Руководитель команды DS/ML (Домен ИИ)

Ориентир по рынку≈ 154 000 – 229 000 ₽наш грубый ориентир по 199 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

≈ 1,9 тыс.–2,8 тыс. $

🔄 ГибридMiddleПолная занятость

Стоит ли откликаться

Вакансия закрыта

Откликаться поздно: вакансию сняли. Сколько она висела и что в ней менялось, видно в разборе.

3 из 4 в норме

Наша компания

Практика ориентирована на создание решений, которые отвечают потребностям заказчиков, применяя традиционные модели машинного обучения и DL/LLM/GenAI-подходы. Заказчиками могут выступать компании из B2B и B2C-направлений, которые стремятся улучшить свою эффективность за счет AI/ML-сервисов.

Чем предстоит заниматься

Анализ рынка конкурентов и внедрений с точки зрения поиска новых ИИ-решений

Разработка перспективных RnD направлений, прототипирование ИИ-решений

Самостоятельная end-to-end разработка демо-стендов (с помощью агентской разработки Claude Code, Codex, Cursor) для демонстрации возможностей прототипа

Выступление на конференциях с результатами исследований

Публикация научных статей в журналах

Взаимодействие со смежными подразделениями (продажи, аналитика, разработка, продукты)

Наши требования

Высшее образование (математика, компьютерные науки, физика, инженерия или смежные области)

Опыт работы в области машинного обучения от 5+ лет

Глубокое понимание принципов машинного обучения, экспертиза в нескольких из перечисленных областей и общее понимание остальных: Classic ML, RecSys, NLP, CV, LLM (API+RAG)

Опыт разработки с помощью агентов по типу Claude Code, Codex или Cursor. Умение самостоятельно собирать прототипы и демо стенды под ключ «упаковывать решение»

Навыки эффективной коммуникации с нетехническими стейкхолдерами (менеджмент, заказчики, продукт). Умение объяснять сложные технические концепции простым и понятным языком

Готовность работать на территории РФ

Знание Python, (на хорошем уровне), SQL

Опыт работы с MLOps-инструментами (MLflow, Kubeflow, Airflow и др.) для автоматизации процессов разработки и эксплуатации моделей

Понимание принципов разработки и внедрения масштабируемых ML-решений в production

Опыт работы в Agile/Scrum-командах