Data Engineer (МосБилет)
Зарплата не указана
ГКУ Инфогород · Москва
Разрабатывать, поддерживать и развивать аналитические системы хранения данных. Разрабатывать, поддерживать ETL процессы сбора и обработки данных. Создавать и развивать систему...
EKSLi · Москва
Computer vision. Machine learning. Промышленную автоматизацию. Собственное программное и аппаратное обеспечение. Подготовка и анализ датасетов для задач компьютерного зрения.
Зарплату работодатель не назвал — вилку обсуждают на собеседовании. В требованиях: python, pytorch, tensorflow, opencv.
Привет!
Мы — EKSLi, российская технологическая компания, разрабатывающая интеллектуальные системы оптической сортировки для агропромышленности.
Мы создаём AI-решения и оборудование нового поколения, которые помогают производствам автоматически контролировать качество овощей и картофеля в
реальном времени — быстрее, точнее и стабильнее ручного труда.
Наши технологии объединяют:
Обязанности:
Подготовка и анализ датасетов для задач компьютерного зрения.
Разметка и контроль качества данных.
Обучение и тестирование моделей компьютерного зрения.
Проведение экспериментов с архитектурами и параметрами моделей.
Анализ качества моделей и поиск причин ошибок.
Подготовка моделей к выводу в production совместно с командой разработки.
Базовое понимание машинного обучения и компьютерного зрения.
Уверенное владение Python.
Понимание процесса обучения и оценки моделей.
Желание разбираться в реальных промышленных задачах и данных.
Будет плюсом
Опыт работы с PyTorch или TensorFlow.
Опыт работы решения задач сегментации или трекинга.
Опыт работы с OpenCV.
Опыт разметки данных и работы с CVAT.
Участие в исследовательских или pet-проектах по CV.
Публикации, участие в хакатонах или соревнованиях.
Что мы предлагаем:
Станьте частью инновационного процесса, где ваше мнение и знания будут ценны, а ваша работа — иметь значительное влияние на развитие новых технологий!
Вакансия опубликована 22 октября, проверена 23.10.2026. Открыть оригинал.
Отклик оформляется на странице работодателя — кнопка выше ведёт туда напрямую. Перед отправкой стоит подогнать резюме под текст вакансии: работодатели читают первые строки и ищут в них свои слова. Если рассылаете отклики десятками, посмотрите сервис автооткликов — он отправляет их за вас по заданным настройкам, до 50 в сутки. Про сам поиск работы есть разбор в статье как быстро найти работу.
Вилку работодатель не назвал — обсуждать деньги придётся на собеседовании. Для ориентира: в среднем по направлению «Дата-сайентист» платят 180 000 ₽.
В требованиях указано: от 1 года до 3 лет. Работать нужно на месте, город — Москва.
Да, на 23.10.2026 она активна: каждую ночь каталог сверяется с источником, закрытые предложения помечаются и уходят из списков.
О компании EKSLi — российская технологическая компания, разрабатывающая интеллектуальные системы оптической сортировки. Мы создаём AI-решения и оборудование нового поколения, которые помогают производствам автоматически контролировать качество в реальном времени — быстрее, точнее и стабильнее ручного труда. Наши технологии объединяют: computer vision; machine learning; промышленную автомати…
Соседи по направлению с близкими требованиями.
Зарплата не указана
ГКУ Инфогород · Москва
Разрабатывать, поддерживать и развивать аналитические системы хранения данных. Разрабатывать, поддерживать ETL процессы сбора и обработки данных. Создавать и развивать систему...
Зарплата не указана
Ecom.tech · Москва
Организация подключения, настройки и сопровождения источников событий ИБ в системе мониторинга (SIEM, EDR, NTA). Разработка и совершенствование правил корреляции, сценариев...
Зарплата не указана
НАМИ, ФГУП · Москва
Формирование стратегии развития, бюджета, методик расчета Управления. Организация работы и развития сотрудников, в рамках внутренних и внешних проектов.
Зарплата не указана
Эйч-Эль-Эль · Москва
CURATOR – признанный мировой эксперт в области сетевой безопасности и обеспечения непрерывной сетевой доступности интернет-ресурсов. Компания предлагает широкий спектр решений...
Зарплата не указана
СБЕР · Москва
Архитектура и законы масштабирования. Рецепт обучения: оптимизаторы, расписание learning rate, нормализация, точность вычислений. Устойчивость больших прогонов и ускорение сходимости.
Зарплата не указана
ЦЕМРОС · Москва
Интегрировать LLM, RAG-компоненты и агентов в единую систему. Настраивать профили агентов и разрабатывать промпты под конкретные бизнес-сценарии.
Пригодится до собеседования: сколько останется на руки от названной суммы, как считаются отпускные и переработки.
Модели машинного обучения, прогнозы и рекомендации: Python, статистика, продакшен.