Вакансии PyTorch
Все вакансии с PyTorch: можно найти работу, где этот инструмент указан в стеке или в задачах. Смотрите живые роли по инструменту и узкие пересечения с профессиями ниже.
Фильтр вакансий
Senior LLM-инженер, специалист по тонкой настройке и RAG
Обязанности - Тонкая настройка фундаментальных моделей с использованием LoRA/QLoRA, RLHF/DPO и инструктивной настройки для доменных задач и терминологии. - Построение агентных и инструментальных рабочих процессов, связывающих LLM с внутренними инженерными инструментами и источниками данных. - Проектирование оценочных стендов для проверки фактологичности и точности. - Обеспечение защиты от галлюцинаций и внедрение предохранительных механизмов безопасности. - Построение RAG-пайплайнов с Azure AI Search. - Создание структурированных систем вызова инструментов и функций на основе тонко настроенных моделей Azure OpenAI. - Развертывание и оптимизация инференса с использованием квантизации, KV-cache, vLLM и TensorRT-LLM в Azure Kubernetes Service. - Поддержание надежности, безопасности и экономической эффективности тренировочных и инференс-нагрузок Azure AI/ML совместно с ML-инженерами, дата-сайентистами и командами MLOps. Требования - 8+ лет общего опыта в ML/AI-инженерии с глубокой практической работой с LLM и фундаментальными моделями. - Подтвержденный опыт тонкой настройки моделей с использованием LoRA/QLoRA/PEFT, полной тонкой настройки или предобучения в некотором масштабе. - Практический опыт с RLHF, RLAIF, DPO или инструктивной настройкой. - Свободное владение Python. - Глубокое владение PyTorch. - Твердое понимание внутреннего устройства архитектуры трансформеров. - Практический опыт построения RAG-пайплайнов, эмбеддингов и векторного поиска, а также агентных или инструментальных LLM-систем. - Знакомство с Azure OpenAI, Azure AI Foundry или аналогичной облачной LLM-платформой. Желательно - Опыт работы непосредственно с Azure OpenAI Service и Azure AI Foundry. - Опыт оркестрации LLM-управляемой генерации кода или структурированных выходных данных для технических и инженерных доменов. - Опыт распределенного обучения на мульти-GPU и мультинодных кластерах с использованием DeepSpeed или FSDP. - Публикации, посты в блогах или вклад в open-source в области генеративного ИИ. Условия - Переменная оплата в виде денежного бонуса или в другой форме. - Медицинская, стоматологическая и офтальмологическая страховка. - Гибкие расходные счета и сберегательные счета на медицинские расходы. - Страхование жизни, от несчастных случаев и инвалидности. - Пенсионные льготы. - Оплачиваемый отпуск и отгулы. - Образовательная поддержка. - Помощь при бесплодии. - Оплачиваемый отпуск по уходу за ребенком. - Помощь при усыновлении. - Гибкий формат работы.
Senior ML-инженер/исследователь, World Models и MBRL
Роботы доставки Яндекса ежедневно доставляют тысячи заказов, маневрируя в сложной, неструктурированной городской среде. Команда активно растёт и планирует масштабировать флот до 20 000 роботов к 2028 году. В core-команду ищут Senior ML Engineer/Researcher, который сфокусируется на построении быстрой интерактивной модели мира и масштабном обучении MBRL-агентов. Задачи - Разработка и скейлинг World Models: проектирование и обучение массивных 3D/видеотокенизаторов и бэкбонов на базе Diffusion Transformers (DiT), Flow Matching и других подходов. - Distributed Training: построение пайплайнов для распределённого обучения тяжёлых foundation-моделей на вычислительном кластере. - Model-Based RL (MBRL) and Planning: обучение чистого RL и политик IL + RL внутри замороженной латентной симуляции World Model. - Representation Shaping: интеграция вспомогательных лоссов для perception-задач 3D-детекции, сегментации, трекинга. - Safety and Inference: построение надёжного safety-контура поверх выходов модели и подготовка конструкции к реалтайм-инференсу на edge-устройствах робота. Требования - Экспертный уровень владения JAX и PyTorch. - Навыки масштабного распределённого обучения. - Глубокая математическая и ML-база. - Способность писать, генерировать и проверять быстрый оптимизированный код. Будет плюсом - Опыт работы с Vision Foundation Models, генеративными видео- и image-моделями, синтезом лидарных облаков. - Опыт в Reinforcement Learning. - Опыт продвинутой квантизации тяжёлых трансформеров или диффузионных моделей для edge-устройств. - Оптимизация инференса «на борту» робота. - Бэкграунд в Autonomous Driving, Motion Planning или Robotics. Условия - Если для рабочих задач нужно подтянуть язык, команда организует обучение и оплатит 50% стоимости.
Staff-инженер по ИИ, промпт-инжиниринг
О команде и проекте GE Vernova создаёт команду для применения генеративного ИИ. Цель — автоматизация промптинга и разработка фреймворка для промптинга, чтобы максимизировать переиспользование и обмен между бизнес-подразделениями. Сотрудник будет работать на стыке передовых технологий и традиционной индустрии, влияя на бизнес-процессы. Компания ведёт стратегию и R&D для энергетического перехода, сотрудничает с правительством США и более чем 420 организациями, реализует 150+ энергетических проектов. Задачи - Взаимодействовать с профильными экспертами для понимания бизнес-потребностей и превращения их в чёткие эффективные промпты для LLM. - Разрабатывать, тестировать и уточнять промпты для различных сценариев, обеспечивая точность и релевантность результатов. - Тесно работать с разработчиками ПО для интеграции решений на основе LLM в существующие или новые приложения. - Участвовать в разработке масштабируемого фреймворка для промпт-инжиниринга, способствуя переиспользованию и обмену знаниями между бизнес-подразделениями. - Помогать в сборе и анализе обратной связи пользователей для постоянного улучшения эффективности промптов. - Следить за развитием технологий LLM и участвовать в стратегических решениях по выбору инструментов и платформ. - Документировать процессы промпт-инжиниринга, лучшие практики и результаты сценариев для создания базы знаний. Требования - Степень магистра в области компьютерных наук, ИИ/МО, инженерии, математики или смежной области и не менее 5 лет релевантного опыта. - Право на работу в США (требование работодателя). Предпочтительные качества - PhD в области компьютерных наук, инженерии, науки о данных или смежной области. - Опыт промпт-инжиниринга и знакомство с инструментами: OpenAI GPT, Hugging Face и др. - Владение Python или другими языками, обычно используемыми в ИИ/МО. - Опыт работы с фреймворками машинного обучения (например, PyTorch) и библиотеками обработки данных (Pandas, NumPy). - Предыдущий опыт или стажировки в NLP или проектах по машинному обучению. - Знакомство с системами контроля версий, например Git. - Понимание операционных процессов и задач традиционной индустрии. - Развитые навыки решения проблем и внимание к деталям. - Отличные коммуникативные навыки, способность объяснять сложные технические концепции нетехническим заинтересованным сторонам. - Способность работать в команде и адаптироваться к меняющимся требованиям проекта. Условия - Конкурентная компенсация, профессиональное развитие, сложные задачи, хорошая рабочая среда. - Вилка зарплаты для позиции в США: $98 400 – $164 000. - Компания выплачивает географическую надбавку 110%, 120% или 130% к зарплате в определённых регионах. - Возможен дискреционный ежегодный бонус. - Предоставляется помощь с переездом (relocation assistance). - Медицинская, стоматологическая, офтальмологическая страховка и покрытие рецептурных препаратов; доступ к Health Coach от GE Vernova (круглосуточная поддержка медсестёр); программа помощи сотрудникам (EAP) с круглосуточной конфиденциальной оценкой и консультациями. - Предложение о работе зависит от успешного прохождения проверки на наркотики (если применимо).
Middle ML-инженер
Формат работы: можно удалённо. Компания — один из крупнейших независимых digital-продакшнов в России, работает с 2005 года, в штате более 550 человек. Ищет ML-инженера в команду, которая реализует AI-решения для проектов компании. Чем предстоит заниматься: - Поддерживать текущие алгоритмические решения - Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы - Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта - Разрабатывать RAG-пайплайн для поиска и обработки данных - Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование Пожелания к кандидатам: - Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других) - Уверенное владение Python и PyTorch/TensorFlow - Практический опыт работы с API, Docker/Kubernetes и базами данных - Опыт внедрения RAG
AI-исследователь
Компания: Top Selection Ищем AI-исследователя в команду ИИ-инкубатора крупного ритейлера. Будем собирать PoC, агентов и внедрять LLM в реальные бизнес-процессы. Зарплата: 260-300 тыс. руб/мес График: МСК ± 2, полная удаленка Гражданство/локация: только РФ Проект до конца года + возможна пролонгация Оформление: по договору ИП Требования: - Разработка архитектуры агентов: управление состоянием диалога и контекстом, динамический выбор инструментов (tool calling), настройка уровней автономности и сценариев human-in-the-loop - Глубокое понимание жизненного цикла ML-модели: от подготовки признаков до интерпретации результатов - Знание методов борьбы с переобучением, data leakage, регуляризации; уверенный выбор алгоритмов под задачу - Владение матстатистикой для проверки гипотез, расчета доверительных интервалов и самостоятельного дизайна A/B-тестов - Построение системы метрик: разработка офлайн- и онлайн-показателей, кросс-валидация, прямая оценка бизнес-эффекта - Непрерывный мониторинг дрейфа моделей и качества данных в продакшене - Опыт работы хотя бы в одном из направлений: классическое машинное обучение; временные ряды и прогнозирование; рекомендательные системы, поиск и ранжирование; NLP, LLM и генеративный AI - Языки и библиотеки: Python (pandas/polars, NumPy, scikit-learn, CatBoost/XGBoost/LightGBM, PyTorch), продвинутый SQL - Написание поддерживаемого production-кода: модульная архитектура, юнит-тесты, логирование, документация, работа с GitFlow и код-ревью - Построение пайплайнов оценки (LLM Evals): контроль галлюцинаций, релевантности ответов и мониторинг поведения системы - Обеспечение безопасности: защита от prompt injection, предотвращение утечек персональных данных (PII/privacy) и аудит прав доступа агента - Практический опыт работы с API языковых моделей, платформой Hugging Face и orchestration-фреймворками - Умение оценивать стоимость, latency и масштабируемость LLM-решений - Опыт работы в e-commerce, retail или других продуктовых highload-системах - Инфраструктура и оркестрация: Airflow, MLflow, Kafka, Redis, Kubernetes - Мониторинг и наблюдаемость: Prometheus, Grafana, OpenTelemetry - Опыт эксплуатации GPU-инфраструктуры и оптимизации inference - Адаптация моделей через fine-tuning (LoRA/PEFT) - Опыт проектирования agentic workflows или multi-agent-систем - Понимание принципов информационной безопасности, privacy и работы с персональными данными Задачи на проекте: - Разработка генеративных ИИ-моделей для синтеза визуального и проектного контента на основе структурированных данных товарного каталога в рамках проверки гипотез (PoC) внутри корпоративной платформы по оценке ИИ-инициатив Условия: - Решаем нестандартные задачи ИИ-инкубатора (от гипотезы до защиты на Экспертном комитете) - Реальный highload и Big Data в Retail
Senior Computer Vision Engineer, AI/CV-решения
Компания QLAN ищет Computer Vision Engineer для разработки и внедрения AI/CV-решений в крупных компаниях и государственных структурах. Формат: удалённо Занятость: full-time, 5/2 Зарплата: от 250 000 ₽ Требуется гражданство РФ Что предстоит делать: — разрабатывать и внедрять решения в области Computer Vision; — работать с датасетами, разметкой и подготовкой данных; — проводить эксперименты и анализировать качество моделей; — создавать и поддерживать production-ready CV-решения; — работать с Linux, Git, Docker/Docker Compose; — участвовать в выборе технических подходов и анализе результатов. Что требуется: — от 3 лет коммерческого опыта в Computer Vision; — знания классического ML, статистики и алгоритмов CV; — практический опыт с PyTorch; — уверенное владение NumPy, scikit-learn, Matplotlib, OpenCV; — Linux (Ubuntu/Mint/Debian); — Docker и Docker Compose; — Git; — английский B2+; — опыт самостоятельного доведения проектов до production; — умение читать научные статьи, воспроизводить решения и адаптировать их под реальные задачи. Что предлагают: — полностью удалённую работу; — гибкое начало рабочего дня; — профессиональное развитие; — работу с современными технологиями в области CV/ML.
Principal-инженер AI, промпт-инжиниринг
О компании GE Vernova развивает направление генеративного ИИ: создаёт команду для автоматизации промптинга и разработки фреймворка для переиспользования промптов между бизнес-подразделениями. GE Vernova Advanced Research выступает акселератором и ведёт исследования для энергетического перехода. Позиция предполагает работу на стыке передовых технологий и традиционной промышленности. Задачи - Взаимодействовать с профильными экспертами для перевода бизнес-потребностей в эффективные промпты для LLM. - Разрабатывать, тестировать и улучшать промпты для различных сценариев, обеспечивая точность и релевантность результатов. - Тесно работать с разработчиками ПО для интеграции LLM-решений в существующие или новые приложения. - Участвовать в создании масштабируемого фреймворка для промпт-инжиниринга, способствуя переиспользованию и обмену знаниями между бизнес-подразделениями. - Помогать в сборе и анализе обратной связи пользователей для постоянного улучшения эффективности промптов. - Отслеживать достижения в области LLM и участвовать в стратегических решениях по выбору инструментов и платформ. - Документировать процессы промпт-инжиниринга, лучшие практики и результаты сценариев для создания базы знаний. Требования - 10+ лет релевантного опыта и степень магистра или PhD в области компьютерных наук, искусственного интеллекта, машинного обучения, AI-инжиниринга или смежных областях. - Готовность работать в офисе в Нискаюне (штат Нью-Йорк) или Кембридже (штат Массачусетс). - Для сотрудников в Кембридже: обязательная трёхмесячная гибридная адаптационная программа в Исследовательском центре GE Vernova Advanced Research в Нискаюне. Предоставляются расходы на поездки, жильё и проживание. - Наличие права на работу в США. Желательные качества - PhD в области компьютерных наук, ИИ, машинного обучения, инженерии, науки о данных или смежных областях. - 3+ года опыта в промпт-инжиниринге и знакомство с инструментами, такими как модели OpenAI GPT, Hugging Face и др. - 5+ лет опыта работы с Python или другими языками программирования, обычно используемыми в AI/ML. - Опыт с фреймворками машинного обучения (например, PyTorch) и библиотеками обработки данных (например, Pandas, NumPy). - Предыдущий опыт или стажировки в проектах по NLP или машинному обучению. - Знакомство с системами контроля версий, например Git. - Понимание особенностей работы традиционной промышленности и её задач. - Развитые навыки решения проблем и внимание к деталям. - Отличные коммуникативные навыки, умение объяснять сложные технические концепции нетехническим заинтересованным сторонам. - Способность работать в команде и адаптироваться к меняющимся требованиям проекта. Условия - Компания предлагает хорошую рабочую среду, профессиональное развитие, интересные задачи и конкурентоспособную компенсацию.
Прикладной AI-инженер, LLM и полупроводники
Группа Silicon Co-Design компании NVIDIA ищет прикладного AI-инженера для разработки и интеграции AI-решений в инфраструктуру проектирования и автоматизации чипов. Задачи - Проектирование и развертывание AI-систем для пост-силиконовой валидации: ускорение, повышение интеллектуальности и масштабируемости процессов в полупроводниковых средах. - Интеграция AI в рабочие процессы: взаимодействие с межфункциональными инженерными командами для выявления узких мест и создания решений. - Оценка новых AI-фреймворков и архитектур, определение перспективных для внедрения. - Построение систем данных для измерения влияния AI: установление количественных показателей, устранение пробелов в производительности и организация итераций. Требования - BS, MS, PhD или эквивалентный опыт в CS, EE, CE или смежной области, 5+ лет практического опыта в создании и развертывании ML/AI-систем или бэкенд-сервисов с интенсивной работой с данными. - 2+ года непосредственного опыта в Applied AI: самостоятельное владение AI-агентом, LLM-рабочим процессом или системой интеллектуальной автоматизации от прототипа до продакшена. - Сильные навыки Python и владение как минимум одним статическим языком: C, C++, C, Java или Scala. - Опыт работы в среде разработки кремния: знакомство с методологиями характеризации чипов и систем, вариациями процессов, статистическими уровнями ошибок или продвинутым анализом таймингов и энергопотребления. - Практический опыт с bring-up кремния, характеризацией или лабораторной отладкой с использованием стандартных инструментов (осциллографы, мультиметры, логические анализаторы). - Сильные базовые знания в электротехнике: компьютерная архитектура, высокоскоростные интерфейсы, тайминги, основы энергопотребления, понимание структур прошивок и драйверов и взаимодействия с аппаратурой. - Умение балансировать несколько параллельных проектов, отличные навыки решения проблем, коммуникации и работы в команде. Будет плюсом - Опыт отладки сложных системных проблем, связанных с взаимодействием HW/SW, включая лидерство или владение процессом анализа корневых причин проблем кремния или функций. - Способность превращать инновационные AI-исследования в практические производственные инструменты. - Знакомство с современными AI-технологиями и методологиями создания и запуска LLM. - Опыт создания и развертывания оркестрационных агентов, управляющих сотнями и тысячами инструментов. - Опыт работы с фреймворками глубокого обучения (PyTorch, TensorFlow) и инструментами агентной оркестрации: NeMo Agent Toolkit, LangChain, Semantic Kernel, AutoGen, CrewAI, n8n. Условия - Базовая зарплата определяется на основе локации, опыта и оплаты сотрудников на аналогичных позициях. - Диапазон базовой зарплаты: 152 000–241 500 USD для Level 3, 184 000–287 500 USD для Level 4. - Возможность получения акций и льгот.
Senior Research Engineer, синтез речи
Synthesia — платформа для создания видео с помощью ИИ, используемая более чем 90% компаний из списка Fortune 100. Основана в 2017 году, штаб-квартира в Лондоне, офисы и команды в Европе и США. После раунда финансирования серии E в размере 200 млн долларов оценка компании составляет 4 млрд долларов. Общий объем привлеченного финансирования превышает 530 млн долларов от инвесторов, включая Accel, NVentures (венчурное подразделение Nvidia), Kleiner Perkins, GV и Evantic Capital, а также основателей и операторов Stripe, Datadog, Miro и Webflow. В команде исследователей и инженеров (более 40 человек) в составе R&D-отдела вы будете работать над задачами в области генеративного ИИ, с фокусом на создание качественных, выразительных и работающих в реальном времени синтетических голосов. Работа связана с прикладной стороной исследовательских усилий и напрямую влияет на решения, используемые более чем 60 000 компаний по всему миру. Вы присоединитесь к команде Audio Post-Training, которая занимается генеративной речью и синтезом голоса, обеспечивая производственное качество, скорость и надежность внутренних голосовых моделей. Типичные проекты: - Разработка и оценка систем потоковой передачи и преобразования речи в речь для интерактивного синтеза голоса с низкой задержкой. - Адаптация моделей под новые входные параметры (эмоции, скорость, просодия, управление диктором и т. д.). - Внедрение методов пост-обучения (квантование, прунинг, дистилляция) для повышения эффективности и снижения задержки в генерации речи в реальном времени. - Интеграция и тестирование новых архитектур, таких как нейронные кодеки, диффузионные модели или модели потокового согласования, для повышения реалистичности и отзывчивости. - Участие в определении новых метрик оценки разговорной речи, включая системы прогнозирования MOS с учетом задержки. - Отслеживание последних исследований в области аудиодиффузии, авторегрессионных моделей, нейронных кодеков и мультимодальных LLM. - Применение DPO (Direct Preference Optimization) и дистилляции для точной настройки крупномасштабных речевых моделей. Требования: - Глубокое понимание генеративного моделирования, желательно применительно к последовательным или мультимодальным данным. - Практический опыт работы с большими языковыми моделями (LLM) или аналогичными архитектурами на основе трансформеров. - Высокий уровень владения PyTorch, включая опыт распределенного обучения и оптимизации моделей. - Хорошее понимание моделирования временных рядов и токенизации, желательно в контексте аудио или речи. - Подтвержденная способность быстро создавать прототипы, проверять гипотезы и эффективно итерировать. - Опыт сквозного обучения моделей глубокого обучения — от подготовки данных до оценки. - Сильные навыки разработки ПО, позволяющие вносить вклад в общую исследовательскую инфраструктуру. Желательно: - Опыт работы с архитектурами реального времени или потоковой передачи. - Знакомство с современными архитектурами в области генерации аудио и речи (диффузионные модели, нейронные кодеки, модели потокового согласования, авторегрессионные декодеры). - Опыт работы с системами преобразования речи в речь или текста в речь (TTS). - Подтвержденный вклад в оригинальные исследования, например публикации или open-source работы на ведущих конференциях (ICASSP, Interspeech, NeurIPS, ICML).
ML-разработчик, распознавание речи
Команда создаёт и совершенствует системы распознавания речи в приложениях и сервисах Яндекса, включая работу с уникальным доменом запросов к голосовому помощнику. Модели позволяют выводить Алису в новые регионы: ОАЭ, Саудовскую Аравию, Казахстан. Также решаются смежные задачи понимания голоса. Достигнуто высокое качество распознавания для многих областей, сейчас стоит задача расширять технологии на новые языки. Ищут опытного ML-разработчика, который сможет усилить команду. Ценится глубокое понимание ML и DL, работе со звуком готовы научить. Задачи: - Расширять технологии на новые языки: Алиса уже работает на множестве языков в разных регионах мира, главная задача — расширить её языковые возможности. - Участвовать в разработке новых проектов: изучать и применять научные публикации, строить гипотезы и проводить эксперименты. - Запускать в продакшн: собирать и анализировать данные для низкоресурсных языков, тренировать большие ASR-модели, внедрять результаты в продакшн. Требования: - Хорошее знание Python и опыт работы с PyTorch. - Опыт в области DL, например в CV или NLP. - Базовые навыки в C++. Будет плюсом: - Опыт работы с DL в области речевых технологий. - Опыт внедрения нейросетевых моделей в продакшн. - Опыт работы с большими данными. Условия: - ДМС действует с первого месяца работы, включая плановую и неотложную помощь за рубежом.
Middle ML-инженер
ML-инженер Формат работы: можно удалённо. Компания — один из крупнейших независимых digital-продакшнов в России, работает с 2005 года, в штате более 550 человек. Ищет ML-инженера в команду, которая реализует AI-решения для проектов компании. Чем предстоит заниматься: - Поддерживать текущие алгоритмические решения - Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы - Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта - Разрабатывать RAG-пайплайн для поиска и обработки данных - Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование Пожелания к кандидатам: - Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других) - Уверенное владение Python и PyTorch/TensorFlow - Практический опыт работы с API, Docker/Kubernetes и базами данных - Опыт внедрения RAG
Инженер по оценке ИИ-агентов, разработчик задач
Компания Mindrift подбирает специалистов для проектной работы с ИИ-системами ведущих технологических компаний. Участие проектное, не постоянная занятость. Роль: разработка задач на кодинг для frontier-моделей ИИ. Каждая задача — самодостаточное Docker-окружение с неработающим кодом, который агент должен исправить; автоматические тесты проверяют результат. Итоговый результат — полный пакет: сломанный код, тесты, инструкция и эталонное решение. Задачи: - Придумать реалистичный сценарий разработчика — реальный баг, сломанный ETL, отсутствующая функция, а не учебная проблема. - Собрать воспроизводимое Docker-окружение с фиксированными зависимостями. - Написать pytest, проверяющий результат, а не команды, — детерминированный, стабильный, не раскрывающий исправление. - Написать instruction.md в формате Jira-тикета. - Написать эталонное решение solve.sh, доказывающее решаемость задачи. - Калибровать сложность так, чтобы современные агенты решали задачу в 20–60% случаев. - Дорабатывать задачи по обратной связи от экспертных QA-ревьюеров. - Позже — рецензировать задачи других авторов в роли QA-ревьюера. Вне области: разметка данных, промт-инжиниринг, продакшн-код, задачи уровня Leetcode. Требования: - 3+ года продакшн-разработки в одном бэкенд-стеке: Python, Go, Node.js, Java или Rust. - Свободное владение Python и pytest — обязательно независимо от основного стека: фикстуры, parametrize, monkeypatch, таймауты, conftest.py. - Опыт создания Docker-образов: воспроизводимые Dockerfile, фиксированные зависимости, multi-stage сборки, запуск от non-root пользователя. - Уверенная работа с Linux и Bash: отладка внутри контейнеров (strace, lsof, journalctl), shell-скрипты сложнее set -euo pipefail. - Опыт работы с ИИ-агентами кодинга — Claude Code, Cursor, Roo Code или аналогичными — на нетривиальных задачах; умение привести пример, когда ИИ уверенно ошибался, и как это было обнаружено. - Письменный английский уровня B2+. Не подходит: инженеры Data Science, ML или Computer Vision без бэкенд-опыта; мануальные QA без автоматизации; фронтенд-only, low-code/no-code, IT-поддержка, бизнес-аналитики; инженеры без опыта написания pytest с нуля; джуниоры, интерны или ассистенты на последней позиции. Предпочтительно: - Глубина в одной из областей: безопасность, системное администрирование (nginx, systemd, cron), научные вычисления (NumPy, PyTorch, SciPy), DevOps или внутренности Git. - Современный Python-тулинг: uv, poetry, pyproject.toml. - Инструменты покрытия: pytest-cov, coverage.py, gcov, llvm-cov, kcov. - Фаззинг или property-based тестирование (Hypothesis). - Опыт участия в бенчмарках оценки агентов. Процесс: заявка → квалификационный этап (90-минутный тест-задача и короткое поведенческое интервью) → присоединение к проекту → выполнение задач → оплата. Время: онбординг — около 10 часов на первую задачу; далее — около 5 часов на задачу, 2–4 параллельные задачи; реалистичная недельная нагрузка — 8–20 часов. График свободный, задачи сдаются к дедлайну и по критериям приёмки. Оплата: до $35 в час, зависит от экспертизы, оценки навыков, локации и потребностей проекта. Возможны повышенные ставки для узких специалистов, пониженные — на онбординге. Детали оплаты сообщаются по каждому проекту.
Senior ML-инженер, поисковая релевантность
О компании Constructor — AI-first платформа для поиска и обнаружения товаров в электронной коммерции, запущена в 2019 году. Помогает покупателям находить нужные товары и позволяет глобальным брендам увеличивать выручку и конверсию. О роли Senior ML-инженер в команде Search Quality. Улучшение пользовательского опыта для сотен миллионов пользователей, создание систем, обеспечивающих релевантность для глобальных ритейлеров — от моды и продуктов до электроники и товаров для дома. Миссия — измерять качество поиска, повышать его и предотвращать деградации до того, как их заметит пользователь. Это достигается сочетанием донастроенных LLM для оценки релевантности, моделей реального времени и глубокого офлайн-анализа журналов запросов. Задачи - LLM-оценка: донастройка собственных моделей для оценки релевантности, обучение модели понимать интент запроса, представлять товары из неструктурированных каталогов и согласовывать оценки модели с реальным поведением пользователей. - Качество в реальном времени в продакшене: реранжирование, фильтрация, вычисление сигналов. Строгие требования к задержке, поэтому постоянный компромисс между качеством и скоростью. - Автоматический мониторинг качества и агентные инсайты: пайплайны для обнаружения деградаций и поиска неэффективных паттернов. Агентные системы, генерирующие практические рекомендации для данных о товарах и конфигураций поиска. Что делает работу интересной - Мультидоменность и мультиязычность в масштабе: 40+ языков, 20+ доменов. Модели должны обобщаться на все домены без индивидуальных правил для клиентов. - Нет универсальной истины: продуктовый ритейлер и модный ритейлер могут по-разному понимать, что значит «релевантно». - Эффективность в масштабе: оптимизация и масштабирование LLM-инференса по всей клиентской базе. Требования - 4+ года создания продакшен-ML-систем. - Опыт с поиском, информационным поиском или рекомендательными системами. - Практический опыт донастройки, фреймворков оценки и масштабирования LLM-развертываний. - Уверенный Python и PyTorch. Свободное владение SQL и инструментами оркестрации данных (Spark, Airflow). - Опыт проектирования и проведения A/B-тестов для проверки влияния моделей. - Отличные коммуникативные навыки на английском. - Опыт работы в кросс-функциональных командах (ранжирование, продукт, инженерия данных). Условия - Работа с умными и эмпатичными людьми, которые помогают расти и влиять на результат. - Регулярные командные офлайн-мероприятия. - Полностью удалённая команда — можно выбирать место жительства. - Безлимитный отпуск — компания рекомендует брать не менее 3 недель в год. - Стипендия на работу из дома для обустройства домашнего офиса. - Ноутбуки Apple для новых сотрудников. - Бюджет на обучение и развитие для каждого сотрудника, обновляется каждый год. - Отпуск по беременности и уходу за ребёнком для соответствующих сотрудников. - Базовая зарплата: $80 000–$120 000 USD в зависимости от знаний, навыков, опыта и результатов интервью. - Опционы на акции в дополнение к базовой зарплате.
T1 ищет AI Product Manager / AI Lead
AI Product Manager / AI Lead Компания T1 развивает продукты на основе больших данных и искусственного интеллекта, создаёт платформы хранения данных, аналитические и рекомендательные системы для крупного бизнеса. Компания ищет специалиста, который сможет управлять AI-продуктами, координировать технические команды и участвовать в развитии AI-стратегии. Чем предстоит заниматься - Управлять AI-продуктами от идеи до запуска в production. - Участвовать в формировании AI-стратегии: Roadmap, KPI и приоритизация инициатив. - Прорабатывать архитектуру AI-решений. - Координировать команды Data Scientists, ML-инженеров и Data Engineers. - Запускать PoC и MVP AI-продуктов. - Решать задачи масштабирования моделей и повышения качества данных. - Оптимизировать инференс моделей по скорости, стоимости и точности. - Работать с дообучением open-source моделей под бизнес-задачи. Что важно - Опыт работы на релевантной позиции от 5 лет. - Опыт в сфере AI. - Опыт коммерческой разработки и широкий технический кругозор. - Опыт управления командой — обязательно. - Умение презентовать решения и ценность продуктов C-level. - Понимание Agile / Scrum в ML-проектах. - Лидерские качества, критическое мышление и сильные коммуникационные навыки. Технологический стек - Python, SQL. - scikit-learn, TensorFlow, PyTorch. - Hugging Face, LangChain. - MLflow, Kubeflow, Airflow. - Docker, Kubernetes, K8s. - Spark. - DWH: BigQuery, Snowflake. - Векторные базы: FAISS, Pinecone. - Kafka. - LLM и NLP-модели. - Embeddings, NER, classification. О компании В состав T1 входят Т1 Иннотех, Т1 ИИ, Т1 Интеграция, Т1 Облако, Т1 Сервионика, Т1 Цифровая Академия и НОТА от Т1. Компания предлагает стабильную работу, профессиональное развитие, интересные AI-проекты и комфортный гибридный формат.
HR 💜 QA 🟡 Менеджерам
Стажер Data Scientist (сегменты) Москва, офис Команда «Сегменты» специализируется на создании ML-моделей для анализа оттока клиентов, снижения транзакционной активности и выявления склонностей к различным продуктам. Команда насчитывает шесть человек, среди которых выпускники МГУ и ВШЭ. Ищем стажера, готового участвовать в полном цикле создания DS-продуктов — от идеи до промышленного внедрения. Обязанности - Помощь в разработке и обучении моделей прогнозирования поведения клиентов - Проведение исследовательского анализа данных (EDA): поиск паттернов, аномалий и инсайтов для формирования гипотез - Участие в формировании гипотез и тестировании бизнес-идей - Разработка пайплайнов для обработки данных (под руководством наставника) - Подготовка кода моделей к промышленной эксплуатации и участие в интеграции решений в платформы компании - Оценка качества моделей с технической (метрики) и бизнесовой стороны (метрики влияния на продукт) Требования - Базовые знания Python: уверенное владение синтаксисом, написание чистого кода, знакомство с pandas, numpy - Математический аппарат: понимание основ статистики, теории вероятностей и линейной алгебры, знание принципов проверки гипотез (A/B тесты) - ML: понимание классических алгоритмов (линейная регрессия, деревья решений, градиентный бустинг), знакомство с фреймворками Scikit-Learn и LightGBM на базовом уровне - SQL: умение писать запросы для извлечения и агрегации данных Будет плюсом - Опыт работы с Spark/PySpark и/или Hadoop - Базовое понимание устройства нейросетей (PyTorch) и трансформеров - Опыт участия в DS-соревнованиях (Kaggle, ODS) - Понимание основ DevOps (CI/CD, Git) Условия - Комфортный современный офис рядом с м. Кутузовская - Офисный формат работы - Срочный трудовой договор - Корпоративный спортзал и зоны отдыха, более 400 образовательных программ СберУниверситета для профессионального и карьерного развития - Программа адаптации и помощь руководителя на старте
Progjob
Компания ROBOTMIA Вакансия Data Scientist (Аудиоаналитика) офис в г. Новосибирск Локация Новосибирск, Россия Требуемые навыки - Алгоритмы и структуры данных - Docker - Scikit-learn - TensorFlow - ClickHouse - PyTorch - Pandas - Python - SQL
Прикладной AI-инженер продукта, full-stack
О компании EZLabs — подразделение AI-инноваций компании VetsEZ. Ищем нескольких прикладных AI-инженеров продукта для работы в полностью удалённом формате. Проекты связаны с созданием интеллектуальных платформ для здравоохранения и решений на основе ИИ. Компания трансформирует оказание медицинской помощи с помощью технологий, инноваций и продуманного дизайна. Партнёры: медицинские команды, поставщики услуг и страховщики. Цель — улучшение вовлечённости пациентов, координации ухода и обработки претензий через продвинутую аналитику, интеллектуальную автоматизацию и защищённые цифровые платформы. Роль подходит инженеру-практику, работающему на стыке ИИ, разработки продуктов и full-stack разработки. Идеальный кандидат имеет практический опыт создания и развёртывания реальных AI-приложений с использованием современных инструментов: Cursor, Claude, Codex, OpenAI и связанных LLM-технологий. Кандидат должен проживать на территории континентальных штатов США. Обязанности - Проектировать, разрабатывать и внедрять AI-функции в медицинских продуктах и операционных системах. - Создавать full-stack приложения с использованием современных AI-инженерных процессов и инструментов: Cursor, Claude, Codex, OpenAI API и связанных LLM-технологий. - Взаимодействовать с продакт-менеджерами, дизайнерами, инженерами и клиническими специалистами для создания масштабируемых решений, ориентированных на пользователя, улучшающих вовлечённость пациентов, координацию ухода и операционную эффективность. - Разрабатывать API, бэкенд-сервисы, конвейеры автоматизации и AI-процессы, поддерживающие интеллектуальные возможности продуктов и production-ready развёртывание. - Применять лучшие практики разработки ПО, DevOps и MLOps для тестирования, развёртывания, мониторинга и оптимизации AI-решений. - Исследовать новые AI-технологии, паттерны внедрения LLM и современные фреймворки разработки продуктов для постоянного улучшения возможностей платформы. - Работать в условиях неопределённости, решать сложные технические задачи, эффективно взаимодействовать с техническими и нетехническими командами в быстрой Agile-среде. - Выполнять дополнительные задачи по мере необходимости для достижения целей команды и успеха проекта. Требования - Степень бакалавра в области компьютерных наук, разработки ПО, искусственного интеллекта, науки о данных или смежной технической дисциплине. - 2+ года профессионального опыта в разработке ПО, продуктовой инженерии или full-stack разработке. - Практический опыт реализации как минимум 2–3 production-level AI-проектов с использованием таких инструментов, как Cursor, Claude, Codex, OpenAI, Anthropic или аналогичных AI-платформ. - Сильные навыки программирования: Python, TypeScript, JavaScript или смежные современные языки, а также опыт создания и развёртывания production-grade full-stack приложений. - Опыт интеграции больших языковых моделей (LLM), промт-инжиниринга, AI-агентов, генеративных AI-процессов или архитектур retrieval augmented generation (RAG). - Знакомство с облачными платформами: AWS, Azure или Google Cloud Platform, а также с технологиями контейнеризации и развёртывания: Docker и Kubernetes. - Развитые коммуникативные навыки, умение работать в команде, аналитические и решающие задачи способности, способность работать самостоятельно в удалённой Agile-среде. Дополнительные квалификации - Опыт с AI-ассистированными процессами разработки ПО, векторными базами данных, эмбеддингами, семантическим поиском, оркестрационными фреймворками или автоматизацией AI-процессов. - Знакомство с фреймворками машинного обучения: PyTorch, TensorFlow, Hugging Face или scikit-learn. - Опыт работы с CI/CD конвейерами, DevOps-практиками, автоматизацией инфраструктуры или защищёнными средами медицинских технологий. - Предпочтителен опыт поддержки инициатив в здравоохранении, у страховщиков/поставщиков, в федеральном правительстве или в технологических проектах Департамента по делам ветеранов (VA). - Возможность получения допуска к государственной тайне будет плюсом. Условия - Медицинская страховка, стоматология и зрение. - 401k с корпоративным взносом. - Оплачиваемый отпуск и федеральные праздники. - Корпоративный ноутбук. - Возможности обучения. - Удалённая работа. Примечания - Отобранные кандидаты должны будут пройти дактилоскопию в государственном учреждении и проверку биографии в рамках процесса найма. - VetsEZ — работодатель с равными возможностями. Кандидаты рассматриваются без учёта расы, цвета кожи, религии, пола, национального происхождения, сексуальной ориентации, гендерной идентичности, инвалидности или статуса защищённого ветерана. - На данный момент компания не может предоставить спонсорскую поддержку (визу).
AI-инженер, LLM и RAG
Implicit создаёт AI-движок знаний для обслуживания и поддержки. Платформа без кода преобразует сложные технические документы, инструкции, процедуры и операционные данные в структурированные знания для людей и AI-агентов. Ищем инженера по ИИ на частичную занятость для создания AI-возможностей следующего поколения. Работа в команде с опытными инженерами, продакт-лидерами и исследователями ИИ над задачами в оборонной отрасли, производстве, поддержке клиентов и других отраслях. Обязанности - Проектировать и создавать AI-приложения на основе LLM, RAG, семантического поиска и AI-агентов. - Разрабатывать интеллектуальные пайплайны для загрузки документов, извлечения знаний и поиска. - Улучшать качество ответов с помощью промт-инжиниринга, фреймворков оценки и оптимизации поиска. - Создавать и оптимизировать продакшн-сервисы ИИ на Python и современных AI-фреймворках. - Работать с инструментами агентной разработки, включая Claude Code, Cursor, и AI-ассистируемыми процессами написания кода. - Писать чистый, поддерживаемый, хорошо протестированный код с акцентом на качество и надёжность. - Тесно сотрудничать с командами продукта, разработки и Data Science для быстрого прототипирования и выпуска новых возможностей. - Оценивать новые AI-модели, инструменты и техники для постоянного улучшения платформы. Требования - Опыт от 3 лет в создании AI, ML или NLP-приложений в индустрии, open-source или исследованиях. - Уверенный опыт с большими языковыми моделями (LLM), RAG, эмбеддингами и семантическим поиском. - Хорошее понимание NLP, машинного обучения и современных техник глубокого обучения. - Практический опыт с PyTorch, TensorFlow или аналогичными ML-фреймворками. - Навыки разработки на Python и опыт создания продакшн-программного обеспечения. - Опыт работы с API, векторными базами данных и AI-фреймворками приложений. - Степень бакалавра в Computer Science или смежной области, или эквивалентный практический опыт. Предпочтительно - Опыт создания AI-систем для корпоративного управления знаниями или технической документации. - Опыт с AI-агентами, вызовом инструментов и агентными процессами. - Знакомство с графами знаний, OCR, парсингом документов или мультимодальным ИИ. - Опыт развёртывания AI-приложений с использованием современных практик MLOps. - Опыт оценки и бенчмаркинга производительности LLM. Условия - Конкурентоспособная оплата. - Гибкий график частичной занятости. - Удалённая работа в пределах США. - Гибкая политика отпусков. - Возможность создавать передовые AI-продукты в небольшой, опытной и высокотехничной команде, решающей сложные реальные задачи.
Руководитель Data Science команды (Анализ спроса в маркетплейсе)
Руководитель Data Science команды (Анализ спроса в маркетплейсе) Компания: OZON Вы будете - Решать сложности бизнес-заказчиков и оценивать полученный результат. - Планировать работу команды (Data Scientists, ML-engineers). - Проектировать развитие системы прогнозирования спроса. - Проектировать с руководителями смежных технических команд совместные интеграции. - Программировать и проводить code review. Нам важно - Опыт работы в ML и DS проектах от 5 лет. - Опыт решения задач прогнозирования временных рядов. - Управленческий опыт работы. - Умение писать на Python. - Умение работать с данными на PySpark, SQL или Pandas. - Знание и понимание классических ML алгоритмов (линейная регрессия, деревья решений и градиентный бустинг). - Знание Deep Learning фреймворков (Pytorch, Transformers).
Deep Learning Researcher (Middle / Senior)
Обязанности Не указаны. Требования - Коммерческий опыт от 2 лет: ML Engineer / DL Engineer / ML Researcher / Data Scientist - Production-модели для временных рядов, которые влияли на метрику - Интерес к рынкам - Python, PyTorch, Scikit-Learn, CatBoost, LightGBM/XGBoost, Optuna Условия - Гибрид, офис в центре Москвы - Фикс в USDT/USDC - Квартальный profit sharing от результатов стратегий - Оплачиваемый отпуск - Компания оплачивает AI-подписки О компании и команде Ищем того, кто уже строил и запускал в production модели прогнозирования временных рядов и хочет применить это в квант-финансах. Домен прошлого опыта не важен: прайсинг, e-commerce, логистика и ETA, спрос, риск, антифрод. Опыт в трейдинге не обязателен, нужен интерес к рынкам. Команда строит собственные торговые стратегии на reinforcement learning и управляет капиталом в стейблкоинах. KPI роли не метрика модели, а PnL стратегии в проде. Команда небольшая, работа напрямую с фаундером.
Deep Learning Researcher (Middle / Senior)
Deep Learning Researcher (Middle / Senior) Ищем того, кто уже строил и запускал в production модели прогнозирования временных рядов и хочет применить это в квант-финансах. Домен прошлого опыта не важен: прайсинг, e-commerce, логистика и ETA, спрос, риск, антифрод. Опыт в трейдинге не обязателен, нужен интерес к рынкам. Команда строит собственные торговые стратегии на reinforcement learning и управляет капиталом в стейблкоинах. KPI роли не метрика модели, а PnL стратегии в проде. Команда небольшая, работа напрямую с фаундером. Что важно: - коммерческий опыт от 2 лет: ML Engineer / DL Engineer / ML Researcher / Data Scientist - production-модели для временных рядов, которые влияли на метрику - интерес к рынкам - Python, PyTorch, Scikit-Learn, CatBoost, LightGBM/XGBoost, Optuna Условия: - гибрид, офис в центре Москвы - фикс в USDT/USDC - квартальный profit sharing от результатов стратегий - оплачиваемый отпуск - компания оплачивает AI-подписки
Senior ML-инженер, production ML и LLM
Работодатель: FUSTIS LLC. Формат: удалённо. Длительность: от 6 месяцев. Тип занятости: W2. Требования - Степень бакалавра в области компьютерных наук, науки о данных, инженерии, математики, статистики или смежной области. - Более 8 лет опыта разработки ML-решений в production-среде. - Уверенное владение Python и лучшими практиками разработки ПО. - Опыт работы с ML-фреймворками: TensorFlow, PyTorch, Scikit-learn, XGBoost. - Глубокое понимание методов обучения с учителем и без учителя. - Опыт создания и сопровождения пайплайнов данных. - Знание SQL и технологий обработки больших объёмов данных. - Опыт работы с облачными платформами: AWS, Azure или Google Cloud Platform. - Знакомство с инструментами контейнеризации и оркестрации: Docker, Kubernetes. - Опыт работы с системами контроля версий и CI/CD. - Развитые аналитические, коммуникационные навыки и навыки решения проблем. Предпочтительно - Степень магистра или PhD в соответствующей технической области. - Опыт работы с большими языковыми моделями (LLM), генеративным ИИ или RAG. - Знание MLOps-инструментов: MLflow, Kubeflow, SageMaker или Vertex AI. - Опыт работы с распределёнными вычислительными платформами, например Spark. - Знакомство с векторными базами данных и технологиями эмбеддингов. - Опыт создания AI-приложений в production-среде. - Знание ответственного ИИ, управления моделями и методов объяснимости. Технические навыки - Программирование: Python, SQL; Java, Scala или C++ (предпочтительно). - Машинное обучение и ИИ: глубокое обучение, NLP, компьютерное зрение, предиктивное моделирование, генеративный ИИ, тонкая настройка LLM. - Облако и инфраструктура: AWS, Azure или GCP, Docker, Kubernetes, REST API, CI/CD. - Технологии данных: Spark, Databricks, Airflow, feature stores, хранилища данных. Критерии успеха - Точность моделей и улучшение производительности. - Надёжность и масштабируемость развёртывания. - Снижение задержки моделей и затрат на инфраструктуру. - Бизнес-эффект от AI-инициатив. - Качество и поддерживаемость production ML-систем. - Операционная эффективность за счёт мониторинга и автоматизации.
Старший технический специалист, агентные среды
Cohere — ведущая enterprise AI-компания, ориентированная на безопасность. Компания разрабатывает фундаментальные модели ИИ и готовые продукты для решения бизнес-задач. В рамках этой роли требуется старший инженер с глубокими техническими знаниями в production-средах, способный соединять исследовательские концепции с реальными внедрениями. Позиция hands-on и ориентирована на инженерию: работа с production-системами, эксперименты с frontier-моделями, совместная разработка масштабируемых решений. Инженерия и исследования объединены: каждый сотрудник вносит вклад в оба направления в зависимости от потребностей организации. Предоставляется доступ к вычислительным ресурсам мирового класса, данным и талантам. Обязанности - Проектировать и писать высокопроизводительный масштабируемый код для обучения моделей. - Разрабатывать новые инструменты для ускорения исследований и обучения LLM. - Координировать работу с другими инженерными командами (Infrastructure, Efficiency, Serving) и научными командами (Agent, Multimodal, Multilingual и др.). - Исследовать, внедрять и экспериментировать с идеями на кластерной и data-инфраструктуре. - Взаимодействовать с другими учёными, инженерами и командами. Требования - Очень сильные навыки разработки ПО. - Приверженность test-driven development, чистому коду и снижению технического долга. - Владение Python и соответствующими ML-фреймворками: JAX, PyTorch и/или XLA/MLIR. - Опыт использования и отладки крупномасштабных стратегий распределённого обучения (профилирование памяти и скорости). - Опыт работы с инфраструктурами распределённого обучения (Kubernetes) и связанными фреймворками (Ray). - Опыт академических исследований в области ML и LLM. Личные качества - Глубокая увлечённость качественной работой. - Интерес к настройке и оптимизации больших LLM-моделей. - Комфортная работа с людьми разного уровня навыков разработки. - Умение разбираться в сложных ML-кодовых базах, находить и устранять проблемы. - Успешная работа в быстро меняющейся технической среде, готовность предлагать инновационные идеи и решения. Условия и преимущества - Еженедельная стипендия на обед: $75/£75 или эквивалент в местной валюте. - Полное медицинское и стоматологическое страхование, отдельный бюджет на ментальное здоровье. - RRSP matching, 401K, пенсионная схема. - 100% оплата отпуска по уходу за ребёнком до 6 месяцев для любого из родителей. - Ежегодные бонусы: культура и искусство, фитнес/здоровье, качественное время, кредит на улучшение рабочего места. - Стипендия на образование и обучение: конференции, курсы, коучинг. - 6 недель оплачиваемого отпуска (30 рабочих дней). - Бюджет на поездки в другие офисы для удалённых сотрудников, ежегодный корпоративный выезд. Формат работы - Remote-friendly, офисы в Торонто, Лондоне, Нью-Йорке, Сан-Франциско, Монреале, Париже, Берлине и Сеуле. - Для работы в офисе: ежедневная программа обедов, закуски, регулярные мероприятия. - Для удалённой работы: стипендия на коворкинг. - Все сотрудники получают $500 на обустройство домашнего офиса.
Senior ML-инженер, генеративный ИИ и здравоохранение
Компания RXNT — healthtech-компания, цифровой фундамент системы здравоохранения США. Более 25 лет работает на стыке здравоохранения и технологий, развивает AI-продукты. Задачи - Преобразовывать неоднозначные продуктовые концепции в конкретные ML-стратегии: начинать с данных, проводить EDA, выявлять паттерны и признаки. - Донастраивать мультимодальные генеративные модели и оркестрировать AI-агентов (например, LangGraph) с учётом домена здравоохранения; тестировать крайние случаи, строить запасные эвристики. - Определять строгие статистические и бизнес-метрики с первого дня, строить фреймворки для оценки моделей. - Писать production-grade Python, сотрудничать с инженерами для развёртывания масштабируемых решений, участвовать в мониторинге здоровья системы, дрейфа данных и деградации моделей. - Работать автономно, согласовывать действия со стейкхолдерами, предоставлять чёткие обновления техническому руководству. Требования - 5+ лет профессионального опыта в ML-инжиниринге и/или data science. - MS или PhD в Computer Science, математике, ИИ или смежной области (или BSc с эквивалентным подтверждённым опытом). - Глубокое знание ML: сильная статистическая база, экспертные знания архитектур моделей, анализа данных и методов оценки; владение основными фреймворками (PyTorch, TensorFlow, JAX) и продвинутыми техниками донастройки. - Практическое знакомство с контейнеризацией, оркестрацией, облачными сервисами (AWS, GCP, Azure) и CI/CD для поддержания production ML-систем. Условия - Удалённая работа.
Senior AI-инженер, разработка ИИ-приложений
Zartis — глобальный партнер по AI-трансформации и технологическому консалтингу. Команда работает над проектами в области AI-платформ, безопасных API-архитектур и cloud-native разработки. Инженерные хабы расположены в EMEA и LATAM, компания имеет долгосрочные партнерства в финансовых услугах, здравоохранении, науках о жизни, энергетике и климате. Проект относится к логистической отрасли: поддержка лидера цепочки поставок, который предоставляет экспертный консалтинг, специализированное ПО и управляемые сервисы для оптимизации сквозных логистических операций. Роль предполагает работу в распределенной команде. Задачи: - Проектирование, разработка и развертывание AI-приложений на Python. - Интеграция моделей машинного обучения, AI-API и интеллектуальных алгоритмов в масштабируемые бэкенд-системы. - Совместная работа с дата-сайентистами, продакт-менеджерами и инженерами для разработки AI-функций. - Участие в архитектуре ПО, системном дизайне и технических решениях для AI-продуктов. - Разработка и поддержка CI/CD пайплайнов и контейнерных сред с использованием Docker. - Развертывание и управление AI-приложениями на облачных платформах: AWS, Azure или Google Cloud Platform. - Оптимизация AI-решений по масштабируемости, производительности, надежности и поддерживаемости. - Отслеживание последних достижений в области AI и машинного обучения, оценка возможностей их внедрения. Требования: - Степень бакалавра в Computer Science, программной инженерии или смежной области. - 5+ лет профессионального опыта разработки ПО с фокусом на интеграцию AI/ML-решений в продакшн-приложения. - Сильные навыки программирования на Python (предпочтительно) или Java. - Практический опыт с фреймворками машинного обучения: TensorFlow, PyTorch, scikit-learn или Hugging Face Transformers. - Понимание концепций машинного обучения, data engineering, ETL-процессов и развертывания моделей. - Опыт работы с SQL и крупномасштабными наборами данных. - Знакомство с контейнеризацией (Docker), CI/CD практиками и облачными платформами (AWS, Azure или GCP). - Опыт создания или потребления RESTful API и интеграции AI-сервисов в корпоративные приложения. - Опыт работы с LLM, векторными базами данных, промт-инжинирингом или AI-агентами. - Развитые аналитические и проблемно-ориентированные навыки. - Отличные коммуникационные навыки и умение работать в команде. - Проактивность, адаптивность, самостоятельность. - Способность работать независимо и в кросс-функциональных командах. - Мотивация вносить вклад в успех организации и соответствие её культуре и ценностям. Будет плюсом: - Опыт с современными фронтенд-фреймворками: React, Angular или Vue.js. - Знание MLOps-инструментов и практик. - Знакомство с Kubernetes, infrastructure as code или микросервисной архитектурой. Условия: - 100% удаленная работа. - Ежемесячная надбавка на удаленную работу. - Программа карьерного развития с 360-градусной обратной связью. - Обучение: выделенное время в течение недели, онлайн-курсы (Pluralsight, Educative.io), уроки английского, книги, конференции и мероприятия. - Программа менторства.
Senior ML-инженер, NLP и RAG
Senior Machine Learning Engineer в компании Unifonic, занимающейся SaaS-решениями для бизнес-коммуникаций. Команда из 500 сотрудников обслуживает более 5000 компаний. Задачи: - Проектирование, разработка и внедрение масштабируемых ML-решений с акцентом на NLP и RAG-архитектуры. - Построение RAG-систем, сочетающих большие языковые модели с механизмами поиска для повышения точности и интерпретируемости контента. - Применение NLP-техник: классификация текста, распознавание сущностей, анализ тональности, суммаризация, ответы на вопросы, извлечение информации. - Исследование и интеграция современных NLP-моделей и RAG-фреймворков (Transformers, BERT, GPT, векторные базы данных, семантический поиск). - Наставничество младших коллег, обмен знаниями и лучшими практиками ML и разработки ПО. - Взаимодействие с кросс-функциональными командами для интеграции ML-решений в продукты компании. - Разработка и оптимизация ML-алгоритмов, создание сервисных API с использованием Flask, FastAPI или аналогичных фреймворков. - Отслеживание актуальных исследований и трендов в области ИИ, включая генеративный ИИ. - Сбор и анализ больших наборов данных совместно с командой data engineering в реальном времени, около-реальном времени или пакетном режиме. - Реализация прототипов и proof-of-concept для новых AI-кейсов. - Построение масштабируемых ML-сервисов, выдерживающих тысячи запросов в секунду, и проведение нагрузочных тестов для соблюдения SLA. - Ревью кода коллег, улучшение архитектуры в соответствии с принципами SOLID. - Участие в документации проектов и демонстрациях. Требования: - Опыт проектирования и внедрения RAG-систем, знание стратегий поиска (BM25, плотный поиск, гибридные подходы) и интеграции графов знаний. - Практический опыт с фреймворками оркестрации LLM: LangChain, LangGraph, CrewAI или аналогичными для создания автономных агентов. - Глубокие знания NLP-техник и моделей: Transformer-архитектуры (BERT, GPT, T5, LLama, Mistral), большие языковые модели и их тонкая настройка, векторные эмбеддинги и поиск по сходству, классификация текста, NER, анализ тональности, суммаризация, ответы на вопросы. - Опыт работы ML-инженером от 3 до 5 лет. - Опыт работы с Python от 3 лет. - Аналитические способности для сбора, организации и анализа больших наборов данных. - Полный цикл обучения, оценки, тестирования и развертывания ML-продуктов в продакшене. - Написание качественного кода на Python (SOLID), знание структур данных, алгоритмов и моделирования данных. - Опыт работы с ML-фреймворками: NumPy, Pandas, Scikit-Learn, PyTorch, Keras, BERT, TensorFlow и аналогичными. - Знакомство с практиками MLOps.
Middle / Senior Quantitative Researcher
Middle / Senior Quantitative Researcher Команда строит собственные торговые стратегии на reinforcement learning и управляет капиталом протокола 24/7. Ищем кванта, который закрывает полный цикл ресерча сам. KPI один — сколько стратегия приносит и запущена ли она в прод. Что важно: - опыт Quant Researcher от 2 лет, инструмент не важен, не только крипта - Supervised Learning и Reinforcement Learning, статистика, оптимизация моделей - Python, PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna - автономность: если вы отвечали только за один участок цикла, роль будет на вырост Условия: - гибрид, офис в центре Москвы - фикс в USDT/USDC - квартальный profit sharing от результатов стратегий - оплачиваемый отпуск - компания оплачивает AI-подписки
Middle / Senior Quantitative Researcher
Middle / Senior Quantitative Researcher Команда строит собственные торговые стратегии на reinforcement learning и управляет капиталом протокола 24/7. Ищем кванта, который закрывает полный цикл ресерча сам. KPI один — сколько стратегия приносит и запущена ли она в прод. Что важно: - опыт Quant Researcher от 2 лет, инструмент не важен, не только крипта - Supervised Learning и Reinforcement Learning, статистика, оптимизация моделей - Python, PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna - автономность: если вы отвечали только за один участок цикла, роль будет на вырост Условия: - гибрид, офис в центре Москвы - фикс в USDT/USDC - квартальный profit sharing от результатов стратегий - оплачиваемый отпуск - компания оплачивает AI-подписки
Senior AI-инженер
AI-инженер отвечает за проектирование, разработку, развертывание и поддержку решений в области искусственного интеллекта и машинного обучения, которые обеспечивают интеллектуальную автоматизацию, прогнозную аналитику и продвинутую аналитику на уровне предприятия. Роль предполагает практическую разработку: применение принципов программной инженерии для написания production-кода, создание масштабируемых AI-систем, включая AI-агентов и пайплайны данных, и интеграцию моделей ИИ в новые и существующие бизнес-приложения. AI-инженер тесно сотрудничает с дата-сайентистами, дата-инженерами, ML Ops-инженерами и платформенными командами для перевода моделей машинного обучения из прототипа в продакшн. Критически важная часть функции — обеспечение перехода AI-кейсов от экспериментов к надежным, управляемым и готовым к бизнесу решениям, включая полную операционную готовность: внедрение надежной наблюдаемости, определение Service Level Objectives (SLO) и создание четких стратегий реагирования на инциденты и отката для всех AI-сервисов. Обязанности - Разработка и внедрение моделей: написание чистого, эффективного и документированного кода для разработки и внедрения моделей машинного обучения и ИИ, поддерживающих различные бизнес-кейсы. - Реализация пайплайнов обработки данных и предобработки, необходимых для входных данных моделей. - Постоянная оптимизация производительности и масштабируемости AI-приложений и моделей. - Проектирование, разработка и поддержка масштабируемых ML-пайплайнов для обучения, валидации, инференса и развертывания моделей. - Сотрудничество с ML Ops-инженерами для упаковки и развертывания моделей в корпоративных системах с использованием установленных практик MLOps. - Мониторинг развернутых моделей в продакшене на предмет производительности, дрейфа данных и надежности, устранение возникающих проблем. - Обеспечение операционной готовности всех AI-сервисов: определение и внедрение Service Level Objectives (SLO) для ключевых метрик, таких как p50/p95 задержка и доступность, создание надежного мониторинга и алертинга для дрейфа моделей, задержки и частоты ошибок. - Тесное сотрудничество с дата-сайентистами для перевода экспериментальных моделей и исследовательских прототипов в надежные production-системы. - Поддержка интеграции AI-возможностей в корпоративные рабочие процессы, приложения и цифровые платформы. - Участие в документировании и объяснимости выходов моделей для обеспечения ясности для бизнес-стейкхолдеров. - Обеспечение соответствия всех развернутых AI-систем корпоративным стандартам управления, справедливости и безопасности. - Оценка новых AI-технологий, таких как LLM и генеративный ИИ, для определения их применимости к бизнес-задачам и стимулирование инноваций. - Обеспечение поддержки аудируемости, объяснимости, прослеживаемости и соответствия регуляторным требованиям. - Реализация стратегий управления памятью, контекстной инженерии, планирования и многошаговых рассуждений. - Определение и отслеживание метрик качества, таких как обоснованность, точность (faithfulness), релевантность, процент выполнения задач и удовлетворенность пользователей. Предпочтительные навыки и опыт - Основные технические и AI-компетенции: - Сильные навыки программирования на Python, Java или C++, включая разработку API и проектирование ПО. - Глубокое понимание базовых концепций машинного обучения, включая классификацию, регрессию, кластеризацию и архитектуры глубокого обучения. - Практический опыт работы с современными фреймворками глубокого обучения и алгоритмами (обучение с учителем и без), такими как PyTorch, TensorFlow или аналогичными, для построения и обучения сложных нейронных сетей. - Навыки работы с LLM, промпт-инжинирингом, тонкой настройкой и использованием фреймворков LangChain и LangGraph для построения RAG-систем (Retrieval-Augmented Generation). - Работа с данными: data wrangling, SQL, хранилища данных и ETL-пайплайны для подготовки данных для моделей. - Полный жизненный цикл ML-моделей: - Подтвержденный опыт полного жизненного цикла моделей: разработка, обучение и развертывание моделей машинного обучения от прототипа до продакшена. - Владение предобработкой данных, инженерией признаков и методами оценки моделей для обеспечения надежной и точной производительности. - Подтвержденная способность строить и оптимизировать масштабируемые пайплайны данных для обучения и оценки моделей машинного обучения. - Хорошее знание как SQL, так и NoSQL баз данных для запросов и управления данными для AI-приложений. - Программная инженерия и MLOps: - Солидная база в лучших практиках программной инженерии, включая контроль версий (Git), автоматизированное тестирование и CI/CD пайплайны. - Практический опыт контейнеризации с помощью Docker и оркестрации контейнеров с помощью Kubernetes для масштабируемого развертывания. - Экспертиза в MLOps-наблюдаемости, включая мониторинг моделей для отслеживания производительности и дрейфа, а также установление происхождения моделей/версий, телеметрии и трассируемости. - Опыт внедрения продвинутых стратегий тестирования и развертывания, включая канареечные и теневые развертывания, а также комплексные наборы тестов (модульные, интеграционные, состязательные, регрессионные).
LLM-инженер
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.