8b:I[124880,["$3","$49","$6","$4a","$4b","$4c","$4d","$4e","$4f","$50","$b","$51","$52","$7","$9","$53","$d","$e","$11","$a","$54","$55","$f","$56","$57","$58","$59","$5a","$5b","$5c","$5d","$5e","$5f","$60","$61","$62","$63","$c","$64","$65","$66"],"CompanyBackLink"] 8c:"CompanyFavoriteButton" 8d:I[145917,["$3","$49","$6","$4a","$4b","$4c","$4d","$4e","$4f","$50","$b","$51","$52","$7","$9","$53","$d","$e","$11","$a","$54","$55","$f","$56","$57","$58","$59","$5a","$5b","$5c","$5d","$5e","$5f","$60","$61","$62","$63","$c","$64","$65","$66"],"$8c"] 8e:"CompanyVacancyTabs" 8f:I[244710,["$3","$49","$6","$4a","$4b","$4c","$4d","$4e","$4f","$50","$b","$51","$52","$7","$9","$53","$d","$e","$11","$a","$54","$55","$f","$56","$57","$58","$59","$5a","$5b","$5c","$5d","$5e","$5f","$60","$61","$62","$63","$c","$64","$65","$66"],"$8e"] 90:T2724,

О компании

Полигонатор — быстрорастущая компания, специализирующаяся на создании инновационных тренажёров для различных предприятий. Наши решения охватывают широкий спектр: классические обучающие комплексы, интерактивные среды для отработки управления техникой в симуляциях с реалистичной физикой и иммерсивные VR-тренажёры.

Мы создаём полноценное ПО (от проектирования до внедрения) и строим продукты с внедрением ИИ — от аналитики и прогнозных моделей до LLM-приложений и исследовательских прототипов. С 2016 года реализовали более 40 проектов. В работе используем Unreal Engine 5 для создания детализированных и реалистичных виртуальных сред.

О роли

Мы ищем AI R&D / ML Engineer, который понимает принципы работы современных технологий ИИ и способен не только использовать готовые решения, но и проектировать, разрабатывать и совершенствовать собственные AI-системы. Вы будете работать на стыке исследований и продакшена: воспроизводить статьи, ставить контролируемые эксперименты, строить пайплайны обучения и деплоить модели в реальные продукты (включая RL-сценарии в симуляциях).

Уровень: Middle / Middle+

Опыт: 1–3 года коммерческой разработки в ML/AI

Что вы будете делать

Проектировать и реализовывать ML-пайплайны: от подготовки данных до обучения, валидации и деплоя моделей.
Проводить контролируемые эксперименты: ablation study, контрольные группы, оценка статистической значимости результатов.
Воспроизводить научные статьи и адаптировать методы под задачи бизнеса (симуляции, тренажёры, физика).
Разрабатывать и обучать RL-агентов в симуляциях, настраивать векторизованные среды и параллельный сбор опыта.
Оптимизировать инференс: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Строить мониторинг моделей: дрейф данных, деградация качества, алертинг.
Упаковывать результаты исследований в прототипы и API для передачи в прод.
Участвовать в планировании задач и архитектуры проектов, предлагать технические решения.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание юнит-тестов для моделей и пайплайнов.
SQL — уверенные запросы, JOIN, агрегации, оконные функции (базово).
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы — применительно к оценке экспериментов.

ML-инженерия

PyTorch (основной) — уверенное владение: кастомные Dataset/DataLoader, обучение, валидация, сохранение/загрузка чекпоинтов.
Построение пайплайнов подготовки данных и обучения: воспроизводимость (seed, версионирование данных), конфигурирование экспериментов.
Деплой моделей: упаковка в сервис (FastAPI), версионирование, канареечные релизы (базово).
Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Основы облачной инфраструктуры.

RL-инфраструктура

Понимание постановки MDP (состояния, действия, награды, политика, ценность).
Experience replay, policy gradient vs value-based методы (базовое понимание).
Опыт обучения агентов в симуляции: Isaac Lab / Gymnasium / PettingZoo / другие.
Векторизованные среды, параллельный сбор опыта.
Понимание sim-to-real transfer.

Продуктовое мышление

Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры проектов: умение предложить структуру пайплайна, выбрать инструменты и обосновать выбор.

Инструменты

Python-экосистема для данных: pandas, NumPy.
PyTorch — основной фреймворк; TensorFlow — как альтернатива (плюс).
Hugging Face — работа с предобученными моделями и токенизаторами.
W&B / MLflow — трекинг экспериментов.
Docker (базово), CI/CD (GitHub Actions / GitLab CI).
FastAPI / Pydantic — обёртка модели в API.
Prometheus / Grafana — мониторинг; очереди (Celery / RQ), Redis, Postgres — базовая работа.
GitLab — основная платформа.

Будет плюсом

C/C++, Rust, Go — для инфраструктурных задач и оптимизации.
CUDA — написание кастомных ядер, профилирование.
DeepSpeed, Flash Attention — оптимизация обучения больших моделей.
vLLM — продакшен-инференс LLM.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.
JAX — альтернативный фреймворк.
Доменная специализация: NLP / CV / графы / временные ряды.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

91:T2724,

О компании

О роли

Уровень: Middle / Middle+

Опыт: 1–3 года коммерческой разработки в ML/AI

Что вы будете делать

Проектировать и реализовывать ML-пайплайны: от подготовки данных до обучения, валидации и деплоя моделей.
Проводить контролируемые эксперименты: ablation study, контрольные группы, оценка статистической значимости результатов.
Воспроизводить научные статьи и адаптировать методы под задачи бизнеса (симуляции, тренажёры, физика).
Разрабатывать и обучать RL-агентов в симуляциях, настраивать векторизованные среды и параллельный сбор опыта.
Оптимизировать инференс: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Строить мониторинг моделей: дрейф данных, деградация качества, алертинг.
Упаковывать результаты исследований в прототипы и API для передачи в прод.
Участвовать в планировании задач и архитектуры проектов, предлагать технические решения.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание юнит-тестов для моделей и пайплайнов.
SQL — уверенные запросы, JOIN, агрегации, оконные функции (базово).
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы — применительно к оценке экспериментов.

ML-инженерия

PyTorch (основной) — уверенное владение: кастомные Dataset/DataLoader, обучение, валидация, сохранение/загрузка чекпоинтов.
Построение пайплайнов подготовки данных и обучения: воспроизводимость (seed, версионирование данных), конфигурирование экспериментов.
Деплой моделей: упаковка в сервис (FastAPI), версионирование, канареечные релизы (базово).
Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Основы облачной инфраструктуры.

RL-инфраструктура

Понимание постановки MDP (состояния, действия, награды, политика, ценность).
Experience replay, policy gradient vs value-based методы (базовое понимание).
Опыт обучения агентов в симуляции: Isaac Lab / Gymnasium / PettingZoo / другие.
Векторизованные среды, параллельный сбор опыта.
Понимание sim-to-real transfer.

Продуктовое мышление

Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры проектов: умение предложить структуру пайплайна, выбрать инструменты и обосновать выбор.

Инструменты

Python-экосистема для данных: pandas, NumPy.
PyTorch — основной фреймворк; TensorFlow — как альтернатива (плюс).
Hugging Face — работа с предобученными моделями и токенизаторами.
W&B / MLflow — трекинг экспериментов.
Docker (базово), CI/CD (GitHub Actions / GitLab CI).
FastAPI / Pydantic — обёртка модели в API.
Prometheus / Grafana — мониторинг; очереди (Celery / RQ), Redis, Postgres — базовая работа.
GitLab — основная платформа.

Будет плюсом

C/C++, Rust, Go — для инфраструктурных задач и оптимизации.
CUDA — написание кастомных ядер, профилирование.
DeepSpeed, Flash Attention — оптимизация обучения больших моделей.
vLLM — продакшен-инференс LLM.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.
JAX — альтернативный фреймворк.
Доменная специализация: NLP / CV / графы / временные ряды.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

92:T2724,

О компании

О роли

Уровень: Middle / Middle+

Опыт: 1–3 года коммерческой разработки в ML/AI

Что вы будете делать

Проектировать и реализовывать ML-пайплайны: от подготовки данных до обучения, валидации и деплоя моделей.
Проводить контролируемые эксперименты: ablation study, контрольные группы, оценка статистической значимости результатов.
Воспроизводить научные статьи и адаптировать методы под задачи бизнеса (симуляции, тренажёры, физика).
Разрабатывать и обучать RL-агентов в симуляциях, настраивать векторизованные среды и параллельный сбор опыта.
Оптимизировать инференс: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Строить мониторинг моделей: дрейф данных, деградация качества, алертинг.
Упаковывать результаты исследований в прототипы и API для передачи в прод.
Участвовать в планировании задач и архитектуры проектов, предлагать технические решения.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание юнит-тестов для моделей и пайплайнов.
SQL — уверенные запросы, JOIN, агрегации, оконные функции (базово).
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы — применительно к оценке экспериментов.

ML-инженерия

PyTorch (основной) — уверенное владение: кастомные Dataset/DataLoader, обучение, валидация, сохранение/загрузка чекпоинтов.
Построение пайплайнов подготовки данных и обучения: воспроизводимость (seed, версионирование данных), конфигурирование экспериментов.
Деплой моделей: упаковка в сервис (FastAPI), версионирование, канареечные релизы (базово).
Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Основы облачной инфраструктуры.

RL-инфраструктура

Понимание постановки MDP (состояния, действия, награды, политика, ценность).
Experience replay, policy gradient vs value-based методы (базовое понимание).
Опыт обучения агентов в симуляции: Isaac Lab / Gymnasium / PettingZoo / другие.
Векторизованные среды, параллельный сбор опыта.
Понимание sim-to-real transfer.

Продуктовое мышление

Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры проектов: умение предложить структуру пайплайна, выбрать инструменты и обосновать выбор.

Инструменты

Python-экосистема для данных: pandas, NumPy.
PyTorch — основной фреймворк; TensorFlow — как альтернатива (плюс).
Hugging Face — работа с предобученными моделями и токенизаторами.
W&B / MLflow — трекинг экспериментов.
Docker (базово), CI/CD (GitHub Actions / GitLab CI).
FastAPI / Pydantic — обёртка модели в API.
Prometheus / Grafana — мониторинг; очереди (Celery / RQ), Redis, Postgres — базовая работа.
GitLab — основная платформа.

Будет плюсом

C/C++, Rust, Go — для инфраструктурных задач и оптимизации.
CUDA — написание кастомных ядер, профилирование.
DeepSpeed, Flash Attention — оптимизация обучения больших моделей.
vLLM — продакшен-инференс LLM.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.
JAX — альтернативный фреймворк.
Доменная специализация: NLP / CV / графы / временные ряды.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

93:T2724,

О компании

О роли

Уровень: Middle / Middle+

Опыт: 1–3 года коммерческой разработки в ML/AI

Что вы будете делать

Проектировать и реализовывать ML-пайплайны: от подготовки данных до обучения, валидации и деплоя моделей.
Проводить контролируемые эксперименты: ablation study, контрольные группы, оценка статистической значимости результатов.
Воспроизводить научные статьи и адаптировать методы под задачи бизнеса (симуляции, тренажёры, физика).
Разрабатывать и обучать RL-агентов в симуляциях, настраивать векторизованные среды и параллельный сбор опыта.
Оптимизировать инференс: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Строить мониторинг моделей: дрейф данных, деградация качества, алертинг.
Упаковывать результаты исследований в прототипы и API для передачи в прод.
Участвовать в планировании задач и архитектуры проектов, предлагать технические решения.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание юнит-тестов для моделей и пайплайнов.
SQL — уверенные запросы, JOIN, агрегации, оконные функции (базово).
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы — применительно к оценке экспериментов.

ML-инженерия

PyTorch (основной) — уверенное владение: кастомные Dataset/DataLoader, обучение, валидация, сохранение/загрузка чекпоинтов.
Построение пайплайнов подготовки данных и обучения: воспроизводимость (seed, версионирование данных), конфигурирование экспериментов.
Деплой моделей: упаковка в сервис (FastAPI), версионирование, канареечные релизы (базово).
Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Основы облачной инфраструктуры.

RL-инфраструктура

Понимание постановки MDP (состояния, действия, награды, политика, ценность).
Experience replay, policy gradient vs value-based методы (базовое понимание).
Опыт обучения агентов в симуляции: Isaac Lab / Gymnasium / PettingZoo / другие.
Векторизованные среды, параллельный сбор опыта.
Понимание sim-to-real transfer.

Продуктовое мышление

Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры проектов: умение предложить структуру пайплайна, выбрать инструменты и обосновать выбор.

Инструменты

Python-экосистема для данных: pandas, NumPy.
PyTorch — основной фреймворк; TensorFlow — как альтернатива (плюс).
Hugging Face — работа с предобученными моделями и токенизаторами.
W&B / MLflow — трекинг экспериментов.
Docker (базово), CI/CD (GitHub Actions / GitLab CI).
FastAPI / Pydantic — обёртка модели в API.
Prometheus / Grafana — мониторинг; очереди (Celery / RQ), Redis, Postgres — базовая работа.
GitLab — основная платформа.

Будет плюсом

C/C++, Rust, Go — для инфраструктурных задач и оптимизации.
CUDA — написание кастомных ядер, профилирование.
DeepSpeed, Flash Attention — оптимизация обучения больших моделей.
vLLM — продакшен-инференс LLM.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.
JAX — альтернативный фреймворк.
Доменная специализация: NLP / CV / графы / временные ряды.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

94:T2724,

О компании

О роли

Уровень: Middle / Middle+

Опыт: 1–3 года коммерческой разработки в ML/AI

Что вы будете делать

Проектировать и реализовывать ML-пайплайны: от подготовки данных до обучения, валидации и деплоя моделей.
Проводить контролируемые эксперименты: ablation study, контрольные группы, оценка статистической значимости результатов.
Воспроизводить научные статьи и адаптировать методы под задачи бизнеса (симуляции, тренажёры, физика).
Разрабатывать и обучать RL-агентов в симуляциях, настраивать векторизованные среды и параллельный сбор опыта.
Оптимизировать инференс: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Строить мониторинг моделей: дрейф данных, деградация качества, алертинг.
Упаковывать результаты исследований в прототипы и API для передачи в прод.
Участвовать в планировании задач и архитектуры проектов, предлагать технические решения.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание юнит-тестов для моделей и пайплайнов.
SQL — уверенные запросы, JOIN, агрегации, оконные функции (базово).
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы — применительно к оценке экспериментов.

ML-инженерия

PyTorch (основной) — уверенное владение: кастомные Dataset/DataLoader, обучение, валидация, сохранение/загрузка чекпоинтов.
Построение пайплайнов подготовки данных и обучения: воспроизводимость (seed, версионирование данных), конфигурирование экспериментов.
Деплой моделей: упаковка в сервис (FastAPI), версионирование, канареечные релизы (базово).
Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Основы облачной инфраструктуры.

RL-инфраструктура

Понимание постановки MDP (состояния, действия, награды, политика, ценность).
Experience replay, policy gradient vs value-based методы (базовое понимание).
Опыт обучения агентов в симуляции: Isaac Lab / Gymnasium / PettingZoo / другие.
Векторизованные среды, параллельный сбор опыта.
Понимание sim-to-real transfer.

Продуктовое мышление

Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры проектов: умение предложить структуру пайплайна, выбрать инструменты и обосновать выбор.

Инструменты

Python-экосистема для данных: pandas, NumPy.
PyTorch — основной фреймворк; TensorFlow — как альтернатива (плюс).
Hugging Face — работа с предобученными моделями и токенизаторами.
W&B / MLflow — трекинг экспериментов.
Docker (базово), CI/CD (GitHub Actions / GitLab CI).
FastAPI / Pydantic — обёртка модели в API.
Prometheus / Grafana — мониторинг; очереди (Celery / RQ), Redis, Postgres — базовая работа.
GitLab — основная платформа.

Будет плюсом

C/C++, Rust, Go — для инфраструктурных задач и оптимизации.
CUDA — написание кастомных ядер, профилирование.
DeepSpeed, Flash Attention — оптимизация обучения больших моделей.
vLLM — продакшен-инференс LLM.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.
JAX — альтернативный фреймворк.
Доменная специализация: NLP / CV / графы / временные ряды.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

95:T2724,

О компании

О роли

Уровень: Middle / Middle+

Опыт: 1–3 года коммерческой разработки в ML/AI

Что вы будете делать

Проектировать и реализовывать ML-пайплайны: от подготовки данных до обучения, валидации и деплоя моделей.
Проводить контролируемые эксперименты: ablation study, контрольные группы, оценка статистической значимости результатов.
Воспроизводить научные статьи и адаптировать методы под задачи бизнеса (симуляции, тренажёры, физика).
Разрабатывать и обучать RL-агентов в симуляциях, настраивать векторизованные среды и параллельный сбор опыта.
Оптимизировать инференс: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Строить мониторинг моделей: дрейф данных, деградация качества, алертинг.
Упаковывать результаты исследований в прототипы и API для передачи в прод.
Участвовать в планировании задач и архитектуры проектов, предлагать технические решения.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание юнит-тестов для моделей и пайплайнов.
SQL — уверенные запросы, JOIN, агрегации, оконные функции (базово).
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы — применительно к оценке экспериментов.

ML-инженерия

PyTorch (основной) — уверенное владение: кастомные Dataset/DataLoader, обучение, валидация, сохранение/загрузка чекпоинтов.
Построение пайплайнов подготовки данных и обучения: воспроизводимость (seed, версионирование данных), конфигурирование экспериментов.
Деплой моделей: упаковка в сервис (FastAPI), версионирование, канареечные релизы (базово).
Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Основы облачной инфраструктуры.

RL-инфраструктура

Понимание постановки MDP (состояния, действия, награды, политика, ценность).
Experience replay, policy gradient vs value-based методы (базовое понимание).
Опыт обучения агентов в симуляции: Isaac Lab / Gymnasium / PettingZoo / другие.
Векторизованные среды, параллельный сбор опыта.
Понимание sim-to-real transfer.

Продуктовое мышление

Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры проектов: умение предложить структуру пайплайна, выбрать инструменты и обосновать выбор.

Инструменты

Python-экосистема для данных: pandas, NumPy.
PyTorch — основной фреймворк; TensorFlow — как альтернатива (плюс).
Hugging Face — работа с предобученными моделями и токенизаторами.
W&B / MLflow — трекинг экспериментов.
Docker (базово), CI/CD (GitHub Actions / GitLab CI).
FastAPI / Pydantic — обёртка модели в API.
Prometheus / Grafana — мониторинг; очереди (Celery / RQ), Redis, Postgres — базовая работа.
GitLab — основная платформа.

Будет плюсом

C/C++, Rust, Go — для инфраструктурных задач и оптимизации.
CUDA — написание кастомных ядер, профилирование.
DeepSpeed, Flash Attention — оптимизация обучения больших моделей.
vLLM — продакшен-инференс LLM.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.
JAX — альтернативный фреймворк.
Доменная специализация: NLP / CV / графы / временные ряды.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

96:T2724,

О компании

О роли

Уровень: Middle / Middle+

Опыт: 1–3 года коммерческой разработки в ML/AI

Что вы будете делать

Проектировать и реализовывать ML-пайплайны: от подготовки данных до обучения, валидации и деплоя моделей.
Проводить контролируемые эксперименты: ablation study, контрольные группы, оценка статистической значимости результатов.
Воспроизводить научные статьи и адаптировать методы под задачи бизнеса (симуляции, тренажёры, физика).
Разрабатывать и обучать RL-агентов в симуляциях, настраивать векторизованные среды и параллельный сбор опыта.
Оптимизировать инференс: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Строить мониторинг моделей: дрейф данных, деградация качества, алертинг.
Упаковывать результаты исследований в прототипы и API для передачи в прод.
Участвовать в планировании задач и архитектуры проектов, предлагать технические решения.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание юнит-тестов для моделей и пайплайнов.
SQL — уверенные запросы, JOIN, агрегации, оконные функции (базово).
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы — применительно к оценке экспериментов.

ML-инженерия

PyTorch (основной) — уверенное владение: кастомные Dataset/DataLoader, обучение, валидация, сохранение/загрузка чекпоинтов.
Построение пайплайнов подготовки данных и обучения: воспроизводимость (seed, версионирование данных), конфигурирование экспериментов.
Деплой моделей: упаковка в сервис (FastAPI), версионирование, канареечные релизы (базово).
Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / llama-cpp.
Основы облачной инфраструктуры.

RL-инфраструктура

Понимание постановки MDP (состояния, действия, награды, политика, ценность).
Experience replay, policy gradient vs value-based методы (базовое понимание).
Опыт обучения агентов в симуляции: Isaac Lab / Gymnasium / PettingZoo / другие.
Векторизованные среды, параллельный сбор опыта.
Понимание sim-to-real transfer.

Продуктовое мышление

Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры проектов: умение предложить структуру пайплайна, выбрать инструменты и обосновать выбор.

Инструменты

Python-экосистема для данных: pandas, NumPy.
PyTorch — основной фреймворк; TensorFlow — как альтернатива (плюс).
Hugging Face — работа с предобученными моделями и токенизаторами.
W&B / MLflow — трекинг экспериментов.
Docker (базово), CI/CD (GitHub Actions / GitLab CI).
FastAPI / Pydantic — обёртка модели в API.
Prometheus / Grafana — мониторинг; очереди (Celery / RQ), Redis, Postgres — базовая работа.
GitLab — основная платформа.

Будет плюсом

C/C++, Rust, Go — для инфраструктурных задач и оптимизации.
CUDA — написание кастомных ядер, профилирование.
DeepSpeed, Flash Attention — оптимизация обучения больших моделей.
vLLM — продакшен-инференс LLM.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.
JAX — альтернативный фреймворк.
Доменная специализация: NLP / CV / графы / временные ряды.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

97:T2cd0,

О компании

Полигонатор — быстрорастущая компания, специализирующаяся на создании инновационных тренажёров для различных предприятий. Наши решения охватывают широкий спектр: классические обучающие комплексы, интерактивные среды для отработки управления техникой в симуляциях с реалистичной физикой и иммерсивные VR-тренажёры.

О роли

Мы ищем Data Scientist с опытом в Computer Vision, который умеет превращать бизнес-задачу в техническую постановку, строить прогнозные и CV-модели и проверять гипотезы статистически строго. Вы будете работать с данными тренажёров и симуляций: анализировать поведение пользователей, обрабатывать изображения и видео с камер, строить модели детекции и сегментации, проектировать и анализировать A/B-эксперименты. Роль — на стыке аналитики, классического ML, компьютерного зрения и продуктового мышления.

Уровень: Middle / Middle+
Опыт: 1–3 года коммерческой работы в Data Science / аналитике данных, включая задачи Computer Vision
Формат: офис, г. Таганрог, ул. Котлостроительная, 2-6; график 5/2, 10:00–18:00

Что вы будете делать

Переводить бизнес-задачи в техническую постановку: определять целевую метрику, данные, критерии успеха.
Строить прогнозные модели: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
Решать задачи Computer Vision: классификация изображений, детекция объектов, сегментация, трекинг, обработка видео с камер и VR-устройств.
Заниматься feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики и визуальных данных.
Проектировать и анализировать A/B-эксперименты: расчёт размера выборки, контроль ошибок I/II рода, интерпретация результатов.
Проводить статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Работать с продуктовыми метриками: retention, LTV, конверсия.
Готовить аналитические отчёты и дашборды, объяснять результаты нетехническим стейкхолдерам.
Участвовать в планировании задач и архитектуры аналитических решений, предлагать технические подходы.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание тестов для функций обработки данных и моделей.
Docker — упаковка окружения и аналитических сервисов.
SQL — уверенные запросы: JOIN, агрегации, оконные функции, подзапросы, CTE.
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.

Классический ML

Регрессия, классификация — уверенное понимание постановки, метрик, диагностики.
Ансамбли: XGBoost / LightGBM / CatBoost — практический опыт.
Кластеризация, PCA — понимание и практическое применение.
Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.

Computer Vision

Классификация изображений: CNN, transfer learning, аугментации.
Детекция объектов: YOLO / Faster R-CNN / SSD — практический опыт.
Сегментация: U-Net / Mask R-CNN / SAM — понимание и применение.
Трекинг объектов и обработка видео: оптический поток, трекинг по детекциям (SORT / DeepSORT).
Работа с изображениями и видео: OpenCV, PIL/Pillow, torchvision.
Метрики CV: IoU, mAP, precision/recall по классам, F1.
Подготовка данных для CV: разметка, аугментации (Albumentations), балансировка классов, работа с дисбалансом.

Продуктовое мышление

Понимание продуктовых метрик: retention, LTV, конверсия.
Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры аналитических решений: умение предложить структуру витрины данных, выбрать инструменты и обосновать выбор.

Инструменты

pandas, NumPy — основной инструментарий обработки данных.
scikit-learn — построение и валидация моделей (Pipeline, ColumnTransformer, кросс-валидация, метрики).
PyTorch — обучение CV-моделей; torchvision.
OpenCV, PIL/Pillow — обработка изображений и видео.
Albumentations — аугментации.
Matplotlib / Seaborn / Plotly — визуализация данных и результатов.
XGBoost / LightGBM — градиентный бустинг.
SQL, Git.
GitLab — основная платформа.

Будет плюсом

Polars — быстрая обработка больших датафреймов.
PySpark — работа с большими данными.
MLflow — трекинг экспериментов и версионирование моделей.
Airflow — оркестрация пайплайнов данных.
Streamlit / Dash — быстрые интерактивные дашборды и прототипы.
TensorFlow / Keras — альтернативный фреймворк для CV.
Detectron2, MMDetection — фреймворки для детекции и сегментации.
Работа с 3D-данными: point clouds, depth maps, стерео-зрение.
C/C++, Rust, Go — для инфраструктурных задач.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость, удалённо, гибрид.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

98:T2cd0,

О компании

О роли

Что вы будете делать

Переводить бизнес-задачи в техническую постановку: определять целевую метрику, данные, критерии успеха.
Строить прогнозные модели: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
Решать задачи Computer Vision: классификация изображений, детекция объектов, сегментация, трекинг, обработка видео с камер и VR-устройств.
Заниматься feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики и визуальных данных.
Проектировать и анализировать A/B-эксперименты: расчёт размера выборки, контроль ошибок I/II рода, интерпретация результатов.
Проводить статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Работать с продуктовыми метриками: retention, LTV, конверсия.
Готовить аналитические отчёты и дашборды, объяснять результаты нетехническим стейкхолдерам.
Участвовать в планировании задач и архитектуры аналитических решений, предлагать технические подходы.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание тестов для функций обработки данных и моделей.
Docker — упаковка окружения и аналитических сервисов.
SQL — уверенные запросы: JOIN, агрегации, оконные функции, подзапросы, CTE.
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.

Классический ML

Регрессия, классификация — уверенное понимание постановки, метрик, диагностики.
Ансамбли: XGBoost / LightGBM / CatBoost — практический опыт.
Кластеризация, PCA — понимание и практическое применение.
Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.

Computer Vision

Классификация изображений: CNN, transfer learning, аугментации.
Детекция объектов: YOLO / Faster R-CNN / SSD — практический опыт.
Сегментация: U-Net / Mask R-CNN / SAM — понимание и применение.
Трекинг объектов и обработка видео: оптический поток, трекинг по детекциям (SORT / DeepSORT).
Работа с изображениями и видео: OpenCV, PIL/Pillow, torchvision.
Метрики CV: IoU, mAP, precision/recall по классам, F1.
Подготовка данных для CV: разметка, аугментации (Albumentations), балансировка классов, работа с дисбалансом.

Продуктовое мышление

Понимание продуктовых метрик: retention, LTV, конверсия.
Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры аналитических решений: умение предложить структуру витрины данных, выбрать инструменты и обосновать выбор.

Инструменты

pandas, NumPy — основной инструментарий обработки данных.
scikit-learn — построение и валидация моделей (Pipeline, ColumnTransformer, кросс-валидация, метрики).
PyTorch — обучение CV-моделей; torchvision.
OpenCV, PIL/Pillow — обработка изображений и видео.
Albumentations — аугментации.
Matplotlib / Seaborn / Plotly — визуализация данных и результатов.
XGBoost / LightGBM — градиентный бустинг.
SQL, Git.
GitLab — основная платформа.

Будет плюсом

Polars — быстрая обработка больших датафреймов.
PySpark — работа с большими данными.
MLflow — трекинг экспериментов и версионирование моделей.
Airflow — оркестрация пайплайнов данных.
Streamlit / Dash — быстрые интерактивные дашборды и прототипы.
TensorFlow / Keras — альтернативный фреймворк для CV.
Detectron2, MMDetection — фреймворки для детекции и сегментации.
Работа с 3D-данными: point clouds, depth maps, стерео-зрение.
C/C++, Rust, Go — для инфраструктурных задач.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость, удалённо, гибрид.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

99:T2cd0,

О компании

О роли

Что вы будете делать

Переводить бизнес-задачи в техническую постановку: определять целевую метрику, данные, критерии успеха.
Строить прогнозные модели: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
Решать задачи Computer Vision: классификация изображений, детекция объектов, сегментация, трекинг, обработка видео с камер и VR-устройств.
Заниматься feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики и визуальных данных.
Проектировать и анализировать A/B-эксперименты: расчёт размера выборки, контроль ошибок I/II рода, интерпретация результатов.
Проводить статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Работать с продуктовыми метриками: retention, LTV, конверсия.
Готовить аналитические отчёты и дашборды, объяснять результаты нетехническим стейкхолдерам.
Участвовать в планировании задач и архитектуры аналитических решений, предлагать технические подходы.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание тестов для функций обработки данных и моделей.
Docker — упаковка окружения и аналитических сервисов.
SQL — уверенные запросы: JOIN, агрегации, оконные функции, подзапросы, CTE.
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.

Классический ML

Регрессия, классификация — уверенное понимание постановки, метрик, диагностики.
Ансамбли: XGBoost / LightGBM / CatBoost — практический опыт.
Кластеризация, PCA — понимание и практическое применение.
Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.

Computer Vision

Классификация изображений: CNN, transfer learning, аугментации.
Детекция объектов: YOLO / Faster R-CNN / SSD — практический опыт.
Сегментация: U-Net / Mask R-CNN / SAM — понимание и применение.
Трекинг объектов и обработка видео: оптический поток, трекинг по детекциям (SORT / DeepSORT).
Работа с изображениями и видео: OpenCV, PIL/Pillow, torchvision.
Метрики CV: IoU, mAP, precision/recall по классам, F1.
Подготовка данных для CV: разметка, аугментации (Albumentations), балансировка классов, работа с дисбалансом.

Продуктовое мышление

Понимание продуктовых метрик: retention, LTV, конверсия.
Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры аналитических решений: умение предложить структуру витрины данных, выбрать инструменты и обосновать выбор.

Инструменты

pandas, NumPy — основной инструментарий обработки данных.
scikit-learn — построение и валидация моделей (Pipeline, ColumnTransformer, кросс-валидация, метрики).
PyTorch — обучение CV-моделей; torchvision.
OpenCV, PIL/Pillow — обработка изображений и видео.
Albumentations — аугментации.
Matplotlib / Seaborn / Plotly — визуализация данных и результатов.
XGBoost / LightGBM — градиентный бустинг.
SQL, Git.
GitLab — основная платформа.

Будет плюсом

Polars — быстрая обработка больших датафреймов.
PySpark — работа с большими данными.
MLflow — трекинг экспериментов и версионирование моделей.
Airflow — оркестрация пайплайнов данных.
Streamlit / Dash — быстрые интерактивные дашборды и прототипы.
TensorFlow / Keras — альтернативный фреймворк для CV.
Detectron2, MMDetection — фреймворки для детекции и сегментации.
Работа с 3D-данными: point clouds, depth maps, стерео-зрение.
C/C++, Rust, Go — для инфраструктурных задач.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость, удалённо, гибрид.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

9a:T2cd0,

О компании

О роли

Что вы будете делать

Переводить бизнес-задачи в техническую постановку: определять целевую метрику, данные, критерии успеха.
Строить прогнозные модели: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
Решать задачи Computer Vision: классификация изображений, детекция объектов, сегментация, трекинг, обработка видео с камер и VR-устройств.
Заниматься feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики и визуальных данных.
Проектировать и анализировать A/B-эксперименты: расчёт размера выборки, контроль ошибок I/II рода, интерпретация результатов.
Проводить статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Работать с продуктовыми метриками: retention, LTV, конверсия.
Готовить аналитические отчёты и дашборды, объяснять результаты нетехническим стейкхолдерам.
Участвовать в планировании задач и архитектуры аналитических решений, предлагать технические подходы.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание тестов для функций обработки данных и моделей.
Docker — упаковка окружения и аналитических сервисов.
SQL — уверенные запросы: JOIN, агрегации, оконные функции, подзапросы, CTE.
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.

Классический ML

Регрессия, классификация — уверенное понимание постановки, метрик, диагностики.
Ансамбли: XGBoost / LightGBM / CatBoost — практический опыт.
Кластеризация, PCA — понимание и практическое применение.
Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.

Computer Vision

Классификация изображений: CNN, transfer learning, аугментации.
Детекция объектов: YOLO / Faster R-CNN / SSD — практический опыт.
Сегментация: U-Net / Mask R-CNN / SAM — понимание и применение.
Трекинг объектов и обработка видео: оптический поток, трекинг по детекциям (SORT / DeepSORT).
Работа с изображениями и видео: OpenCV, PIL/Pillow, torchvision.
Метрики CV: IoU, mAP, precision/recall по классам, F1.
Подготовка данных для CV: разметка, аугментации (Albumentations), балансировка классов, работа с дисбалансом.

Продуктовое мышление

Понимание продуктовых метрик: retention, LTV, конверсия.
Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры аналитических решений: умение предложить структуру витрины данных, выбрать инструменты и обосновать выбор.

Инструменты

pandas, NumPy — основной инструментарий обработки данных.
scikit-learn — построение и валидация моделей (Pipeline, ColumnTransformer, кросс-валидация, метрики).
PyTorch — обучение CV-моделей; torchvision.
OpenCV, PIL/Pillow — обработка изображений и видео.
Albumentations — аугментации.
Matplotlib / Seaborn / Plotly — визуализация данных и результатов.
XGBoost / LightGBM — градиентный бустинг.
SQL, Git.
GitLab — основная платформа.

Будет плюсом

Polars — быстрая обработка больших датафреймов.
PySpark — работа с большими данными.
MLflow — трекинг экспериментов и версионирование моделей.
Airflow — оркестрация пайплайнов данных.
Streamlit / Dash — быстрые интерактивные дашборды и прототипы.
TensorFlow / Keras — альтернативный фреймворк для CV.
Detectron2, MMDetection — фреймворки для детекции и сегментации.
Работа с 3D-данными: point clouds, depth maps, стерео-зрение.
C/C++, Rust, Go — для инфраструктурных задач.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость, удалённо, гибрид.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

9b:T2cd0,

О компании

О роли

Что вы будете делать

Переводить бизнес-задачи в техническую постановку: определять целевую метрику, данные, критерии успеха.
Строить прогнозные модели: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
Решать задачи Computer Vision: классификация изображений, детекция объектов, сегментация, трекинг, обработка видео с камер и VR-устройств.
Заниматься feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики и визуальных данных.
Проектировать и анализировать A/B-эксперименты: расчёт размера выборки, контроль ошибок I/II рода, интерпретация результатов.
Проводить статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Работать с продуктовыми метриками: retention, LTV, конверсия.
Готовить аналитические отчёты и дашборды, объяснять результаты нетехническим стейкхолдерам.
Участвовать в планировании задач и архитектуры аналитических решений, предлагать технические подходы.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание тестов для функций обработки данных и моделей.
Docker — упаковка окружения и аналитических сервисов.
SQL — уверенные запросы: JOIN, агрегации, оконные функции, подзапросы, CTE.
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.

Классический ML

Регрессия, классификация — уверенное понимание постановки, метрик, диагностики.
Ансамбли: XGBoost / LightGBM / CatBoost — практический опыт.
Кластеризация, PCA — понимание и практическое применение.
Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.

Computer Vision

Классификация изображений: CNN, transfer learning, аугментации.
Детекция объектов: YOLO / Faster R-CNN / SSD — практический опыт.
Сегментация: U-Net / Mask R-CNN / SAM — понимание и применение.
Трекинг объектов и обработка видео: оптический поток, трекинг по детекциям (SORT / DeepSORT).
Работа с изображениями и видео: OpenCV, PIL/Pillow, torchvision.
Метрики CV: IoU, mAP, precision/recall по классам, F1.
Подготовка данных для CV: разметка, аугментации (Albumentations), балансировка классов, работа с дисбалансом.

Продуктовое мышление

Понимание продуктовых метрик: retention, LTV, конверсия.
Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры аналитических решений: умение предложить структуру витрины данных, выбрать инструменты и обосновать выбор.

Инструменты

pandas, NumPy — основной инструментарий обработки данных.
scikit-learn — построение и валидация моделей (Pipeline, ColumnTransformer, кросс-валидация, метрики).
PyTorch — обучение CV-моделей; torchvision.
OpenCV, PIL/Pillow — обработка изображений и видео.
Albumentations — аугментации.
Matplotlib / Seaborn / Plotly — визуализация данных и результатов.
XGBoost / LightGBM — градиентный бустинг.
SQL, Git.
GitLab — основная платформа.

Будет плюсом

Polars — быстрая обработка больших датафреймов.
PySpark — работа с большими данными.
MLflow — трекинг экспериментов и версионирование моделей.
Airflow — оркестрация пайплайнов данных.
Streamlit / Dash — быстрые интерактивные дашборды и прототипы.
TensorFlow / Keras — альтернативный фреймворк для CV.
Detectron2, MMDetection — фреймворки для детекции и сегментации.
Работа с 3D-данными: point clouds, depth maps, стерео-зрение.
C/C++, Rust, Go — для инфраструктурных задач.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость, удалённо, гибрид.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

9c:T2cd0,

О компании

О роли

Что вы будете делать

Переводить бизнес-задачи в техническую постановку: определять целевую метрику, данные, критерии успеха.
Строить прогнозные модели: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
Решать задачи Computer Vision: классификация изображений, детекция объектов, сегментация, трекинг, обработка видео с камер и VR-устройств.
Заниматься feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики и визуальных данных.
Проектировать и анализировать A/B-эксперименты: расчёт размера выборки, контроль ошибок I/II рода, интерпретация результатов.
Проводить статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Работать с продуктовыми метриками: retention, LTV, конверсия.
Готовить аналитические отчёты и дашборды, объяснять результаты нетехническим стейкхолдерам.
Участвовать в планировании задач и архитектуры аналитических решений, предлагать технические подходы.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание тестов для функций обработки данных и моделей.
Docker — упаковка окружения и аналитических сервисов.
SQL — уверенные запросы: JOIN, агрегации, оконные функции, подзапросы, CTE.
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.

Классический ML

Регрессия, классификация — уверенное понимание постановки, метрик, диагностики.
Ансамбли: XGBoost / LightGBM / CatBoost — практический опыт.
Кластеризация, PCA — понимание и практическое применение.
Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.

Computer Vision

Классификация изображений: CNN, transfer learning, аугментации.
Детекция объектов: YOLO / Faster R-CNN / SSD — практический опыт.
Сегментация: U-Net / Mask R-CNN / SAM — понимание и применение.
Трекинг объектов и обработка видео: оптический поток, трекинг по детекциям (SORT / DeepSORT).
Работа с изображениями и видео: OpenCV, PIL/Pillow, torchvision.
Метрики CV: IoU, mAP, precision/recall по классам, F1.
Подготовка данных для CV: разметка, аугментации (Albumentations), балансировка классов, работа с дисбалансом.

Продуктовое мышление

Понимание продуктовых метрик: retention, LTV, конверсия.
Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры аналитических решений: умение предложить структуру витрины данных, выбрать инструменты и обосновать выбор.

Инструменты

pandas, NumPy — основной инструментарий обработки данных.
scikit-learn — построение и валидация моделей (Pipeline, ColumnTransformer, кросс-валидация, метрики).
PyTorch — обучение CV-моделей; torchvision.
OpenCV, PIL/Pillow — обработка изображений и видео.
Albumentations — аугментации.
Matplotlib / Seaborn / Plotly — визуализация данных и результатов.
XGBoost / LightGBM — градиентный бустинг.
SQL, Git.
GitLab — основная платформа.

Будет плюсом

Polars — быстрая обработка больших датафреймов.
PySpark — работа с большими данными.
MLflow — трекинг экспериментов и версионирование моделей.
Airflow — оркестрация пайплайнов данных.
Streamlit / Dash — быстрые интерактивные дашборды и прототипы.
TensorFlow / Keras — альтернативный фреймворк для CV.
Detectron2, MMDetection — фреймворки для детекции и сегментации.
Работа с 3D-данными: point clouds, depth maps, стерео-зрение.
C/C++, Rust, Go — для инфраструктурных задач.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость, удалённо, гибрид.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

9d:T2cd0,

О компании

О роли

Что вы будете делать

Переводить бизнес-задачи в техническую постановку: определять целевую метрику, данные, критерии успеха.
Строить прогнозные модели: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
Решать задачи Computer Vision: классификация изображений, детекция объектов, сегментация, трекинг, обработка видео с камер и VR-устройств.
Заниматься feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики и визуальных данных.
Проектировать и анализировать A/B-эксперименты: расчёт размера выборки, контроль ошибок I/II рода, интерпретация результатов.
Проводить статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Работать с продуктовыми метриками: retention, LTV, конверсия.
Готовить аналитические отчёты и дашборды, объяснять результаты нетехническим стейкхолдерам.
Участвовать в планировании задач и архитектуры аналитических решений, предлагать технические подходы.
Работать в команде: ветки, код-ревью, CI/CD.

Требования

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне.
PyTest — написание тестов для функций обработки данных и моделей.
Docker — упаковка окружения и аналитических сервисов.
SQL — уверенные запросы: JOIN, агрегации, оконные функции, подзапросы, CTE.
Английский — чтение документации и научных статей.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей (train/val/test, кросс-валидация, стратификация).
Понимание переобучения, утечки данных (data leakage) и методов борьбы с ними.
Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.

Классический ML

Регрессия, классификация — уверенное понимание постановки, метрик, диагностики.
Ансамбли: XGBoost / LightGBM / CatBoost — практический опыт.
Кластеризация, PCA — понимание и практическое применение.
Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.

Computer Vision

Классификация изображений: CNN, transfer learning, аугментации.
Детекция объектов: YOLO / Faster R-CNN / SSD — практический опыт.
Сегментация: U-Net / Mask R-CNN / SAM — понимание и применение.
Трекинг объектов и обработка видео: оптический поток, трекинг по детекциям (SORT / DeepSORT).
Работа с изображениями и видео: OpenCV, PIL/Pillow, torchvision.
Метрики CV: IoU, mAP, precision/recall по классам, F1.
Подготовка данных для CV: разметка, аугментации (Albumentations), балансировка классов, работа с дисбалансом.

Продуктовое мышление

Понимание продуктовых метрик: retention, LTV, конверсия.
Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.
Участие в планировании задач и архитектуры аналитических решений: умение предложить структуру витрины данных, выбрать инструменты и обосновать выбор.

Инструменты

pandas, NumPy — основной инструментарий обработки данных.
scikit-learn — построение и валидация моделей (Pipeline, ColumnTransformer, кросс-валидация, метрики).
PyTorch — обучение CV-моделей; torchvision.
OpenCV, PIL/Pillow — обработка изображений и видео.
Albumentations — аугментации.
Matplotlib / Seaborn / Plotly — визуализация данных и результатов.
XGBoost / LightGBM — градиентный бустинг.
SQL, Git.
GitLab — основная платформа.

Будет плюсом

Polars — быстрая обработка больших датафреймов.
PySpark — работа с большими данными.
MLflow — трекинг экспериментов и версионирование моделей.
Airflow — оркестрация пайплайнов данных.
Streamlit / Dash — быстрые интерактивные дашборды и прототипы.
TensorFlow / Keras — альтернативный фреймворк для CV.
Detectron2, MMDetection — фреймворки для детекции и сегментации.
Работа с 3D-данными: point clouds, depth maps, стерео-зрение.
C/C++, Rust, Go — для инфраструктурных задач.
Unreal Engine 5 — понимание среды, в которой работают наши симуляции.

Условия

ИТ-аккредитация компании.
Официальное трудоустройство, полностью «белая» заработная плата.
Социальный пакет по ТК РФ.
Заработная плата обсуждается индивидуально по итогам собеседования.
Адрес: г. Таганрог, ул. Котлостроительная, 2-6.
График: 5/2, с 10:00 до 18:00, офисная занятость, удалённо, гибрид.
Современный технически оснащённый офис.
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения.
Дружная команда и комфортная рабочая атмосфера.

9e:T1731,

Полигонатор — быстрорастущая компания-разработчик программного обеспечения для VR-тренажёров и иммерсивных решений. Мы специализируемся на создании инновационных тренажёров, которые применяются в виртуальной реальности в различных направлениях проектов.

Наша команда увлечена своим делом и стремится сделать виртуальную реальность доступной для всех.

С 2016 года мы реализовали более 40 проектов, накопили богатый опыт и научились успешно применять современные технологии для решения практических задач. В нашей работе мы используем Unreal Engine 5 — мощный инструмент для создания детализированных и реалистичных виртуальных сред.

Виртуальная реальность — это новые возможности и новое пространство для людей и бизнеса.

На данный момент мы в поиске Тестировщика ПО для усиления нашей команды.

Обязанности

Тестирование программного обеспечения на реальном оборудовании (ПК, устройства, периферия, игровые стенды и т. п.).
Проведение функционального, регрессионного, дымового и эксплуатационного тестирования.
Проверка работы ПО в различных конфигурациях оборудования и операционных систем.
Выявление, воспроизведение и фиксация багов: шаги воспроизведения, окружение, логи, скриншоты/видео.
Составление правильных и подробных отчётов о тестировании и найденных дефектах.
Работа в системе учёта задач/багов Kaiten: создание задач, обновление статусов, комментарии.
Взаимодействие с разработчиками, тимлидами и продуктовой командой: уточнение багов, проверка исправлений.
Ведение документации по тестированию: чек-листы, тест-кейсы, инструкции по запуску тестов.

Требования

Опыт тестирования ПО от 0.5–1 года (в т.ч. стажёр/младший тестировщик).
Понимание основ тестирования: виды тестирования, жизненный цикл бага, тест-кейсы, чек-листы.
Умение работать с реальным оборудованием: сборка/пересборка стендов, подключение периферии, настройка драйверов.
Уверенное владение Windows (базово — Linux, если требуется).
Навыки работы с системами учёта задач/багов (Kaiten, Jira, Asana и аналоги).
Грамотная письменная речь, умение писать чёткие и полную отчёты и баг-репорты.
Внимательность к деталям, системность, ответственность.
Умение работать по инструкциям и гайдлайнам.
Наши условия труда для тебя:
ИТ аккредитация компании;
Официальное трудоустройство, полностью "белая" заработная плата;
Соц. пакет по ТК РФ;
Уровень заработной платы обсуждается индивидуально по итогам интервью;
Мы находимся по адресу: Котлостроительная, 2-6, г. Таганрог;
Уютный современный офис, оснащенный по последнему слову техники;
График работы 5/2 с 10:00 до 18:00, офисная занятость❗️;
Возможность реализовать свои идеи;
Дружный коллектив и хороший психологический климат.
"Если ты горишь желанием превратить метавселенную в реальность для каждого, присоединяйся к нашей команде и давай вместе создадим нечто значимое и важное!

Твои идеи могут изменить мир!"

Давайте создадим что-нибудь грандиозное Вместе!

Ждем тебя в команду! Откликайся!

9f:T174c,

Полигонатор - компания-разработчик программного обеспечения для тренажёров на базе Unreal Engine 5.

Мы разрабатываем тренажёры на базе Unreal Engine 5 и собираем большие realtime-сцены с техникой, инфраструктурой и детализированным окружением.

Ищем 3D Artist, который сможет брать объект от ТЗ и референсов и самостоятельно доводить его до готового ассета в UE5.

Чем предстоит заниматься

-Создавать environment-ассеты по референсам, чертежам и техническим заданиям: здания, инфраструктуру, пропы, технику и промышленные объекты.
-Выполнять полный цикл создания ассета: blocking, high poly, low poly, UV-развёртка, bake, PBR-текстуры.
-Создавать модульные наборы и ассеты для повторного использования в больших сценах.
-Соблюдать технические требования проекта: масштаб, pivot, poly budget, texel density, коллизии, нейминг и организацию файлов.
-Подготавливать модели для realtime и импортировать их в Unreal Engine 5.
-Проверять свои ассеты в движке: масштаб, внешний вид, корректность материалов и общую готовность к использованию в сцене.
-Самостоятельно оценивать сроки по своим задачам и заранее обозначать возможные сложности и риски.
-Участвовать в арт-ревью и дорабатывать ассеты по обратной связи.
-Поддерживать порядок в исходниках и корректно передавать готовые ассеты дальше по пайплайну.

Что мы ожидаем

-Опыт коммерческой работы в 3D.
-Уверенные навыки создания environment-ассетов для realtime-проектов.
-Способность самостоятельно пройти полный цикл создания game-ready ассета.
-Владение одним из основных 3D-пакетов: Blender, Maya, 3ds Max или аналогичным.
-Уверенная работа в Substance 3D Painter.
-Понимание PBR-пайплайна, UV-развёртки и bake.
-Понимание технических требований и принципов оптимизации 3D-ассетов для realtime: poly budget, texel density, коллизии, масштаб и общая производительность.
-Практический опыт работы с Unreal Engine 5 на уровне импорта ассета, проверки его в движке и подготовки к использованию в проекте.
-Внимание к форме, пропорциям, силуэту и соответствию референсам.
-Умение добиваться визуально цельного и технически корректного результата.
-Самостоятельность в работе и способность доводить задачу от ТЗ и референсов до готового ассета без постоянного контроля.
-Умение обсуждать задачу с командой, вовремя задавать вопросы и заранее сообщать о возможных проблемах.
-Портфолио с законченными environment-работами.

Будет плюсом

-Substance 3D Designer
-ZBrush
-Marvelous Designer
-Houdini
-Опыт создания модульных наборов зданий и инфраструктуры
-Опыт работы с промышленными и техническими референсами
-Понимание Nanite, LOD, HLOD и PCG
-Навыки простого риггинга и подготовки подвижных элементов модели
-Опыт создания и настройки материалов в Unreal Engine 5, включая Material Instances и базовую работу с Master Materials
-Технический английский для работы с документацией и обучающими материалами

Условия

ИТ-аккредитация компании.

Официальное трудоустройство.

Полностью белая заработная плата.

Социальный пакет по ТК РФ.

Уровень заработной платы обсуждается индивидуально по итогам интервью.

Работа в офисе в Таганроге.

График 5/2, с 10:00 до 18:00.

Современное рабочее оборудование.

Возможность работать над крупными проектами на Unreal Engine 5.

Возможность влиять на визуальное качество и развитие 3D-пайплайна проекта.

a0:T15cc,

Наша команда увлечена своим делом и стремится сделать виртуальную реальность доступной для всех.

Виртуальная реальность — это новые возможности и новое пространство для людей и бизнеса.

На данный момент мы в поиске Программиста C++ для усиления нашей команды.

Чем предстоит заниматься:
- Написание программ и приложений для различных платформ;
- Использование C++ для разработки игровых движков, а также для написания кода, также для написания кода для самих игр; (Многие известные игровые движки (например, Unreal Engine) написаны на C++)
-Анализ и оптимизация существующего кода для улучшения производительности и эффективности;
-Разработка операционных систем, драйверов и других системных утилит;
-Работа с программным обеспечением для встроенных систем, таких как микроконтроллеры и различные устройства IoT, где требуется оптимизация по памяти и скорости;
-Создание и поддержка библиотек и фреймворков, которые могут использоваться другими разработчиками для упрощения их работы;
-Применение C++ для создания приложений, требующих высокой вычислительной мощности;
-Написание тестов и поддержка тестов, отладка кода, чтобы гарантировать его качественную работу и отсутствие ошибок;
-Создание документации для ПО и написание комментариев к коду для поддержки и понимания его другими разработчиками.

Требования:
- Желание работать и обучаться новому;
- Знание основ программирования;
- Знание алгоритмов и структур данных ;
- Понимание ООП;
- Знание основ C++;

Будет плюсом:
- Знание Unreal Engine (на базовом уровне);
- Знание основ визуального скриптинга Blueprint.

Наши условия труда для тебя:
- ИТ аккредитация компании;
-Официальное трудоустройство, полностью "белая" заработная плата;
-Соц. пакет по ТК РФ;
-Уровень заработной платы обсуждается индивидуально по итогам интервью;
- Мы находимся по адресу: Котлостроительная, 2-6, г. Таганрог;
- Уютный современный офис, оснащенный по последнему слову техники;
- Формат работы - ОЧНЫЙ. График работы 5/2 с 9:00 до 18:00;
- Возможность реализовать свои идеи;
-Дружный коллектив и хороший психологический климат.

"Если ты горишь желанием превратить метавселенную в реальность для каждого, присоединяйся к нашей команде и давай вместе создадим нечто значимое и важное!
Твои идеи могут изменить мир!"

Давайте создадим что-нибудь грандиозное Вместе!
Ждем тебя в команду! Откликайся!

a1:T2e9e,

Полигонатор — быстрорастущая компания, специализирующаяся на создании инновационных тренажёров для различных предприятий. Наши решения охватывают широкий спектр: классические обучающие комплексы и интерактивные среды для отработки управления различными средствами/техникой в симуляциях с реалистичной физикой и иммерсивные VR-тренажёры.

Мы создаём полноценное ПО (от проектирования до внедрения ) и строим продукты с внедрением ИИ – от аналитики и прогнозных моделей до LLM-приложений и исследовательских прототипов. У нас нет «одной роли на всё»: мы нанимаем людей с сильным Python и математической базой, а вектор развития (аналитика, инфраструктура ML, LLM-продукты или R&D) выбираем вместе, исходя из ваших сильных сторон и задач бизнеса.

Наша команда увлечена своим делом и стремится сделать передовые технологии доступными для всех.

Мы ищем AI-разработчиков, в смежных направлениях которые понимают принципы работы современных технологий искусственного интеллекта и способны не только использовать готовые решения, но и проектировать, разрабатывать и совершенствовать собственные AI-системы.

Требования:

Общие требования (для всех направлений)

Инженерная база

Уверенный Python: чистый, тестируемый, воспроизводимый код (type hints, модули, venv).
Git и культура работы с ветками/ревью; понимание CI-процессов на базовом уровне, PyTest, Docker
SQL (с оговоркой по направлениям).
Умение читать документацию и научные статьи на английском.

Математическая база

Линейная алгебра, теория вероятностей, математическая статистика.
Понимание метрик качества и принципов валидации моделей.
Понимание, что такое переобучение, утечка данных (data leakage) и как с ними бороться.

Продуктовое мышление

Умение переводить бизнес-задачу в техническую постановку.
Способность объяснить результат нетехническим стейкхолдерам.
Самостоятельность: доведение задачи от постановки до результата без пошагового руководства.

Инструменты

Python-экосистема для данных: pandas, NumPy.
GitLab.

Будет плюсом

С/С++, Rust, Go, Unreal Engine 5

Требования по направлениям

Data Scientist

Специализированные знания

Статистический вывод: проверка гипотез, p-value, доверительные интервалы.
Дизайн A/B-экспериментов: расчёт размера выборки, контроль ошибок I/II рода, анализ результатов.
Классический ML: регрессия, классификация, ансамбли (XGBoost / LightGBM / CatBoost), кластеризация, PCA.
Feature engineering: обработка пропусков, выбросов, категориальных признаков; создание признаков из бизнес-логики.
Понимание продуктовых метрик (retention, LTV, конверсия).

Инструменты

pandas, NumPy, scikit-learn, Matplotlib / Seaborn / Plotly.
XGBoost / LightGBM.
SQL, Jupyter, Git.
Плюсом: Polars, PySpark, MLflow, Airflow, Streamlit / Dash.

ML Engineer

Специализированные знания

Построение пайплайнов подготовки данных и обучения моделей.
Деплой моделей: упаковка в сервис, версионирование, канареечные релизы.
Мониторинг: дрейф данных (data drift), деградация качества, алертинг.
Оптимизация инференса: батчинг, квантизация, ONNX / vLLM / TGI / Ollama / llama-cpp.
Основы облачной инфраструктуры (AWS / GCP / Azure: вычисления, хранение, IAM).
RL-инфраструктура: векторизованные среды, параллельный сбор опыта, обучение политик в симуляции, интеграция с Isaac Lab / Gymnasium.

Инструменты

PyTorch / TensorFlow.
Docker, Kubernetes, CI/CD (GitHub Actions / GitLab CI).
MLflow / W&B, FastAPI / Pydantic.
Prometheus / Grafana, очереди (Celery / RQ), Redis, Postgres.
Плюсом: Go/Rust (инфраструктура).

AI Engineer

Специализированные знания

Архитектура RAG: стратегии чанкинга, эмбеддинги, векторный и гибридный поиск, оптимизация retrieval.
LLM и промпт-инжиниринг: контекстное окно, токен-экономика, стоимость и задержка, структурированный вывод (JSON), few-shot.
Агенты и tool calling: LangChain / LangGraph, function calling, MCP-архитектура.
Оценка качества и защита: LLM-as-judge, RAGAS, снижение галлюцинаций, защита от промпт-инъекций.
Бэкенд-интеграция: FastAPI, работа с внешними API и БД.

Инструменты

FastAPI (построение API для LLM-сервисов), Docker, Redis, Celery (очереди, кэширование, фоновые задачи).
Опыт с одним из RAG-фреймворков: LlamaIndex (document-heavy RAG) или LangChain / LangGraph (агентные workflow).
Понимание выбора векторной БД: pgvector (консолидация с PostgreSQL), Pinecone (managed), Weaviate (open-source, гибридный поиск), FAISS (прототипы), Qdrant

AI R&D Developer

Специализированные знания

Глубокое обучение: уверенное владение PyTorch, понимание Transformer и смежных архитектур.
Воспроизведение статей (paper replication) и проведение контролируемых экспериментов: ablation study, контрольные группы, статистическая значимость.
Доменная специализация в одном из направлений: NLP / CV / графы / временные ряды.
Оптимизация обучения и инференса: квантизация, Flash Attention, DeepSpeed (знакомство); базовые знания CUDA — плюс.
Умение упаковать результат исследования в прототип или API для передачи в прод.
RL (плюс для R&D-вектора): понимание постановки MDP, experience replay, policy gradient vs value-based методы, sim-to-real transfer; опыт обучения агентов в симуляции (Isaac Lab, Gymnasium, PettingZoo).

Инструменты

PyTorch / JAX, Hugging Face, W&B / MLflow.
CUDA (плюс), DeepSpeed, vLLM.
Git, Docker.

Наши условия труда:

ИТ-аккредитация компании;
Официальное трудоустройство, полностью «белая» заработная плата;
Социальный пакет по ТК РФ;
Заработная плата обсуждается индивидуально по итогам собеседования;
Адрес: г. Таганрог, ул. Котлостроительная, 2-6;
График: 5/2, с 10:00 до 18:00, офисная занятость;
Современный технически оснащённый офис;
Возможность участвовать в разработке перспективных AI-продуктов, предлагать и реализовывать собственные технические решения;
Дружная команда и комфортная рабочая атмосфера.

Нам нужен инженер, который понимает, как устроен искусственный интеллект, умеет исследовать технологии и создавать собственные решения, а не только подключать готовые модели через API.

Если тебе интересно разрабатывать интеллектуальные системы и работать над сложными инженерными задачами — присоединяйся к нашей команде!

6b:[["$","script",null,{"type":"application/ld+json","suppressHydrationWarning":true,"dangerouslySetInnerHTML":{"__html":"{\"@context\":\"https://schema.org\",\"@type\":\"Organization\",\"name\":\"Полигонатор\",\"url\":\"https://h.careers/companies/poligonator\",\"memberOf\":{\"@type\":\"Organization\",\"name\":\"Эйч — сервис развития карьеры\",\"url\":\"https://h.careers\"}}"}}],["$","script",null,{"type":"application/ld+json","suppressHydrationWarning":true,"dangerouslySetInnerHTML":{"__html":"{\"@context\":\"https://schema.org\",\"@type\":\"BreadcrumbList\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Главная\",\"item\":\"https://h.careers/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Компании\",\"item\":\"https://h.careers/companies\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Полигонатор\"}]}"}}],["$","div",null,{"className":"w-full px-4 py-6","children":["$","div",null,{"className":"flex flex-col gap-6 md:flex-row md:items-start","children":[["$","div",null,{"className":"min-w-0 flex-1 rounded-3xl bg-card p-4","children":[["$","div",null,{"className":"mb-4 flex items-center justify-between gap-2","children":[["$","$L8b",null,{"href":"/companies"}],["$","$L8d",null,{"companyId":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","iconOnly":true,"className":"size-9 shrink-0"}]]}],["$","div",null,{"className":"mb-4","children":[["$","div",null,{"className":"flex min-w-0 items-center gap-3","children":[["$","div",null,{"className":"size-14 shrink-0","children":["$","div",null,{"className":"flex size-14 items-center justify-center rounded-xl bg-muted text-lg font-semibold","style":"$undefined","children":"П"}]}],["$","div",null,{"className":"min-w-0","children":[["$","h1",null,{"className":"text-2xl font-semibold tracking-tight","children":"Полигонатор"}],["$","p",null,{"className":"text-sm text-muted-foreground","children":"Таганрог, Волгоград и ещё 6"}]]}]]}],null]}],["$","$L8f",null,{"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","name":"Полигонатор","logo":null,"description":null,"website":null,"slug":"poligonator","is_verified_it_company":false,"active_jobs_count":18,"short_description":null,"pub_status":"Active","brandcolor":null,"careers_url":null,"hh_url":null,"habr_url":null,"linkedin_url":null,"telegram_url":null,"vk_url":null,"setka_url":null,"industry_text":null,"industries":[],"enrichment":null},"jobs":[{"id":"624d38ec-40aa-4cdc-961f-c1999708d19d","created_at":"2026-11-06T13:42:55.664042+00:00","title":"AI R&D Engineer / ML Engineer (Python)","description.html":"$90","level":["Junior","Middle"],"location":"Ростов-на-Дону","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:43:04.813976+00:00","published_at":"2026-11-06T13:43:04.813976+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"624d38ec-40aa-4cdc-961f-c1999708d19d","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/624d38ec-40aa-4cdc-961f-c1999708d19d.png","og_image_wide":"job/624d38ec-40aa-4cdc-961f-c1999708d19d_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","name":"ML разработчик","profession":{"id":"4686c0b5-9bfd-473d-b8f8-93bfaa5f93f1","name":"Искусственный интеллект"}}],"professions_text":"Искусственный интеллект","professions_list_id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","profession_ids":["49855cc7-6f42-4bfd-815d-fc872b78f7b1"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":249033,"curator_profile":null,"curator_profile_id":null,"city_names":["Ростов-на-Дону"],"city_ids":["7200f804-9151-47e9-9edb-9ce15b5480fe"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":false,"collection_slugs":["udalenno-iz-rossii","udalenno","dlya-starta"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"1f0f9235-d4ee-4cb2-adbb-db05f1d88177","created_at":"2026-11-06T13:42:54.340696+00:00","title":"AI R&D Engineer / ML Engineer (Python)","description.html":"$91","level":["Junior","Middle"],"location":"Санкт-Петербург","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:43:04.207501+00:00","published_at":"2026-11-06T13:43:04.207501+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"1f0f9235-d4ee-4cb2-adbb-db05f1d88177","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/1f0f9235-d4ee-4cb2-adbb-db05f1d88177.png","og_image_wide":"job/1f0f9235-d4ee-4cb2-adbb-db05f1d88177_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","name":"ML разработчик","profession":{"id":"4686c0b5-9bfd-473d-b8f8-93bfaa5f93f1","name":"Искусственный интеллект"}}],"professions_text":"Искусственный интеллект","professions_list_id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","profession_ids":["49855cc7-6f42-4bfd-815d-fc872b78f7b1"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":249033,"curator_profile":null,"curator_profile_id":null,"city_names":["Санкт-Петербург"],"city_ids":["5634a52d-b27c-4f08-84be-92a9ff4c3589"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":false,"collection_slugs":["udalenno-iz-rossii","udalenno","dlya-starta"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"1334c5a8-2bc2-4ac8-b20c-020b6618f93d","created_at":"2026-11-06T13:42:55.336282+00:00","title":"AI R&D Engineer / ML Engineer (Python)","description.html":"$92","level":["Junior","Middle"],"location":"Воронеж","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:43:03.7448+00:00","published_at":"2026-11-06T13:43:03.7448+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"1334c5a8-2bc2-4ac8-b20c-020b6618f93d","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/1334c5a8-2bc2-4ac8-b20c-020b6618f93d.png","og_image_wide":"job/1334c5a8-2bc2-4ac8-b20c-020b6618f93d_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","name":"ML разработчик","profession":{"id":"4686c0b5-9bfd-473d-b8f8-93bfaa5f93f1","name":"Искусственный интеллект"}}],"professions_text":"Искусственный интеллект","professions_list_id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","profession_ids":["49855cc7-6f42-4bfd-815d-fc872b78f7b1"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":249033,"curator_profile":null,"curator_profile_id":null,"city_names":["Воронеж"],"city_ids":["8a1cc7c8-c3a9-4efc-864c-bc18b3de2c84"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":false,"collection_slugs":["udalenno-iz-rossii","udalenno","dlya-starta"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"093bcc86-6143-4acd-83e1-8a89f6b408e6","created_at":"2026-11-06T13:42:55.084523+00:00","title":"AI R&D Engineer / ML Engineer (Python)","description.html":"$93","level":["Junior","Middle"],"location":"Краснодар","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:43:03.67298+00:00","published_at":"2026-11-06T13:43:03.67298+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"093bcc86-6143-4acd-83e1-8a89f6b408e6","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/093bcc86-6143-4acd-83e1-8a89f6b408e6.png","og_image_wide":"job/093bcc86-6143-4acd-83e1-8a89f6b408e6_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","name":"ML разработчик","profession":{"id":"4686c0b5-9bfd-473d-b8f8-93bfaa5f93f1","name":"Искусственный интеллект"}}],"professions_text":"Искусственный интеллект","professions_list_id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","profession_ids":["49855cc7-6f42-4bfd-815d-fc872b78f7b1"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":249033,"curator_profile":null,"curator_profile_id":null,"city_names":["Краснодар"],"city_ids":["fbe96ab1-9d9b-489c-be91-6999cd653f27"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":false,"collection_slugs":["udalenno-iz-rossii","udalenno","dlya-starta"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"2aed5f27-b494-4c2b-b59a-56dcaaa67dd1","created_at":"2026-11-06T13:42:56.071728+00:00","title":"AI R&D Engineer / ML Engineer (Python)","description.html":"$94","level":["Junior","Middle"],"location":"Таганрог","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:43:03.239335+00:00","published_at":"2026-11-06T13:43:03.239335+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"2aed5f27-b494-4c2b-b59a-56dcaaa67dd1","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/2aed5f27-b494-4c2b-b59a-56dcaaa67dd1.png","og_image_wide":"job/2aed5f27-b494-4c2b-b59a-56dcaaa67dd1_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","name":"ML разработчик","profession":{"id":"4686c0b5-9bfd-473d-b8f8-93bfaa5f93f1","name":"Искусственный интеллект"}}],"professions_text":"Искусственный интеллект","professions_list_id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","profession_ids":["49855cc7-6f42-4bfd-815d-fc872b78f7b1"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":249033,"curator_profile":null,"curator_profile_id":null,"city_names":["Таганрог"],"city_ids":["559e1420-a7c3-4e6d-a2a1-e6cc232e7ff1"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":false,"collection_slugs":["udalenno-iz-rossii","udalenno","dlya-starta"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"b7e91913-768f-4a73-aa4c-124dc10df7cb","created_at":"2026-11-06T13:42:55.240886+00:00","title":"AI R&D Engineer / ML Engineer (Python)","description.html":"$95","level":["Junior","Middle"],"location":"Волгоград","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:43:02.77355+00:00","published_at":"2026-11-06T13:43:02.77355+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"b7e91913-768f-4a73-aa4c-124dc10df7cb","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/b7e91913-768f-4a73-aa4c-124dc10df7cb.png","og_image_wide":"job/b7e91913-768f-4a73-aa4c-124dc10df7cb_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","name":"ML разработчик","profession":{"id":"4686c0b5-9bfd-473d-b8f8-93bfaa5f93f1","name":"Искусственный интеллект"}}],"professions_text":"Искусственный интеллект","professions_list_id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","profession_ids":["49855cc7-6f42-4bfd-815d-fc872b78f7b1"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":249033,"curator_profile":null,"curator_profile_id":null,"city_names":["Волгоград"],"city_ids":["4697fcbe-bd08-4e00-835a-4803c5adfe3c"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":false,"collection_slugs":["udalenno-iz-rossii","udalenno","dlya-starta"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"cb4f739f-7d6f-462e-8755-b79af6d7c73c","created_at":"2026-11-06T13:42:54.3047+00:00","title":"AI R&D Engineer / ML Engineer (Python)","description.html":"$96","level":["Junior","Middle"],"location":"Москва","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:42:59.914031+00:00","published_at":"2026-11-06T13:42:59.914031+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"cb4f739f-7d6f-462e-8755-b79af6d7c73c","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/cb4f739f-7d6f-462e-8755-b79af6d7c73c.png","og_image_wide":"job/cb4f739f-7d6f-462e-8755-b79af6d7c73c_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","name":"ML разработчик","profession":{"id":"4686c0b5-9bfd-473d-b8f8-93bfaa5f93f1","name":"Искусственный интеллект"}}],"professions_text":"Искусственный интеллект","professions_list_id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","profession_ids":["49855cc7-6f42-4bfd-815d-fc872b78f7b1"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":249033,"curator_profile":null,"curator_profile_id":null,"city_names":["Москва"],"city_ids":["79ecf048-afd3-4d53-945f-500d84bbf881"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":false,"collection_slugs":["udalenno-iz-rossii","udalenno","dlya-starta"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"6c22c6ca-fa31-42a1-bf43-5beb3a3cdb8f","created_at":"2026-11-06T13:28:48.89934+00:00","title":"Data Scientist (Middle / Middle+, Python) — Computer Vision","description.html":"$97","level":["Middle"],"location":"Волгоград","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:29:14.855039+00:00","published_at":"2026-11-06T12:47:45+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"6c22c6ca-fa31-42a1-bf43-5beb3a3cdb8f","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/6c22c6ca-fa31-42a1-bf43-5beb3a3cdb8f.png","og_image_wide":"job/6c22c6ca-fa31-42a1-bf43-5beb3a3cdb8f_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","name":"Data Scientist","profession":{"id":"ed81b0f2-24df-40da-b426-146edbb65d9a","name":"Аналитика"}}],"professions_text":"Аналитика","professions_list_id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","profession_ids":["86096949-92f6-469f-8bf6-c3802e310850","6d3536c7-edfb-46b4-81d9-068e66d0d68f"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":null,"curator_profile":null,"curator_profile_id":null,"city_names":["Волгоград"],"city_ids":["4697fcbe-bd08-4e00-835a-4803c5adfe3c"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":true,"collection_slugs":["udalenno-iz-rossii","udalenno"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"7a0cf692-008d-443f-bb81-9c31e8e8ca39","created_at":"2026-11-06T13:28:47.544852+00:00","title":"Data Scientist (Middle / Middle+, Python) — Computer Vision","description.html":"$98","level":["Middle"],"location":"Санкт-Петербург","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:28:50.922714+00:00","published_at":"2026-11-06T12:47:45+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"7a0cf692-008d-443f-bb81-9c31e8e8ca39","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/7a0cf692-008d-443f-bb81-9c31e8e8ca39.png","og_image_wide":"job/7a0cf692-008d-443f-bb81-9c31e8e8ca39_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","name":"Data Scientist","profession":{"id":"ed81b0f2-24df-40da-b426-146edbb65d9a","name":"Аналитика"}}],"professions_text":"Аналитика","professions_list_id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","profession_ids":["86096949-92f6-469f-8bf6-c3802e310850","6d3536c7-edfb-46b4-81d9-068e66d0d68f"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":null,"curator_profile":null,"curator_profile_id":null,"city_names":["Санкт-Петербург"],"city_ids":["5634a52d-b27c-4f08-84be-92a9ff4c3589"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":true,"collection_slugs":["udalenno-iz-rossii","udalenno"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"889fb4aa-9e5a-4e5c-a999-607fdbebaf02","created_at":"2026-11-06T13:28:49.366696+00:00","title":"Data Scientist (Middle / Middle+, Python) — Computer Vision","description.html":"$99","level":["Middle"],"location":"Воронеж","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:29:16.089518+00:00","published_at":"2026-11-06T12:47:45+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"889fb4aa-9e5a-4e5c-a999-607fdbebaf02","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/889fb4aa-9e5a-4e5c-a999-607fdbebaf02.png","og_image_wide":"job/889fb4aa-9e5a-4e5c-a999-607fdbebaf02_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","name":"Data Scientist","profession":{"id":"ed81b0f2-24df-40da-b426-146edbb65d9a","name":"Аналитика"}}],"professions_text":"Аналитика","professions_list_id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","profession_ids":["6d3536c7-edfb-46b4-81d9-068e66d0d68f","86096949-92f6-469f-8bf6-c3802e310850"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":null,"curator_profile":null,"curator_profile_id":null,"city_names":["Воронеж"],"city_ids":["8a1cc7c8-c3a9-4efc-864c-bc18b3de2c84"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":true,"collection_slugs":["udalenno-iz-rossii","udalenno"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"934c00bc-1b0c-4a5e-bbae-a2821ab693a4","created_at":"2026-11-06T13:28:48.600052+00:00","title":"Data Scientist (Middle / Middle+, Python) — Computer Vision","description.html":"$9a","level":["Middle"],"location":"Краснодар","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:29:17.491435+00:00","published_at":"2026-11-06T12:47:45+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"934c00bc-1b0c-4a5e-bbae-a2821ab693a4","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/934c00bc-1b0c-4a5e-bbae-a2821ab693a4.png","og_image_wide":"job/934c00bc-1b0c-4a5e-bbae-a2821ab693a4_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","name":"Data Scientist","profession":{"id":"ed81b0f2-24df-40da-b426-146edbb65d9a","name":"Аналитика"}}],"professions_text":"Аналитика","professions_list_id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","profession_ids":["6d3536c7-edfb-46b4-81d9-068e66d0d68f","86096949-92f6-469f-8bf6-c3802e310850"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":null,"curator_profile":null,"curator_profile_id":null,"city_names":["Краснодар"],"city_ids":["fbe96ab1-9d9b-489c-be91-6999cd653f27"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":true,"collection_slugs":["udalenno-iz-rossii","udalenno"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"beadc5d6-e685-4a79-bbab-62fd11825a63","created_at":"2026-11-06T13:28:48.115976+00:00","title":"Data Scientist (Middle / Middle+, Python) — Computer Vision","description.html":"$9b","level":["Middle"],"location":"Екатеринбург","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:29:15.318064+00:00","published_at":"2026-11-06T12:47:45+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"beadc5d6-e685-4a79-bbab-62fd11825a63","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/beadc5d6-e685-4a79-bbab-62fd11825a63.png","og_image_wide":"job/beadc5d6-e685-4a79-bbab-62fd11825a63_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","name":"Data Scientist","profession":{"id":"ed81b0f2-24df-40da-b426-146edbb65d9a","name":"Аналитика"}}],"professions_text":"Аналитика","professions_list_id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","profession_ids":["6d3536c7-edfb-46b4-81d9-068e66d0d68f","86096949-92f6-469f-8bf6-c3802e310850"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":null,"curator_profile":null,"curator_profile_id":null,"city_names":["Екатеринбург"],"city_ids":["440a22cc-3445-441c-831a-211e722be643"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":true,"collection_slugs":["udalenno-iz-rossii","udalenno"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"dd13061f-a00c-4216-a20c-3e2c372a7398","created_at":"2026-11-06T13:28:47.098671+00:00","title":"Data Scientist (Middle / Middle+, Python) — Computer Vision","description.html":"$9c","level":["Middle"],"location":"Москва","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:28:54.785867+00:00","published_at":"2026-11-06T12:47:45+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"dd13061f-a00c-4216-a20c-3e2c372a7398","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/dd13061f-a00c-4216-a20c-3e2c372a7398.png","og_image_wide":"job/dd13061f-a00c-4216-a20c-3e2c372a7398_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","name":"Data Scientist","profession":{"id":"ed81b0f2-24df-40da-b426-146edbb65d9a","name":"Аналитика"}}],"professions_text":"Аналитика","professions_list_id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","profession_ids":["6d3536c7-edfb-46b4-81d9-068e66d0d68f","86096949-92f6-469f-8bf6-c3802e310850"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":null,"curator_profile":null,"curator_profile_id":null,"city_names":["Москва"],"city_ids":["79ecf048-afd3-4d53-945f-500d84bbf881"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":true,"collection_slugs":["udalenno-iz-rossii","udalenno"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"eac7fbc0-fd83-4367-b756-aac0bac2f02e","created_at":"2026-11-06T13:28:49.476015+00:00","title":"Data Scientist (Middle / Middle+, Python) — Computer Vision","description.html":"$9d","level":["Middle"],"location":"Ростов-на-Дону","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-12-06T13:29:18.389707+00:00","published_at":"2026-11-06T12:47:45+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"eac7fbc0-fd83-4367-b756-aac0bac2f02e","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/eac7fbc0-fd83-4367-b756-aac0bac2f02e.png","og_image_wide":"job/eac7fbc0-fd83-4367-b756-aac0bac2f02e_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","name":"Data Scientist","profession":{"id":"ed81b0f2-24df-40da-b426-146edbb65d9a","name":"Аналитика"}}],"professions_text":"Аналитика","professions_list_id":"6d3536c7-edfb-46b4-81d9-068e66d0d68f","profession_ids":["86096949-92f6-469f-8bf6-c3802e310850","6d3536c7-edfb-46b4-81d9-068e66d0d68f"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":null,"curator_profile":null,"curator_profile_id":null,"city_names":["Ростов-на-Дону"],"city_ids":["7200f804-9151-47e9-9edb-9ce15b5480fe"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":true,"collection_slugs":["udalenno-iz-rossii","udalenno"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"7c5c87e6-2e92-4f74-b8e3-54ad2699e274","created_at":"2026-09-24T14:55:31.611+00:00","title":"Тестировщик ПО","description.html":"$9e","level":["Senior"],"location":"Таганрог","is_remote":false,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-11-23T13:42:03+00:00","published_at":"2026-10-24T13:42:03+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"7c5c87e6-2e92-4f74-b8e3-54ad2699e274","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/7c5c87e6-2e92-4f74-b8e3-54ad2699e274.png","og_image_wide":"job/7c5c87e6-2e92-4f74-b8e3-54ad2699e274_wide.png","work_formats":["Офис"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"60313ade-3a64-43ee-8501-8ac45a9870a7","name":"Инженер по обеспечению качества Quality Assurance Engineer","profession":{"id":"c4c6f422-2d3a-447f-a42f-cde0e3599309","name":"Тестирование / QA"}}],"professions_text":"Тестирование / QA","professions_list_id":"60313ade-3a64-43ee-8501-8ac45a9870a7","profession_ids":["60313ade-3a64-43ee-8501-8ac45a9870a7"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":173350,"curator_profile":null,"curator_profile_id":null,"city_names":["Таганрог"],"city_ids":["559e1420-a7c3-4e6d-a2a1-e6cc232e7ff1"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":false,"collection_slugs":[],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"e1f24ca5-7ff5-4868-a027-ef5d3d7f1443","created_at":"2026-09-23T15:56:11.21209+00:00","title":"3D-художник","description.html":"$9f","level":["Junior"],"location":"Таганрог","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-11-22T14:50:48+00:00","published_at":"2026-10-23T14:50:48+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"e1f24ca5-7ff5-4868-a027-ef5d3d7f1443","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/e1f24ca5-7ff5-4868-a027-ef5d3d7f1443.png","og_image_wide":"job/e1f24ca5-7ff5-4868-a027-ef5d3d7f1443_wide.png","work_formats":["Офис","Удалённо"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"8ccd293b-1028-4c37-94f2-c5263d2ecd4d","name":"3d моделлер","profession":{"id":"fafe8569-9c11-4378-8b41-329c72ff6cc7","name":"Дизайн"}}],"professions_text":"Дизайн","professions_list_id":"8ccd293b-1028-4c37-94f2-c5263d2ecd4d","profession_ids":["8ccd293b-1028-4c37-94f2-c5263d2ecd4d"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":87500,"curator_profile":null,"curator_profile_id":null,"city_names":["Таганрог"],"city_ids":["559e1420-a7c3-4e6d-a2a1-e6cc232e7ff1"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":false,"collection_slugs":["udalenno-iz-rossii","udalenno","dlya-starta"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"6e5ebb11-24de-44a8-ac6f-8d5497985733","created_at":"2026-09-23T16:00:32.739812+00:00","title":"Программист C++","description.html":"$a0","level":["Junior"],"location":"Таганрог","is_remote":false,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-11-22T14:49:16+00:00","published_at":"2026-10-23T14:49:16+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"6e5ebb11-24de-44a8-ac6f-8d5497985733","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/6e5ebb11-24de-44a8-ac6f-8d5497985733.png","og_image_wide":"job/6e5ebb11-24de-44a8-ac6f-8d5497985733_wide.png","work_formats":["Офис"],"employment_type":[],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"3d822df2-f6c3-464b-9802-2c767a254251","name":"Десктоп разработчик","profession":{"id":"1cb8df0d-9146-4a1d-bbbd-c882fb50d836","name":"Разработка"}}],"professions_text":"Разработка","professions_list_id":"3d822df2-f6c3-464b-9802-2c767a254251","profession_ids":["3d822df2-f6c3-464b-9802-2c767a254251","b848aacb-5ef9-43f8-bd7c-69297fdc15ca"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":199641,"curator_profile":null,"curator_profile_id":null,"city_names":["Таганрог"],"city_ids":["559e1420-a7c3-4e6d-a2a1-e6cc232e7ff1"],"stacks":null,"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"unknown","remote_countries":[],"remote_country_labels":[],"english_required":false,"collection_slugs":["dlya-starta"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null},{"id":"cb3fe369-3f14-4e8d-9cc4-6440e14b36df","created_at":"2026-09-23T16:00:32.383935+00:00","title":"AI Engineer / AI R&D Developer / ML Engineer / Data Scientist (Python)","description.html":"$a1","level":["Junior"],"location":"Таганрог","is_remote":true,"salary_from":null,"salary_till":null,"salary_from_rub":null,"salary_till_rub":null,"salary_source_from":null,"salary_source_till":null,"salary_source_period":null,"published_until":"2026-11-20T08:31:09+00:00","published_at":"2026-10-21T08:31:09+00:00","company_id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","pub_status":"Active","slug":"cb3fe369-3f14-4e8d-9cc4-6440e14b36df","is_salary_hidden":null,"experience":"1-3 года","is_featured":false,"og_image":"job/cb3fe369-3f14-4e8d-9cc4-6440e14b36df.png","og_image_wide":"job/cb3fe369-3f14-4e8d-9cc4-6440e14b36df_wide.png","work_formats":["Гибрид","Офис","Удалённо"],"employment_type":["Полная занятость"],"estimated_salary_rub":null,"candidate_attention":null,"visible_in_public_feed":true,"professions":[{"id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","name":"ML разработчик","profession":{"id":"4686c0b5-9bfd-473d-b8f8-93bfaa5f93f1","name":"Искусственный интеллект"}}],"professions_text":"Искусственный интеллект","professions_list_id":"49855cc7-6f42-4bfd-815d-fc872b78f7b1","profession_ids":["49855cc7-6f42-4bfd-815d-fc872b78f7b1"],"company":{"id":"bd36c52d-5c62-4d1c-b2cd-1772fb7ea130","logo":"","name":"Полигонатор","slug":"poligonator","website":"","brandcolor":"","description":"","short_description":"","is_verified_it_company":false},"currency_sign":"","average_salary_by_profession":249033,"curator_profile":null,"curator_profile_id":null,"city_names":["Таганрог"],"city_ids":["559e1420-a7c3-4e6d-a2a1-e6cc232e7ff1"],"stacks":[{"id":"760bf717-12d9-449b-813b-173fae32fc15","logo":"https://production-cdn.whalesyncusercontent.com/v2/ddd52e744b12ee0fb4503745/159e8f6b5eda17d46a0fa352/eabb7ed581cb7869b997be37/image.png","name":"Docker"},{"id":"5e2bb83c-7f84-41e5-b4eb-9084811b2216","logo":null,"name":"FastAPI"},{"id":"53454a98-2eee-410f-8722-c39e0314ff32","logo":null,"name":"Flask"},{"id":"587d4799-2e6e-4693-9a08-2f0fa99718a4","logo":null,"name":"Git"},{"id":"8e3e12be-992e-4889-9d3f-d01b4d9d5410","logo":null,"name":"HuggingFace Transformers"},{"id":"e3a061dd-7168-4207-965e-8da63b5d7050","logo":null,"name":"Linux"},{"id":"4796c944-00a5-4895-8473-13cb1dd9e684","logo":null,"name":"Numpy"},{"id":"cd1862cf-0af6-4379-b74c-46cc8ada69b0","logo":null,"name":"Pandas"},{"id":"2c1d1f01-ee0d-4446-8c3b-ad984fc115fd","logo":null,"name":"PyTorch"},{"id":"3da239e1-6627-401c-9ff0-a2fea0d3ded7","logo":null,"name":"Python"},{"id":"f2997d99-630f-4aa5-82c6-f44490d0dbb3","logo":null,"name":"SQL"},{"id":"715aace9-a022-4a29-86d1-981125b674f3","logo":null,"name":"Scikit-learn"},{"id":"c0211bb4-6337-4530-bd19-5566c90be1e4","logo":null,"name":"TensorFlow"},{"id":"09bd2e56-7251-4ffd-9c76-b936182d6d7f","logo":null,"name":"openCV"}],"fraud_warning":false,"company_is_verified_it":false,"company_is_skolkovo_resident":false,"remote_scope":"worldwide","remote_countries":[],"remote_country_labels":[],"english_required":true,"collection_slugs":["udalenno-iz-rossii","udalenno","dlya-starta"],"application_email":null,"application_telegram":null,"application_linkedin":null,"application_url":null,"application_contact_type":null}],"variant":"public","stats":{"openJobs":18,"newLast7Days":14,"weekOverWeekPercent":null,"weeks":[{"weekStart":"2026-08-17","label":"авг","title":"17–23 авг","count":0},{"weekStart":"2026-08-24","label":"","title":"24–30 авг","count":0},{"weekStart":"2026-08-31","label":"","title":"31 авг – 6 сент","count":0},{"weekStart":"2026-09-07","label":"сент","title":"7–13 сент","count":0},{"weekStart":"2026-09-14","label":"","title":"14–20 сент","count":0},{"weekStart":"2026-09-21","label":"","title":"21–27 сент","count":0},{"weekStart":"2026-09-28","label":"","title":"28 сент – 4 окт","count":0},{"weekStart":"2026-10-05","label":"окт","title":"5–11 окт","count":0},{"weekStart":"2026-10-12","label":"","title":"12–18 окт","count":0},{"weekStart":"2026-10-19","label":"","title":"19–25 окт","count":4},{"weekStart":"2026-10-26","label":"","title":"26 окт – 1 нояб","count":0},{"weekStart":"2026-11-02","label":"нояб","title":"2–8 нояб","count":14},{"weekStart":"2026-11-09","label":"","title":"9–15 нояб","count":0}]}}]]}],"$La2"]}]}]]