PyTorch

Формат

Офис

Страна

Канада

Город

Не указан

Грейд

Senior

Компания RXNT — healthtech-компания, цифровой фундамент системы здравоохранения США. Более 25 лет работает на стыке здравоохранения и технологий, развивает AI-продукты. Задачи - Преобразовывать неоднозначные продуктовые концепции в конкретные ML-стратегии: начинать с данных, проводить EDA, выявлять паттерны и признаки. - Донастраивать мультимодальные генеративные модели и оркестрировать AI-агентов (например, LangGraph) с учётом домена здравоохранения; тестировать крайние случаи, строить запасные эвристики. - Определять строгие статистические и бизнес-метрики с первого дня, строить фреймворки для оценки моделей. - Писать production-grade Python, сотрудничать с инженерами для развёртывания масштабируемых решений, участвовать в мониторинге здоровья системы, дрейфа данных и деградации моделей. - Работать автономно, согласовывать действия со стейкхолдерами, предоставлять чёткие обновления техническому руководству. Требования - 5+ лет профессионального опыта в ML-инжиниринге и/или data science. - MS или PhD в Computer Science, математике, ИИ или смежной области (или BSc с эквивалентным подтверждённым опытом). - Глубокое знание ML: сильная статистическая база, экспертные знания архитектур моделей, анализа данных и методов оценки; владение основными фреймворками (PyTorch, TensorFlow, JAX) и продвинутыми техниками донастройки. - Практическое знакомство с контейнеризацией, оркестрацией, облачными сервисами (AWS, GCP, Azure) и CI/CD для поддержания production ML-систем. Условия - Удалённая работа.

Формат

Офис

Страна

Европа

Город

Не указан

Грейд

Senior

Zartis — глобальный партнер по AI-трансформации и технологическому консалтингу. Команда работает над проектами в области AI-платформ, безопасных API-архитектур и cloud-native разработки. Инженерные хабы расположены в EMEA и LATAM, компания имеет долгосрочные партнерства в финансовых услугах, здравоохранении, науках о жизни, энергетике и климате. Проект относится к логистической отрасли: поддержка лидера цепочки поставок, который предоставляет экспертный консалтинг, специализированное ПО и управляемые сервисы для оптимизации сквозных логистических операций. Роль предполагает работу в распределенной команде. Задачи: - Проектирование, разработка и развертывание AI-приложений на Python. - Интеграция моделей машинного обучения, AI-API и интеллектуальных алгоритмов в масштабируемые бэкенд-системы. - Совместная работа с дата-сайентистами, продакт-менеджерами и инженерами для разработки AI-функций. - Участие в архитектуре ПО, системном дизайне и технических решениях для AI-продуктов. - Разработка и поддержка CI/CD пайплайнов и контейнерных сред с использованием Docker. - Развертывание и управление AI-приложениями на облачных платформах: AWS, Azure или Google Cloud Platform. - Оптимизация AI-решений по масштабируемости, производительности, надежности и поддерживаемости. - Отслеживание последних достижений в области AI и машинного обучения, оценка возможностей их внедрения. Требования: - Степень бакалавра в Computer Science, программной инженерии или смежной области. - 5+ лет профессионального опыта разработки ПО с фокусом на интеграцию AI/ML-решений в продакшн-приложения. - Сильные навыки программирования на Python (предпочтительно) или Java. - Практический опыт с фреймворками машинного обучения: TensorFlow, PyTorch, scikit-learn или Hugging Face Transformers. - Понимание концепций машинного обучения, data engineering, ETL-процессов и развертывания моделей. - Опыт работы с SQL и крупномасштабными наборами данных. - Знакомство с контейнеризацией (Docker), CI/CD практиками и облачными платформами (AWS, Azure или GCP). - Опыт создания или потребления RESTful API и интеграции AI-сервисов в корпоративные приложения. - Опыт работы с LLM, векторными базами данных, промт-инжинирингом или AI-агентами. - Развитые аналитические и проблемно-ориентированные навыки. - Отличные коммуникационные навыки и умение работать в команде. - Проактивность, адаптивность, самостоятельность. - Способность работать независимо и в кросс-функциональных командах. - Мотивация вносить вклад в успех организации и соответствие её культуре и ценностям. Будет плюсом: - Опыт с современными фронтенд-фреймворками: React, Angular или Vue.js. - Знание MLOps-инструментов и практик. - Знакомство с Kubernetes, infrastructure as code или микросервисной архитектурой. Условия: - 100% удаленная работа. - Ежемесячная надбавка на удаленную работу. - Программа карьерного развития с 360-градусной обратной связью. - Обучение: выделенное время в течение недели, онлайн-курсы (Pluralsight, Educative.io), уроки английского, книги, конференции и мероприятия. - Программа менторства.

Формат

Удалённо

Страна

Не указана

Город

Не указан

Грейд

Senior

Senior Machine Learning Engineer в компании Unifonic, занимающейся SaaS-решениями для бизнес-коммуникаций. Команда из 500 сотрудников обслуживает более 5000 компаний. Задачи: - Проектирование, разработка и внедрение масштабируемых ML-решений с акцентом на NLP и RAG-архитектуры. - Построение RAG-систем, сочетающих большие языковые модели с механизмами поиска для повышения точности и интерпретируемости контента. - Применение NLP-техник: классификация текста, распознавание сущностей, анализ тональности, суммаризация, ответы на вопросы, извлечение информации. - Исследование и интеграция современных NLP-моделей и RAG-фреймворков (Transformers, BERT, GPT, векторные базы данных, семантический поиск). - Наставничество младших коллег, обмен знаниями и лучшими практиками ML и разработки ПО. - Взаимодействие с кросс-функциональными командами для интеграции ML-решений в продукты компании. - Разработка и оптимизация ML-алгоритмов, создание сервисных API с использованием Flask, FastAPI или аналогичных фреймворков. - Отслеживание актуальных исследований и трендов в области ИИ, включая генеративный ИИ. - Сбор и анализ больших наборов данных совместно с командой data engineering в реальном времени, около-реальном времени или пакетном режиме. - Реализация прототипов и proof-of-concept для новых AI-кейсов. - Построение масштабируемых ML-сервисов, выдерживающих тысячи запросов в секунду, и проведение нагрузочных тестов для соблюдения SLA. - Ревью кода коллег, улучшение архитектуры в соответствии с принципами SOLID. - Участие в документации проектов и демонстрациях. Требования: - Опыт проектирования и внедрения RAG-систем, знание стратегий поиска (BM25, плотный поиск, гибридные подходы) и интеграции графов знаний. - Практический опыт с фреймворками оркестрации LLM: LangChain, LangGraph, CrewAI или аналогичными для создания автономных агентов. - Глубокие знания NLP-техник и моделей: Transformer-архитектуры (BERT, GPT, T5, LLama, Mistral), большие языковые модели и их тонкая настройка, векторные эмбеддинги и поиск по сходству, классификация текста, NER, анализ тональности, суммаризация, ответы на вопросы. - Опыт работы ML-инженером от 3 до 5 лет. - Опыт работы с Python от 3 лет. - Аналитические способности для сбора, организации и анализа больших наборов данных. - Полный цикл обучения, оценки, тестирования и развертывания ML-продуктов в продакшене. - Написание качественного кода на Python (SOLID), знание структур данных, алгоритмов и моделирования данных. - Опыт работы с ML-фреймворками: NumPy, Pandas, Scikit-Learn, PyTorch, Keras, BERT, TensorFlow и аналогичными. - Знакомство с практиками MLOps.

Формат

Гибрид

Страна

Не указана

Город

Не указан

Грейд

Middle / Senior

Middle / Senior Quantitative Researcher Команда строит собственные торговые стратегии на reinforcement learning и управляет капиталом протокола 24/7. Ищем кванта, который закрывает полный цикл ресерча сам. KPI один — сколько стратегия приносит и запущена ли она в прод. Что важно: - опыт Quant Researcher от 2 лет, инструмент не важен, не только крипта - Supervised Learning и Reinforcement Learning, статистика, оптимизация моделей - Python, PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna - автономность: если вы отвечали только за один участок цикла, роль будет на вырост Условия: - гибрид, офис в центре Москвы - фикс в USDT/USDC - квартальный profit sharing от результатов стратегий - оплачиваемый отпуск - компания оплачивает AI-подписки

Формат

Гибрид

Страна

Не указана

Город

Не указан

Грейд

Middle / Senior

Middle / Senior Quantitative Researcher Команда строит собственные торговые стратегии на reinforcement learning и управляет капиталом протокола 24/7. Ищем кванта, который закрывает полный цикл ресерча сам. KPI один — сколько стратегия приносит и запущена ли она в прод. Что важно: - опыт Quant Researcher от 2 лет, инструмент не важен, не только крипта - Supervised Learning и Reinforcement Learning, статистика, оптимизация моделей - Python, PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna - автономность: если вы отвечали только за один участок цикла, роль будет на вырост Условия: - гибрид, офис в центре Москвы - фикс в USDT/USDC - квартальный profit sharing от результатов стратегий - оплачиваемый отпуск - компания оплачивает AI-подписки

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

AI-инженер отвечает за проектирование, разработку, развертывание и поддержку решений в области искусственного интеллекта и машинного обучения, которые обеспечивают интеллектуальную автоматизацию, прогнозную аналитику и продвинутую аналитику на уровне предприятия. Роль предполагает практическую разработку: применение принципов программной инженерии для написания production-кода, создание масштабируемых AI-систем, включая AI-агентов и пайплайны данных, и интеграцию моделей ИИ в новые и существующие бизнес-приложения. AI-инженер тесно сотрудничает с дата-сайентистами, дата-инженерами, ML Ops-инженерами и платформенными командами для перевода моделей машинного обучения из прототипа в продакшн. Критически важная часть функции — обеспечение перехода AI-кейсов от экспериментов к надежным, управляемым и готовым к бизнесу решениям, включая полную операционную готовность: внедрение надежной наблюдаемости, определение Service Level Objectives (SLO) и создание четких стратегий реагирования на инциденты и отката для всех AI-сервисов. Обязанности - Разработка и внедрение моделей: написание чистого, эффективного и документированного кода для разработки и внедрения моделей машинного обучения и ИИ, поддерживающих различные бизнес-кейсы. - Реализация пайплайнов обработки данных и предобработки, необходимых для входных данных моделей. - Постоянная оптимизация производительности и масштабируемости AI-приложений и моделей. - Проектирование, разработка и поддержка масштабируемых ML-пайплайнов для обучения, валидации, инференса и развертывания моделей. - Сотрудничество с ML Ops-инженерами для упаковки и развертывания моделей в корпоративных системах с использованием установленных практик MLOps. - Мониторинг развернутых моделей в продакшене на предмет производительности, дрейфа данных и надежности, устранение возникающих проблем. - Обеспечение операционной готовности всех AI-сервисов: определение и внедрение Service Level Objectives (SLO) для ключевых метрик, таких как p50/p95 задержка и доступность, создание надежного мониторинга и алертинга для дрейфа моделей, задержки и частоты ошибок. - Тесное сотрудничество с дата-сайентистами для перевода экспериментальных моделей и исследовательских прототипов в надежные production-системы. - Поддержка интеграции AI-возможностей в корпоративные рабочие процессы, приложения и цифровые платформы. - Участие в документировании и объяснимости выходов моделей для обеспечения ясности для бизнес-стейкхолдеров. - Обеспечение соответствия всех развернутых AI-систем корпоративным стандартам управления, справедливости и безопасности. - Оценка новых AI-технологий, таких как LLM и генеративный ИИ, для определения их применимости к бизнес-задачам и стимулирование инноваций. - Обеспечение поддержки аудируемости, объяснимости, прослеживаемости и соответствия регуляторным требованиям. - Реализация стратегий управления памятью, контекстной инженерии, планирования и многошаговых рассуждений. - Определение и отслеживание метрик качества, таких как обоснованность, точность (faithfulness), релевантность, процент выполнения задач и удовлетворенность пользователей. Предпочтительные навыки и опыт - Основные технические и AI-компетенции: - Сильные навыки программирования на Python, Java или C++, включая разработку API и проектирование ПО. - Глубокое понимание базовых концепций машинного обучения, включая классификацию, регрессию, кластеризацию и архитектуры глубокого обучения. - Практический опыт работы с современными фреймворками глубокого обучения и алгоритмами (обучение с учителем и без), такими как PyTorch, TensorFlow или аналогичными, для построения и обучения сложных нейронных сетей. - Навыки работы с LLM, промпт-инжинирингом, тонкой настройкой и использованием фреймворков LangChain и LangGraph для построения RAG-систем (Retrieval-Augmented Generation). - Работа с данными: data wrangling, SQL, хранилища данных и ETL-пайплайны для подготовки данных для моделей. - Полный жизненный цикл ML-моделей: - Подтвержденный опыт полного жизненного цикла моделей: разработка, обучение и развертывание моделей машинного обучения от прототипа до продакшена. - Владение предобработкой данных, инженерией признаков и методами оценки моделей для обеспечения надежной и точной производительности. - Подтвержденная способность строить и оптимизировать масштабируемые пайплайны данных для обучения и оценки моделей машинного обучения. - Хорошее знание как SQL, так и NoSQL баз данных для запросов и управления данными для AI-приложений. - Программная инженерия и MLOps: - Солидная база в лучших практиках программной инженерии, включая контроль версий (Git), автоматизированное тестирование и CI/CD пайплайны. - Практический опыт контейнеризации с помощью Docker и оркестрации контейнеров с помощью Kubernetes для масштабируемого развертывания. - Экспертиза в MLOps-наблюдаемости, включая мониторинг моделей для отслеживания производительности и дрейфа, а также установление происхождения моделей/версий, телеметрии и трассируемости. - Опыт внедрения продвинутых стратегий тестирования и развертывания, включая канареечные и теневые развертывания, а также комплексные наборы тестов (модульные, интеграционные, состязательные, регрессионные).

Формат

Удалённо

Страна

Любая

Город

Не указан

LLM-инженер Задачи - Проектирование, дообучение и развертывание больших языковых моделей (LLM), таких как OpenAI GPT, BERT или собственных архитектур, для решения задач обработки естественного языка. - Разработка и оптимизация API для интеграции ИИ-функциональности в основные продукты Qelp, обеспечение совместимости и производительности. - Совместная работа с кросс-функциональными командами, включая UX/UI-дизайнеров, фронтенд-разработчиков и продакт-менеджеров, для согласования возможностей ИИ с бизнес-задачами. - Повышение масштабируемости ИИ-решений за счет модульной архитектуры и эффективных практик развертывания моделей. - Разработка пайплайнов для обработки больших наборов данных, обеспечение качества и релевантности данных для обучения и дообучения LLM. - Обеспечение этичного и прозрачного использования ИИ: внедрение механизмов обнаружения смещений, объяснимости и соответствия требованиям. - Отслеживание последних достижений в области ИИ и машинного обучения, особенно в NLP и LLM, для внедрения передовых функций в продукты Qelp. - Внедрение инструментов для отслеживания производительности и надежности ИИ-моделей в продакшене, итеративное улучшение. Требования - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, науки о данных или смежной области. - Минимум 5 лет опыта в разработке машинного обучения и ИИ, из них не менее 2 лет — в работе с LLM или NLP. - Владение Python и фреймворками TensorFlow, PyTorch или Hugging Face Transformers. - Подтвержденный опыт развертывания и оптимизации LLM в продакшене. - Знакомство с облачными платформами (AWS, Azure или Google Cloud) для развертывания ИИ. - Продвинутое владение техниками NLP и разработкой ИИ-моделей. - Глубокое знание архитектур на основе трансформеров, таких как GPT, BERT или T5. - Навыки разработки API и микросервисной архитектуры. - Знакомство с DevOps-инструментами для развертывания ИИ-моделей (например, Docker, Kubernetes). - Понимание регулирования ИИ и лучших практик этичного развертывания. - Понимание техник предобработки данных и управления наборами данных. Условия - Конкурентоспособный компенсационный пакет. - Возможности для обучения и развития (ИИ, технологии, эволюция BPO-индустрии). - Возможности карьерного роста в расширяющейся команде. - Полностью удаленная работа (рынки EMEA, LATAM или APAC). - Работа в команде высококвалифицированных и динамичных лидеров. - Культура здорового баланса между работой и личной жизнью. - Зарплата: 72 000–108 000 долларов США в год.

Формат

Офис

Страна

США

Город

Не указан

Компания NeerInfo Solutions Локация и занятость - Локация: Хартфорд, Коннектикут; Остин, Техас; Плано, Техас (офис) - Тип занятости: полная занятость Требования - Уверенные навыки программирования на Python - Практический опыт работы с фреймворками AI/ML: TensorFlow, PyTorch, LangChain - Экспертиза в области генеративного ИИ, включая: - RAG (генерация с дополнением извлечёнными данными) - AI-агенты / агентные фреймворки - Промпт-инжиниринг - Владение экосистемой Microsoft Azure AI Желательно - Опыт создания Copilot или корпоративных ассистентов на базе ИИ - Опыт работы с мультимодальными ИИ-системами - Знание тонкой настройки LLM и эмбеддингов - Опыт работы в крупных корпоративных средах

Формат

Офис

Страна

Не указана

Город

Не указан

Python-разработчик (CV) Компания 32top (ООО Айкомплекс) работает в сфере ИТ более 18 лет. За это время команда выросла от создания сайтов до разработки собственных ИТ-решений для медицины. Компания создает экосистему продуктов, которая делает взаимодействие врачей и пациентов удобнее и эффективнее. Сейчас запускается инновационный AI-проект в сфере стоматологии, ищется ключевой специалист, который войдет в команду, где его решения будут определять развитие AI-алгоритмов в стоматологии. Чем предстоит заниматься - Разработка и обучение генеративных моделей: полный цикл — от подготовки и анализа специализированных медицинских данных до обучения и валидации моделей. - Сегментация и анализ стоматологических снимков: автоматическое определение области интереса и поиск отсутствующих зубов. - Генерация изображений зубов: создание фотореалистичных изображений отсутствующих зубов, которые интегрируются в существующий зубной ряд, учитывая анатомические особенности соседних зубов. - Генерация по маске (Inpainting): восстановление участка изображения (зуба) по заданной маске с сохранением контекста и стиля. - Создание индивидуальных решений: генерация зубов, учитывающая особенности строения челюсти и лица пациента, без необходимости полного 3D сканирования. Требования к кандидату - Глубокое понимание принципов работы и архитектуры генеративных моделей, в особенности диффузионных моделей (Stable Diffusion, SDXL, SD 1.5, SD 2.1, Flux). - Опыт практической работы с фреймворками для генеративного AI: Stable Diffusion (включая SDXL и ComfyUI для построения пайплайнов) и / или Flux. - Свободное владение Python и ключевыми библиотеками для глубокого обучения: PyTorch (предпочтительно), TensorFlow или Keras. - Навыки работы с системами контроля версий Git. - Понимание и практический опыт применения методов тонкой настройки (finetuning) моделей под конкретные задачи (например, LoRA, DreamBooth, Textual Inversion). - Умение настраивать гиперпараметры обучения, подбирать оптимальные параметры для сходимости модели и достижения наилучшего качества генерации. - Опыт работы с библиотеками и моделями компьютерного зрения: MediaPipe (для детекции, трекинга и обработки видео / изображений в реальном времени) и SAM3 (Segment Anything Model 3) — для высокоточной сегментации и понимания сцены. Условия - Заработная плата: от 140 000 ₽ за месяц, на руки. - Гибкий график.

Формат

Удалённо

Страна

Любая

Город

Не указан

О компании Career.zycto — компания, работающая на переднем крае искусственного интеллекта. Разрабатывает AI-решения в области машинного обучения и обработки естественного языка. В компании ценят творческий подход и техническое мастерство, поддерживают среду для экспериментов и роста. Обязанности - Проектировать, разрабатывать и оптимизировать промпты для больших языковых моделей (LLM) и других генеративных AI-систем. - Проводить тестирование и оценку ответов AI-моделей, выявлять области для улучшения эффективности промптов и поведения моделей. - Взаимодействовать с исследователями AI/ML, дата-сайентистами и продакт-менеджерами для понимания требований проектов и превращения их в эффективные промпт-стратегии. - Разрабатывать и поддерживать лучшие практики, руководства и фреймворки по промпт-инжинирингу для различных приложений. - Участвовать в разработке внутренних инструментов и платформ для создания, тестирования и развертывания промптов. - Следить за новейшими достижениями в области AI, NLP и техник промпт-инжиниринга. - Обучать и наставлять кросс-функциональные команды по принципам и применению эффективного промпт-инжиниринга. Требования - Подтвержденный опыт от 3 лет в промпт-инжиниринге, обработке естественного языка (NLP) или смежных областях AI. - Глубокое понимание больших языковых моделей (LLM) и их архитектуры. - Владение Python и опыт работы с библиотеками AI/ML (TensorFlow, PyTorch, Hugging Face). - Развитые аналитические навыки и навыки решения задач, умение интерпретировать сложные данные и итерировать решения. - Отличные письменные и устные коммуникативные навыки, внимание к языковым нюансам и ясности. - Опыт работы с системами контроля версий (например, Git). Предпочтительно - Степень магистра или PhD в Computer Science, AI, лингвистике или смежной количественной области. - Опыт тонкой настройки (fine-tuning) или обучения LLM. - Знакомство с облачными платформами (AWS, Azure, GCP) и принципами MLOps. - Подтвержденный вклад в open-source проекты или исследовательские публикации в области AI/NLP. - Опыт технического написания или создания контента по сложным техническим темам. Условия - Полностью удаленная работа. - Конкурентоспособная зарплата и комплексный пакет льгот. - Щедрый бюджет на профессиональное развитие: курсы, конференции, сертификации. - Возможность работать с передовыми AI-технологиями. - Совместная и инклюзивная культура компании, регулярные тимбилдинги. - Гибкий график и неограниченный оплачиваемый отпуск (с согласованием с руководителем).

Формат

Удалённо

Страна

Любая

Город

Не указан

Обязанности - Проектировать и совершенствовать сложные ML-модели и алгоритмы, превращая наборы данных в практические решения. - Участвовать в полном жизненном цикле проектов по моделированию данных: от понимания бизнес-требований до развёртывания и мониторинга. - Проводить комплексный анализ данных, включая предобработку, инженерию признаков и применение алгоритмов генеративного ИИ. - Руководить кросс-функциональными коллаборациями для интеграции моделей генеративного ИИ в продукты, улучшая их возможности и пользовательский опыт. - Применять продвинутые аналитические методы для анализа больших наборов данных, выявляя тренды, аномалии и возможности для улучшения. - Выполнять предобработку данных, инженерию признаков и оптимизацию алгоритмов для повышения точности и эффективности моделей. - Проводить исследовательский анализ данных для извлечения ценных инсайтов и влияния на стратегические решения. - Отслеживать и внедрять последние тренды, инструменты и лучшие практики ML, включая AutoML, MLOps и фреймворки интерпретируемости. - Способствовать соблюдению отраслевых стандартов и нормативных требований, уделяя внимание этичным практикам ИИ. Требования - Опыт проектирования и разработки решений в области ИИ или машинного обучения на платформах AWS, Databricks, Azure, Google Cloud и OpenAI. - Бэкграунд в программной инженерии и/или инженерии данных, особенно в одном из крупных облаков. - Практический опыт работы с глубоким обучением, LLM, Python, TensorFlow, PyTorch и другими ИИ-фреймворками. - Опыт вывода ML/AI в продакшн и умение обсуждать лучшие практики и подводные камни. Условия - Удалённый формат работы. - Конкурентная зарплата в зависимости от опыта и рыночной стоимости. - Оплачиваемый переезд. - Удалённая поддержка. - Регулярный пересмотр зарплаты. - Обучение и развитие, поддержка профильных команд, помощь в размещении на проектах и карьерный рост. - Вакансия открыта только для граждан США, держателей Green Card и GC-EAD. Спонсорство виз не предоставляется. О компании Adidev Technologies — IT-консалтинговая фирма, работающая с клиентами: Delta, Google, Apple, Spotify, US Bank, FedEx.

Формат

Офис

Страна

Не указана

Город

Не указан

О компании Команда мирового уровня из инженеров и специалистов по данным из Facebook, Uber, Amazon и Google. Быстрорастущая консалтинговая компания из Торонто. Клиенты — от ведущих стартапов, создающих значимые технологии, до компаний из списка Fortune 500, масштабирующих инженерные и аналитические возможности. Задачи - Проектирование, прототипирование и вывод в продакшн масштабируемых решений машинного обучения. - Работа с клиентами и коллегами. - Создание передовых систем на основе LLM и реальных данных. Требования - Экспертиза в LLM-инжиниринге, включая знание популярных LLM-провайдеров и их лучших практик. - Опыт создания или работы с агентными системами (tool use, память, планирование, координация нескольких агентов) — преимущество. - Демонстрация LLM-проектов с указанием зоны ответственности и вклада. - Способность быстро прототипировать передовые инструменты и исследовательские идеи; опыт превращения прототипов в продакшн-сервисы. - Практический опыт в статистике и машинном обучении. - Уверенная работа с Python ML-стеком: Pandas, Numpy, scikit-learn, XGBoost, PyTorch и др. - Владение инструментами разработки: Git, Docker, SQL, Bash, FastAPI. - Аналитическое мышление и понимание бизнеса; умение критически оценивать данные и их влияние на продукт или бизнес-результаты. - Степень бакалавра или выше (магистр, PhD) в Computer Science или смежной инженерной области, связанной с программированием. - Бонус: знакомство с AWS или Azure, GitHub Actions, Spark, Neo4j Cypher и графовыми базами данных. Условия - Конкурентоспособная компенсация. - Ответственность и отсутствие микроменеджмента.

Формат

Удалённо

Страна

Германия

Город

Берлин

О роли JetBrains создаёт инструменты для разработчиков. В команде Agentic Models строят многошаговых агентов для написания кода, которые понимают большие кодовые базы, планируют изменения, вызывают инструменты и итерируют вместе с пользователем. Research Engineer отвечает за модели, тренировочные циклы и пайплайны оценки, которые обеспечивают работу этих агентов. Работа ведётся на стыке SFT и RL-посттренировки и продуктовой оценки, с использованием распределённых GPU- и MapReduce-кластеров для выпуска моделей в продукты JetBrains. Задачи - Проектировать, внедрять и поддерживать пайплайны SFT и RL-посттренировки для многошаговых агентов написания кода. - Обучать и адаптировать LLM для агентных сценариев: планирование, использование инструментов, многошаговые взаимодействия внутри IDE JetBrains. - Создавать и развивать среды оценки и симуляции, где агенты могут действовать, измеряться и сравниваться на реалистичных задачах разработчика. - Разрабатывать фреймворки и метрики оценки поведения агентов, анализировать трейсы и логи, замыкать цикл от оценки обратно к обучению, данным и дизайну наград. - Анализировать результаты обучения и оценки, предлагать и внедрять улучшения архитектур моделей, рецептов обучения и датасетов. - Работать с крупномасштабной инфраструктурой: распределённое обучение на GPU-кластерах и обработка данных в стиле MapReduce для претрейнинга и датасетов тонкой настройки. - Тесно взаимодействовать с исследовательскими, продуктовыми и инфраструктурными командами, превращая продуктовые задачи в конкретные модели, эксперименты и выпущенные функции. Требования - Обширный практический опыт обучения LLM (претрейнинг, тонкая настройка или посттренировка) в исследовательской или производственной среде. - Глубокое знание современных фреймворков глубокого обучения, таких как PyTorch, и специализированных стеков обучения LLM (Megatron, NeMo, verl или аналогичных). - Сильное теоретическое и практическое понимание основ LLM: архитектуры, токенизация, пайплайны данных, батчинг, mixed precision, распределённое обучение и отладка нестабильных запусков. - Умение вести проекты от начала до конца: от постановки проблемы или продуктовой боли до дизайна, экспериментов, реализации и итераций. - Продуктовое мышление: понимание того, как разработчики реально используют агентов, и умение переводить продуктовые потребности и сбои в задачи моделирования и оценки. - Не менее 3 лет опыта работы с Python и написания чистого поддерживаемого кода в современных ML-кодовых базах. Будет плюсом - Опыт работы с ML-оркестраторами и инструментами рабочих процессов: Kubeflow, Dagster, Airflow, ZenML и/или планировщиками задач вроде Kubernetes или SLURM. - Опыт работы с крупномасштабными пайплайнами данных и обучения: кластеры в стиле MapReduce, многоузловое GPU-обучение или нагрузки порядка 1M+ CPU/GPU-часов. - Проектирование и поддержка пайплайнов оценки для LLM или агентов: метрики, дашборды, отслеживание экспериментов, автоматические регрессионные проверки. - Разработка ИИ-агентов: агенты с использованием инструментов, планировщики, многошаговые сценарии написания кода, знакомство с агентными фреймворками и паттернами. - Отслеживание экспериментов и наблюдаемость с помощью Weights & Biases, MLflow, Langfuse или аналогичных инструментов. - Оптимизация инференса и эксплуатация оптимизированных моделей в production.

Формат

Удалённо

Страна

Германия

Город

Берлин

О компании JetBrains с 2000 года разрабатывает инструменты для разработчиков. Компания работает над новой платформой, которая предоставляет возможности ИИ всем продуктам JetBrains. Платформа основана на моделях, разработанных внутри компании для помощи в написании кода и текстов, а также на интеграции со стратегическими партнёрами. JetBrains — работодатель равных возможностей. Важные качества - Умение самостоятельно планировать проекты и принимать решения, при необходимости консультируясь с другими. - Способность определять потребности клиентов и расставлять приоритеты задач. - Начинать с простейших решений и постепенно добавлять сложность по мере необходимости. - Готовность нести единоличную ответственность за целую подсистему. - Увлечённость обучением и желание быть в курсе последних разработок в области LLM. Задачи - Совместно со стейкхолдерами преобразовывать бизнес-требования в технические спецификации. - Обучать LLM с нуля на большом GPU-кластере. - Собирать и обрабатывать датасеты для предобучения и дообучения. - Поддерживать и улучшать существующие подсистемы. Требования - Опыт проектирования, развертывания и поддержки продакшн-ML-систем. - Сильная теоретическая база в NLP и подходах на основе трансформеров. - Свободное владение современными фреймворками глубокого обучения, такими как PyTorch, и распространёнными библиотеками для NLP. - Опыт распределённого обучения моделей с миллиардами параметров. - Внимание к деталям и отличные коммуникативные навыки. Будет плюсом - Опыт работы с фреймворками инференса LLM: vLLM, DeepSpeed, TensorRT. - Опыт применения техник выравнивания LLM: RLHF/RLAIF. - Инструменты и практики MLOps, включая CI/CD для ML. - K8s и Kubeflow. - Научные публикации в области NLP. Стек и инфраструктура - Кластер из сотен NVIDIA GPU в качестве инфраструктуры для обучения. - Git для управления исходным кодом. - Python, PyTorch и Hugging Face как ML-стек. - Kubeflow и Weights & Biases для отслеживания экспериментов. - TeamCity как система автоматизации CI.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Компания FlexBoard помогает медицинским организациям создавать успешные команды клиницистов с помощью инновационных технологических продуктов. Вакансия предполагает удалённую работу для кандидатов из США. Обязанности - Проектировать, разрабатывать и внедрять ML-решения: от классических ML-приложений (классификация, кластеризация, рекомендации) до систем на основе LLM, включая парсинг документов, извлечение данных, RAG-пайплайны и LLM-агентов. - Писать чистый, поддерживаемый, production-код на Python, который интегрируется с существующей инженерной и деплой-инфраструктурой. - Работать с большими наборами данных: очистка, предобработка и анализ данных. - Реализовывать и оптимизировать алгоритмы, используя лучшие практики машинного обучения, глубокого обучения и статистического анализа. - Взаимодействовать с бизнес-заинтересованными сторонами для понимания требований и разработки решений на основе данных, которые дают практические инсайты. - Разрабатывать и поддерживать пайплайны и инфраструктуру для обработки данных и обучения моделей, версионирования, развертывания и мониторинга. - Оценивать производительность ML-моделей, включая специфические для LLM подходы к оценке, и настраивать модели для улучшения производительности. - Коммуницировать результаты, инсайты и производительность моделей как технической, так и нетехнической аудитории. - Постоянно следить за последними трендами, технологиями и лучшими практиками. Требования - Степень бакалавра или магистра в области компьютерных наук, науки о данных, статистики, математики или смежной области. - Бакалавр с 5+ годами релевантного опыта; магистр или выше с 3+ годами релевантного опыта. - Свободное владение Python (3+ года опыта программирования). - Сильные практики разработки ПО на Python, включая написание поддерживаемого, тестируемого, production-кода. - Глубокое понимание LLM-архитектур. - Практический опыт создания и оценки RAG-пайплайнов. - Опыт работы с фреймворками оркестрации LLM. - Владение библиотеками машинного обучения, такими как Scikit-learn и PyTorch; библиотеками для работы с данными, такими как NumPy и аналогичными. - Знакомство с облачными платформами (например, AWS, GCP, Azure) и инструментами контейнеризации. - Глубокое понимание метрик оценки моделей для традиционного ML (accuracy, precision, recall, F1) и LLM-систем (faithfulness, answer relevancy, hallucination detection), включая подходы к оценке недетерминированных выходов. - Опыт работы с инструментами управления моделями, такими как MLFlow, и жизненным циклом разработки моделей. - Опыт работы с системами контроля версий, такими как Git. - Владение практиками SDLC для разработки и тестирования. - Отличные навыки решения проблем, аналитическое мышление и способность работать в быстро меняющейся среде. - Сильные коммуникационные навыки и способность объяснять технические концепции нетехническим заинтересованным сторонам. - Умение эффективно работать в команде, включая экспертов в предметной области, инженеров и бизнес-заинтересованных лиц. - Пытливость: желание задавать вопросы и глубже понимать проблемы. - Инновационность: способность находить новые аналитические решения для любых проблем. - Уверенность: способность оспаривать предположения и предубеждения сотрудников на любом уровне организации. - Любознательность: быть в курсе новых и будущих технологий и инструментов. - Бизнес-ориентированность: понимание бизнес-требований и терминологии. - Знакомство с оптимизацией, развертыванием и масштабированием автоматизированных пайплайнов обучения трансформерных моделей. - Знакомство с техниками обучения и GPU-вычислениями. - Знакомство с классическими подходами NLP. - Опыт внедрения CI/CD пайплайнов для ML-моделей для автоматизации обучения, валидации, мониторинга и развертывания. - Опыт интеграции и развертывания AWS AI/ML сервисов. - Опыт работы с данными в сфере здравоохранения. Условия - Медицинская и стоматологическая страховка без дополнительной оплаты для сотрудников. - Пенсионный план 401(k) и планы с распределением прибыли. - Гибкие расходные счета. - Оплачиваемый отпуск. - Корпоративные праздники. - Гендерно-нейтральный отпуск по уходу за ребенком. - Отпуск по утрате близкого человека и отпуск для ухода за питомцем. - Спонсирование непрерывного образования и аккредитации. - Страхование жизни и от несчастных случаев (AD&D). - Краткосрочная и долгосрочная нетрудоспособность.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Senior AI Software Engineer (Agentic Systems & LLM Applications). Удалённая работа, W2. Роль: проектирование, разработка и масштабирование интеллектуальных приложений на базе современных ИИ и больших языковых моделей. Это инженерная позиция, а не роль дата-сайентиста. Задачи: - Разработка Python-API для ИИ-приложений и сервисов. - Построение и оркестрация агентных рабочих процессов с использованием фреймворков LangChain, LangGraph, AutoGen, Semantic Kernel или LlamaIndex. - Внедрение и оптимизация пайплайнов RAG. - Разработка масштабируемых ИИ-систем с применением фреймворков машинного и глубокого обучения. - Интеграция и управление векторными базами данных (Pinecone, Weaviate, Chroma) для семантического поиска и памяти. - Проектирование и развертывание приложений в облаке (AWS, GCP, Azure). - Применение принципов domain-driven design и микросервисной архитектуры. - Обеспечение качества кода через ООП (наследование, полиморфизм) и паттерны проектирования. - Кросс-функциональное взаимодействие для поставки production-ready решений. Требования: - Опыт разработки на Python. - Практический опыт работы с LLM-фреймворками и инструментами оркестрации (LangChain, LangGraph, AutoGen и др.). - Понимание архитектур RAG и систем векторного поиска. - Опыт работы с фреймворками машинного обучения (TensorFlow или PyTorch). - Навыки создания и потребления RESTful API. - Опыт работы с облачной инфраструктурой (AWS, GCP или Azure). - Знание микросервисной архитектуры и domain-driven design. - Глубокое понимание ООП и паттернов проектирования. Предпочтительно: - Опыт создания агентных или автономных ИИ-систем. - Знакомство с real-time приложениями и потоковой архитектурой. - Опыт оптимизации ИИ-систем по производительности и масштабируемости. - Опыт работы с MLOps и пайплайнами развертывания.

Формат

Офис

Страна

Россия

Город

Не указан

ML-разработчик Компания: Мегафон Локация: Санкт-Петербург, офис Задачи - Проектировать и разрабатывать масштабируемые ML-сервисы и микросервисы на базе Python (FastAPI/Flask) - Интегрировать обученные модели в существующие бизнес-процессы и продуктовые решения - Проводить рефакторинг и оптимизацию кода моделей для повышения их производительности - Разрабатывать и поддерживать ETL/ELT пайплайны для подготовки данных к обучению и эксплуатации - Анализировать технические требования к новым фичам и предлагать архитектурные решения с учетом ограничений по ресурсам и времени - Проводить A/B тестирование новых моделей и анализировать их влияние на бизнес-метрики - Документировать процессы разработки, архитектуры решений и инструкции по развертыванию - Предлагать улучшения в инструментарий команды и процессы MLOps для ускорения разработки Требования - Опыт работы в области Data Science от 2 лет - Глубокое понимание алгоритмов машинного обучения и статистического анализа - Базовый опыт работы с PyTorch или TensorFlow - Навыки построения аналитических моделей на Python - Опыт работы с реляционными (SQL) и распределёнными базами данных - Опыт работы с Linux на базовом уровне - Практические навыки работы с инструментами для разработки, такими как Docker, AirFlow, FastApi, Flask - Преимуществом будет опыт работы в телекоммуникационной отрасли, банковской сфере или цифровых индустриях - Участие и успехи в соревнованиях по data mining (например, Kaggle) будут плюсом - Знание английского языка на техническом уровне

Формат

Офис

Страна

Россия

Город

Не указан

ML-разработчик Компания: Мегафон Локация: Санкт-Петербург Формат: офис Задачи - Проектировать и разрабатывать масштабируемые ML-сервисы и микросервисы на базе Python (FastAPI/Flask) - Интегрировать обученные модели в существующие бизнес-процессы и продуктовые решения - Проводить рефакторинг и оптимизацию кода моделей для повышения их производительности - Разрабатывать и поддерживать ETL/ELT пайплайны для подготовки данных к обучению и эксплуатации - Анализировать технические требования к новым фичам и предлагать архитектурные решения с учетом ограничений по ресурсам и времени - Проводить A/B тестирование новых моделей и анализировать их влияние на бизнес-метрики - Документировать процессы разработки, архитектуры решений и инструкции по развертыванию - Предлагать улучшения в инструментарий команды и процессы MLOps для ускорения разработки Требования - Опыт работы в области Data Science от 2 лет - Глубокое понимание алгоритмов машинного обучения и статистического анализа - Базовый опыт работы с PyTorch или TensorFlow - Навыки построения аналитических моделей на Python - Опыт работы с реляционными (SQL) и распределёнными базами данных - Опыт работы с Linux на базовом уровне - Практические навыки работы с инструментами для разработки, такими как Docker, AirFlow, FastApi, Flask - Преимуществом будет опыт работы в телекоммуникационной отрасли, банковской сфере или цифровых индустриях - Участие и успехи в соревнованиях по data mining (например, Kaggle) будут плюсом - Знание английского языка на техническом уровне

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Вакансия удаленная, открыта для кандидатов из США. Компания — глобальный лидер в области кибербезопасности, специализирующийся на предотвращении взломов с помощью продвинутых платформ на базе ИИ. Ищут Senior AI Infrastructure Engineer для проектирования, создания и масштабирования ИИ-инфраструктуры для продуктов, с фокусом на большие языковые модели (LLM) и ИИ-системы. Обязанности - Предоставление и настройка крупных GPU-кластеров и вычислительных ресурсов для задач обучения, дообучения и инференса LLM. - Оптимизация инфраструктуры обслуживания LLM-моделей, включая развертывание и оптимизацию различных фреймворков инференса. - Управление жизненным циклом моделей: версионирование, контрольные точки и воспроизводимость в процессах обучения и инференса. - Проектирование и внедрение надежных фреймворков оценки для проверки производительности, точности и надежности моделей, обеспечивая соответствие ИИ-систем производственным стандартам. - Выявление и устранение узких мест использования GPU и эффективности памяти GPU, применение таких техник, как квантование, пакетная обработка и кэширование. - Проектирование и поддержка платформ и пайплайнов данных, специально предназначенных для поддержки LLM, RAG (Retrieval-Augmented Generation) и ИИ-систем в производственной среде, с акцентом на производительность, сопровождаемость и строгость тестирования, обеспечивая быструю поставку без ущерба качеству. - Применение экспертизы в моделировании данных, нормализации и семантическом каталогизировании для AI/ML-нагрузок. - Определение и внедрение лучших практик MLOps/DataOps для LLM, включая мониторинг, наблюдаемость и механизмы восстановления для ИИ-сервисов. - Тщательное документирование архитектурных решений и донесение технических деталей до заинтересованных сторон. - Взаимодействие с Data Scientists, Product Managers и другими инженерными командами для превращения исследовательских прототипов в надежные сервисы производственного уровня. Требования - Степень бакалавра в области компьютерных наук, инженерии данных или STEM; магистерская степень приветствуется. - 6+ лет опыта в инфраструктурной/дата-инженерии, как минимум 2 года в создании и поддержке платформ/пайплайнов, поддерживающих LLM-системы и приложения. - Подтвержденный практический опыт в LLM-инфраструктуре: предоставление кластеров, оптимизация обучающих нагрузок и поддержка инференс-пайплайнов. - Исключительная способность писать чистый, элегантный, поддерживаемый и хорошо протестированный код, а также сильный фокус на быстрой поставке результатов. - Глубокое понимание инженерных практик, включая эффективные ревью кода и отказоустойчивую архитектуру. - Проявление технического лидерства и наставнических качеств. - Подтвержденный опыт использования ИИ-технологий для улучшения принятия решений, оптимизации рабочих процессов и процессов, повышения эффективности и бизнес-результатов. - Практический опыт с MLOps-инструментами (MLflow, SageMaker, AI). - Сильное понимание основ CUDA, драйверов, GPU и TPU. - Опыт работы с фреймворками инференса, такими как vLLM и Triton Inference Server. - Владение фреймворками обучения: PyTorch, Ray, Megatron, JAX. - Экспертный уровень владения высокоуровневым языком программирования (Python). - Глубокие знания контейнеризации и оркестрации (Slurm, Airflow). - Владение инструментами Infrastructure as Code, такими как Terraform и Ansible. - Опыт работы с облачными платформами (AWS, GCP или OCI) и сервисами данных. - Опыт работы в сфере кибербезопасности, разведки или отраслях с высокими требованиями к соответствию. - Опыт создания, развертывания и управления LLM в производственной среде. - Опыт работы с распространенными фреймворками рабочих процессов. - Опыт работы с фреймворками обработки данных (например, Dask, Flink). Условия - Право на бонусы. - Гранты на акции. - Комплексный пакет льгот: медицинская страховка, 401k, оплачиваемый отпуск, конкурентоспособная компенсация и акции. - Комплексные программы физического и психического здоровья. - Конкурентоспособный отпуск и праздники, отпуск по уходу за ребенком и усыновлению. - Возможности для развития для всех сотрудников независимо от уровня или роли. - Сети сотрудников, географические сообщества и волонтерские возможности для установления связей. - Офисная культура с удобствами мирового класса. - Сертификация Great to Work Certified™ по всему миру.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Проект Работа над продуктами, связанными с сейсмическими данными и данными каротажа скважин, определение простых геологических характеристик данных (разломы, горизонты). Full stack ML с фокусом на обработку сигналов — изображения и временные ряды. Основные навыки: ML Ops, модели изображений, глубокое обучение, GPU-обучение, Google Cloud Platform, TensorFlow, PyTorch, агентные инструменты кодирования. Условия Тип занятости: W2. Длительность проекта: 12 месяцев. Локация: Маунтин-Вью, Калифорния, или удалённо. Режим работы: 3 дня в неделю из офиса при работе на месте в Маунтин-Вью, либо удалённо. Командировки: нет. Уровень: Senior. Требуемая дата начала: ASAP. Процесс отбора: общее собеседование -> техническое интервью -> интервью с клиентом. Разрешение на работу: рассматриваются кандидаты с визами H1B и TN. Кандидат должен быть оформлен по W2. Требования - Опыт в глубоком обучении, GPU-обучении и инференсе, моделях изображений. - Опыт в обучении моделей и настройке распределённых пайплайнов обучения, в частности с использованием Vertex, Kubeflow и т.п. для обучения больших моделей на больших объёмах данных (изображения, язык). - Сильный опыт в создании и развёртывании моделей машинного обучения с фокусом на обработку изображений и обработку сигналов временных рядов. - Опыт обучения и тонкой настройки ML-моделей. - Опыт создания и поддержки пайплайнов данных для изображений и других сенсорных данных. - Опыт работы с инструментами и практиками ML Ops: мониторинг моделей, версионирование, развёртывание. - Опыт работы с инструментами разметки данных. - Опыт работы с облачными платформами, особенно Google Cloud Platform. Опыт с edge-развёртыванием будет плюсом. - Отличные коммуникативные навыки и умение работать в команде. - Способность работать самостоятельно и в команде. - Сильные навыки решения проблем. - Увлечённость машинным обучением и его приложениями. Дополнительные навыки (желательно) - Google Cloud Platform будет полезен; при отсутствии опыта ожидается, что кандидат быстро освоит его до начала и/или в начале работы. - Владение TensorFlow и PyTorch. - Protocol Buffers. - Контейнеры. - Быстрое прототипирование — большой плюс. Команде нужно будет создавать прототипы для проверки гипотез.