Биржа вакансий в сфере ИИ, ML

Формат

Удалённо

Страна

Любая

Город

Не указан

LLM-инженер Задачи - Проектирование, дообучение и развертывание больших языковых моделей (LLM), таких как OpenAI GPT, BERT или собственных архитектур, для решения задач обработки естественного языка. - Разработка и оптимизация API для интеграции ИИ-функциональности в основные продукты Qelp, обеспечение совместимости и производительности. - Совместная работа с кросс-функциональными командами, включая UX/UI-дизайнеров, фронтенд-разработчиков и продакт-менеджеров, для согласования возможностей ИИ с бизнес-задачами. - Повышение масштабируемости ИИ-решений за счет модульной архитектуры и эффективных практик развертывания моделей. - Разработка пайплайнов для обработки больших наборов данных, обеспечение качества и релевантности данных для обучения и дообучения LLM. - Обеспечение этичного и прозрачного использования ИИ: внедрение механизмов обнаружения смещений, объяснимости и соответствия требованиям. - Отслеживание последних достижений в области ИИ и машинного обучения, особенно в NLP и LLM, для внедрения передовых функций в продукты Qelp. - Внедрение инструментов для отслеживания производительности и надежности ИИ-моделей в продакшене, итеративное улучшение. Требования - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, науки о данных или смежной области. - Минимум 5 лет опыта в разработке машинного обучения и ИИ, из них не менее 2 лет — в работе с LLM или NLP. - Владение Python и фреймворками TensorFlow, PyTorch или Hugging Face Transformers. - Подтвержденный опыт развертывания и оптимизации LLM в продакшене. - Знакомство с облачными платформами (AWS, Azure или Google Cloud) для развертывания ИИ. - Продвинутое владение техниками NLP и разработкой ИИ-моделей. - Глубокое знание архитектур на основе трансформеров, таких как GPT, BERT или T5. - Навыки разработки API и микросервисной архитектуры. - Знакомство с DevOps-инструментами для развертывания ИИ-моделей (например, Docker, Kubernetes). - Понимание регулирования ИИ и лучших практик этичного развертывания. - Понимание техник предобработки данных и управления наборами данных. Условия - Конкурентоспособный компенсационный пакет. - Возможности для обучения и развития (ИИ, технологии, эволюция BPO-индустрии). - Возможности карьерного роста в расширяющейся команде. - Полностью удаленная работа (рынки EMEA, LATAM или APAC). - Работа в команде высококвалифицированных и динамичных лидеров. - Культура здорового баланса между работой и личной жизнью. - Зарплата: 72 000–108 000 долларов США в год.

Формат

Удалённо

Страна

Любая

Город

Не указан

О компании Career.zycto — компания, работающая на переднем крае искусственного интеллекта. Разрабатывает AI-решения в области машинного обучения и обработки естественного языка. В компании ценят творческий подход и техническое мастерство, поддерживают среду для экспериментов и роста. Обязанности - Проектировать, разрабатывать и оптимизировать промпты для больших языковых моделей (LLM) и других генеративных AI-систем. - Проводить тестирование и оценку ответов AI-моделей, выявлять области для улучшения эффективности промптов и поведения моделей. - Взаимодействовать с исследователями AI/ML, дата-сайентистами и продакт-менеджерами для понимания требований проектов и превращения их в эффективные промпт-стратегии. - Разрабатывать и поддерживать лучшие практики, руководства и фреймворки по промпт-инжинирингу для различных приложений. - Участвовать в разработке внутренних инструментов и платформ для создания, тестирования и развертывания промптов. - Следить за новейшими достижениями в области AI, NLP и техник промпт-инжиниринга. - Обучать и наставлять кросс-функциональные команды по принципам и применению эффективного промпт-инжиниринга. Требования - Подтвержденный опыт от 3 лет в промпт-инжиниринге, обработке естественного языка (NLP) или смежных областях AI. - Глубокое понимание больших языковых моделей (LLM) и их архитектуры. - Владение Python и опыт работы с библиотеками AI/ML (TensorFlow, PyTorch, Hugging Face). - Развитые аналитические навыки и навыки решения задач, умение интерпретировать сложные данные и итерировать решения. - Отличные письменные и устные коммуникативные навыки, внимание к языковым нюансам и ясности. - Опыт работы с системами контроля версий (например, Git). Предпочтительно - Степень магистра или PhD в Computer Science, AI, лингвистике или смежной количественной области. - Опыт тонкой настройки (fine-tuning) или обучения LLM. - Знакомство с облачными платформами (AWS, Azure, GCP) и принципами MLOps. - Подтвержденный вклад в open-source проекты или исследовательские публикации в области AI/NLP. - Опыт технического написания или создания контента по сложным техническим темам. Условия - Полностью удаленная работа. - Конкурентоспособная зарплата и комплексный пакет льгот. - Щедрый бюджет на профессиональное развитие: курсы, конференции, сертификации. - Возможность работать с передовыми AI-технологиями. - Совместная и инклюзивная культура компании, регулярные тимбилдинги. - Гибкий график и неограниченный оплачиваемый отпуск (с согласованием с руководителем).

Формат

Удалённо

Страна

Германия

Город

Берлин

О компании JetBrains с 2000 года разрабатывает инструменты для разработчиков. Компания работает над новой платформой, которая предоставляет возможности ИИ всем продуктам JetBrains. Платформа основана на моделях, разработанных внутри компании для помощи в написании кода и текстов, а также на интеграции со стратегическими партнёрами. JetBrains — работодатель равных возможностей. Важные качества - Умение самостоятельно планировать проекты и принимать решения, при необходимости консультируясь с другими. - Способность определять потребности клиентов и расставлять приоритеты задач. - Начинать с простейших решений и постепенно добавлять сложность по мере необходимости. - Готовность нести единоличную ответственность за целую подсистему. - Увлечённость обучением и желание быть в курсе последних разработок в области LLM. Задачи - Совместно со стейкхолдерами преобразовывать бизнес-требования в технические спецификации. - Обучать LLM с нуля на большом GPU-кластере. - Собирать и обрабатывать датасеты для предобучения и дообучения. - Поддерживать и улучшать существующие подсистемы. Требования - Опыт проектирования, развертывания и поддержки продакшн-ML-систем. - Сильная теоретическая база в NLP и подходах на основе трансформеров. - Свободное владение современными фреймворками глубокого обучения, такими как PyTorch, и распространёнными библиотеками для NLP. - Опыт распределённого обучения моделей с миллиардами параметров. - Внимание к деталям и отличные коммуникативные навыки. Будет плюсом - Опыт работы с фреймворками инференса LLM: vLLM, DeepSpeed, TensorRT. - Опыт применения техник выравнивания LLM: RLHF/RLAIF. - Инструменты и практики MLOps, включая CI/CD для ML. - K8s и Kubeflow. - Научные публикации в области NLP. Стек и инфраструктура - Кластер из сотен NVIDIA GPU в качестве инфраструктуры для обучения. - Git для управления исходным кодом. - Python, PyTorch и Hugging Face как ML-стек. - Kubeflow и Weights & Biases для отслеживания экспериментов. - TeamCity как система автоматизации CI.

Формат

Удалённо

Страна

Любая

Город

Не указан

GenAI/LLM-инженер, удалённо, работа в часовом поясе PST. Предпочтителен кандидат из района залива Сан-Франциско. Роль требует практикующего специалиста по глубокому обучению, уверенно работающего с современными фреймворками и библиотеками для разработки LLM. Задачи: - Внедрение и оптимизация продвинутых методов тонкой настройки (LoRA, PEFT, QLoRA) для адаптации фундаментальных моделей под домен клиента. - Разработка системных методологий промт-инжиниринга для операционной деятельности, нормативного соответствия и технической документации. - Создание переиспользуемых шаблонов и библиотек промтов для стандартизации взаимодействия с LLM-приложениями. - Внедрение фреймворков тестирования промтов для количественной оценки и итеративного улучшения их эффективности. - Настройка систем версионирования промтов и управления для поддержания качества. - Применение методов кастомизации моделей: дистилляция знаний, квантизация, прунинг — для снижения потребления памяти и затрат на инференс. - Решение проблем с памятью с помощью шардированного параллелизма данных, выгрузки на GPU или гибридных подходов CPU+GPU. - Построение пайплайнов RAG с векторными базами данных, пайплайнами эмбеддингов и оптимизированными стратегиями чанкинга. - Разработка продвинутых стратегий промтинга: цепочки рассуждений, оркестрация диалогов, агентные подходы. - Совместная работа с MLOps-инженером для эффективного развертывания, мониторинга и переобучения моделей. Требования: - Глубокое обучение и NLP: владение PyTorch/TensorFlow, Hugging Face Transformers, DSPy, продвинутыми техниками обучения LLM. - Знание GPU и аппаратного обеспечения: опыт многогпу-обучения, оптимизации памяти, стратегий параллелизации. - LLMOps: знакомство с процессами поддержки LLM-приложений в продакшене и мониторингом производительности моделей. - Техническая адаптивность: умение читать исследовательские статьи и внедрять новые техники (без обязательного владения математикой уровня PhD). - Доменная адаптация: навыки создания пайплайнов данных для тонкой настройки моделей под специфический контент.

Формат

Удалённо

Страна

Любая

Город

Не указан

О компании Common App — национальная некоммерческая организация, которая занимается доступом, равенством и честностью в процессе поступления в колледжи. Ежегодно организация поддерживает более 1 миллиона студентов, треть из которых — первопоколенческие, при подаче заявлений в более чем 1100 колледжей и университетов через бесплатное онлайн-приложение Common App. Обязанности Principal AI & Machine Learning Engineer — технический лидер, отвечающий за внедрение искусственного интеллекта в корпоративные рабочие процессы и аналитические процессы для достижения измеримых улучшений в производительности, генерации инсайтов и поддержке принятия решений в подразделении Data Analytics & Research (DAR). - Подчиняется старшему директору по аналитической инженерии. - Тесно сотрудничает с командами Data Engineering, Data Governance и кросс-функциональными бизнес-заинтересованными сторонами. - Обеспечивает масштабируемость, безопасность, соответствие требованиям и согласованность AI-решений с корпоративной стратегией данных. - Работает как старший индивидуальный контрибьютор и технический авторитет: устанавливает стандарты практики AI-разработки, наставляет коллег по прикладным AI-техникам, превращает сложные возможности машинного обучения в корпоративные системы. - Признанный эксперт в области AI, к которому обращаются за техническим руководством, наставничеством и экспертизой как внутри организации, так и в более широком сообществе AI и данных в высшем образовании. Требования - Кандидат должен проживать в США. - Готовность к поездкам для участия в двух ежегодных выездных мероприятиях Common App Retreat. - Степень бакалавра в области компьютерных наук, науки о данных, статистики, математики или смежной количественной/технической области; или эквивалентная комбинация образования и опыта. - 8–10 лет прогрессивного опыта в машинном обучении, AI-инженерии или науке о данных, из них не менее 3 лет — в прикладном AI и продакшн-системах ML. - Подтверждённый опыт интеграции LLM и генеративного AI в корпоративные аналитические или операционные рабочие процессы. - Подтверждённый опыт работы в рамках корпоративных систем управления данными и соответствия требованиям. - Экспертиза в прикладном машинном обучении и AI, включая обучение с учителем и без учителя, обработку естественного языка и интеграцию больших языковых моделей (например, OpenAI, Anthropic, open-source LLM через Hugging Face). - Подтверждённый опыт проектирования и развёртывания продакшн-систем AI/ML, включая сквозные ML-пайплайны: обучение, оценка, версионирование, развёртывание и мониторинг. - Владение R и Python для машинного обучения и AI-разработки; знакомство с ML-фреймворками: scikit-learn, PyTorch, TensorFlow или эквивалентами. - Опыт создания и эксплуатации приложений на базе LLM, включая промт-инжиниринг, retrieval-augmented generation (RAG) и фреймворки оркестрации инструментов и агентов. - Сильные навыки SQL и опыт работы с крупномасштабными облачными платформами данных (например, Databricks, Snowflake, BigQuery); умение проектировать AI-ready пайплайны данных в корпоративных хранилищах. - Знание AI-управления, принципов ответственного AI и требований соответствия для систем, работающих с чувствительными или персонально идентифицируемыми данными. - Подтверждённая способность работать как старший технический индивидуальный контрибьютор: устанавливать стандарты, принимать архитектурные решения и наставлять коллег без формальных управленческих полномочий. - Сильные межличностные и коммуникационные навыки, умение объяснять сложные концепции AI/ML доступным языком для нетехнических заинтересованных сторон и руководителей. - Подтверждённая способность управлять несколькими конкурирующими приоритетами и поставлять качественные AI-решения в быстро меняющейся среде. Желательно - Степень магистра или доктора в области компьютерных наук, машинного обучения, науки о данных или смежной области. - Соответствующие сертификаты AI/ML или облачные сертификаты (например, Databricks Certified Machine Learning Professional, AWS Machine Learning Specialty или эквивалент). - Опыт работы с Agile-фреймворками для кросс-функциональной, продуктоориентированной коллаборации. - Опыт работы с агентными AI-фреймворками.

Формат

Офис

Страна

Не указана

Город

Не указан

Грейд

Senior

Компания Proxify ищет Senior Data Scientist (Python) для одной из быстрорастущих клиентских команд в роли технического лидера по инновациям в данных. Задача — превращать сложные высокоскоростные наборы данных в прогнозные модели и практические системы, которые напрямую влияют на продуктовую стратегию и бизнес-операции. Специалист будет соединять чистые исследования и продакшн-разработку: не только строить прототипы в ноутбуках, но и проектировать, обучать, оценивать и разворачивать надежные модели машинного обучения в облачных средах. Роль подходит дата-сайентисту с системным мышлением, ценящему чистую модульную Python-архитектуру, статистическую строгость и масштабируемые пайплайны данных. Задачи - Проектировать, создавать и оптимизировать масштабируемые прогнозные модели и алгоритмы машинного обучения для решения сложных бизнес-задач. - Архитектурно выстраивать и поддерживать надежные пайплайны данных и наборы признаков, обеспечивая качество, согласованность и целостность данных на этапах обучения и инференса. - Взаимодействовать с дата-инженерами, продакт-менеджерами и бэкенд-командами для бесшовной интеграции моделей в основные API приложений. - Проводить тщательные код-ревью рабочих процессов data science, продвигая продакшн-стандарты Python и линтинг. - Переводить технические метрики (Precision, Recall, ROC-AUC, RMSE) в понятные бизнес-результаты и рекомендации для руководства. Требования - 5+ лет профессионального опыта в роли Data Scientist, экспертное владение экосистемой Python для данных (Pandas, NumPy, SciPy, Scikit-Learn). - Глубокие теоретические и практические знания supervised и unsupervised обучения, регрессии, классификации, кластеризации и прогнозирования временных рядов. - Подтвержденный опыт вывода моделей из Jupyter Notebook в продакшн с использованием контейнеризации (Docker) и микросервисной архитектуры. - Уверенное написание сложных оптимизированных SQL-запросов, опыт работы с большими данными с использованием распределенных вычислений (PySpark или Ray). - Опыт работы с инструментами жизненного цикла ML (MLflow, DVC или Weights & Biases) для отслеживания моделей, версионирования и управления feature store. - Практический опыт работы с облачной инфраструктурой (AWS, GCP или Azure) и управляемыми ML-сервисами (например, SageMaker или Vertex AI). - Часовой пояс: CET (±3 часа). Кандидаты из других часовых поясов не рассматриваются. Желательно: - Опыт глубокого обучения с использованием PyTorch или TensorFlow/Keras. - Опыт работы с NLP-фреймворками (Hugging Face, spaCy) или развертывание пайплайнов на основе LLM (LangChain, векторные базы данных). - Знакомство с инструментами оркестрации, такими как Apache Airflow или Prefect. - Сильный бэкграунд в дизайне экспериментов, методологии A/B-тестирования и проверке статистической значимости. Условия - Своевременные ежемесячные выплаты с гибкими вариантами вывода средств. - Предсказуемые часы проекта: стабильные 8-часовые рабочие дни с клиентами. - До 24 гибких выходных дней в год без потери оплаты для полной занятости на позициях, найденных через Proxify. - Долгосрочные удаленные позиции в технологических компаниях. - Персональный подбор проектов без типичных барьеров и предвзятости в рекрутинге. - Единый процесс найма для множества возможностей без дополнительных оценок. - Одинаковая ежемесячная оплата на позициях, найденных через Proxify.