotlib и OpenCV.
Обязанности: Разработка и внедрение решений в области Computer Vision. Подготовка и анализ данных, работа с датасетами и разметкой. Проведение экспериментов и анализ качества моделей с использованием соответствующих метрик. Разработка и поддержка production-ready решений в области компьютерного зрения. Работа с Linux, Git, Docker/Docker Compose в рамках разработки и deployment. Взаимодействие с другими разработчиками и участниками проекта для реализации CV-решений. Участие в техническом анализе задач, выборе подходов и оценке результатов экспериментов.
Требования: Опыт коммерческой разработки в области Computer Vision от 3 лет. Хорошее понимание: классического машинного обучения, статистического анализа, классических алгоритмов Computer Vision; Практический опыт работы с нейросетевыми фреймворками: PyTorch; Умение читать научные статьи, воспроизводить решения и адаптировать их под реальные задачи. Уверенное владение библиотеками: NumPy; scikit-learn; Matplotlib; OpenCV. Уверенная работа с Linux (предпочтительно Ubuntu, Mint или Debian). Опыт контейнеризации с использованием Docker и Docker Compose. Уверенное владение Git. Английский язык — Upper-Intermediate (B2) или выше (обязательно). Наличие проектов, которые были самостоятельно доведены до production.
Условия работы: Формат работы: полностью удалённый. Занятость: full-time, 5/2. Гибкое начало рабочего дня — возможность самостоятельно выбирать время начала работы в рамках рабочего графика команды. Работа в современной IT-команде над интересными задачами в области Computer Vision. Возможность профессионального развития и работы с современными технологиями и подходами в CV/ML. Вилка от 250к
Мы создаем системы управления очередью для крупных клиентов (ПСБ, ФНС, МФЦ). Ищем специалиста для развития ИИ-сервисов, создания пайплайнов обработки данных и умной аналитики.
Что предстоит делать: - Audio Processing: развитие пайплайна (диаризация спикеров -> распознавание речи -> NLP-модерация). - LLM & RAG: разработка корпоративной RAG-системы (поиск по истории чатов, файлам и регламентам). - Smart Analytics: предиктивная аналитика для банковских терминалов (оптимизация работы операторов). - Production: интеграция ML-моделей и обеспечение их стабильной работы.
Что мы ожидаем: - Опыт: коммерческая разработка на Python от 1 года. - Backend & Инфраструктура: уверенное использование Docker, создание API на FastAPI, проектирование асинхронной обработки тяжелых ML-запросов. - NLP / LLM: практический опыт построения RAG, векторный поиск и эмбеддинги, LangChain. - Speech-to-Text: работа с распознаванием речи (Vosk, Whisper, GigaAM) и диаризацией. - Data Science: PyTorch, Pandas, NumPy, базовые алгоритмы и метрики ML. - Английский: от B1 (свободное чтение документации).
Будет плюсом: - Apache Airflow - Celery
Мы предлагаем: - Аккредитованная ИТ-компания. - Оформление по ТК РФ - Заработная плата 120 000 руб. после вычета налогов, полностью официальная, периодическая индексация. - Офис у м. Стахановская / Гибридный формат после испытательного срока. - Удобный график (базово 9:00–18:00, можно согласовать свой).
Продолжаем искать Преподавателя и Автора на курсы-интенсивы по AI agent на основе LLM для действующих data-специалистов.
О нас: Standard Data – проектируем и реализуем образовательные решения под заказ крупных компаний в сфере ИИ, дата инжиниринга и веб-разработки.
Кого ищем: Преподавателя и автора (уровень Senior LLM engineer) на курс-интенсив по разработке AI agent на основе больших языковых моделей для действующих DS.
Ожидаем от кандидата:
• Профильное высшее образование, • опыт в NLP от 3 лет, желательно в крупных компаниях • коммерческий опыт с LLM от 1.5 лет • опыт с LangGraph, LoRA.
Будет плюсом: • PhD в релевантной области • Публикации или научные статьи • Профессиональные награды / участие в конкурсах.
Мы будем рады видеть как преподавателя-автора учебных материалов и проектов, так и преподавателя-ведущего занятий (в обоих случаях гибкий формат участия: можно выбрать отдельные темы или курс целиком).
Под AI agent понимается система, которая умеет на основе обращения к ней самостоятельно планировать свои действия, взаимодействовать с внешней средой (по API) и адаптироваться под отклик этой среды.
Что нужно делать: • Разработка материалов: семинары, финальный проект для слушателей. • Проведение занятий в формате вебинаров (1-2 дня, по 2-4 занятия в день).
Что мы предлагаем: • За разработку программы (семинары + финальный проект) – 90т.р.-120 т.р. • За разовое проведение программы курса-интенсива – 90т.р.-110 т.р., в зависимости от вашего опыта. • Бонусное вознаграждение по итогам перфоманса курса. • Сумма оплаты возможна и больше, всё зависит от опыта, публикаций и результатов собеседования.
Ждем тебя в нашей команде, пишите в тг, или сразу кидайте резюме: https://t.me/Kate_HR_IT
___
За успешную рекомендацию по традиции бонус! Суммарно 30к: при прохождении тестового 15к, еще 15к после 2 месяцев хорошей работы. Если у вас классный кандидат с большим опытом, то пишите в ЛС, согласуем другой бонус!
Вакансия: Python/Asterisk Developer (Voice Bot) Компания: Pine Forest AI
Мы разрабатываем голосового бота на базе Asterisk ☎️. Ищем разработчика, который поможет настроить Asterisk на сервере, организовать потоковую передачу аудио между Asterisk и Python-сервисом, а также выполнить интеграцию с нашим сценарием бота, который генерирует аудио-ответы. Нужно собрать надежное решение для приема входящего аудиопотока, его обработки и отправки аудио обратно в звонок в реальном времени.
Требования к разработчику: ✅ уверенное знание Python; ✅ опыт работы с Asterisk, настройки dialplan, настройки Asterisk на сервере Linux; ✅ понимание работы с потоковым аудио, VoIP, SIP, RTP; ✅ опыт интеграции внешних сервисов с телефонией; ✅ будет плюсом опыт с STT/TTS, WebSocket, asyncio, Docker.
Что нужно будет сделать: - настроить Asterisk на сервере; - реализовать получение потокового аудио от Asterisk в Python; - реализовать отправку потокового аудио обратно в Asterisk; - интегрировать телефонию с нашим сценарием голосового бота.
Условия: 🔥 удаленная работа, проектная занятость; 🔥 конкурентный уровень оплаты по договоренности. Контакты для связи: https://t.me/pine_forest_ai_support
Компания — Сбер, Лаборатория исследований человека Локация: Москва, офис / гибрид Вилка — до 295 000 ₽ gross Опыт — 3–6 лет
Мы исследовательское подразделение Сбера, которое занимается изучением человека: поведения, психологии, трендов и изменений в восприятии и мышлении. Наша задача — исследовать, что происходит и будет происходить с человеком, и переводить эти изменения в продукты, коммуникации и HR-процессы.
Ищем AI-генералиста, который будет быстро (1–2 недели) собирать прототипы решений на основе гипотез лаборатории и запросов бизнеса.
Задачи: — разработка решений с применением LLM для анализа данных и ускорения исследований — быстрый прототипинг AI-инструментов и сервисов — разработка простых AI-агентов, RAG-систем и баз знаний — генерация гипотез, суммаризация исследований и обработка данных под задачи бизнеса — участие в развитии AI-подходов внутри команды
Требования: — опыт разработки решений с использованием LLM API (OpenAI, Anthropic и др.) — работа с embedding-моделями и векторными базами данных — понимание RAG-архитектур и стратегий chunking — опыт работы с LangChain / LangGraph — продвинутая работа с промптами (few-shot, CoT, ReAct) — понимание влияния параметров LLM на стабильность и галлюцинации — опыт работы с AI-IDE и агентами (Cursor, GitHub Copilot, Claude Code и др.)
По всем вопросам и для резюме пишите https://t.me/Evniershova
Фокус специализации - DL Компания - Альфа-банк, команда R&D Локация: офис в Москве, рассматриваем кандидатов из регионов Вилка - 200-380k gross в зависимости от уровня
Команда занимается разработкой моделей глубокого обучения и прикладными исследованиями в области DS с упором на внедрение нейросетевых архитектур в бизнес-процессы банка. В наш стек входит широкий круг алгоритмов - от MLP до RL и графовых нейросетей.
Направления работы: - улучшение текущих решений смежных команд с помощью продвинутых методов и архитектур - разработка напрямую для бизнес-заказчиков под задачи, не решаемые методами классического ML, или требующие большой исследовательской части в ходе решения Наши решения работают во всех бизнес-направлениях банка.
Заниматься придется полным циклом разработки модели от сбора требований от заказчика до внедрения решения в промышленную среду исполнения. Также важная часть работы - поиск и изучение научных статей по теме нейросетей и внедрение изложенных подходов в решения.
Требования: уверенные знания SQL, pyspark, основных библиотек Python (pandas, numpy, scikit-learn и т.п.), уверенное владение PyTorch, PyTorch Geometric Будет плюсом опыт работы в финтехе и пыт практического внедрения моделей машинного обучения в бизнес-процессы с подтвержденным финансовым эффектом
По всем вопросам и с резюме пишите https://t.me/vmkuleshov
🔶Должность - Data Scientist, Middle+ и выше. 🔶Компания - Арт-Финтех
⌨️Требования к кандидату: - Гражданство и локация РФ - Знания в RL и Графовых нейросетях - Отличные знания в области классического ML и DL - Подтверждённый опыт реализации и внедрения моделей в бизнес-процессы - Как большой плюс - опыт в построении моделей рисков - Опыт работы с "джентельменским" набором DL инженера: torch, pandas, numpy, networkX, PyG, matplotlib, classicML libs - Опыт работы с системами хранения и обработки данных, у нас hdfs/spark
✅Обязанности - Разрабатывать, поддерживать и внедрять модели в процессы банка с упором на Change-деятельность (развитие новых, ещё не опробованных в банке подходов) - Участвовать в коммуникации с бизнес-заказчиками: проводить интервью заказчика, формулировать технические и бизнес-требования к разрабатываемым моделям, презентовать результаты разработки моделей, оценивать их финансовый эффект. - Оптимизировать и дорабатывать внутренних фрейморков для борьбы с рутиной - Разрабатывать дизайн экспериментов для оценки качества моделей в бизнес-процессах. - Совместно с командой DE реализовывать ETL-процессы подготовки данных для моделей. - Совместно с командой MLOps отвечать за внедрение моделей в систему исполнения и дальнейшую интеграцию с системами заказчика. - Совместно с командой мониторинга ставить разработанные модели на регулярный мониторинг. - Искать и проверять гипотезы по улучшению моделей за счет использования новых источников данных и архитектур."
🔗Условия: Full-time, 5/2. Удалёнка 💵Вилка до 300к рублей на руки.
🪩Немного о нас: Группа компаний «АРТ-Финтех» более 20 лет на рынке — международный поставщик инновационных банковских программных решений. Наша компания разрабатывает ПО для финансового сектора 🖋 https://t.me/Oleghols
📍 Формат: Удаленно (РФ) 💰 Зарплата: от 250 000 ₽ на руки
Мы ищем аналитика, который станет экспертом по данным в команде Pricing. Ты будешь отвечать за аналитический слой — от «сырых» данных в S3 до готовых витрин для бизнеса.
Что делать: — Отвечать за весь аналитический слой: от raw-данных в Trino/S3/HDFS до проверенных датасетов. — Разрабатывать логику сопоставления ставок (rate matching). — Трансформировать бизнес-логику в четкие ТЗ для ETL-команды. — Обеспечивать качество данных: валидация, контроль полноты, мониторинг аномалий. — Поддерживать пользователей: документация, обучение, консультации.
Требования к кандидату: — Опыт от 2-х лет в в области аналитической инженерии, анализа данных (Big Data), моделирования BI-данных. — Сильный SQL и уверенный Python для анализа данных. — Понимание Big Data архитектур (Lakehouse, HDFS/S3). — Опыт с Airflow и концепциями DAG. — Знание Iceberg и Kafka (практический опыт). 🤝 Будет плюсом: — опыт работы с DBT. — Английский B1 (разговорный).
Почему к нам стоит прийти: Проекты мирового уровня: продукты для путешественников и отельеров. Свобода: гибкий график и полная удаленка. Развитие: Tech-комьюнити, митапы, хакатоны, помощь в выступлениях на конференциях, курсы английского. Забота: ДМС с первого месяца. Бонусы: корпоративные цены на отели и тревел-услуги. Островок — аккредитованная IT-компания.
👉 По всем вопросам и с CV пишите в ЛС: https://t.me/nadueva_olya
Помните, в "Автостопом по галактике" была рыбка-переводчик, которую можно было посадить себе в ухо и понимать любые языки? А у Стругацких в "Мире полудня" - лингвокодер. В "Звёздных Войнах" переводчиком работал C-3PO. В общем, какие бы фантастические книжки или фильмы вы ни любили, скорее всего, там кто-то фантазировал о синхронном голосовом переводе. И человечество наконец-то оказалось в этой точке! 🦄
Ищу синьорного ML инженера в Palabra ai - стартап, который делает риал-тайм голосовой переводчик. Они поддерживают больше 60 языков, работают с задержкой меньше секунды после окончания фразы, умеют сохранять эмоции и интонации спикера, переводит в браузере, зуме или где захочет клиент. А среди клиентов у них BCG, Paramount, UNICEF, Deloitte, Docusign и многие другие
Если вы: 🔺5+ лет в ML 🔺тренировали LLM с PyTorch или TensorFlow 🔺любите данные и умеете их готовить 🔺отлично знаете Python или C++
присылайте резюме https://t.me/d_shteinardt
Ремоут (не из РФ и РБ), платят $80k-150k и дают долю по итогам полугодового ревью.
Ищем «следователя по данным» в проект общепита (сеть ресторанов/доставка). Критически важна роль: отвечаете за чистоту данных в DWH, без вас отчеты по марже и фудкосту теряют смысл.
💰Зарплата: 250-270К руб/мес.Гросс 🎯Локация/гр.: Россия 🕰Срок проекта: 6 месяцев + 📄Оформление: только ИП
✅ Чем нужно заниматься: — контроль качества данных в Greenplum / ClickHouse; — разбор инцидентов: почему пропали чеки / сломался фудкост / аномалия в продажах; — взаимодействие с источниками (iiko, R-Keeper, 1С) — инициируете и проверяете исправления; — доработка витрин и ad-hoc запросы.
🎯 Must-have: — SQL: продвинутый уровень (окна, CTE, подзапросы, оптимизация); — опыт с DWH (слои, ETL, качество данных); — навык поиска аномалий и расследования инцидентов; — Jira/Confluence, любой BI (Superset/Форсайт).
➕ Будет плюсом: — Greenplum / PostgreSQL; — DBT, OpenMetadata; — опыт в ритейле / HoReCa.
📩 Отклик с пометкой «DataScienceJobs» в TG: https://t.me/AllaDemHR