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-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