Вакансии TensorFlow
Все вакансии с TensorFlow: 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
Full Stack-разработчик, JavaScript, Node.js
О компании Наша миссия — сделать мир программируемым. Зрение — один из ключевых способов понимания мира, и скоро это будет верно и для используемого нами программного обеспечения. Мы создаём инструменты, сообщество и ресурсы, необходимые для того, чтобы сделать мир программируемым с помощью искусственного интеллекта. Roboflow упрощает создание и использование моделей компьютерного зрения. Сегодня более 1 млн разработчиков, включая представителей половины Fortune 100, используют инструменты Roboflow с открытым исходным кодом и размещённые инструменты машинного обучения. Это включает подсчёт клеток для ускорения исследований рака, повышение безопасности на строительных площадках, оцифровку поэтажных планов, сохранение популяций коралловых рифов, управление полётом дронов и многое другое. Roboflow поддерживается отличными клиентами и инвесторами: привлечено более 63 миллионов долларов от Y Combinator, Google Ventures, Craft Ventures, Сэма Альтмана, Лэчи Грума и других ведущих софтверных инвесторов. Roboflowers — увлечённые строители, которые ценят ответственность, подотчётность и склонность к действию. Мы любопытны, активно работаем с новыми технологиями и предпочитаем показывать результаты, а не рассказывать о них. Многие из нас обладают мышлением основателя и процветают в среде с высокой автономией. Чем предстоит заниматься Вам будут поручены самые разные проекты. У каждого инженера есть своя область, на которой он сосредоточен, но мы всё ещё достаточно малы, чтобы не иметь возможности глубокой специализации. Мы ищем технических универсалов, которые не боятся погружаться в новый стек или инструментарий при необходимости (но JavaScript и Node.js составляют основную часть существующей кодовой базы). Большинство задач, над которыми мы работаем, — это части основного продукта (сквозной конвейер для создания проектов компьютерного зрения, от загрузки изображений до аннотации, обучения и развёртывания), но время от времени мы также занимаемся интеграцией маркетинговых и продажных инструментов, тушением пожаров, автоматизацией внутренних процессов и проектами с открытым исходным кодом. У вас будет большая свобода отстаивать проекты, которые вы считаете наиболее приоритетными, и вы будете вносить вклад в наши стратегические решения. Если вам нужен жёсткий список задач, расписанный на многомесячный план, эта роль, вероятно, вам не подойдёт. Большая часть нашей кодовой базы написана на JavaScript, конвейер машинного обучения и обработки изображений — на Python. Мы работаем в основном на Firebase и GCS, часть инфраструктуры машинного обучения — на AWS. Мы всё чаще используем Docker (как внутри компании, так и для клиентских продуктов, например, нашего периферийного сервера инференса). Много кода работает в браузере (включая TensorFlow JS), но мы также создаём API и клиентские библиотеки на нескольких языках. Вам не обязательно иметь опыт во всех этих областях, но вы должны быть готовы осваивать новые навыки по мере необходимости. Мы также надеемся, что вы принесёте новые знания и опыт, которыми сможете поделиться, чтобы помочь остальной команде расти. Мы особенно заинтересованы в добавлении строгости в наши процессы и создании основы для быстрого масштабирования инженерной организации (например, сейчас у нас ограниченное количество тестов и мы не используем фронтенд-фреймворк, навязывающий определённый подход, — это нужно будет изменить в ближайшие месяцы, чтобы беспрепятственно расширять команду). Примеры проектов - Создание интерфейса фильтрации, чтобы пользователи могли комбинировать изображения на основе метаданных, таких как время съёмки, GPS-координаты или пользовательские теги. - Расширение инструмента аннотации для поддержки новых функций (например, полигональная аннотация для сегментации изображений). - Интеграция основного приложения с внешними API для таких задач, как передача задач аннотации на аутсорсинг и анализ производительности развёрнутых моделей. - Оптимизация процесса онбординга. - Более глубокая интеграция с другими нашими продуктами, такими как Roboflow Universe и REST API. - Аннотация следующего поколения с помощью моделей. - Оптимизация скорости и масштабируемости. С кем предстоит работать Наша команда из примерно 120 человек привлекает таких специалистов, как руководители, желающие вернуться к разработке, основатели с выходом на 100+ миллионов, пользователи Roboflow, ставшие членами команды, контрибьюторы открытого кода, велосипедист, проехавший через США, плодовитые хакеры из старших классов, CTO из организации со 100+ инженерами, и многих других исключительных людей. Вы будете напрямую работать с нашим инженерным лидом и командой Full Stack-инженеров. Где работать Roboflow полностью распределён. В настоящее время у нас есть хабы в Нью-Йорке и Сан-Франциско (и мы планируем открыть больше по мере роста плотности в новых городах). Мы предоставляем возможности (например, командные офлайн-встречи в разных городах) и ресурсы (например, стипендию на путешествия в размере 4000 долларов в год) для работы лично с другими членами команды настолько, насколько вы хотите, а также поддерживаем удалённых членов команды. Вы можете работать из одного из наших хабов (мы предлагаем бонус за переезд), из дома, в коворкингах и т.д. Мы хотим, чтобы вы работали там, где вам лучше всего! Когда работать Roboflow в основном работает в дневные часы в США, и есть некоторые синхронные встречи.
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
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.
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
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.
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.
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.
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.
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.
AI-инженер, генеративный ИИ и агентные системы
Компания NeerInfo Solutions Локация и занятость - Локация: Хартфорд, Коннектикут; Остин, Техас; Плано, Техас (офис) - Тип занятости: полная занятость Требования - Уверенные навыки программирования на Python - Практический опыт работы с фреймворками AI/ML: TensorFlow, PyTorch, LangChain - Экспертиза в области генеративного ИИ, включая: - RAG (генерация с дополнением извлечёнными данными) - AI-агенты / агентные фреймворки - Промпт-инжиниринг - Владение экосистемой Microsoft Azure AI Желательно - Опыт создания Copilot или корпоративных ассистентов на базе ИИ - Опыт работы с мультимодальными ИИ-системами - Знание тонкой настройки LLM и эмбеддингов - Опыт работы в крупных корпоративных средах
Python-разработчик (CV)
Python-разработчик (CV) Компания 32top (ООО Айкомплекс) работает в сфере ИТ более 18 лет. За это время команда выросла от создания сайтов до разработки собственных ИТ-решений для медицины. Компания создает экосистему продуктов, которая делает взаимодействие врачей и пациентов удобнее и эффективнее. Сейчас запускается инновационный AI-проект в сфере стоматологии, ищется ключевой специалист, который войдет в команду, где его решения будут определять развитие AI-алгоритмов в стоматологии. Чем предстоит заниматься - Разработка и обучение генеративных моделей: полный цикл — от подготовки и анализа специализированных медицинских данных до обучения и валидации моделей. - Сегментация и анализ стоматологических снимков: автоматическое определение области интереса и поиск отсутствующих зубов. - Генерация изображений зубов: создание фотореалистичных изображений отсутствующих зубов, которые интегрируются в существующий зубной ряд, учитывая анатомические особенности соседних зубов. - Генерация по маске (Inpainting): восстановление участка изображения (зуба) по заданной маске с сохранением контекста и стиля. - Создание индивидуальных решений: генерация зубов, учитывающая особенности строения челюсти и лица пациента, без необходимости полного 3D сканирования. Требования к кандидату - Глубокое понимание принципов работы и архитектуры генеративных моделей, в особенности диффузионных моделей (Stable Diffusion, SDXL, SD 1.5, SD 2.1, Flux). - Опыт практической работы с фреймворками для генеративного AI: Stable Diffusion (включая SDXL и ComfyUI для построения пайплайнов) и / или Flux. - Свободное владение Python и ключевыми библиотеками для глубокого обучения: PyTorch (предпочтительно), TensorFlow или Keras. - Навыки работы с системами контроля версий Git. - Понимание и практический опыт применения методов тонкой настройки (finetuning) моделей под конкретные задачи (например, LoRA, DreamBooth, Textual Inversion). - Умение настраивать гиперпараметры обучения, подбирать оптимальные параметры для сходимости модели и достижения наилучшего качества генерации. - Опыт работы с библиотеками и моделями компьютерного зрения: MediaPipe (для детекции, трекинга и обработки видео / изображений в реальном времени) и SAM3 (Segment Anything Model 3) — для высокоточной сегментации и понимания сцены. Условия - Заработная плата: от 140 000 ₽ за месяц, на руки. - Гибкий график.
Промпт-инженер по NLP и большим языковым моделям
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).
ML/AI-инженер, генеративный ИИ
Обязанности - Проектировать и совершенствовать сложные ML-модели и алгоритмы, превращая наборы данных в практические решения. - Участвовать в полном жизненном цикле проектов по моделированию данных: от понимания бизнес-требований до развёртывания и мониторинга. - Проводить комплексный анализ данных, включая предобработку, инженерию признаков и применение алгоритмов генеративного ИИ. - Руководить кросс-функциональными коллаборациями для интеграции моделей генеративного ИИ в продукты, улучшая их возможности и пользовательский опыт. - Применять продвинутые аналитические методы для анализа больших наборов данных, выявляя тренды, аномалии и возможности для улучшения. - Выполнять предобработку данных, инженерию признаков и оптимизацию алгоритмов для повышения точности и эффективности моделей. - Проводить исследовательский анализ данных для извлечения ценных инсайтов и влияния на стратегические решения. - Отслеживать и внедрять последние тренды, инструменты и лучшие практики ML, включая AutoML, MLOps и фреймворки интерпретируемости. - Способствовать соблюдению отраслевых стандартов и нормативных требований, уделяя внимание этичным практикам ИИ. Требования - Опыт проектирования и разработки решений в области ИИ или машинного обучения на платформах AWS, Databricks, Azure, Google Cloud и OpenAI. - Бэкграунд в программной инженерии и/или инженерии данных, особенно в одном из крупных облаков. - Практический опыт работы с глубоким обучением, LLM, Python, TensorFlow, PyTorch и другими ИИ-фреймворками. - Опыт вывода ML/AI в продакшн и умение обсуждать лучшие практики и подводные камни. Условия - Удалённый формат работы. - Конкурентная зарплата в зависимости от опыта и рыночной стоимости. - Оплачиваемый переезд. - Удалённая поддержка. - Регулярный пересмотр зарплаты. - Обучение и развитие, поддержка профильных команд, помощь в размещении на проектах и карьерный рост. - Вакансия открыта только для граждан США, держателей Green Card и GC-EAD. Спонсорство виз не предоставляется. О компании Adidev Technologies — IT-консалтинговая фирма, работающая с клиентами: Delta, Google, Apple, Spotify, US Bank, FedEx.
Senior AI-инженер, агентные системы и LLM
Senior AI Software Engineer (Agentic Systems & LLM Applications). Удалённая работа, W2. Роль: проектирование, разработка и масштабирование интеллектуальных приложений на базе современных ИИ и больших языковых моделей. Это инженерная позиция, а не роль дата-сайентиста. Задачи: - Разработка Python-API для ИИ-приложений и сервисов. - Построение и оркестрация агентных рабочих процессов с использованием фреймворков LangChain, LangGraph, AutoGen, Semantic Kernel или LlamaIndex. - Внедрение и оптимизация пайплайнов RAG. - Разработка масштабируемых ИИ-систем с применением фреймворков машинного и глубокого обучения. - Интеграция и управление векторными базами данных (Pinecone, Weaviate, Chroma) для семантического поиска и памяти. - Проектирование и развертывание приложений в облаке (AWS, GCP, Azure). - Применение принципов domain-driven design и микросервисной архитектуры. - Обеспечение качества кода через ООП (наследование, полиморфизм) и паттерны проектирования. - Кросс-функциональное взаимодействие для поставки production-ready решений. Требования: - Опыт разработки на Python. - Практический опыт работы с LLM-фреймворками и инструментами оркестрации (LangChain, LangGraph, AutoGen и др.). - Понимание архитектур RAG и систем векторного поиска. - Опыт работы с фреймворками машинного обучения (TensorFlow или PyTorch). - Навыки создания и потребления RESTful API. - Опыт работы с облачной инфраструктурой (AWS, GCP или Azure). - Знание микросервисной архитектуры и domain-driven design. - Глубокое понимание ООП и паттернов проектирования. Предпочтительно: - Опыт создания агентных или автономных ИИ-систем. - Знакомство с real-time приложениями и потоковой архитектурой. - Опыт оптимизации ИИ-систем по производительности и масштабируемости. - Опыт работы с MLOps и пайплайнами развертывания.
ML-разработчик
ML-разработчик Компания: Мегафон Локация: Санкт-Петербург, офис Задачи - Проектировать и разрабатывать масштабируемые ML-сервисы и микросервисы на базе Python (FastAPI/Flask) - Интегрировать обученные модели в существующие бизнес-процессы и продуктовые решения - Проводить рефакторинг и оптимизацию кода моделей для повышения их производительности - Разрабатывать и поддерживать ETL/ELT пайплайны для подготовки данных к обучению и эксплуатации - Анализировать технические требования к новым фичам и предлагать архитектурные решения с учетом ограничений по ресурсам и времени - Проводить A/B тестирование новых моделей и анализировать их влияние на бизнес-метрики - Документировать процессы разработки, архитектуры решений и инструкции по развертыванию - Предлагать улучшения в инструментарий команды и процессы MLOps для ускорения разработки Требования - Опыт работы в области Data Science от 2 лет - Глубокое понимание алгоритмов машинного обучения и статистического анализа - Базовый опыт работы с PyTorch или TensorFlow - Навыки построения аналитических моделей на Python - Опыт работы с реляционными (SQL) и распределёнными базами данных - Опыт работы с Linux на базовом уровне - Практические навыки работы с инструментами для разработки, такими как Docker, AirFlow, FastApi, Flask - Преимуществом будет опыт работы в телекоммуникационной отрасли, банковской сфере или цифровых индустриях - Участие и успехи в соревнованиях по data mining (например, Kaggle) будут плюсом - Знание английского языка на техническом уровне
ML-разработчик
ML-разработчик Компания: Мегафон Локация: Санкт-Петербург Формат: офис Задачи - Проектировать и разрабатывать масштабируемые ML-сервисы и микросервисы на базе Python (FastAPI/Flask) - Интегрировать обученные модели в существующие бизнес-процессы и продуктовые решения - Проводить рефакторинг и оптимизацию кода моделей для повышения их производительности - Разрабатывать и поддерживать ETL/ELT пайплайны для подготовки данных к обучению и эксплуатации - Анализировать технические требования к новым фичам и предлагать архитектурные решения с учетом ограничений по ресурсам и времени - Проводить A/B тестирование новых моделей и анализировать их влияние на бизнес-метрики - Документировать процессы разработки, архитектуры решений и инструкции по развертыванию - Предлагать улучшения в инструментарий команды и процессы MLOps для ускорения разработки Требования - Опыт работы в области Data Science от 2 лет - Глубокое понимание алгоритмов машинного обучения и статистического анализа - Базовый опыт работы с PyTorch или TensorFlow - Навыки построения аналитических моделей на Python - Опыт работы с реляционными (SQL) и распределёнными базами данных - Опыт работы с Linux на базовом уровне - Практические навыки работы с инструментами для разработки, такими как Docker, AirFlow, FastApi, Flask - Преимуществом будет опыт работы в телекоммуникационной отрасли, банковской сфере или цифровых индустриях - Участие и успехи в соревнованиях по data mining (например, Kaggle) будут плюсом - Знание английского языка на техническом уровне
Senior ML-инженер, ML Ops и обработка изображений
Проект Работа над продуктами, связанными с сейсмическими данными и данными каротажа скважин, определение простых геологических характеристик данных (разломы, горизонты). Full stack ML с фокусом на обработку сигналов — изображения и временные ряды. Основные навыки: ML Ops, модели изображений, глубокое обучение, GPU-обучение, Google Cloud Platform, TensorFlow, PyTorch, агентные инструменты кодирования. Условия Тип занятости: W2. Длительность проекта: 12 месяцев. Локация: Маунтин-Вью, Калифорния, или удалённо. Режим работы: 3 дня в неделю из офиса при работе на месте в Маунтин-Вью, либо удалённо. Командировки: нет. Уровень: Senior. Требуемая дата начала: ASAP. Процесс отбора: общее собеседование -> техническое интервью -> интервью с клиентом. Разрешение на работу: рассматриваются кандидаты с визами H1B и TN. Кандидат должен быть оформлен по W2. Требования - Опыт в глубоком обучении, GPU-обучении и инференсе, моделях изображений. - Опыт в обучении моделей и настройке распределённых пайплайнов обучения, в частности с использованием Vertex, Kubeflow и т.п. для обучения больших моделей на больших объёмах данных (изображения, язык). - Сильный опыт в создании и развёртывании моделей машинного обучения с фокусом на обработку изображений и обработку сигналов временных рядов. - Опыт обучения и тонкой настройки ML-моделей. - Опыт создания и поддержки пайплайнов данных для изображений и других сенсорных данных. - Опыт работы с инструментами и практиками ML Ops: мониторинг моделей, версионирование, развёртывание. - Опыт работы с инструментами разметки данных. - Опыт работы с облачными платформами, особенно Google Cloud Platform. Опыт с edge-развёртыванием будет плюсом. - Отличные коммуникативные навыки и умение работать в команде. - Способность работать самостоятельно и в команде. - Сильные навыки решения проблем. - Увлечённость машинным обучением и его приложениями. Дополнительные навыки (желательно) - Google Cloud Platform будет полезен; при отсутствии опыта ожидается, что кандидат быстро освоит его до начала и/или в начале работы. - Владение TensorFlow и PyTorch. - Protocol Buffers. - Контейнеры. - Быстрое прототипирование — большой плюс. Команде нужно будет создавать прототипы для проверки гипотез.
GenAI-инженер, LLM-инженер
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.
Principal AI/ML-инженер, LLM и генеративный ИИ
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.
ML-инженер, сопровождение инференса и разработка
Компания FlexBoard ищет Machine Learning Engineer для поддержки и улучшения инференс-системы, обеспечения высокого качества вклада и разработки надежного CI/CD пайплайна для эффективных релизов. Вакансия удаленная, для кандидатов в США. Обязанности: - Поддержка и развитие флагманского инференс-движка и CV-инференса, сохранение его работоспособности и высокого качества по мере роста объема вклада. - Создание управляемого пайплайна вклада — автоматизированное и полуавтоматизированное ревью, триаж и CI/CD — для безопасного приема большого объема PR от агентов и перехода от еженедельных релизов к ежедневным. - Проектирование и развитие тестового набора, проверяющего работоспособность сборки во всех средах (автономных и на платформе), с целью ночного сквозного тестирования. - Определение и соблюдение стандартов ревью и навыков для агентов и контрибьюторов, принятие решений о скорости и отклонении, встраивание этих решений в систему. - Оптимизация процесса добавления новых моделей в инференс, ускорение и упрощение вывода новейших моделей для пользователей. - Обучение внутренних команд и клиентов, включая полевых инженеров и службу поддержки, для самостоятельной работы и более глубокого использования продукта. - Взаимодействие между инженерией и клиентами: перевод новых возможностей в документацию, демо, истории и запуски. - Развитие сообщества вокруг проекта. Требования: - 5+ лет практического опыта создания и эксплуатации продакшн-систем машинного обучения, желательно с крупномасштабным развертыванием современных ИИ-моделей. - Понимание CV/ML: как работает инференс, как модели устроены внутри, как развертываются в разных средах и адаптируются для реальных сценариев. - Уверенное использование ИИ-агентов для написания кода, включая автоматизацию процессов разработки: ревью, триаж, тестирование и CI. - Сильное понимание границ применения агентов и необходимости ограничений. - Глубокие знания CS и систем, способность самостоятельно решать задачи программирования, архитектуры и надежности. - Практический опыт с CI/CD, релиз-инжинирингом и тестовой инфраструктурой. - Опыт работы с ML-технологиями, включая несколько из: PyTorch, TensorFlow, ONNX, TensorRT, vLLM или другие инструменты развертывания моделей. - Сильные навыки обработки изображений и видео, включая несколько из: OpenCV, DeepStream, Pillow, PyAV, аппаратное декодирование видео. Опыт с видеопотоковыми протоколами — преимущество. - Отличные коммуникативные навыки: умение обучать, писать документацию и взаимодействовать с инженерией, поддержкой, полевыми командами и маркетингом. - Опыт сопровождения open-source проектов — значительное преимущество. Условия: - Стипендия на поездки $4000 в год для совместной работы с другими членами команды. - Стипендия на продуктивность $350 в месяц для улучшения рабочей среды, например, высокоскоростной интернет или коворкинг. - Стипендия на ИИ-инструменты $350 в месяц. - Покрытие до 100% стоимости медицинской страховки для сотрудника, партнера или семьи. - Стипендия на командные обеды $150 в месяц. - Удаленный формат с гибким графиком, позволяющий работать синхронно и асинхронно. - Безлимитный оплачиваемый отпуск с минимальным ежегодным периодом в 2 недели. - 12 недель отпуска по уходу за ребенком. - Акции компании. - Возможности для команды, включая очные встречи в разных городах, и ресурсы для работы.
Senior Data Scientist, Python, машинное обучение
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.
Senior Principal инженер-разработчик ИИ
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.
ML-инженер
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.
Опыт полного цикла решения ML-задач: от аналитики до вывода моделей в прод (от 3 лет)
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.
AI-разработчик
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