Направление
Вакансии ML-инженеров
Модели, данные, MLOps, NLP и computer vision.
Поиск
Подбор вакансий
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.
AI application security engineer, middle+/senior
Контур — экосистема для бизнеса. Наши сервисы помогают каждой третьей компании России делать рабочие процессы проще и эффективнее: вести бухгалтерию, сдавать отчетность в госорганы, обмениваться документами без бумаги, общаться друг с другом на удаленке и многое другое. С нами жизнь 3,1 миллионов предпринимателей и их сотрудников становится легче. О команде Мы — команда безопасности ИИ в Центре киберзащиты Контура. Ищем специалиста по кибербезопасности, который поможет внедрять и сопровождать решения на базе AI — от продуктовых сервисов и RAG-систем до внутренних AI-инструментов разработки. В Контуре активно развивается использование AI-ассистентов и агентов. Наша задача — сделать так, чтобы эти инструменты были безопасными, а разработчик получал защищенный результат, соответствующий ИБ-политикам, без необходимости погружаться во все тонкости ИБ. Задачи Проводить анализ защищенности (преимущественно Whitebox) LLM-приложений, AI-агентов, RAG, векторных БД, Low-Code/No-Code-систем (Dify, n8n) и интеграций с внешними API / облачными моделями. Выявлять специфичные для AI векторы атак: prompt injection, indirect prompt injection, jailbreak, data poisoning, excessive agency, unsafe tool calls и over-privileged agents. Настраивать и валидировать защитные механизмы: фильтры PII / конфиденциальных данных, ограничения контекста, rate limiting, контроль вызова tools и ручные подтверждения для критичных операций. Укреплять внутренний AI/ML-тулинг совместно с платформенными командами. Строить систему правил, скиллов и хуков, чтобы встраивать политики ИБ непосредственно в среду разработки: skills, rules, hooks, MCP-серверы. Проверять безопасность локального запуска LLM и агентов в Kubernetes и Linux-песочницах: изоляция сессий, памяти, контейнеров, RBAC, NetworkPolicy, Secrets Management. Формировать требования к аудиту и трассировке AI-систем: trace ID, логирование prompt/response, фиксация вызовов моделей и действий агентов. Консультировать команды, помогать внедрять безопасный код и выстраивать понятные процессы. Мы ожидаем Опыт в сфере ИБ от двух лет в одном или нескольких направлениях: AppSec, DevSecOps, Cloud/K8s Security, Product Security или ML Security. Уверенное владение одним из языков программирования: Python, Go, C, TS, Rust. Умение читать чужой код, искать уязвимости и писать PoC. Знание AI/LLM-стека: понимание устройства языковых моделей, RAG, векторных БД (Milvus, Qdrant, pgvector и др.), AI-агентов, agent memory, tool calling, а также стандарта взаимодействия MCP. Знание AI-угроз: понимание рисков OWASP for LLM, MITRE ATLAS (prompt injection, раскрытие system prompt, утечки данных, необдуманное выполнение кода агентами). Знание основ Linux и базовое понимание безопасности Kubernetes: RBAC, ServiceAccount, NetworkPolicy, Secrets, изоляция контейнеров. Знание классических веб-уязвимостей, механизмов аутентификации и авторизации OAuth2, OIDC, JWT, RBAC и безопасной разработки — Secure SDLC, Threat Modeling. Умение аргументированно объяснять риски, находить компромиссы с разработкой. Мы предлагаем Гибридный формат работы в Екатеринбурге. Офис на ул. Малопрудной, 5. Предоставим все необходимое: технику, рабочее место, библиотеку с профессиональной литературой, место для отдыха и кухонную зону с фруктами и снеками. Уровень дохода, который зависит от ваших технических знаний и навыков. Регулярно пересматриваем зарплаты с учетом профессионального роста. Финансовые бонусы тоже есть. Сильное инженерное комьюнити. Регулярно проводим внутренние технические конференции, обмениваемся опытом между командами. Вы всегда найдете с кем посоветоваться. Возможность сменить продукт, команду или предметную область внутри компании. Поддерживаем развитие в любом направлении. Общение на «ты» и максимум горизонтальных связей в коллективе, чтобы быстрее договариваться и решать рабочие задачи. Возможность делиться экспертизой. Помогаем выступать на конференциях, участвовать в подкастах или видео, писать статьи. Поддержку профессионального развития. Организуем внутреннее и внешнее обучение.
Backend-разработчик/Инженер автоматизации IT-операций (Python, AI/LLM)
Задачи - Разрабатывать MCP-серверы и интеграции с внутренними IT-системами. - Создавать цифровые роли Avatar для обработки заявок, диагностики и подсказок инженерам. - Автоматизировать типовые операции IT Operations. - Подключать источники данных: мониторинг, логи, CMDB, Jira/ITSM, базы, внутренние API. - Делать простые backend-сервисы, скрипты, воркфлоу и API-обвязки. - Работать с RAG, памятью, skill-ами, tool calling, LLM API. - Разбирать реальные кейсы инженеров и превращать их в работающие MVP. - Писать документацию: как работает интеграция, как поддерживать, как диагностировать. Требования - Уверенная backend-разработка или automation engineering. - Python как основной рабочий инструмент; Go / TypeScript — плюс. - Опыт работы с REST API, JSON, SQL, Git, Docker. - Понимание Linux, сетей, логов, мониторинга, базовой эксплуатации. - Умение писать надежные интеграции, а не только прототипы. - Понимание LLM-инструментов: prompts, tools, agents, RAG, function calling. - Готовность работать с внутренними legacy-системами и неполной документацией. - Самостоятельность: сам разобрался, уточнил, сделал, задокументировал. Условия - Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествия, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). - Стабильную заработную плату и социальные гарантии. - Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с командой. Лучшие конференции и мастер-классы за счет компании. - Участие в проектах, которые формируют цифровую трансформацию финансового сектора. - Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами, а также собственный тренажерный зал. - Гибридный формат работы (2 дня офис), возможен удалённый формат. - Корпоративная культура: внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы.
Инженер по созданию агентов ИИ/AI Agent Engineer
Мы строим собственную агентскую платформу корпоративного уровня Avatar— enterprise-аналог открытых агентских систем.Ищем сильного AI Agentic Engineer уровня Senior / Expert. Это инженерная роль на стыке agent engineering, backend и platform/infra-подхода. Вам не нужно быть архитектором всей агентской платформы, но нужно уметь проектировать устройство конкретных агентов и агентских сценариев внутри Avatar. Стек: LLM, MCP, RAG, Python, Rust, TypeScript Чем предстоит заниматься: Проектировать внутреннюю логику агентов и агентских сценариев в Avatar. Определять, где нужен agent, где tool, где sub-agent, а где deterministic-код. Строить agent loop: планирование, вызов инструментов, обработка ошибок, память, эскалации, ограничения действий. Проектировать multi-agent сценарии: роутинг задач, специализация агентов, контроль состояния. Разрабатывать MCP/tool-интеграции и подключать агентов к внутренним системам. Настраивать eval-харнессы, regression-эвалы и контроль качества агентов. Работать с observability: traces, tool calls, latency, retries, failure modes, cost tracking. Проектировать работу с контекстом: что инжектится на каждом turn, как работает память, как не раздувать историю. Участвовать в развитии self-hosted / sovereign agent stack: локальные модели, model-agnostic слой, OpenClaw-подобные рантаймы, SGLang/Ollama/vLLM/LiteLLM. Помогать продуктовым и инженерным командам правильно применять агентский подход. Наши ожидания: Реальный опыт разработки AI-агентов или agentic-систем. Понимание LLM, tool calling, function calling, RAG, memory, context management. Опыт с агентскими фреймворками или SDK: OpenAI Agents SDK, LangGraph, AutoGen, CrewAI, Semantic Kernel, OpenClaw-подобные рантаймы или аналогичные решения. Умение проектировать логику работы агента, а не только писать промпты. Сильный backend-опыт на Python или TypeScript. Опыт интеграций с API, MCP, внутренними системами, очередями, БД. Понимание Docker, Linux, Kubernetes, сетей, логов и эксплуатации. Опыт построения evals: наборы кейсов, regression-тесты, метрики качества, разбор деградаций. Понимание безопасности агентов: prompt injection, ограничение action space, sandboxing, права, audit trail. Умение считать performance/cost: latency, токены, retries, кэширование, параллелизация, выбор модели. Особенно ценно: Агент или агентский сценарий, который реально работал в production. Опыт self-hosted AI-инфраструктуры. Опыт OpenClaw / Claude Code-подобных / Claw-подобных runtime-подходов. Опыт MCP-серверов и skill-based architecture. Опыт построения reusable-подходов для других команд, а не только одного агента под одну задачу. Наличие постмортемов, дашбордов, eval-отчетов, метрик стоимости и качества. Сильное мнение о том, когда агента использовать не надо. Мы предлагаем: Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествий, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). Стабильную заработную плату и социальные гарантии, которые дают уверенность в настоящем и открывают перспективы в будущее. Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с дружной командой. Лучшие конференции и мастер-классы за счет компании. Участие в проектах, которые формируют цифровую трансформацию финансового сектора. Гибридный формат работы (2 дня офис). Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами с ароматным кофе, а также собственный тренажерный зал. Богатую корпоративную культуру: классные внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы и участвовать в креативных проектах.
Дата инженер ИИ/AI Data Engineer
Мы строим собственную агентскую платформу корпоративного уровня — enterprise-аналог открытых агентских систем. Ищем инженера, который возьмёт на себя ядро системы и будет развивать его, опираясь на актуальные исследования и production-практику. Эта роль на стыке глубокой инженерии (производительное ядро) и работы с LLM/ML. Стек: ClickHouse, SQL, LLM, ETL Чем предстоит заниматься: Проектирование и развитие корпоративного DWH на ClickHouse: архитектура, модель данных, выбор движков таблиц (семейство MergeTree), партиционирование, шардирование, материализованные представления. Построение и поддержка ETL/ELT-пайплайнов загрузки данных из внешних систем-источников. Разработка системы стандартов на данные (data contracts): единые требования к структуре, форматам, типам и качеству данных, поступающих из источников. Создание и ведение каталога данных / data dictionary с детальным описанием структуры и бизнес-смысла каждого набора данных (метаданные, документация, семантический слой). Контроль качества данных: валидация, тесты на данные, мониторинг. Оптимизация производительности хранения и аналитических запросов. Проектирование и разработка агентского слоя (LLM-агентов) поверх данных DWH, закрывающего произвольные аналитические запросы пользователей (text-to-SQL / диалоговая аналитика). Интеграция LLM, разработка инструментов и функций для агентов, организация семантического слоя для корректной работы агентов с данными. Настройка процессов оценки и улучшения качества ответов агентов (evals). Настройка разграничения прав доступа к данным средствами СУБД: RBAC, row-level и column-level политики в ClickHouse. Документирование архитектуры и принятых решений Наши ожидания: Опыт в data-инжиниринге от ~4 лет, уровень Senior. Глубокий опыт работы с ClickHouse (или сильный опыт с другими OLAP/колоночными СУБД + готовность быстро войти в ClickHouse): движки таблиц, оптимизация. Опыт проектирования DWH с нуля, владение подходами к моделированию данных (Kimball / Data Vault / wide tables и т.п.). Уверенный SQL и навыки оптимизации запросов. Опыт построения ETL/ELT-пайплайнов (Airflow / dbt / аналоги). Python (или другой язык для дата-инжиниринга и интеграции с LLM). Практический опыт с LLM и построением агентов: агентские фреймворки (LangChain / LlamaIndex / аналоги), function/tool calling, RAG, text-to-SQL. Понимание подходов к управлению качеством данных и data governance / data contracts. Опыт настройки разграничения прав доступа в СУБД. Будет большим преимуществом: Опыт с semantic / metrics layer. Опыт LLMOps и оценки качества агентов (evals, мониторинг). Опыт с инструментами каталогизации данных (DataHub / OpenMetadata / Amundsen). Опыт работы с большими объёмами данных и высоконагруженными системами. Мы предлагаем: Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествий, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). Стабильную заработную плату и социальные гарантии, которые дают уверенность в настоящем и открывают перспективы в будущее. Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с дружной командой. Лучшие конференции и мастер-классы за счет компании. Участие в проектах, которые формируют цифровую трансформацию финансового сектора. Гибридный формат работы (2 дня офис). Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами с ароматным кофе, а также собственный тренажерный зал. Богатую корпоративную культуру: классные внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы и участвовать в креативных проектах.
Ищем MLOps Engineer (AI / LLM) — удалённо
Ищем MLOps Engineer (AI / LLM) — удалённо Компания Selecty развивает экосистему цифровых сотрудников на базе передовых LLM/VLM-моделей. Создаём AI-агентов, которые автоматизируют бизнес-процессы и повышают эффективность компаний. Формат работы - Формат: Remote (РФ) - Заработная плата: 250–340 тыс. ₽ gross - Занятость: Full-time Задачи - проектировать и развивать CI/CD для деплоя AI-агентов и мультиагентных систем - разворачивать и оптимизировать LLM/VLM (vLLM, Triton Inference Server, SGLang) - обеспечивать масштабирование и стабильность AI-сервисов - внедрять мониторинг инфраструктуры и ML-метрик (качество генерации, дрейф данных, тональность ответов) Требования - опыт вывода LLM-решений в production - Python + asyncio - Kubernetes (Helm, управление кластерами) - GitLab CI / Jenkins - понимание RAG-архитектур, embeddings, reranking - оптимизация инференса: квантизация, continuous batching, PagedAttention Будет плюсом - опыт с графовыми БД - мультиагентные системы Стек Python, FastAPI, LangChain / LlamaIndex / Haystack, Kubernetes, Docker, S3, PostgreSQL, Vector DB Условия - оформление по ТК РФ - ДМС + стоматология - компенсация фитнеса - скидки на английский (Skyeng) - индексация зарплаты - современная техника
Data Scientist (LLM / AI Agents)
Data Scientist (LLM / AI Agents) Требования - Опыт: от 4-х лет в коммерческой разработке на позиции DS/ML Engineer (из них минимум 1 год плотной работы с NLP/LLM). - LLM & NLP: Глубокое понимание архитектуры трансформеров, опыт работы с RAG, контекстным окном, методами оптимизации инференса. - Разработка: Уверенное знание Python (asyncio, aiohttp/FastAPI), опыт написания чистого, поддерживаемого кода. - Big Data: Опыт работы с распределенными вычислениями (Spark/PySpark, Hive) и оркестрацией (Airflow). - Инфраструктура: Понимание процессов MLOps, опыт deployment сервисов на GPU (on-premise или Cloud). - Безопасность: Понимание принципов работы с персональными данными и безопасности при использовании LLM в энтерпрайзе. Будет преимуществом - Опыт разработки собственных MCP (Model Context Protocol) сервисов для расширения функционала агентов. - Участие в Kaggle, хакатонах или наличие pet-проектов в области Generative AI (ссылка на GitHub). - Опыт работы с отечественными LLM-платформами (например, GigaChat API) или локальными моделями (Llama, Qwen, Mistral). - Опыт построения сложных графов агентов (LangGraph, AutoGen). Обязанности - Разработка AI-агентов: Проектирование и внедрение мультиагентных систем (Prompt Engineering, RAG, Tools, Function Calling) в реальные банковские процессы. - Работа с LLM: Оптимизация и Fine-tuning моделей под домен бизнеса (SFT, RLHF), работа с открытыми и проприетарными моделями. - MLOps & Production: Вывод моделей в пром, построение пайплайнов обработки данных на GPU-кластере, организация мониторинга качества и дрейфа моделей. - Оценка качества: Разработка метрик качества генерации (LLM Eval), проведение A/B тестов. - Интеграция: Разработка сервисов на Python (API), взаимодействие с командой разработки и продуктовыми аналитиками для контроля и экспертизы требований к данным и функционалу. Условия - Обсуждаемая ЗП по вашим навыкам и грейду - Удаленная работа, а также варианты с гибридным форматом - Оформление по ИП с нашей поддержкой - Несколько проектов на выбор - Карьерный рост без постоянных поисков работы Как начать - Откликнитесь на вакансию - Пройдите собеседование с рекрутером - Попадите на бенч и получайте предложения по проектам
Senior ML Engineer — Demand Forecasting & Inventory Optimization
Старший ML-инженер — прогнозирование спроса и оптимизация запасов SMALL — одна из крупнейших розничных сетей продуктовых магазинов в Казахстане. Мы управляем более чем 160 магазинами в 10 городах страны. Мы строим систему автозаказа, которая определяет, сколько товара необходимо заказать в каждый магазин. Ищем сильного ML-инженера, который возьмёт на себя техническое руководство проектом: работу с данными, постановку экспериментов, выбор моделей для продакшен-пайплайна, офлайн- и онлайн-оценку качества, управление автозаказом как продуктом. Чем предстоит заниматься - Формировать roadmap ML-экспериментов и самостоятельно выбирать наиболее перспективные направления. - Исследовать подходы к прогнозированию сезонного, нерегулярного и прерывистого спроса. - Работать с промо, календарными эффектами, новыми SKU, дефицитом истории и спросом, цензурированным спросом и восстановлением lost sales при отсутствии товара. - Проводить ABC/XYZ-анализ. - Развивать rolling-origin backtesting и методологию сравнения моделей без временных утечек. - Оценивать решения не только по forecast-метрикам, но и по бизнес-результатам: out-of-stock, fill rate, оборачиваемости и объёму избыточного запаса. - Улучшать преобразование прогноза в заказ с учётом графика поставок, остатка, lead time и ограничений поставщика. - Развивать продакшен ML-пайплайн: качество данных, воспроизводимость экспериментов, мониторинг моделей и диагностику деградаций. - Взаимодействовать с командами Data Engineering, инфраструктуры и бизнеса, превращая неопределённые задачи в проверяемые гипотезы и работающие решения. - Определять техническую архитектуру ML-части системы и стандарты разработки: от подготовки выборок и экспериментов до деплоя и мониторинга. Что для нас важно - Сильный практический опыт в машинном обучении и опыт эксплуатации моделей в production. - Опыт решения задач прогнозирования временных рядов: корректная временная валидация, сезонность, cold start, sparse или intermittent demand. - Хорошее понимание того, как выбирать метрики и дизайн эксперимента под бизнес-задачу, а не оптимизировать одну офлайн-метрику. - Уверенные Python и SQL. - Умение разбираться в данных, находить смещения и утечки, проверять качество источников. - Способность самостоятельно формулировать план работы, принимать технические решения и доводить изменения до production. - Готовность объяснять результаты и компромиссы как инженерам, так и бизнесу. - Дисциплинированный опыт AI-assisted development: умение ускорять работу с помощью coding agents, не перекладывая на них ответственность за корректность решений, качество кода и безопасность данных. Будет большим плюсом - Опыт в grocery retail, e-commerce, supply chain или inventory replenishment. - Опыт построения глобальных моделей на большом количестве связанных временных рядов. - Понимание retail-специфики: промо, каннибализация, out-of-stock, цензура спроса, ассортиментные изменения, новые магазины и SKU. - Знание основ inventory optimization: safety stock, service level, lead time, order multiple, lost sales. - Опыт проведения онлайн-экспериментов или пилотов, где прогноз влияет на реальные операционные решения. - Опыт с CatBoost, PyTorch, ClickHouse, Kafka, Airflow, SLURM или Kubernetes. Наш текущий контур Масштаб задачи: - несколько миллионов SKU × store комбинаций каждый день - ежедневный и внутридневной расчет - прогнозирование на разные горизонты — от нескольких дней до нескольких недель - несколько лет истории в данных Сейчас в проекте есть: - модель прогнозирования спроса на основе градиентного бустинга - фреймворк для rolling-origin backtesting - интеграции с ClickHouse, Kafka, Airflow, Slurm, Kubernetes - продакшен-пайплайн с платформенным мониторингом и наблюдаемостью То есть задача не «сделать первую модель с нуля». Система уже работает в production в пилотном режиме и используется для формирования заказов на все SKU и магазины. Куда мы хотим прийти: - Повысить доступность товаров, одновременно снижая избыточный запас и списания. - Расширить систему с контура «распределительный центр → магазин» на заказы «поставщик → распределительный центр» и другие supply-chain сценарии. - Корректно учитывать неопределённость спроса и целевой service level, выбирая квантили прогноза с учётом стоимости дефицита и избыточного запаса. - Построить устойчивый процесс экспериментов и внедрения изменений с измеримым бизнес-эффектом. Что мы предлагаем - Реальный end-to-end ownership: возможность влиять на постановку задачи, данные, модели, backtesting, production и бизнес-метрики. - Доступ к вычислительному кластеру из 8 нод, каждая — 128 CPU, 2 TB RAM и 8×NVIDIA H200. Мы не требуем использовать deep learning там, где он не нужен, но инфраструктура позволяет проверять вычислительно сложные подходы без искусственных ограничений. - Возможность удаленной работы или в офисе в Алматы или Астане.
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
ML Engineer в «Максима Прайдекс
ML Engineer в «Максима Прайдекс» Мы создаем системы управления очередью для крупных клиентов (ПСБ, ФНС, МФЦ). Ищем специалиста для развития ИИ-сервисов, создания пайплайнов обработки данных и умной аналитики. Что предстоит делать - Audio Processing: развитие пайплайна (диаризация спикеров -> распознавание речи -> NLP-модерация). - LLM & RAG: разработка корпоративной RAG-системы (поиск по истории чатов, файлам и регламентам). - Smart Analytics: предиктивная аналитика для банковских терминалов (оптимизация работы операторов). - Production: интеграция ML-моделей и обеспечение их стабильной работы. Что мы ожидаем - Опыт: коммерческая разработка на Python от 1 года. - Backend & Инфраструктура: уверенное использование Docker, создание API на FastAPI, проектирование асинхронной обработки тяжелых ML-запросов. - NLP / LLM: практический опыт построения RAG, векторный поиск и эмбеддинги, LangChain. - Speech-to-Text: работа с распознаванием речи (Vosk, Whisper, GigaAM) и диаризацией. - Data Science: PyTorch, Pandas, NumPy, базовые алгоритмы и метрики ML. - Английский: от B1 (свободное чтение документации). Будет плюсом - Apache Airflow - Celery Мы предлагаем - Аккредитованная ИТ-компания. - Оформление по ТК РФ - Заработная плата 120 000 руб. после вычета налогов, полностью официальная, периодическая индексация. - Офис у м. Стахановская / Гибридный формат после испытательного срока. - Удобный график (базово 9:00–18:00, можно согласовать свой).
ML Engineer в «Максима Прайдекс
ML Engineer в Максима Прайдекс Мы создаем системы управления очередью для крупных клиентов (ПСБ, ФНС, МФЦ). Ищем специалиста для развития ИИ-сервисов, создания пайплайнов обработки данных и умной аналитики. Обязанности - Audio Processing: развитие пайплайна (диаризация спикеров -> распознавание речи -> NLP-модерация) - LLM & RAG: разработка корпоративной RAG-системы (поиск по истории чатов, файлам и регламентам) - Smart Analytics: предиктивная аналитика для банковских терминалов (оптимизация работы операторов) - Production: интеграция ML-моделей и обеспечение их стабильной работы Требования - Опыт: коммерческая разработка на Python от 1 года - Backend & Инфраструктура: уверенное использование Docker, создание API на FastAPI, проектирование асинхронной обработки тяжелых ML-запросов - NLP / LLM: практический опыт построения RAG, векторный поиск и эмбеддинги, LangChain - Speech-to-Text: работа с распознаванием речи (Vosk, Whisper, GigaAM) и диаризацией - Data Science: PyTorch, Pandas, NumPy, базовые алгоритмы и метрики ML - Английский: от B1 (свободное чтение документации) Будет плюсом - Apache Airflow - Celery Условия - Аккредитованная ИТ-компания - Оформление по ТК РФ - Заработная плата 120 000 руб. после вычета налогов, полностью официальная, периодическая индексация - Офис у м. Стахановская / Гибридный формат после испытательного срока - Удобный график (базово 9:00–18:00, можно согласовать свой)
Специалист по AI и Data Science (офлайн-митап)
FutureToday Специалист по AI и Data Science (офлайн-митап) Приглашаем специалистов по AI и Data Science на офлайн-встречу в Москве. MF Spark Camp: 4 огня инноваций, где за один вечер можно послушать доклады, обсудить реальные кейсы с коллегами и провести время в летней атмосфере. Что запланировано? - 4 доклада по Data Science и AI с QA-сессиями - общение с инженерами, аналитиками и исследователями разных команд - вечер с костром, зефиром и напитками после основной программы О чём будем говорить? - Эволюция ценообразования в «Отсрочке платежа». От сухих правил до живого интеллекта - Как мы создали AI для клиентской поддержки. ИИ-агент, который согревает диалоги - Создаем будущее голосом. Голосовой робот-продажник, неотличимый от человека Кого приглашаем? - специалистов с опытом в DS и уровня middle и senior. Когда и где? Москва, метро Тургеневская 29 июля с 18:00 Откликайся, чтобы зарегистрироваться и получить детали мероприятия! Не забудь позвать коллег :)
Forward Deployed AI Engineer
Компания: asahantechpartners.com Вакансия: Инженер по внедрению ИИ Тип занятости: Полная занятость Формат работы: 100% удалённая работа Уровень опыта: Senior Наш клиент ищет инженера по внедрению ИИ для непосредственной работы с клиентами и поставки готовых к эксплуатации решений на базе ИИ. Это практическая инженерная и консультационная роль. Вы будете изучать бизнес-процессы клиентов, определять практические сценарии использования ИИ, создавать работающие решения и руководить внедрением от прототипа до производства. Идеальный кандидат сочетает сильные навыки в области ИИ и разработки ПО с отличными коммуникативными способностями и умением эффективно работать в удалённой среде, ориентированной на взаимодействие с клиентами. Обязанности - Проведение удалённых технических сессий по выявлению потребностей с клиентами. - Понимание рабочих процессов, данных, систем и технических ограничений клиента. - Преобразование бизнес-требований в архитектуру ИИ и планы реализации. - Создание приложений с использованием LLM, RAG, AI-агентов, машинного обучения и автоматизации рабочих процессов. - Разработка бэкенд-сервисов, API, конвейеров данных и системных интеграций. - Подключение решений ИИ к базам данных, хранилищам документов, SaaS-платформам и внутренним API. - Реализация структурированных выводов, вызова инструментов, рабочих процессов с одобрением человеком, защитных механизмов и логики отката. - Оценка точности моделей, качества поиска, задержки, надёжности, безопасности и стоимости. - Развёртывание сервисов ИИ в облачных или корпоративных средах клиента. - Устранение технических неполадок на этапе внедрения и ввода в эксплуатацию. - Информирование заинтересованных сторон клиента о ходе работы, рисках и технических решениях. - Документирование архитектуры системы, процедур развёртывания и решений по реализации. - Обмен повторно используемыми решениями и отзывами клиентов с внутренними инженерными командами. Требования - Пять и более лет профессионального опыта в разработке ПО. - Сильный опыт промышленной разработки на Python. - Опыт создания и развёртывания приложений на базе LLM, машинного обучения, NLP или ИИ. - Опыт работы с RAG, эмбеддингами, векторными базами данных, вызовом инструментов или рабочими процессами AI-агентов. - Опыт разработки бэкенд-сервисов с использованием FastA...
Senior / ML Lead | Крипто-трейдинг | Офис - Сербия / удаленно
Senior / ML Lead | Крипто-трейдинг | Офис - Сербия / удаленно Разрабатываем ML-модели и торговые стратегии на крипторынках. Небольшая команда (ВШЭ, Физтех, Сколтех, ШАД). В продакшене уже работает собственная ML-система — ищем человека, который возьмёт её на себя и будет развивать дальше. Компенсация - Уровень Senior: до $12 000 net + квартальный бонус. - Уровень ML Lead: до $12 000 net + процент от PnL (обсуждается индивидуально, от 4 до 10% PnL). Требования - Senior / ML Lead или очень сильный мидл с опытом в трейдинге. - Опыт разработки прибыльных ML-моделей или торговых стратегий. - Python + NumPy, numba, PyTorch / JAX. - Сильный математический бэкграунд. - Способность самостоятельно находить идеи и доводить их до результата. Будет плюсом - Опыт в крипто- или алготрейдинге. - C++ (на уровне чтения и оптимизации). - Олимпиады, ICPC, Kaggle, ШАД, публикации. - Потенциальный интерес к развитию команды.
Senior AI Engineer/Cпециалист по генеративному искусственному интеллекту(SecOps)
Senior AI Engineer / Специалист по генеративному ИИ (SecOps) О компании BI.ZONE разрабатывает IT-решения для кибербезопасности: от мобильных приложений до сложных платформ на базе машинного обучения и генеративного ИИ. Наши продукты делают жизнь миллионов людей безопаснее. В AI Центре мы занимаемся прикладным применением AI/ML в продуктах BI.ZONE и исследуем передовые технологии. Мы развиваем AI-ассистента Cubi, который помогает специалистам по информационной безопасности работать с большими данными и противостоять киберугрозам. Мы ищем старшего AI-инженера, который займется созданием и развитием AI-агентов для автоматизации процессов в Security Operations. Вас ждут интересные и амбициозные задачи, дружная команда и поддержка на старте. Задачи - Разработка мультиагентной системы в BI.ZONE TDR для автоматизации триажа алертов, расследования и реагирования. - Развитие AI-функционала BI.ZONE Cubi в продуктах EDR, SIEM и SOAR. - Решение NLP-задач в контексте SOC: классификация и приоритизация алертов, суммаризация инцидентов, семантический поиск по логам и базам знаний, кластеризация событий. - Выдвижение гипотез и быстрая проверка через PoC. - Написание поддерживаемого и читаемого кода на Python 3.10+. - Участие во всех этапах жизненного цикла AI/ML: от предобработки данных до деплоя и мониторинга в production. - Обмен экспертизой с коллегами и внешней аудиторией. Требования Профессиональные навыки - Высшее техническое образование. - Опыт разработки на Python от 3 лет. - Понимание процессов SOC: мониторинг, триаж алертов, расследование инцидентов, реагирование. - Знакомство с MITRE ATT&CK, kill chain, типовыми TTPs и IOC. - Опыт создания агентов с использованием современных фреймворков (LangChain, LangGraph, LlamaIndex, Agno/Phidata и др.). - Знание стратегий планирования AI-агентов (ReAct, Plan-and-Execute и т.п.). - Уверенная работа с LLM API (OpenAI, vLLM, Anthropic и др.). - Понимание агентских протоколов (MCP, A2A, AG-UI). - Сильные навыки prompt engineering, включая chain/tool/function calling. - Опыт работы с векторными базами данных (Weaviate, Pinecone, Qdrant, Milvus и др.). - Опыт оценки качества LLM-систем (RAGAS, DeepEval, LLM-as-a-Judge или аналоги). - Владение Linux, Git, Docker; умение упаковывать агента в контейнер. Soft skills - Способность быстро находить рабочий baseline и итеративно его улучшать. - Управление беклогом продукта, умение договариваться о контрактах и ограничениях. - Быстрое освоение новых технологий (разбор фреймворка за дни, а не недели). - Готовность экспериментировать и предлагать нестандартные решения. Будет плюсом - Опыт интеграции с SOC-инструментарием (SIEM, SOAR, EDR) или их API, хотя бы на уровне подключения. - Понимание атак на LLM (Prompt Injection, Jailbreaks) и методов защиты (Guardrails), знакомство с OWASP Top 10 for LLM Applications. - Опыт fine-tuning и дообучения LLM (PEFT: LoRA, DoRA, qLoRA и др.). - Навыки обнаружения и минимизации галлюцинаций и ошибок в ответах LLM. - Опыт работы с self-hosted моделями. Условия работы - Официальное оформление по ТК РФ и все преимущества аккредитованной IT-компании. - Гибкий график: удаленная работа или офис без контроля присутствия. - ДМС со стоматологией с первого месяца работы. - Обучение за счет компании: сертификации, курсы, конференции, митапы, хакатоны, CTF-ы. - Свободная атмосфера: общение на «ты», отсутствие дресс-кода и бюрократии. - Поддержка самореализации и личного бренда. - Скидки на фитнес, покупки, сервисы «Фитмост», «СберПрайм+» и BestBenefits. - Корпоративная жизнь: мероприятия, спортивные старты, мерч и подарки. - Профессиональные сообщества: тематические митапы, клубы по интересам (спорт, игры, книги, аниме).
AI-разработчик / MLOps
О нас Проект управляющей компании «Джетлин». Мы создаём и сопровождаем AI-решения, которые работают в микросервисной среде. Задачи - Разработка AI-агентов на Python с использованием внешних API. - Упаковка кода в минимальные и безопасные Docker-образы. - Написание Helm-чартов для развёртывания образов в Kubernetes. - Реагирование на блокировки образов SCA-сканером: поиск обновлений или патчей для уязвимых библиотек, пересборка и передеплой. - Мониторинг продакшен-подов через ArgoCD, анализ логов при падениях, исправление ошибок в коде, промптах или API. - Полная ответственность за доставку и поддержку AI-агентов: от идеи до эксплуатации. - Примерный баланс: 30% разработка, 70% внедрение и эксплуатация (Deployment & Ops). Требования - Уверенный промышленный опыт разработки на Python. - Глубокое понимание менеджеров зависимостей и виртуальных окружений (virtualenv, poetry, pip) — 70% проблем деплоя связаны именно с ними. - Навыки контейнеризации (Docker) и оркестрации (Kubernetes), позволяющие самостоятельно собирать образы, проходить security-проверки и запускать сервисы в кластере без помощи сисадминов. - Опыт написания Helm-чартов и понимание CI/CD (ArgoCD будет плюсом). - Желателен опыт в AI/ML-разработке: интеграция моделей, работа с промптами, понимание жизненного цикла AI-агента. - Автономность, проактивность и умение быстро расследовать инциденты. Условия - Полная удалёнка на территории РФ. - Оформление по ТК или ИП. - Занятость на проекте управляющей компании.
Senior ML Engineer - LLM Training & Serving
Старший ML-инженер — обучение и обслуживание LLM О компании Unimatch Lab — ИИ-венчурная студия из Кремниевой долины. Мы создаём портфель ИИ-продуктов и развиваем собственный ML-стек: локальные кластеры для LLM, обучение и обслуживание моделей на своей инфраструктуре. Мы ищем старшего ML-инженера, который возьмёт на себя полный внутренний цикл: от данных до продакшена. Никакой работы только с промптами или сторонними API — все персональные и чувствительные данные остаются на наших серверах. Задачи - Файн-тюнинг LLM и VLM моделей (LoRA, QLoRA, дистилляция) с получением готовых к промышленной эксплуатации весов. - Оценка качества как обязательный этап релиза: метрики на уровне отдельных полей, отложенные выборки, проверки на утечку данных между обучением и тестом. - Управление полным циклом работы с данными: разметка с помощью учителя, версионирование датасетов, контроль качества синтетических данных. - Запуск и поддержка собственного инференса под нагрузкой: vLLM, пакетная обработка запросов, квантизация, генерация структурированных JSON-ответов. - Документирование ML-процессов от начала до конца, чтобы цикл не зависел от одного конкретного инженера. Требования - Опыт от 5 лет в запуске ML-систем в продакшен, включая работу с высоконагруженным ИИ. - Вы сами обучаете модели (веса), а не ограничиваетесь промпт-инжинирингом или интеграцией RAG. - Опыт развёртывания собственных LLM в продакшен (vLLM или аналоги). - Реализованные проекты полного цикла: данные → файн-тюнинг → оценка → реальный продакшен-трафик. - Уверенное владение Python, Docker/Kubernetes, CI/CD. Понимание принципов работы с конфиденциальными данными на собственной инфраструктуре. Условия работы - Формат: удалённо. - Локация: Европа (EU, Великобритания, Исландия, Норвегия, Швейцария и др.), Латам. - Уровень: старший (Senior). - Компенсация: от $5,000 в месяц (базовая ставка).
Senior / ML Lead | Крипто-трейдинг | Офис - Сербия / удаленно
О проекте Мы разрабатываем ML-модели и торговые стратегии для криптовалютных рынков. Наша команда — выпускники ВШЭ, Физтеха, Сколтеха и ШАД. В продакшене уже работает собственная ML-система, которую предстоит развивать. Задачи - Взять на себя ответственность за существующую ML-систему и её развитие - Разрабатывать новые прибыльные модели и торговые стратегии - Самостоятельно находить перспективные идеи и доводить их до результата Требования - Уровень Senior, ML Lead или очень сильный мидл с опытом в трейдинге - Опыт разработки прибыльных ML-моделей или торговых стратегий - Уверенное владение Python и стеком: NumPy, numba, PyTorch / JAX - Сильный математический бэкграунд - Способность самостоятельно генерировать гипотезы и реализовывать их Будет плюсом: - Опыт в крипто- или алготрейдинге - Умение читать и оптимизировать код на C++ - Участие в олимпиадах (ICPC и др.), Kaggle, обучение в ШАД, научные публикации - Интерес к менторству и развитию команды Условия - Формат работы: офис в Сербии или удалённо - Зарплата: - Senior: до $12 000 net + квартальный бонус - ML Lead: до $12 000 net + процент от PnL (от 4% до 10%, обсуждается индивидуально) - Бонус за успешную рекомендацию кандидата: $15 000
Senior VLA Pre-training Engineer
Старший инженер по предобучению VLA О проекте Мы создаём интеллектуальное ядро для нового поколения промышленных гуманоидных роботов. Наш продукт — не исследовательский прототип, а реальные машины, которые уже работают на производствах, складах и в логистических центрах. Сегодня у нас 30 000 предзаказов по всему миру, подписанные контракты с крупным европейским производителем и успешные пилотные внедрения с лидерами в автомобильной и индустриальной автоматизации. VLA-команда отвечает за ключевой интеллект робота: восприятие окружающей среды, понимание инструкций, обучение новым навыкам и автономное выполнение манипуляций. Задачи Вы возьмёте на себя полный цикл разработки фундаментальных моделей для поведения роботов: - Предобучение и файнтюнинг VLA-моделей на масштабных мультимодальных наборах данных; - Создание и поддержка пайплайнов данных: сбор, фильтрация и генерация синтетических данных; - Проектирование инфраструктуры распределённого обучения; - Перенос из симуляции в реальный мир: валидация политик в симуляторе перед развёртыванием на физическом роботе; - Плотное взаимодействие с инженерами по симуляции, дата-сайентистами и командами встроенных систем; - Поставка моделей, которые напрямую управляют реальными роботами в промышленной эксплуатации. Требования - 5+ лет разработки систем глубокого обучения (индустрия или исследования) с доведёнными до продакшена моделями или опубликованными научными работами; - Практический опыт с LLM, VLM или VLA-моделями: архитектура, обучение, файнтюнинг; - Уверенное владение масштабным распределённым обучением: PyTorch DDP, конвейеры данных, чекпоинтинг; - Опыт работы с робототехническими симуляторами (MuJoCo, Isaac Sim, Gazebo) или реальными роботизированными системами; - Отличное знание Python и PyTorch/JAX, способность отлаживать численные расчёты и писать промышленный код; - Инициативность, самостоятельность и навыки чёткой коммуникации. Будет плюсом: - Опыт в робототехнике, практика переноса из симуляции в реальный мир, знание OpenVLA или аналогичных VLA-фреймворков. Условия - Компенсация: £150 000 – £230 000 брутто в год, в зависимости от опыта; - Лондон, 100% работа в офисе (ежедневный доступ к роботам, лабораториям и прототипам); - Релокационная поддержка: до £8 000 плюс спонсорство визы Skilled Worker; - Бенефиты: частное медицинское страхование, пенсионные отчисления (8%), 23 дня оплачиваемого отпуска, опционы компании.
Principal Applied AI Researcher 💫
Principal Applied AI Researcher О проекте Есть задачи, которые невозможно решить улучшением существующего — их приходится придумывать с нуля. Наш клиент создаёт новый тип поиска: не для людей, а для AI-агентов. Агент не кликает по ссылкам и не выбирает из списка результатов. Он должен понимать информацию, проверять её, использовать для reasoning и принимать решения. Это требует переосмыслить саму архитектуру поиска: что считать хорошим ответом, как измерять качество системы и как построить retrieval для мира AI-агентов. Именно этим и займётся Principal Applied AI Researcher. Задачи - Проектирование AI-native retrieval, reasoning и систем оценки качества - Создание систем, где агенты ищут, верифицируют и используют информацию из веба в реальном времени - Разработка eval-методологий и новых метрик качества - Принятие ключевых технических и продуктовых решений в направлении agent-native search - Превращение исследовательских идей в production-системы - Работа бок о бок с командами search, ML и infrastructure Требования - 8+ лет опыта в Applied AI, ML или Software Engineering - Опыт вывода ML/AI-систем в production - Обязательный опыт проектирования и развития систем в одной из областей: recommendation, personalization, ranking, search, ads, marketplaces или feed systems - Python обязателен; знание Go, C++, Rust или Java будет преимуществом - Свободный английский Условия - Формат: полная занятость, работа за пределами РФ и РБ - Локация: офисы в Амстердаме или Лондоне, рассматривается удалённая работа в ЕС - Помощь с релокацией - Вилка: €120 000 – €200 000 в год (готова к обсуждению)
AI/ML Engineer
СберСпасибо: AI/ML Engineer О проекте Мы разрабатываем корпоративных AI-агентов и RAG-системы для умного поиска по внутренней документации. Часть решений уже в эксплуатации, часть — в активной разработке. Сейчас мы ищем специалиста, который займётся качественной составляющей систем: повышением надёжности RAG, выстраиванием методологии оценки, тестирования, защит и промпт-инжинирингом. Это прикладная позиция — мы не обучаем модели, а используем готовые через корпоративный шлюз. Весь фокус на инжиниринг, оценку и тонкую настройку поведения агентов. Задачи - Повышение качества RAG-агентов по трём направлениям: поиск по технической документации, нормативной базе и бухгалтерской документации - Промпт-инжиниринг и контекст-инжиниринг для всех агентов команды - Подготовка эталонных наборов для оценки качества - Реализация методологии автоматических регрессионных проверок (LLM-as-a-judge) - Настройка защит (guards) для production-агентов: фильтры от инъекций в промпт, валидация структуры и контента выходов, защита от утечек ПДн, anti-hallucination механизмы - A/B-тестирование промптов и моделей для подбора лучших конфигураций - Тюнинг качества на основе обратной связи пользователей и трассировок из Langfuse Требования - Опыт коммерческой разработки на Python от 2 лет - Практический опыт создания и поддержки RAG-систем в продакшене (от начала до конца, не прототип): эмбеддинги, векторные базы (Qdrant, FAISS или pgvector), переранжирование, чанкинг - Практический опыт оценки качества LLM-систем: подготовка эталонных наборов, offline-метрики, LLM-as-judge, регрессионные проверки; опыт работы с фреймворками оценки (Ragas, DeepEval или аналоги) - Практический опыт настройки защит для LLM-приложений: защита от инъекций в промпт, валидация структуры и контента выходов, защита от утечек персональных данных - Опыт промпт-инжиниринга и контекст-инжиниринга в реальных проектах: итеративная настройка промптов, structured output, function calling - Понимание архитектуры RAG: стратегии нарезки документов, метаданные, выбор моделей эмбеддингов, переранжирование, точность ссылок на источник - Практический опыт работы хотя бы с одним LLM-фреймворком: LangChain, LangGraph, PydanticAI, OpenAI API или аналоги - Практический опыт A/B-тестирования промптов и моделей в продакшене - Опыт работы с агентскими протоколами (MCP) или собственным tool-layer для агентов - Базовые знания SQL и работы с реляционными базами
NLP Data Scientist
NLP Data Scientist в Фарпост О нас Фарпост — динамично развивающаяся компания. Мы ищем Data Scientist в RnD-команду, чтобы вместе решать сложные задачи в области обработки естественного языка. Мы ищем человека, который любит свою работу и делает её наилучшим образом, готов к концептуальным задачам, не боится задавать вопросы «почему и зачем», открыт новым идеям и умеет рефлексировать свой опыт. Задачи - Разработка и внедрение NLP-решений: от обучения базовых классификаторов до файн-тюна больших языковых моделей (LLM). - Создание агентских систем на базе LangGraph. - Оптимизация инференса моделей (ONNX, Triton). - Работа с оркестрацией LLM: цепочки промптов, интеграция с LangChain/LangGraph. - Участие в полном цикле разработки: от прототипа до продакшена. Требования - Профильное высшее образование по информатике или смежным направлениям. - Опыт работы с NLP от 3 лет. - Глубокое понимание архитектур трансформеров: механизмы внимания, токенизация, позиционные энкодинги. - Опыт ускорения инференса (ONNX, Triton или аналоги). - Практический опыт с оркестрацией LLM: LangChain, LangGraph, агентские системы. - Навыки продакшен-разработки на Python: микросервисы, тестирование, CI/CD. - Владение MLOps-инструментами (ClearML, MLflow) для трекинга экспериментов и деплоя. - Понимание мониторинга моделей: data drift, бизнес-метрики (например, containment rate для чат-ботов). Будет плюсом - Опыт с PEFT (Parameter-Efficient Fine-Tuning) для адаптации LLM. - Знание векторных баз данных (Qdrant, Pinecone), гибридного поиска. Условия работы - Интересные и сложные задачи, обеспеченные необходимыми ресурсами. - Вклад в развитие крупного продукта: вы видите результат своего труда. - Развитие и обучение: онбординг с наставником, оплата тренингов, семинаров, конференций, корпоративная библиотека. - Стабильность и прозрачность: оформление по ТК, пересмотры зарплаты по итогам performance review. - Неформальная рабочая атмосфера: минимум бюрократии, гибкость процессов. - ДМС после испытательного срока, мерч и забота о сотрудниках. - Возможность посетить Владивосток и насладиться красотой региона. Этапы отбора 1. HR-интервью. 2. Техническое собеседование. 3. Culture fit с командой. 4. Background check и проверка рекомендаций перед оффером.
Опытного DevOps-инженера для развертывания и сопровождения LLM-инференс платформ, а также развития…
DevOps-инженер (LLM / AI платформа) Компания: KODE Формат: удалённо (только из городов РФ) или гибрид в Калининграде Зарплата: 170 000–230 000 ₽ gross Занятость: полный день Задачи - Разворачивать и сопровождать LLM-платформы (vLLM, SGLang, Ollama). - Развивать AI-платформу в Kubernetes, управлять GPU-ресурсами. - Настраивать LiteLLM (AI Gateway), маршрутизацию запросов, квоты и политики доступа. - Оптимизировать производительность инференса (batching, KV Cache, semantic cache). - Настраивать мониторинг и observability (Prometheus, Grafana, OpenTelemetry, Langfuse, SigNoz). - Автоматизировать CI/CD и GitOps-процессы. - Поддерживать RAG/Agentic AI, векторные базы и сервисы памяти. - Обеспечивать стабильность и высокую доступность AI-инфраструктуры. Требования - Опыт DevOps от 4 лет. - Production-опыт с Kubernetes, Docker, Helm, GitOps. - Опыт работы с LLM inference (vLLM, SGLang, Ollama, TGI). - Понимание LLM, KV Cache, batching, streaming, квантования и RAG. - Опыт работы с NVIDIA GPU/CUDA. - Linux, Python, CI/CD, Prometheus, Grafana, OpenTelemetry. - Redis, PostgreSQL, API Gateway. Будет плюсом - LiteLLM, KEDA, Qdrant, Milvus.
We're Hiring: AI/ML Associate Software Engineer (1-Year Apprenticeship Program)
🚀 We're Hiring: AI/ML Associate Software Engineer (1-Year Apprenticeship Program) 🎓 Fresh graduates and final-semester students are encouraged to apply! Are you passionate about Generative AI, Large Language Models (LLMs), and building AI-powered applications? Join our team as an AI/ML Associate Software Engineer through a 1-year contractual apprenticeship and gain hands-on experience with cutting-edge AI technologies. 🔹 What We're Looking For ✅ Strong understanding of Large Language Models (LLMs), their architectures, and use cases ✅ Experience with LLM APIs (OpenAI, Anthropic, Gemini, etc.) ✅ REST API development and integration ✅ LangChain and AI Agent frameworks ✅ RAG (Retrieval-Augmented Generation) pipelines ✅ Python and Node.js development ✅ React.js for frontend development ✅ MySQL and database management ✅ Prompt engineering and AI application development 👨💻 Who Can Apply? Final-semester students who have completed their examinations Recent graduates in Computer Science, IT, AI/ML, or related fields Candidates with AI/ML projects, hackathon experience, internships, or personal AI applications Self-motivated learners eager to work with the latest AI technologies 🚀 What You'll Do Build AI-powered applications and intelligent workflows Develop and integrate LLM-based solutions Work on RAG pipelines, LangChain, and AI agent systems Design, consume, and integrate REST APIs Collaborate on full-stack AI products using Python, Node.js, React, and MySQL 📍 Position: AI/ML Associate Software Engineer 📅 Duration: 1-Year Contractual Apprenticeship 🏢 Work Mode: 5 days/week, Work from Office
Ищем Senior AI Engineer (ML/DS)
Компания Raft Digital Solutions Название позиции Senior AI Engineer (ML/DS) Формат работы - Удалённо - Full-time (40 часов в неделю) - Оформление: B2B (ИП) Стек технологий OpenAI, GigaChat, MCP, Python, PostgreSQL, Langfuse, LangChain, CI/CD, Docker, Kubernetes Обязанности - Разрабатывать AI-ассистентов с текстовыми и голосовыми интерфейсами - Анализировать качество генеративных моделей и улучшать их работу - Исследовать современные AI-подходы, best practices и open-source решения - Деплоить сервисы в Kubernetes и настраивать мониторинг - Проводить Code Review и участвовать в развитии архитектуры Требования - 5+ лет коммерческого опыта в Python / Data Science - Понимание архитектуры AI-агентов (orchestration, memory, tools) - Опыт разработки AI/LLM-приложений: RAG, AI Agents, векторные БД, Tool/Function Calling, Workflows - Опыт с LangChain, LlamaIndex, Haystack или аналогами - Опыт вывода сервисов в production Предлагаем - Полностью удалённую работу - Гибкий график - Современные AI-проекты и сложные технические задачи - Команду сильных специалистов и профессиональный рост
Ищем MLOps инженера (Team Lead) на банковский проект
вакансия MLOps TeamLead Kubernetes DevOps ML удаленка 🚀 Ищем MLOps инженера (Team Lead) на банковский проект. 💰 Доход: • 430 000–466 700 ₽ gross (ТК РФ) • 500 000–527 300 ₽ gross (ИП) 📍 Формат: удалённо 🕒 Занятость: full-time Что предстоит делать: • Управлять командой MLOps-инженеров. • Конфигурировать и разворачивать инфраструктурные компоненты. • Разрабатывать и адаптировать ML-пайплайны (AutoML, LLM, Computer Vision и др.). • Создавать и развивать инструменты для единого ML-контура. • Масштабировать платформу и инструменты управления жизненным циклом ML-моделей. Требования: • Опыт в DevOps и MLOps. • Опыт администрирования Kubernetes от 2 лет. • Уверенные знания Python. • Опыт работы с JupyterHub/Coder, Airflow, Argo Workflows, MLflow, Seldon Core. • Hadoop (Spark, HDFS), Docker, OpenShift/Kubernetes, Jenkins, Kafka, Redis, PostgreSQL. • Самостоятельность, инициативность и опыт управления командой. Мы предлагаем: ✅ Оформление по ТК РФ или ИП в аккредитованную IT-компанию. ✅ ДМС со стоматологией. ✅ Корпоративные скидки (Skyeng, Xfit, КАРО). ✅ Современную технику для работы.
Senior VLA Pre-training Engineer (Лондон)
🇬🇧 Вакансия: Senior VLA Pre-training Engineer (Лондон) 🤖 Ищем опытного инженера для команды, создающей «мозг» нового поколения промышленных гуманоидных роботов. 🔬 О проекте Компания — быстрорастущий стартап в области гуманоидной робототехники. Роботы уже тестируются в реальных производственных условиях: на заводах, складах, в логистике и промышленности. У компании: более 30 000 предзаказов по всему миру; контракты с крупным европейским промышленным производителем; успешные пилотные проекты с мировыми лидерами автомобильной и инженерной отрасли. Команда VLA (Vision-Language-Action) отвечает за интеллект робота: восприятие окружающего мира, понимание инструкций, обучение новым навыкам и автономное выполнение задач. 🧠 Чем предстоит заниматься Предобучением и дообучением VLA-моделей на больших мультимодальных датасетах; Разработкой и поддержкой пайплайнов данных: сбор, очистка, генерация синтетических данных; Созданием инфраструктуры для распределённого обучения моделей; Работой над переносом моделей из симуляции в реальный мир (Sim-to-Real); Взаимодействием с командами симуляции, Data Science и Embedded-разработки; Выпуском моделей, которые напрямую управляют роботами в реальной эксплуатации. 🛠 Требования От 5 лет опыта разработки систем глубокого обучения (в индустрии или исследованиях); Практический опыт работы с LLM, VLM или VLA-моделями; Опыт масштабного распределённого обучения (PyTorch DDP, пайплайны данных, чекпоинты); Работа с робототехническими симуляторами (MuJoCo, Isaac Sim, Gazebo) или реальными роботами; Отличное владение Python и PyTorch/JAX; Самостоятельность, инициативность и хорошие коммуникативные навыки. ⭐ Будет плюсом Бэкграунд в робототехнике; Опыт Sim-to-Real; Работа с OpenVLA или аналогичными фреймворками. 💰 Условия Зарплата: £150 000 – £230 000 в год (gross); Лондон, 100% офисный формат; Релокационный пакет до £8 000; Спонсорство рабочей визы Skilled Worker; Частная медицинская страховка; Пенсионная программа (8%); 23 дня оплачиваемого отпуска; Опционы компании (equity). В сообщении кратко расскажите (3–5 предложений): о вашем опыте обучения VLA/LLM моделей; масштабе распределённого обучения, с которым работали; опыте в робототехнике или симуляторах.
Специалиста, которому интересно создавать современные AI-решения, а не поддерживать устаревшие системы
AI ВАКАНСИИ НЕЙРОСЕТИ ИИ РАБОТА Ищем специалиста, которому интересно создавать современные AI-решения, а не поддерживать устаревшие системы. Фокус позиции: AI-агенты, LLM-инструменты, OpenClaw, системы памяти, интеграции и автоматизация бизнес-процессов. Что предстоит делать: • проектировать архитектуру AI-решений; • собирать MVP и доводить их до production; • создавать AI-агентов, цифровых ассистентов и автоматизации; • настраивать интеграции с Telegram, CRM, календарями, БД и внешними сервисами; • работать с RAG, векторными хранилищами, семантическим поиском и памятью AI-систем; • участвовать в code review и технической приёмке решений. Что важно: • понимание LLM, AI-агентов, tool-calling, RAG, API и баз данных; • опыт backend / fullstack разработки; • уверенная работа с Python, Node.js, Go или похожим стеком; • умение быстро тестировать гипотезы и собирать рабочие прототипы; • самостоятельность, инициативность и продуктовый подход. Что предлагаем: • конкурентную оплату; • задачи на стыке AI, медицины, данных и автоматизации; • свободу в выборе технических решений;