Вакансии для ML-инженеров

Формат

Удалённо

Страна

Россия

Город

Москва

Грейд

Junior

Сбер. Москва. Удалённо. Обязанности: - Проводить аналитику и мониторинг работы моделей - Собирать и готовить данные, делать EDA, feature engineering и разрабатывать новые ML-модели - Оптимизировать скрипты data, model и inference pipelines Требования: - Высшее техническое образование и от года релевантного опыта в ML

Формат

Гибрид

Страна

Россия

Город

Москва

Грейд

Middle

Урал Логистика ML-инженер (Python, PyTorch, fine-tuning) Полная занятость. Формат работы: офис или гибрид (Москва). Чем предстоит заниматься - Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку. - Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения. - Создавать baseline для задач извлечения, классификации, определения сущностей и связей. - Дообучать модели, готовить инструктивные наборы, обучать адаптеры и сравнивать результаты с базовыми моделями. - Определять метрики, стратифицировать выборки и анализировать ошибки по типам документов, сценариям и полям. - Работать с извлечением сущностей и связей для построения и обновления графового представления данных. - Разворачивать локальный inference и оптимизировать его под доступную инфраструктуру. - Работать с tensor parallelism, batching, длиной контекста, GPU-памятью и квантованием. - Измерять задержку, пропускную способность, утилизацию и стоимость обработки документа. - Версионировать данные, модели, конфигурации обучения и результаты экспериментов. - Участвовать в интеграции моделей с прикладными AI-сервисами и production-конвейерами. Пожелания к кандидатам - Рассматриваем кандидатов уровня middle+ и выше. - Практический опыт построения ML-конвейеров, которые используются в production. - Уверенное владение Python, PyTorch и Hugging Face Transformers. - Практический опыт fine-tuning языковых моделей, подготовки данных и работы с PEFT. - Умение строить корректную оценку качества и контролировать утечки между обучающими и тестовыми данными. - Опыт локального inference LLM и понимание устройства GPU-памяти. - Знание компромиссов между качеством, скоростью, длиной контекста, batching и квантованием. - Linux, CUDA, SQL, Docker и Kubernetes. - Способность выйти за пределы notebook и довести модельное решение до устойчивой эксплуатации. - Стек: Python, PyTorch, Hugging Face Transformers, PEFT, pandas, SQL, PostgreSQL, Airflow или аналог, MLflow или аналог, vLLM, CUDA, Docker, Kubernetes.

Формат

Офис

Страна

Не указана

Город

Не указан

О роли Команда на лету генерирует персонализированные тексты рекламных объявлений, адаптируя предложение рекламодателя под пользователей. Внедряет генеративные, дискриминативные и ранжирующие модели в одну из крупнейших рекомендательных платформ. Работа предполагает взаимодействие с сильными исследователями и инженерами. Задачи - Исследование и разработка LLM: полный цикл работы с языковыми моделями — от гипотез и экспериментов до оптимизации и внедрения моделей в продакшен. - Проведение A/B-экспериментов: валидация гипотез через масштабные A/B-тесты, анализ их влияния на ключевые продуктовые и бизнес-метрики. - Работа с продуктом: взаимодействие с инженерами и продакт-менеджерами для превращения успешных исследовательских решений в рабочие фичи. - Анализ и оптимизация: отслеживание качества работы моделей, поиск точек роста и устранение слепых зон в данных и алгоритмах для улучшения ключевых метрик. Требования - Хорошее знание основ современного ML и DL. - Готовность работать с большими данными и распределёнными вычислениями. - Желание заниматься прикладными ML-исследованиями. - Практический опыт в NLP или RecSys. Условия - Ежегодные медицинские чекапы, йога и психотерапия.

Формат

Офис

Страна

Не указана

Город

Не указан

О проекте Ищем ML-разработчика, который будет улучшать качество претрейна Alice AI LLM. Это направление, отвечающее за умность базовой модели и качество данных. Гонка LLM ускоряется: модели решают задачи в математике, коде, агентах, медицине, которые ещё недавно требовали участия человека. При этом крупные улучшения LLM происходят при обновлении и масштабировании претрейна: именно на этом этапе закладываются базовые способности модели, от которых зависит качество на всех последующих срезах. Мы считаем, что побеждает в этой гонке тот, кто эффективнее и быстрее улучшает претрейны, и вкладываемся в это направление: исследуем способы улучшения качества моделей, ставим тяжёлые вычислительные эксперименты, обрабатываем и синтезируем данные огромного масштаба. Результат нашей работы — это модели семейства Alice AI, которые доступны в одноименном сервисе. Делая нашу модель умнее, вы улучшите главного и самого массового AI-ассистента в России, которым уже пользуется более 24 млн человек еженедельно. Задачи - Эксперименты с претрейн-моделями: ставить и анализировать вычислительно тяжёлые эксперименты с претрейн-стадией, проверять гипотезы об источниках прироста ризонинг-способностей внутри различных срезов умности. - Пайплайны данных: строить эффективные пайплайны сбора обучающих данных, их синтеза, обработки и фильтрации в новых доменах, масштабировать и делать более эффективными. - Изменение процесса обучения: модифицировать процесс обучения модели для задач улучшения ризонинга, внедрять изменения в обучающий пайплайн и оценивать их влияние на качество. - Экспертные модели: обучать модели-верификаторы для проверки качества данных и ответов, модели для генерации обучающих данных, которые являются SOTA в своём узком домене, модели-фильтры для отсева некачественных данных. - Исследование скейлинга: исследовать законы скейлинга качества модели с точки зрения данных и вычислений, определять, как масштабирование влияет на рост рассуждающих способностей в разных доменах. Требования - Глубоко разбираетесь в NLP. - Знаете Python и разрабатывали на нём. Будет плюсом - Обучали претрейн-модели в любой из модальностей (NLP, CV, звук, рекомендации). - Строили эффективные CPU/GPU-пайплайны. - Погружены хотя бы в одну из областей исследования языковых моделей (RL, архитектуры или данные для LLM).

Формат

Гибрид

Страна

Россия

Город

Москва

Грейд

Middle / Senior

Wildberries Middle/Senior ML-инженер в ценообразовании. Опыт работы: от 3 лет. Формат работы: гибрид или удалённо (Москва). Чем предстоит заниматься - Развивать ядро матчинга: retrieval кандидатов по текстовым, картинным и мультимодальным эмбеддингам, обучать модели классификации пар, работать с атрибутами товаров. - Улучшать NLP-часть пайплайна с учётом специфики оптовых товаров: обработка названий, извлечение атрибутов из описаний, дообучение эмбеддинг-моделей. - Доводить решения до прода и отвечать за них. Пожелания к кандидатам - Сильное понимание NLP: трансформерные модели, эмбеддинги, векторный поиск, опыт дообучения моделей под свою задачу. - Опыт в задачах матчинга. - Опыт в Data Science и ML Engineering с выводом моделей в продакшен от 3 лет. - Уверенные знания Python, ML-стека, SQL. - Умение выбирать решение под задачу: не использовать нейросеть там, где достаточно эвристики, и наоборот. - Опыт с CV и мультимодальными моделями (CLIP-подобные, metric learning), LLM/VLM в задачах классификации/ранжирования будет плюсом.

Формат

Удалённо

Страна

Не указана

Город

Не указан

Грейд

Senior

О компании Sance.AI — платформа для AI-автоматизации продаж и поддержки корпоративных клиентов: интеграция с CRM и другими системами заказчика, создание AI-агентов. Компания стала призёром Yandex AI Startup Lab и Conversation AI. Чем предстоит заниматься Развитие платформы: - Работать над функционалом, стабильностью и производительностью. - Развивать AI-функционал: LLM-based сценарии, tool calling, RAG, работу с контекстом, кэширование и другие механики. - Разбираться со сложными production-инцидентами и устранять не только последствия, но и причины проблем. Клиентские внедрения: - Превращать пожелания клиента в дорожную карту запуска. - Проектировать архитектуру интеграции Sance.AI с инфраструктурой клиента. - Отвечать за техническую часть сложных клиентских запусков — от discovery до production. Команда и инженерные практики: - Менторить junior/middle-разработчиков: помогать с декомпозицией задач, архитектурой и сложными техническими вопросами. - Проводить code review и повышать качество решений команды. Что мы ожидаем Python и backend: - От 4 лет коммерческого опыта, от 1 года опыта в продуктовой команде. - Уверенные знания в asyncio, очередях, кешировании, конкурентности. LLM / AI: - Важен практический опыт создания production-функционала на базе LLM, а не только использование ChatGPT. - Ожидаем опыт с: OpenAI API или другими LLM API; prompt engineering, tool calling, RAG, caching и context management; embeddings, vector search и agentic workflows; тестирование и evals; понимание production-проблем: latency, стоимость, rate limits, hallucinations, retries и observability. Интеграции: - Уверенная работа с REST API сторонних сервисов, webhooks и внешними сервисами. Умение разбираться в документации. - Опыт интеграций с CRM — особенно amoCRM и/или Bitrix24. Самостоятельность и ownership: - Умение довести размытую бизнес-задачу до работающего production-решения, видеть системные проблемы и помогать команде расти. Будет плюсом: - B2B/Enterprise-внедрения, highload и event-driven системы. - Собственные AI-проекты и опыт работы в стартапах. Что предлагаем - Работу в быстрорастущем AI-стартапе, влияние на продукт, архитектуру и процессы. - Разнообразные задачи, крупные клиенты и короткий путь от идеи до production. - Быстрый карьерный рост.

Формат

Удалённо

Страна

Не указана

Город

Не указан

О проекте Клиент — аутстафф-компания, для которой подбирают инженеров на длительные проекты. Заказчик развивает ИИ-направление и выводит решения на базе LLM в промышленную эксплуатацию. Нужны люди, которые уже доводили AI-агентов до продакшена. Команда распределённая, работа полностью удалённая. Кого ищут Data Scientist / AI Engineer с коммерческим опытом от 3 лет, который в роли DS/AI Engineer реализовал и вывел в прод решения на базе ИИ, включая AI-агентов на базе LLM. Кандидат должен одинаково уверенно чувствовать себя в классическом ML, глубоком обучении и инфраструктуре. Требования - Python - Torch - Transformers - k8s Условия - Полная удалённая работа - Длительные проекты через аутстафф - Распределённая команда - Зарплата: от 200 000 000 до 230 000 000 ₽ Отбор Техническое собеседование по каждому пункту требований: от классического ML и Transformer до проектирования агентов и продакшена.

Формат

Удалённо

Страна

Не указана

Город

Не указан

Компания Aidentity — стартап в сфере AI × Human Intelligence. Продукт помогает человеку лучше понять свои сильные стороны и найти свое призвание. Стадия: MVP → развитие продукта → масштабирование. Задачи - Создавать систему синтетических профилей данных. - Развивать и улучшать алгоритм подбора профессий. - Проектировать систему, которая будет обучаться на данных пользователей и специалистов. - Экспериментировать с ML/AI-подходами и проверять гипотезы. - Оценивать качество рекомендаций и разрабатывать метрики для сравнения разных подходов. - Исследовать способы персонализации результатов для разных пользователей. - В перспективе — работать с NLP/LLM и другими AI-инструментами для анализа и обогащения данных. - Участвовать в проектировании ML-части продукта и принимать технические решения вместе с командой. Требования - Опыт работы в стартапе или яркое желание его получить. - Готовность влиять на продукт с первого дня. - Мышление продуктом, а не выполнение задач. - Готовность работать только за долю от компании. - ML / Data Science / AI. - Python и привычный ML-стек. - Работа с данными, построением признаков, обучением и оценкой моделей. - ML-эксперименты и проверка качества результатов. - Самостоятельное исследование неизвестной области. - Интерес к задачам на стыке AI, психологии, человеческих качеств и рекомендательных систем. - Recommendation systems, embeddings, NLP/LLM, clustering, similarity / ranking models. - Подойдет тем, кто любит эксперименты и не боится неопределенности, готов влиять на будущий результат. Условия - Удаленка. - Гибкий график, part-time. - Долгосрочное участие. - Опционы. - Маленькая команда, где слышат каждого. - Продукт с большой миссией. - Оплата по договорённости.

Формат

Офис

Страна

Не указана

Город

Не указан

Geo-ML инженер Ищем в команду специалиста с опытом в ML и геоданных. Что обязательно: - Python и SQL на продовом уровне - CatBoost / XGBoost / LightGBM - Feature engineering, валидация, метрики - Понимание статистики и выбора моделей Будет плюсом: - GNN, graph embeddings, link prediction - Антифрод, рекомендации, сетевой анализ, маршрутизация - OSM, PostGIS, H3/geohash, дорожные графы Формат работы: офис. Оплата по договорённости.

Формат

Удалённо

Страна

Не указана

Город

Не указан

О компании OnTarget Labs — ведущая международная компания по разработке программных продуктов. Компания ищет Computer Vision / AI-инженера в свою продуктовую команду на полную занятость, удалённо. Предлагаются возможности профессионального роста и зарубежные командировки. Продукт Компания создаёт AI-аналитику теннисных матчей по видео, снятому на смартфон. Роль Computer Vision + AI-инженер поддержит работу по машинному обучению и видеоаналитике для нескольких моделей и продуктовых возможностей. Роль предполагает работу над полным CV/ML-пайплайном: от качества датасетов и оценки моделей до улучшения моделей под продакшен, кастомной логики трекинга/интерпретации и выборочного edge/mobile-развёртывания. Инженер работает под руководством Head of Engineering / CTO, но должен уметь самостоятельно оценивать задачи, предлагать эксперименты, внедрять улучшения и понятно объяснять технические компромиссы. Требования - Сильный практический опыт в computer vision, особенно с реальным видео - Уверенный опыт работы с Python и PyTorch - Опыт с моделями object detection, object tracking, classification и/или keypoint - Умение оценивать выходы моделей, диагностировать сбои и предлагать точечные улучшения - Понимание стратегии датасетов, качества разметки, дизайна валидации и интерпретации метрик - Опыт разработки или улучшения кастомных слоёв трекинга, сглаживания, временного декодирования или интерпретации моделей - Опыт улучшения моделей до продакшен-уровня устойчивости в разных реальных условиях - Опыт развёртывания и оптимизации облачных пайплайнов обработки видео - Опыт on-device edge/mobile-инференса и навыки работы с deployment-процессами: ONNX, Core ML, TensorFlow Lite, квантизация, прунинг, оптимизация задержки, мобильная настройка производительности - Степень бакалавра в области информационных систем, компьютерных наук или смежной области - Отличные устные и письменные коммуникативные навыки на английском Будет плюсом - Спортивная видеоаналитика - Трекинг мяча/ракетки/шайбы или детекция других быстро движущихся объектов - Видео со смартфона или потребительского качества Условия - Конкурентная компенсация, определяется по итогам собеседования - Полная занятость, удалённая работа

Формат

Офис

Страна

Не указана

Город

Не указан

Грейд

Senior

В core-команду ищут Senior ML Engineer/Researcher, который сфокусируется на построении быстрой интерактивной модели мира и масштабном обучении MBRL-агентов. Роботы доставки Яндекса ежедневно доставляют тысячи заказов, маневрируя в сложной неструктурированной городской среде. Планируется масштабировать флот до 20 000 роботов к 2028 году. Задачи - Разработка и скейлинг World Models: проектирование и обучение массивных 3D/видеотокенизаторов и бэкбонов на базе Diffusion Transformers (DiT), Flow Matching и др. - Distributed Training: построение пайплайнов для распределённого обучения тяжёлых foundation-моделей на вычислительном кластере. - Model-Based RL (MBRL) и 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 и Inference: построение надёжного safety-контура поверх выходов модели и подготовка конструкции к реалтайм-инференсу прямо на edge-девайсах робота. Требования - Экспертное владение 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-девайсов. - Оптимизация инференса «на борту» робота. - Бэкграунд в Autonomous Driving, Motion Planning или Robotics. Условия - Формат работы: офис. - Оплата: по договорённости. - Если для рабочих задач нужно подтянуть язык — организуем обучение и оплатим 50% стоимости.

Формат

Гибрид

Страна

Россия

Город

Москва

Грейд

Senior

Продуктовая команда в сфере DeFi и алгоритмической торговли. В основе продукта собственные торговые стратегии, исследовательская работа с рыночными данными и плотное взаимодействие Quant Research, ML и инженерной команды. Команда небольшая, без сложной иерархии, с прямым взаимодействием с фаундером. Это не первый продукт команды: предыдущий работал на реальных объёмах и был прибыльным. Формат: Москва, гибрид, офис в центре. В команде общаемся на русском. Задача Предстоит исследовать и разрабатывать торговые стратегии для DeFi и крипторынков: от гипотезы и анализа данных до бэктестинга, валидации и оценки результата стратегии. Деплой и инфраструктурная часть остаются на инженерной команде, фокус роли – research, модели, торговая логика и качество стратегии. Чем предстоит заниматься - Quant/ML research и разработка торговых стратегий для DeFi и крипторынков - ML/DL-подходы для маркет-мейкинга, forecasting, управления позициями и смежных задач - Стратегии дельта-нейтрального хеджирования и управления рисками - Бэктестинг и симуляционные среды на крипто-данных: order book, trades - Анализ рыночных данных и улучшение алгоритмов по результатам реального исполнения Что важно - Senior-уровень в Quant/ML research, systematic trading, HFT/prop trading, market microstructure или смежных задачах - Участие в полном цикле ресерча: гипотеза > данные > модель/логика > бэктестинг > валидация и анализ результата - Понимание временных рядов, OOS-проверки, future leakage и торговой экономики - Supervised Learning, статистический анализ, оптимизация моделей - Уверенный Python; PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna - Опыт доведения стратегий до реального исполнения или PnL-оценки - Order book и trades - Автономность: сами ставите гипотезу и сами доводите её до ответа Будет плюсом - Reinforcement Learning - Rust или low-latency engineering опыт - Трейдинг, маркет-мейкинг, low-latency крипта - Опыт в квант-фондах, HFT, prop trading, банковских квант-командах - Опыт с DeFi, DEX/CEX, AMM/LP, perpetuals, funding, cross-venue arbitrage - Активное использование AI-инструментов Что предлагаем - Фикс в стейблкоинах (USDT/USDC, 1:1 к доллару) - Квартальный profit sharing от результатов стратегий - Оплачиваемый отпуск - Компания оплачивает AI-подписки

Формат

Гибрид

Страна

Россия

Город

Екатеринбург

Грейд

Senior

VICTORY IT ищет Senior DevOps / MLOps в команду больших языковых моделей и машинного обучения. Будем строить платформу распределённых вычислений, которая объединит CPU/GPU и другие вычислительные ресурсы в единую инфраструктуру для ML-задач. Задачи - проектировать и с нуля строить распределённую вычислительную платформу на ~1000 машин; - развивать инфраструктуру на Kubernetes / Nomad для запуска и управления ML workload'ами; - работать с GPU-кластерами и вычислительными ресурсами разных типов — GPU, CPU, MPS; - развивать распределённые вычисления на Ray и инфраструктуру для distributed training; - автоматизировать размещение и запуск задач, управление ресурсами и их загрузкой; - заниматься масштабированием, производительностью, отказоустойчивостью, CI/CD и мониторингом; - тесно работать с ML-командой над инфраструктурой для обучения и запуска нейросетей. Требования - 3–5+ лет опыта в DevOps / MLOps / Platform Engineering; - уверенный Kubernetes и/или Nomad; - опыт работы с большими production-кластерами и распределёнными системами; - практический опыт с GPU-инфраструктурой; - понимание обучения нейросетей и distributed training; - опыт с Docker / Docker Registry, CI/CD, Linux, мониторингом; - опыт проектирования и создания инфраструктуры с нуля; - будет большим плюсом опыт с HPC, суперкомпьютерами, GPU-фермами, Ray и крупными вычислительными кластерами. Условия - Екатеринбург, гибрид, полная занятость; - зарплата 5 000–10 000 $. Примечание Это не классический DevOps про поддержку готовой инфраструктуры. Здесь предстоит строить распределённую платформу практически с нуля и работать с GPU/ML на большом масштабе.

Формат

Гибрид

Страна

Россия

Город

Москва

Грейд

Senior

О команде Продуктовая команда в сфере DeFi и алгоритмической торговли. В основе продукта собственные торговые стратегии, исследовательская работа с рыночными данными и плотное взаимодействие Quant Research, ML и инженерной команды. Команда небольшая, без сложной иерархии, с прямым взаимодействием с фаундером. Это не первый продукт команды: предыдущий работал на реальных объёмах и был прибыльным. Задача Предстоит исследовать и разрабатывать торговые стратегии для DeFi и крипторынков: от гипотезы и анализа данных до бэктестинга, валидации и оценки результата стратегии. Деплой и инфраструктурная часть остаются на инженерной команде, фокус роли — research, модели, торговая логика и качество стратегии. Чем предстоит заниматься - Quant/ML research и разработка торговых стратегий для DeFi и крипторынков - ML/DL-подходы для маркет-мейкинга, forecasting, управления позициями и смежных задач - Стратегии дельта-нейтрального хеджирования и управления рисками - Бэктестинг и симуляционные среды на крипто-данных: order book, trades - Анализ рыночных данных и улучшение алгоритмов по результатам реального исполнения Что важно - Senior-уровень в Quant/ML research, systematic trading, HFT/prop trading, market microstructure или смежных задачах - Участие в полном цикле ресерча: гипотеза > данные > модель/логика > бэктестинг > валидация и анализ результата - Понимание временных рядов, OOS-проверки, future leakage и торговой экономики - Supervised Learning, статистический анализ, оптимизация моделей - Уверенный Python; PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna - Опыт доведения стратегий до реального исполнения или PnL-оценки - Order book и trades - Автономность: сами ставите гипотезу и сами доводите её до ответа - В команде общаемся на русском Будет плюсом - Reinforcement Learning - Rust или low-latency engineering опыт - Трейдинг, маркет-мейкинг, low-latency крипта - Опыт в квант-фондах, HFT, prop trading, банковских квант-командах - Опыт с DeFi, DEX/CEX, AMM/LP, perpetuals, funding, cross-venue arbitrage - Активное использование AI-инструментов Условия - Фикс в стейблкоинах (USDT/USDC, 1:1 к доллару) - Квартальный profit sharing от результатов стратегий - Оплачиваемый отпуск - Компания оплачивает AI-подписки Локация Москва, гибрид, офис в центре.

Формат

Офис

Страна

Не указана

Город

Не указан

Ищем в команду Geo-ML инженера. Обязательные требования: - Классический ML на табличных данных: бустинги (CatBoost/XGBoost/LightGBM), feature engineering, работа с признаками и метриками, валидация - Python + SQL на продовом уровне (не только ноутбуки) - Понимание статистики, умение обосновать выбор модели и метрики Будет плюсом: - Опыт в графовом ML: GNN, graph embeddings, link prediction, PyG/DGL/NetworkX - Опыт в смежных направлениях: сетевой анализ, антифрод, рекомендации, маршрутизация - Работа с пространственными данными: OSM, PostGIS, H3/geohash, дорожные графы Формат работы: офис.

Формат

Офис

Страна

Не указана

Город

Не указан

ML-разработчик в Видеопоиск. Команда занимается поиском видео: за доли секунды находит для каждого пользователя нужный контент — сериал, лекцию или развлекательный материал. В решении задач используется весь спектр ML-технологий. Задачи: - Улучшение качества ранжирования: поиск проблем в текущей системе, точек роста и реализация их от гипотезы до внедрения в продакшен. Работа с NLP-факторами, эмбеддингами, моделями ранжирования. - Взаимодействие с продуктом и аналитикой: перевод бизнес-запросов в конкретные ML-задачи, формализация требований совместно с продуктом. Активная работа с командой аналитики по контролю качества данных и разметки. - Работа с большими данными в реальном времени: разработка и внедрение решений, которые работают на петабайтах данных и держат планку по качеству в условиях высокой нагрузки. Ожидания: - Решение задач end-to-end: от постановки и исследования до внедрения в продакшен. - Опыт в Ranking, Retrieval, RecSys или NLP. - Опыт технического лидерства (ревью, декомпозиция, координация). Будет плюсом: - Работа с поисковыми системами или их компонентами (Information Retrieval, Dense Retrieval). - Опыт работы с высоконагруженными сервисами и большими данными. - Знакомство с современными нейросетевыми архитектурами. Условия: - ДМС действует с первого месяца работы, плановую или неотложную помощь можно получить и за рубежом.

Формат

Удалённо

Страна

Не указана

Город

Не указан

Грейд

Junior

О вакансии Компания IBS. Уровень Junior, работа удалённая, требуемый опыт — от 1 года. Чем предстоит заниматься - Исследование и внедрение современных подходов для широкого круга NLP-задач - Участие в полном цикле разработки: от прототипирования до промышленного развёртывания конечного решения - Разработка сервисов обработки естественного языка (классификация, суммаризация, NER, RAG и пр.) - Участие в создании AI-ассистентов на базе генеративных моделей (SFT/LoRA, RLHF) — BERT, Qwen и др. - Построение пайплайнов подготовки данных и обучения LLM - Организация процесса мониторинга качества и производительности LLM в продакшене - Проектирование и поддержка CI/CD-конвейеров для ML-проектов (Git, GitLab CI/CD, Jenkins и подобные) - Контейнеризация и оркестрация сервисов (Docker, Kubernetes) Пожелания к кандидатам - Высшее образование: математическое, IT, техническое - Аналогичный опыт работы от 1 года - Хорошее знание Python и основных библиотек анализа данных - Базовые навыки классического ML (EDA, предобработка, обучение моделей) - Опыт применения современных трансформерных нейросетей (GPT, BERT и их модификаций) - Опыт реализации RAG - Уверенное владение PyTorch или TensorFlow для тонкой настройки LLM Условия - Уровень: Junior - Формат: можно удалённо - Опыт работы: от 1 года

Формат

Офис

Страна

Не указана

Город

Не указан

Ищем ML-инженера. Ключевое требование — умение писать быстрый и чистый код на C++ и Python. Требования: - C++: STL, Boost, GSL - Python: PyTorch, NumPy, SciPy - ориентация на производительность и качество кода Условия: формат работы — офис, оплата — по договорённости.

Формат

Гибрид

Страна

Россия

Город

Москва

Грейд

Junior

Аналитик ML-моделей / Специалист по контролю качества (валидации) ML-данных Компания ЛАНИТ (продукт SOLUT) — система мониторинга производительности физического труда: ML-модели распознавания отслеживают процент полезной работы рабочих (строительство, обслуживание оборудования, ритейл, склады). Роль — обеспечение качества AI-движка, связующее звено между работой ML-моделей и реальностью. Формат работы: гибрид (офис 3 раза в неделю — пн, ср, пт; м. Алексеевская / Марьина Роща, Москва). Оформление: официально, аккредитованная ИТ-компания, ДМС со стоматологией. Чем предстоит заниматься - Верификация данных: просматривать видеозаписи рабочих смен и анализировать интервалы, распознанные ML-моделью, оценивать точность определения действий сотрудника - Расчёт метрик качества: precision, recall, общая точность (accuracy) распознавания - Подготовка данных для обучения (Data Curation): формировать и подготавливать размеченные массивы данных для Data Science-специалистов - Работа с AI-агентами (перспектива роста): от ручной проверки к обучению AI-агентов выполнять верификацию — создавать инструкции для ИИ и проверять результаты Наши пожелания к кандидатам - Внимательность к деталям (суть работы — анализ видео и поиск ошибок модели) - Аналитический склад ума, умение читать и понимать инструкции, структурировать информацию - Уверенное владение Excel (сводные таблицы, фильтры, VLOOKUP) - Базовые знания в области ML и Python: понимание принципов классического ML, Deep Learning, LLM и AI-агентов (знание Python — преимущество) - Английский язык не ниже B2 - Готовность обучаться и развиваться

Формат

Офис

Страна

Не указана

Город

Не указан

Задачи - Развитие AI-саджеста: переосмысление роли саджеста в чате с Алисой, новые сценарии работы ассистента, изучение возможностей языковых моделей (LLM) для взаимодействия с поисковыми подсказками. - Разработка ранжирования и подсказок: эксперименты с моделями и факторами ранжирования, обучение LLM генерации полнотекстовых подсказок, построение пайплайнов обучения и оценки моделей, проверка гипотез с помощью A/B-тестов. - AI-агенты в разработке: эксперименты с AI-агентами, ускорение разработки ML-систем, авторесёрч и создание прототипов. Требования - Опыт работы с ML-алгоритмами - Понимание принципов работы, обучения и оценки ML-моделей - Уверенное владение Python Условия - Офисный формат работы - Зарплата по договорённости - В крупных офисах есть спортзалы с тренажёрами, инвентарём и душевыми

Формат

Удалённо

Страна

Не указана

Город

Не указан

Грейд

Senior / Lead

Задачи - Управление распределённой ML-командой - Постановка задач и контроль качества - Code Review и архитектура AI/ML-решений - Ведение проектов от исследования до деплоя и мониторинга - Техническая стратегия и внедрение новых AI/ML-технологий - Менторство и развитие команды Требования - 5+ лет в AI/ML, 3+ года в роли Team Lead - Senior/Lead ML Engineer + управленческий опыт - Полный цикл ML-разработки - Английский B2–C1 - Сильные лидерские и архитектурные навыки Условия - Удалённо: из любой точки мира, кроме РФ - График: 10:00–19:00 МСК - Конкурентная зарплата, выплаты 2 раза в месяц - 28 дней отпуска

Формат

Офис

Страна

Не указана

Город

Не указан

Грейд

Lead

О команде Мы создаём инфраструктуру для обучения и дообучения больших языковых (LLM) и визуально-языковых (VLM) моделей. Наша задача — сделать систему максимально эффективной: рационально использовать вычислительные ресурсы и снижать риски сбоев. Всё более востребованным становится обучение с подкреплением (Reinforcement Learning, RL) — появляется необходимость создания специализированной инфраструктуры. Задачи - Оптимизация инфраструктуры RL-обучения: оптимизация доставки и сохранения данных, коммуникаций между блоками обучения; повышение эффективности работы внутри блоков. - Развитие инструментов диагностики: создавать и улучшать инструменты, чтобы быстро находить и решать инфраструктурные проблемы. - Обеспечение отказоустойчивости инфраструктуры: реализовывать подходы, которые сделают инфраструктуру обучения устойчивой к ошибкам и сбоям. - Исследование решений: изучать новейшие подходы к организации инфраструктуры RL-обучения, оценивать их эффективность, внедрять в реальные проекты. Требования - Знание Python и опыт в системном программировании, разработке библиотек или фреймворков. - Умение работать с PyTorch и распределённым обучением через torch.distributed. - Владение подходами параллелизации. - Интерес к LLM и MLOps. - Умение эффективно работать в команде. Будет плюсом - Участие в создании инфраструктуры обучения ML-моделей. - Внедрение и оптимизация RL-решений. - Использование библиотек RL-обучения для LLM и библиотек инференса. - Опыт работы с GPU NVIDIA: понимание архитектуры GPU, разработка или оптимизация алгоритмов с использованием CUDA или Triton. - Владение C++, опыт низкоуровневого программирования и оптимизации. Условия - В крупных офисах есть спортзалы с тренажёрами, инвентарём и душевыми.

Формат

Гибрид

Страна

Не указана

Город

Не указан

О роли ML-продакт-менеджер в команду Поиска. Задачи - Запустить систему оценки качества поиска: выбор метрик, сбор данных, анализ проблемных зон. - Наладить процесс Discovery и Delivery: приоритизация бэклога, валидация гипотез. - Отвечать за ключевые фичи: довести до запуска 1-2 приоритетные инициативы, контролировать метрики успеха. - Сформировать и защитить стратегию вертикали на основе данных и бизнес-приоритетов. - Улучшать релевантность и персонализацию поиска с помощью ML и LLM. Требования - Умение работать с данными: гипотезы на основе данных, SQL, продуктовая аналитика, A/B-тесты. - Понимание поиска, ML или рекомендательных систем: ранжирование, персонализация, оценка качества. - Опыт формирования и защиты продуктовой стратегии. - Готовность погружаться в ML-дизайн, быть связующим звеном между продуктом, аналитикой и разработкой. Условия - Оплата обсуждается на собеседовании. - Формат: офис или гибрид, по договорённости.

Формат

Удалённо

Страна

Не указана

Город

Не указан

О компании FunCorp создаёт музыкальный технологический продукт для тех, кто поёт и играет на гитаре. Идея — дать живому музыканту возможность играть с AI так, чтобы это ощущалось как репетиция с настоящей группой, а не игра под статичную фонограмму. Задачи - Проводить исследования на основе большого количества реальных гитарных джемов - Работать с open source моделями, адаптировать их под музыкальные задачи - Отвечать за полный цикл: от идеи и исследования до реализации и деплоя - Генерировать и распознавать игру на инструментах - Тестировать на слух — с гитарой в руках - Работать с инфраструктурой: Docker, облака, MLOps Требования - Играть на гитаре и жить музыкой - Обязателен опыт в voice/audio ML — генерация, распознавание, обработка звука - Уметь адаптировать open source модели под задачу Условия - Полная занятость - Полная удалёнка

Формат

Гибрид

Страна

Россия

Город

Москва

Грейд

Senior

Senior NLP/LLM Engineer Сбер Опыт работы: 3–6 лет Полная занятость Формат работы: офис или гибрид (Москва) Команда управления развития искусственного интеллекта (блок «Развитие клиентского опыта B2C») ищет NLP/LLM-инженера для развития AI-copilot премиальных клиентских менеджеров. Команда переходит от классических NLP-решений к адаптивным мультиагентным системам. Чем предстоит заниматься - Проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы и автономных AI-агентов (планирование, function calling, мультиагентная оркестрация) - Дообучение и адаптация: SFT/RLHF/DPO, LoRA/QLoRA под бизнес-задачи; решать, когда нужно дообучение, а когда достаточно промпт-инжиниринга или RAG - Поддерживать культуру качества: внедрять продуктовые и ML-метрики (RAGAS, DeepEval, LLM-as-a-Judge), автоматизировать регрессионное тестирование - Писать чистый, документированный и тестируемый python-код, проектировать API-контракты для ML-компонент - Участвовать в код-ревью, формировать технические стандарты команды, работать напрямую с продуктом и стейкхолдерами Наши пожелания к кандидатам - Опыт в DL/NLP от 4 лет, включая обучение и дообучение моделей на PyTorch, из них не менее года практического опыта с LLM - Практический опыт построения AI-агентов и LLM-пайплайнов с использованием LangChain/LangGraph - Глубокое понимание архитектуры современных LLM: attention, MoE, RoPE, KV-cache, методы alignment (RLHF/DPO), принципы эффективного инференса - Сильная инженерная культура: Python (asyncio, pydantic, fastapi), чистый тестируемый код (pytest), асинхронные микросервисы; понимание Docker/K8s, CI/CD для ML - Оценка и мониторинг: уверенное владение инструментами LLMOps (Arize, LangSmith, W&B, Phoenix), опыт создания кастомных eval-пайплайнов - Работа с данными: опыт предобработки сложных данных для датасетов, знание SQL

Формат

Удалённо

Страна

Россия

Город

Не указан

ПравоТех — продуктовая IT-компания, которая с 2008 года автоматизирует юридические бизнес-процессы. Сейчас команда активно развивает AI-направление и создает AI-агентов для решения реальных юридических задач. Что предстоит делать: - превращать юридические процессы в workflow для AI-агентов; - описывать логику работы юриста и требования к результату; - проверять AI-ответы и документы на юридическую корректность; - находить ошибки и улучшать логику агентов; - участвовать в создании AI-сценариев для судебных и юридических процессов; - совместно с Product Manager развивать продукт; - экспериментировать с LLM, AI-агентами и автоматизациями. Что важно: - высшее юридическое образование; - реальный опыт работы юристом; - опыт в арбитражных спорах и/или судебной практике; - понимание гражданского и арбитражного процесса; - опыт работы с судебными документами; - практический интерес к AI и LLM (ChatGPT, Claude и др.); - способность структурировать сложные юридические процессы; - самостоятельность и проактивность. Будет плюсом: банкротство, корпоративные споры, LegalTech, продуктовая аналитика, опыт работы с AI-агентами, промптами и автоматизациями. Первые задачи: погрузиться в продукт, оценить работу AI-агентов, найти юридические ошибки, детализировать workflow и перевести один из юридических процессов в сценарий AI-агента. Формат: преимущественно удалённо, возможна работа из офиса. Оформление по ТК РФ, ДМС, обучение, командный бонус.

Формат

Офис

Страна

Россия

Город

Не указан

Компания «Ай-Теко» — ведущий российский системный интегратор и поставщик IT-решений для корпоративных заказчиков. Компания работает на рынке с 1997 года и входит в число крупнейших IT-компаний России. Формат работы Офис, Москва. Занятость: полная. Обязательно полное высшее образование. Задачи - Поддерживать и развивать DevOps-инфраструктуру AI-проектов. - Работать с Docker и Kubernetes. - Использовать Ansible, ArgoCD и Terraform. - Строить и поддерживать CI/CD на GitLab CI / Jenkins. - Работать с мониторингом и логированием: Prometheus / VictoriaMetrics, Grafana, Loki / ELK. - Администрировать Linux и разбираться в сетевых взаимодействиях микросервисной архитектуры. - Изучать новые технологии: мультиагентные фреймворки, RAG, MCP. - Предлагать и внедрять улучшения инфраструктуры. Требования - Коммерческий опыт работы DevOps от 3 лет. - Уверенное владение Docker и Kubernetes. - Опыт с Ansible, ArgoCD, Terraform. - Понимание CI/CD. - Опыт работы с системами мониторинга и логирования. - Знание Linux и основ сетевого взаимодействия. - Готовность разбираться в AI и агентных технологиях. Будет плюсом - Понимание жизненного цикла AI-агентов и ML-моделей. - Опыт разработки и развёртывания автономных AI-агентов. - Практический опыт с MCP и RAG. - Опыт работы с платформами оркестрации агентов или serverless-средами. - Опыт интеграции корпоративных систем (OneWork, SberSpace). - Интерес к AI и агентным системам. Условия - Стабильная работа в крупной IT-компании. - Официальное оформление по ТК РФ с первого дня. - «Белая» заработная плата. - Расширенный ДМС, включая стоматологию. - Корпоративные скидки на фитнес. - Футбольная и волейбольная секции. - Профессиональное обучение и развитие. - Насыщенная корпоративная жизнь. - Современная техника: мощный ноутбук предоставят уже в день оформления. Важно: работа только из офиса в Москве.

Формат

Удалённо

Страна

Не указана

Город

Не указан

Грейд

Middle / Senior

AI Engineer / AI Architect Компания Camirix — AI Business Operating System — ищет специалиста для создания интеллектуального ядра платформы — AI Brain, а на его основе — системы автономных AI-агентов. Чем предстоит заниматься - Проектировать архитектуру AI Brain. - Разрабатывать AI Agents и Agent Runtime. - Заниматься LLM orchestration, RAG, Memory и Context Engineering. - Реализовывать reasoning, planning и decision making. - Работать с Tool Calling и внешними API. - Разрабатывать Business Ontology и работать с бизнес-данными. - Создавать AI Employees: Sales, Marketing, Support, Finance, Operations и др. - Разрабатывать системы feedback, evaluation и обучения агентов. - Оптимизировать качество, скорость и стоимость AI-систем. Главная задача — построить AI Brain Camirix и систему автономных AI-агентов, способных понимать бизнес-контекст, принимать решения и самостоятельно выполнять реальные бизнес-процессы. Что ожидаем - Сильный Python. - Опыт разработки LLM/AI-приложений и AI-агентов. - Понимание LLM, RAG, embeddings, Tool Calling. - Опыт работы с API OpenAI / Anthropic / Gemini или аналогами. - PostgreSQL, Redis, FastAPI. - Понимание архитектуры production AI-систем. - Способность самостоятельно проектировать и реализовывать сложные системы. Условия - Full-time. - Удалённая работа. - Middle+ / Senior. - Задачи на уровне архитектуры и разработки AI-продукта с нуля.

Формат

Удалённо

Страна

Канада

Город

Не указан

Grafana Labs — компания, стоящая за Grafana Cloud, полностью управляемой платформой наблюдаемости, которой доверяют более 10 000 организаций. Мы — полностью удаленная компания с сотрудниками в более чем 40 странах. Клиенты включают Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce. Это удаленная позиция. Мы ищем кандидатов в США и Канаде. Мы создаем Tempo — open-source бэкенд распределенного трейсинга, лежащий в основе Grafana Cloud Traces и Grafana Enterprise Traces (GET). Tempo упрощает поиск трейсов, генерацию метрик из спанов и связывание данных трейсинга с логами, метриками и профилями в стеке Grafana. 2026 год — переломный момент для Tempo. После крупного архитектурного обновления и запуска TraceQL metrics мы переходим от фундаментальной работы к продуктовому и операционному совершенству, превращая Tempo из SaaS-базы данных в платформу для следующего поколения продуктов наблюдаемости Grafana (App Observability, Asserts, Traces Drilldown и AI-ассистенты). В течение следующего года вы поможете нам: - Сделать Grafana Cloud Traces «просто работающим» для клиентов, устранив шероховатости, запутанные лимиты и скрытые сбои. - Достичь операционного совершенства в масштабе: рост с почти 50 ячеек сегодня до трехзначных чисел в этом году, с автоскейлингом, параметризованными раскатками и агрессивным сокращением рутинной работы. - Развить Tempo в платформу: API с более высокой плотностью, агрегация трейсов, математика TraceQL metrics и интерфейсы, удобные для машин и LLM, на которых смогут строить downstream-продукты и агенты. - Улучшить производительность: снизить задержки запросов при приеме сотен МБ/с и обеспечить производительные диапазоны запросов за 30 дней для соответствия конкурентам. - Подготовить Tempo к миру, управляемому агентами: более крупные, более всплесковые и высококардинальные нагрузки, а также новые категории AI-рабочих процессов, такие как триаж с помощью ассистентов и расследования в стиле «почему это медленно?». Что вы будете делать: Как Staff-инженер в команде Tempo, вы будете задавать техническое направление по самым сложным задачам дорожной карты и поднимать планку для всей команды. - Вести многоквартальные технические инициативы от формулировки проблемы до раскатки, например, API агрегации трейсов, Limitless Tempo, автоскейлинг ячеек и лимиты клиентов или улучшения движка запросов. - Владеть архитектурой ключевых компонентов Tempo: прием, хранение, запросы и генерация метрик. Проводить ревью дизайна, принимать решения по компромиссам между производительностью, стоимостью и сложностью, документировать «почему» для команды. - Проектировать API для людей и агентов. Формировать следующее поколение интерфейсов Tempo (структурированных, детерминированных, обнаруживаемых), чтобы продукты Act 3, LLM-ассистенты и внешние интеграторы могли надежно строить на Tempo. - Обеспечивать операционное совершенство. Отвечать за конкретные SLO (P99 задержка записи, повторяемость инцидентов, TCO на принятый ГБ) и вести команду к Zero Ops через автоматизацию, параметризованные раскатки и действенные алерты. - Работать с Product и смежными командами. Тесно сотрудничать с PM и командами App Observability, Asserts, Drilldown и Grafana Assistant, чтобы понимать, как потребляется Tempo, и поставлять то, что их разблокирует. - Наставлять инженеров. Поднимать инженерную планку через ревью кода, обратную связь по дизайну, парное решение сложных задач и письменные материалы, которые делают команду умнее. - Участвовать в on-call для сервисов, которые вы помогаете создавать, и быть мультипликатором силы в реагировании на инциденты и пост-инцидентном обучении. - Вносить вклад в open source. Tempo — OSS-проект. Вы будете взаимодействовать с сообществом, ревьюить внешние контрибуции и помогать вести проект открыто. Мы много инвестируем в продуктивность разработчиков. Вы можете использовать современные AI-ассистенты кодирования в ежедневном рабочем процессе (на ваш выбор инструментов, в рамках политики безопасности) с оплачиваемым компанией бюджетом на использование.

Формат

Удалённо

Страна

Не указана

Город

Не указан

Грейд

Senior

Компания Twilio, специализирующаяся на коммуникационных решениях, ищет Senior Engineering Manager в организацию Conversational Agents. Организация Conversational Agents строит мост между ИИ-агентами и платформой Twilio. Роль предполагает руководство командой Agent Implementations, которая создает и эксплуатирует агентов, обеспечивающих внутренние бизнес-процессы Twilio. Задачи: - Руководить инженерной стратегией и реализацией для безопасного и надежного доступа клиентских ИИ-агентов к возможностям платформы Twilio. - Создавать и масштабировать системы, обеспечивающие работу ИИ-агентов для внутренних бизнес-операций Twilio, повышая эффективность и автоматизацию. - Взаимодействовать с командами продукта, платформы, безопасности и выхода на рынок для выявления высокоэффективных сценариев использования ИИ-агентов и поставки готовых к продакшену решений. - Развивать высокопроизводительную инженерную команду: нанимать, наставлять и развивать менеджеров и инженеров в быстро меняющейся технической области. - Обеспечивать операционное совершенство: устанавливать четкие метрики, планировать дорожную карту, гарантировать надежность, соответствие требованиям и непрерывное улучшение. - Осваивать новые технические навыки и знания в среде с высоким темпом работы. Ожидается крутая кривая обучения, комфорт при погружении в сложные задачи и умение создавать ясность для себя. Требования: - 5+ лет практического опыта инженера, написания продакшен-кода на современном языке программирования (язык не важен). - 3+ года опыта непосредственного руководства командами инженеров разных дисциплин. - Опыт развития культуры технического совершенства и сопровождения команды в технических дизайн-решениях. - Подтвержденный опыт вывода продуктов в продакшен, раннего тестирования идей с клиентами и быстрой итерации по их обратной связи. - Сильная клиентоориентированность, тесный цикл обратной связи с клиентами. - Отличные письменные и устные коммуникативные навыки. - Интерес к новым технологиям и отслеживание их последних разработок. Желательно: - Опыт создания продукта от идеи до product-market fit (zero to one). - Опыт руководства разработкой продуктов или функций, использующих LLM. - Склонность к практической работе, страсть к созданию и воплощению своих идей в жизнь. Условия: - Удаленный формат работы, но роль не предусматривает найм в Сан-Франциско, Окленде, Сан-Хосе (Калифорния) или прилегающих районах. - Конкурентоспособная оплата, щедрый отпуск, отпуск по уходу за ребенком и по состоянию здоровья, медицинская страховка, пенсионная программа. Набор льгот зависит от локации. - Вилка зарплаты для кандидатов из Калифорнии, Колорадо, Гавайев, Иллинойса, Мэриленда, Массачусетса, Миннесоты, Нью-Джерси, Нью-Йорка, Вермонта, округа Колумбия и штата Вашингтон: от $207 200. Для других локаций зарплата обсуждается в процессе найма.