Биржа вакансий в сфере ИИ, ML

Формат

Удалённо

Страна

Любая

Город

Не указан

Forward Deployed Engineer — инженер, который помогает бизнесу внедрять AI-решения. Роль предполагает работу с бизнес-подразделениями: от постановки задачи до запуска и оптимизации решений в production. Задачи: - Совместно с бизнес-заинтересованными сторонами определять и приоритизировать высокоценные сценарии использования, соответствующие стратегическим целям. - Переводить бизнес-задачи в технические проекты, архитектуру решений и планы внедрения. - Проектировать, разрабатывать и разворачивать комплексные решения: пайплайны данных, API, оркестрацию рабочих процессов и AI/ML-функциональность. - Интегрировать решения в существующие корпоративные системы и рабочие процессы. - Ускорять вывод решений из пилота в production итеративным методом (в течение месяца). - Обеспечивать надежность, масштабируемость и производительность решений через мониторинг, тестирование и оптимизацию. - Сотрудничать с командами архитектуры, инженерии, безопасности и данных для соблюдения корпоративных стандартов и требований безопасности. - Поддерживать решения в соответствии с отраслевыми требованиями, управлением данными и внутренним аудитом, обеспечивая контроль и документацию. - Вносить переиспользуемый код, паттерны и компоненты в корпоративные платформы. Требования: - Опыт работы с AI/LLM-технологиями от 5 до 7 лет: большие языковые модели (LLM), retrieval augmented generation (RAG), фреймворки автоматизации. - Опыт работы Forward Deployed Engineer или в аналогичной роли в сфере быстрой разработки AI-решений. - Опыт работы с облачными платформами (предпочтительно Azure), контейнеризацией и инфраструктурой как кодом. - Опыт проектирования и внедрения корпоративных решений на уровнях данных, приложений и интеграции. - Сильные full-stack навыки: бэкенд-разработка, инженерия данных, системная интеграция (React, Next.js, Python, Node.js, AI SDK, Snowflake, Azure, OpenAI API, Anthropic Claude, PyTorch, Pinecone, Qdrant). - Умение проектировать и реализовывать пайплайны данных, API и масштабируемые архитектуры решений. - Опыт в разработке ПО, инженерии данных или смежных технических ролях: фронтенд, фуллстек, бэкенд, пайплайны данных, интеграция агентов, промт-инжиниринг, быстрая разработка приложений, UX-прототипирование. - Знание управления данными, стандартов безопасности и требований соответствия. - Умение работать в кросс-функциональных командах: бизнес, продукт, инженерия. - Отличные коммуникационные навыки, способность объяснять технические концепции нетехнической аудитории. Условия: - Полная занятость, постоянная роль, не контракт. - Полная удалённая работа или гибрид в Род-Айленде. - Для удалённых кандидатов: проживание в одном из штатов — Аризона, Коннектикут, Флорида, Джорджия, Луизиана, Массачусетс, Северная Каролина, Оклахома, Род-Айленд, Южная Каролина, Техас, Вирджиния. - Работодатель не спонсирует визы.

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.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Федеральная технологическая консалтинговая компания ищет Senior Principal инженера-разработчика ИИ для присоединения к своей команде. Идеальный кандидат имеет 12–15+ лет опыта в разработке ПО и 8+ лет практического опыта в ИИ/МО, опыт проектирования и внедрения крупномасштабных ИИ-систем, знакомство с такими областями, как большие языковые модели (LLM), генерация с дополненной выборкой (RAG), агентный ИИ, оркестрационные фреймворки, MLOps, распределённое обучение и модернизация корпоративного ИИ. Требуется опыт работы с Python, PyTorch, TensorFlow, облачными платформами (AWS, Azure, GCP) и разработкой полнофункциональных приложений. Предпочтителен предыдущий опыт работы в федеральных средах, управление ИИ, облачные нативные архитектуры, DevSecOps, микросервисы и управляемые ИИ-платформы, такие как AWS Bedrock, Azure OpenAI и Google Vertex AI. Требуется гражданство США. Активный допуск Public Trust, Secret или выше будет преимуществом. Требуемые навыки и опыт: - 10+ лет опыта в науке о данных, МО или ИИ - Владение Python на экспертном уровне - Опыт в машинном обучении, глубоком обучении и LLM - RAG, векторные базы данных и инструменты генеративного ИИ - MLOps и развёртывание моделей в продакшене - Облачные платформы (AWS, Azure, GCP) - Внедрение ИИ и аналитики в масштабе предприятия - Статистика, эксперименты и оценка моделей - Степень бакалавра или магистра в смежной области - Степень в области компьютерных наук, инженерии или смежной области Предложение: - Конкурентоспособная почасовая ставка - Полный пакет медицинских льгот - Медицинская страховка - Стоматологические льготы - Офтальмологические льготы - Оплачиваемый отпуск - Пенсионный план 401(k) Соискатели должны иметь разрешение на работу в США на полную ставку сейчас и в будущем.

Формат

Гибрид

Страна

Россия

Город

Не указан

Data Scientist (Audio / Антидипфейк) Зарплата: от 350 000 ₽ Формат работы: гибрид (Москва) Компания: Сбербанк Требования: - Опыт работы в Data Science от 3 лет - Опыт работы с Deep Learning в Аудио и других областях, опыт использования современных архитектур нейронок в Audio/CV - Владение различными методами обучения нейронных сетей: Incremental learning, Self-Supervised Learning и т.п. - Понимание подходов к формированию фичей для анализа аудиоданных: Фурье-разложение, Мел-спектрограммы, Вейвлет-преобразование и прочее - Понимание современных end-to-end подходов к формированию аудио фичей - Свободное владение PyTorch

Формат

Удалённо

Страна

Не указана

Город

Не указан

Data Scientist / ML Engineer (Проект CVM) Удаленно X5 Tech — IT-компания и основной цифровой партнер торговых сетей и бизнесов X5 Group. Требования: - Опыт работы в DS-сфере от трех лет - Умение писать чистый и структурированный код на Python, знание классических алгоритмов и структур данных - Знание теоретических и практических продвинутых методов машинного обучения - Знание PySpark: умение строить оптимальные запросы, знание оконных функций и отличий repartition от coalesce - Знание и опыт работы с PyTorch - A/B тесты, генерация и проверка гипотез: способность говорить с аналитиками на одном языке

Формат

Удалённо

Страна

Не указана

Город

Не указан

Data Scientist в команду RecSys от 300 000 ₽ Удалённая работа 2ГИС — IT-компания, которая помогает людям жить в городе. Требования: - Опыт работы с рекомендательными системами от 2 лет. - Опыт полного цикла решения ML-задач: от аналитики до вывода моделей в прод (от 3 лет). - Отличные знания Python, SQL, классического ML-стека и соответствующих ему библиотек. - Владение одним из DL-фреймворков (torch/tensorflow/keras). - Глубокое понимание рекомендательных систем: подходы, типичные проблемы, метрики, А/Б-тестирование. - Опыт написания Unit-тестов, разработки архитектуры и Code Review. - Опыт работы с инструментами разработки и CI/CD — Git, Jenkins, GitLab, Jira.

Формат

Гибрид

Страна

Не указана

Город

Не указан

ML-разработчик в команду улучшения качества голоса в Алису Компания: Яндекс Формат работы: гибрид Какие задачи вас ждут - Улучшение качества моделей: Вы будете экспериментировать с архитектурами, данными и схемами обучения, чтобы наши модели для подавления шума и эха становились ещё лучше. - Имплементация и оптимизация моделей: Наши модели работают на устройствах Яндекса с Алисой, а также на пользовательских смартфонах и ноутбуках. Эффективность работы — ключевой аспект. Вам предстоит ускорять модели на уровне выбора архитектуры и параметров, а также на уровне конечной имплементации. - Создание и улучшение метрик качества: Мы разрабатываем метрики, которые будут рассчитываться на устройствах пользователей с сохранением их приватности и станут служить индикатором общего качества звука. Мы ждём, что вы - Работали в области DL (например, с CV или NLP) - Хорошо знакомы с Python и имеете базовые навыки в C++ - Знаете PyTorch

Формат

Гибрид

Страна

Не указана

Город

Не указан

Data Scientist в команду репутационной системы Компания: Авито Формат работы: удаленная, гибридная Примеры задач - проектировать, обучать и внедрять NLP-модели для детекции подозрительных и нежелательных интентов и паттернов в коммуникациях - экспериментировать с передовыми методами машинного обучения, когда их применение оправдано решаемой задачей - настраивать сбор разметки и контролировать её качество — как с помощью асессоров, так и при использовании LLM-решений - встраивать модели в сервисы для скоринга, запускать их в продакшен и следить за стабильностью пайплайнов и моделей Требования - не менее 2 лет опыта работы в Data Science - опыт разработки NLP-моделей - владение Python и DS-стеком, работа с DL-фреймворками, например с PyTorch - написание SQL-запросов для сбора данных и диагностики качества моделей - опыт разработки и внедрения ML-моделей в продакшен - умение писать качественный, поддерживаемый, тестируемый и масштабируемый код на Python - умение переводить бизнес-цели в ML-метрики - документирование своих наработок, описание и критическая оценка результатов экспериментов

Формат

Офис

Страна

Россия

Город

Не указан

Мы — Далее, и мы занимаемся разработкой и поддержкой сложных digital-решений для крупных клиентов: от веб-сайтов до приложений, от Сбербанка до Nestle. Мы — один из крупнейших независимых продакшнов в России, работаем с 2005 года, сейчас в штате более 550 человек. Мы занимаем 1-е место в рейтинге Adindex Digital Index в сегменте web-production, входим в топ-20 Tagline. Сейчас мы ищем ML-инженера в команду, которая реализует AI-решения для различных проектов компании. Предстоит разрабатывать и внедрять ML-модели, участвуя во всем жизненном цикле продукта. Обязанности: Поддерживать текущие алгоритмические решения. Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы. Разрабатывать методологию и проектировать NLP/LLM решения. Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта. Интегрировать LLM API (OpenAI, Claude) с fallback-механизмами. Проводить исследования, тестировать новые идеи, оценивать жизнеспособность и качество моделей, реализовывать R&D-подходы на реальных бизнес-данных. Разрабатывать RAG-пайплайн для поиска и обработки данных (POI, отзывы, описания). Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование. Заниматься prompt engineering — создавать и тестировать промты для различных сценариев. Вести рабочую документацию и создавать отчеты о результатах работы. Мониторить ключевые показатели эффективности процессов, анализировать отклонения и их воздействие на общие показатели. Участвовать в проектировании архитектуры, CI/CD, мониторинге и оптимизации сервисов. Требования: Высшее образование в области математики, информатики или смежных дисциплин. Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других). Навыки создания ML-пайплайнов и backend-сервисов. Уверенное владение Python и PyTorch/TensorFlow, понимание принципов работы алгоритмов (GBDT, CNN, Transformers). Практический опыт работы с API, Docker/Kubernetes и базами данных. Понимание процессов Fine-tuning LLM и оценки качества моделей. Опыт внедрения RAG. Умение писать unit-тесты. Будет плюсом: Позитивный опыт внедрения RAG агентов в существующие бизнес-процессы. Реализованные проекты с существенной пользовательской нагрузкой. Понимание инфраструктуры для ML-сервисов (GPU, CPU). Мы предлагаем: Полностью белую заработную плату. Ориентируемся на ваши пожелания, опыт и навыки. Оформление по ТК РФ, оплачиваемый отпуск и больничный с первого рабочего дня. Работу в компании с аккредитацией в Минцифры. Расширенный пакет ДМС со стоматологией. 8-часовой рабочий день, удаленный формат работы. Спорт – корпоративный волейбол, беговой клуб и киберспортивные турниры). Яркую корпоративную жизнь – более 400 мероприятий в год (2 корпоратива с оплатой трансфера, разговорный клуб английского, совместные походы в музей, квизы, книжный и киноклуб, мем-чат и многое другое). Обучение и участие в профессиональных конференциях.

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Senior

Старший ML-инженер — прогнозирование спроса и оптимизация запасов SMALL — одна из крупнейших розничных сетей продуктовых магазинов в Казахстане. Мы управляем более чем 160 магазинами в 10 городах страны. Мы строим систему автозаказа, которая определяет, сколько товара необходимо заказать в каждый магазин. Ищем сильного ML-инженера, который возьмёт на себя техническое руководство проектом: работу с данными, постановку экспериментов, выбор моделей для продакшен-пайплайна, офлайн- и онлайн-оценку качества, управление автозаказом как продуктом. Чем предстоит заниматься - Формировать roadmap ML-экспериментов и самостоятельно выбирать наиболее перспективные направления. - Исследовать подходы к прогнозированию сезонного, нерегулярного и прерывистого спроса. - Работать с промо, календарными эффектами, новыми SKU, дефицитом истории и спросом, цензурированным спросом и восстановлением lost sales при отсутствии товара. - Проводить ABC/XYZ-анализ. - Развивать rolling-origin backtesting и методологию сравнения моделей без временных утечек. - Оценивать решения не только по forecast-метрикам, но и по бизнес-результатам: out-of-stock, fill rate, оборачиваемости и объёму избыточного запаса. - Улучшать преобразование прогноза в заказ с учётом графика поставок, остатка, lead time и ограничений поставщика. - Развивать продакшен ML-пайплайн: качество данных, воспроизводимость экспериментов, мониторинг моделей и диагностику деградаций. - Взаимодействовать с командами Data Engineering, инфраструктуры и бизнеса, превращая неопределённые задачи в проверяемые гипотезы и работающие решения. - Определять техническую архитектуру ML-части системы и стандарты разработки: от подготовки выборок и экспериментов до деплоя и мониторинга. Что для нас важно - Сильный практический опыт в машинном обучении и опыт эксплуатации моделей в production. - Опыт решения задач прогнозирования временных рядов: корректная временная валидация, сезонность, cold start, sparse или intermittent demand. - Хорошее понимание того, как выбирать метрики и дизайн эксперимента под бизнес-задачу, а не оптимизировать одну офлайн-метрику. - Уверенные Python и SQL. - Умение разбираться в данных, находить смещения и утечки, проверять качество источников. - Способность самостоятельно формулировать план работы, принимать технические решения и доводить изменения до production. - Готовность объяснять результаты и компромиссы как инженерам, так и бизнесу. - Дисциплинированный опыт AI-assisted development: умение ускорять работу с помощью coding agents, не перекладывая на них ответственность за корректность решений, качество кода и безопасность данных. Будет большим плюсом - Опыт в grocery retail, e-commerce, supply chain или inventory replenishment. - Опыт построения глобальных моделей на большом количестве связанных временных рядов. - Понимание retail-специфики: промо, каннибализация, out-of-stock, цензура спроса, ассортиментные изменения, новые магазины и SKU. - Знание основ inventory optimization: safety stock, service level, lead time, order multiple, lost sales. - Опыт проведения онлайн-экспериментов или пилотов, где прогноз влияет на реальные операционные решения. - Опыт с CatBoost, PyTorch, ClickHouse, Kafka, Airflow, SLURM или Kubernetes. Наш текущий контур Масштаб задачи: - несколько миллионов SKU × store комбинаций каждый день - ежедневный и внутридневной расчет - прогнозирование на разные горизонты — от нескольких дней до нескольких недель - несколько лет истории в данных Сейчас в проекте есть: - модель прогнозирования спроса на основе градиентного бустинга - фреймворк для rolling-origin backtesting - интеграции с ClickHouse, Kafka, Airflow, Slurm, Kubernetes - продакшен-пайплайн с платформенным мониторингом и наблюдаемостью То есть задача не «сделать первую модель с нуля». Система уже работает в production в пилотном режиме и используется для формирования заказов на все SKU и магазины. Куда мы хотим прийти: - Повысить доступность товаров, одновременно снижая избыточный запас и списания. - Расширить систему с контура «распределительный центр → магазин» на заказы «поставщик → распределительный центр» и другие supply-chain сценарии. - Корректно учитывать неопределённость спроса и целевой service level, выбирая квантили прогноза с учётом стоимости дефицита и избыточного запаса. - Построить устойчивый процесс экспериментов и внедрения изменений с измеримым бизнес-эффектом. Что мы предлагаем - Реальный end-to-end ownership: возможность влиять на постановку задачи, данные, модели, backtesting, production и бизнес-метрики. - Доступ к вычислительному кластеру из 8 нод, каждая — 128 CPU, 2 TB RAM и 8×NVIDIA H200. Мы не требуем использовать deep learning там, где он не нужен, но инфраструктура позволяет проверять вычислительно сложные подходы без искусственных ограничений. - Возможность удаленной работы или в офисе в Алматы или Астане.

Формат

Офис

Страна

Россия

Город

Не указан

AI-разработчик Компания: Top Selection Обязательные требования - Знание архитектур нейросетей (Transformer, CNN, RNN, GAN, Diffusion) - Владение методами обучения моделей с нуля и дообучения (fine‑tune) существующих решений - Опыт работы с фреймворками PyTorch, TensorFlow, JAX - Навыки написания кода для инференса и развёртывания моделей в продакшн‑среде - Понимание принципов оптимизации: градиентный спуск, функции потерь, регуляризация - Комплекс компетенций ML‑инженера с фокусом на самостоятельную реализацию алгоритмов - Уверенное владение языками программирования Python и C++ - Способность реализовать с нуля отдельные компоненты модели: например, механизм внимания или отдельный слой - Глубокое понимание внутренней логики работы моделей (не ограничиваясь использованием готовых методов вроде model.predict()) Задачи - Внедрение обученных моделей в закрытый контур экосистемы компании (на частных серверах) с обеспечением их автономной работы и защитой от внешних воздействий - Адаптация и оптимизация AI‑алгоритмов для эксплуатации на защищённых мобильных устройствах с учётом ограниченного объёма вычислительных ресурсов и необходимости минимизировать энергопотребление

Формат

Гибрид

Страна

Россия

Город

Не указан

ML Engineer в «Максима Прайдекс» Мы создаем системы управления очередью для крупных клиентов (ПСБ, ФНС, МФЦ). Ищем специалиста для развития ИИ-сервисов, создания пайплайнов обработки данных и умной аналитики. Что предстоит делать - Audio Processing: развитие пайплайна (диаризация спикеров -> распознавание речи -> NLP-модерация). - LLM & RAG: разработка корпоративной RAG-системы (поиск по истории чатов, файлам и регламентам). - Smart Analytics: предиктивная аналитика для банковских терминалов (оптимизация работы операторов). - Production: интеграция ML-моделей и обеспечение их стабильной работы. Что мы ожидаем - Опыт: коммерческая разработка на Python от 1 года. - Backend & Инфраструктура: уверенное использование Docker, создание API на FastAPI, проектирование асинхронной обработки тяжелых ML-запросов. - NLP / LLM: практический опыт построения RAG, векторный поиск и эмбеддинги, LangChain. - Speech-to-Text: работа с распознаванием речи (Vosk, Whisper, GigaAM) и диаризацией. - Data Science: PyTorch, Pandas, NumPy, базовые алгоритмы и метрики ML. - Английский: от B1 (свободное чтение документации). Будет плюсом - Apache Airflow - Celery Мы предлагаем - Аккредитованная ИТ-компания. - Оформление по ТК РФ - Заработная плата 120 000 руб. после вычета налогов, полностью официальная, периодическая индексация. - Офис у м. Стахановская / Гибридный формат после испытательного срока. - Удобный график (базово 9:00–18:00, можно согласовать свой).

Формат

Гибрид

Страна

Россия

Город

Не указан

ML Engineer в Максима Прайдекс Мы создаем системы управления очередью для крупных клиентов (ПСБ, ФНС, МФЦ). Ищем специалиста для развития ИИ-сервисов, создания пайплайнов обработки данных и умной аналитики. Обязанности - Audio Processing: развитие пайплайна (диаризация спикеров -> распознавание речи -> NLP-модерация) - LLM & RAG: разработка корпоративной RAG-системы (поиск по истории чатов, файлам и регламентам) - Smart Analytics: предиктивная аналитика для банковских терминалов (оптимизация работы операторов) - Production: интеграция ML-моделей и обеспечение их стабильной работы Требования - Опыт: коммерческая разработка на Python от 1 года - Backend & Инфраструктура: уверенное использование Docker, создание API на FastAPI, проектирование асинхронной обработки тяжелых ML-запросов - NLP / LLM: практический опыт построения RAG, векторный поиск и эмбеддинги, LangChain - Speech-to-Text: работа с распознаванием речи (Vosk, Whisper, GigaAM) и диаризацией - Data Science: PyTorch, Pandas, NumPy, базовые алгоритмы и метрики ML - Английский: от B1 (свободное чтение документации) Будет плюсом - Apache Airflow - Celery Условия - Аккредитованная ИТ-компания - Оформление по ТК РФ - Заработная плата 120 000 руб. после вычета налогов, полностью официальная, периодическая индексация - Офис у м. Стахановская / Гибридный формат после испытательного срока - Удобный график (базово 9:00–18:00, можно согласовать свой)