Вакансии в ML и AI

В нашей команде вас ждут сложные задачи на стыке research и systems engineering. Мы работаем с огромными мультимодальными данными, исследуем scaling laws, запускаем ресурсоёмкие распределённые обучения и собираем рецепты, которые делают модель сильнее не только на открытых тестах, но и в прикладных сценариях. Если вам хочется влиять на качество VLM на самом глубоком уровне — вам к нам.

Развивать претрейн мультимодальных моделей

Вам предстоит исследовать архитектурные решения, рецепты и режимы обучения для VLM. Нужно будет находить подходы, которые улучшают базовые способности модели, усиливают связь между визуальной и текстовой модальностями и дают устойчивый прирост качества не только на открытых бенчмарках, но и в реальных продуктовых задачах.

Работать с петабайтами мультимодальных данных

Качество претрейна во многом определяется данными. Вам предстоит работать с огромными массивами мультимодальных данных из разных доменов: image-text, OCR, документы, таблицы, графики, интерфейсы, видео, UGC. Важно принимать решения о составе обучающих данных: какие домены, форматы и пропорции усиливают модель, исследовать scaling laws, как снижать шум и превращать работу с данными в масштабируемый pipeline.

Работать с large-scale-обучением

Претрейн VLM — это длинные и ресурсоёмкие обучения, где важна сильная инженерная база. Вы будете работать с распределённым обучением, профилировать узкие места, следить за эффективностью использования GPU, улучшать стабильность запусков и воспроизводимость экспериментов.

Больше об ML в Яндексе — в канале Yandex for ML

* Получили опыт в CV, NLP и хорошо понимаете устройство современных LLМ/VLM
* Понимаете, как устроено распределённое обучение больших моделей
* Умеете формулировать исследовательские гипотезы и проверять их экспериментально
* Аккуратно ставите эксперименты, корректно сравниваете подходы и умеете выделять реальные улучшения
* Умеете писать рабочий и понятный код и доводить идеи до воспроизводимого результата

* Обучали большие модели или работали с крупными DL-системами
* Работали с pretrain-пайплайнами для LLМ или VLM
* Знакомы с Megatron, DeepSpeed, FSDP, PyTorch Distributed или аналогичными инструментами

NLP Engineer (LLM / Generative AI)

Обращаем внимание, что вакансия предполагает full-time office.

Ключевые задачи:

– Формировать дорожную карту LLM/GenAI-инициатив для трейдинга и смежных бизнес-функций.

– Разрабатывать end-to-end LLM-приложения: от подготовки данных и базы знаний, прототипирования и оценки качества до production-деплоя, мониторинга и поддержки.

– Проектировать и внедрять RAG-системы, LLM-решения и AI-агентов с tool/function calling, structured outputs и интеграциями с внутренними системами и API.

– Проектировать retrieval-слой: embeddings, semantic/vector search, hybrid search, reranking, chunking и работу с корпоративными базами знаний.

– Строить eval-пайплайны для LLM: автоматические метрики, LLM-as-a-Judge, регрессионные тесты, оценку галлюцинаций, качества retrieval и устойчивости промптов.

– Выбирать и сравнивать LLM под конкретные сценарии, проводить benchmark-тестирование open-source и API-моделей по качеству, latency, throughput и стоимости.

– Оптимизировать inference LLM: batching, caching, model routing, quantization, работу с длинным контекстом и использование GPU-ресурсов.

– Развивать LLMOps-практики: версионирование промптов, конфигураций и eval-наборов, observability/tracing, мониторинг качества, CI/CD и воспроизводимость экспериментов.

– Проводить технические ревью LLM-решений, задавать инженерные стандарты и развивать экспертизу команды.

– Коммуницировать качество, ограничения и риски LLM-систем техническим и бизнес-стейкхолдерам.

Требования:

– 3+ лет опыта в Data Science, включая практический опыт разработки и вывода LLM/GenAI-систем в production.

– Продвинутый Python и уверенная работа с PyTorch, Hugging Face Transformers и экосистемой инструментов для LLM.

– Глубокое понимание архитектуры и принципов работы LLM: transformers, attention, tokenization, embeddings, context window, prompting и reasoning.

– Практический опыт построения RAG-систем: vector search, retrieval, reranking, chunking, metadata filtering и оценка качества retrieval.

– Опыт разработки agentic workflows и интеграций через tool/function calling; знание LangGraph, LangChain, LlamaIndex, OpenAI Agents SDK или аналогичных инструментов.

– Опыт построения систем оценки LLM: eval datasets, LLM-as-a-Judge, offline/online evaluation, regression testing и контроль качества ответов.

– Опыт inference и serving LLM через vLLM, Hugging Face, Triton или аналогичные решения; понимание batching, KV cache, quantization и GPU-инференса.

– Опыт эксплуатации production LLM-сервисов: Docker, Kubernetes, CI/CD, Git, логирование, tracing, мониторинг и отказоустойчивость.

– Опыт технического лидерства, наставничества и взаимодействия с кросс-функциональными командами.

– Английский не ниже B2 для работы с международной документацией и стейкхолдерами.

Будет плюсом:

– Глубокий опыт работы с open-source LLM и самостоятельного развертывания моделей.

– Опыт распределенного inference и оптимизации serving на нескольких GPU.

– Опыт работы с multimodal LLM.

– Понимание специфики нефтяной отрасли, трейдинга или смежных коммерческих процессов.

Условия:

• График 5/2, комфортный офис (Москва-Сити, работа только в офисе, нет гибридного формата);
• Корпоративная программа ДМС после испытательного срока;
• Рабочие инструменты: ноутбук/ПК, мобильный телефон, корпоративная сим-карта;
• Высокий уровень дохода (обсуждается на собеседовании);
• Возможности развития, интересные задачи, отсутствие бюрократии.

Почему стоит присоединиться к нам:

• Работа над передовыми ИИ-технологиями и созданием инновационных решений;
• Возможность влиять на архитектуру и логику будущих продуктов;
• Динамичная среда, где каждый твой анализ — шаг к реальному продукту.
• Если вы увлекаетесь технологиями, умеете «читать» бизнес и видеть в нём возможности для автоматизации — мы будем рады пообщаться подробнее!

Я запустил больше 10 стартапов и продал две tech-компании — Podbor и Potok. Сейчас строю fashion-бизнес на маркетплейсах: за два года со старта выходим на 2 млрд. руб. выручки, в следующем году хотим вырасти минимум х2. Ищу человека, который будет работать напрямую со мной.

Внутри мы скорее технологическая компания: команда небольшая, но значительная часть бизнеса работает поверх собственной внутренней системы. В ней аналитика, API маркетплейсов, data pipelines, внутренние сервисы и интерфейсы, автоматизация рекламы и операционных процессов, боты.

Систему до сих пор я собираю в одиночку вместе с AI-агентами. Она работает, но данных становится всё больше, и нужен человек, который превратит её в платформу.

Что это за роль?

Это не совсем разработчик и не совсем аналитик. Скорее человек на стыке analytics engineering, software engineering и продукта: понять бизнес-задачу, разобраться в данных, быстро собрать решение вместе с AI-агентами + сделать так, чтобы оно не разваливалось через неделю и выдерживало растущие объёмы.

Я отвечаю за продукт и бизнес. В начале будем много делать вместе, а со временем технические решения и ownership над системой перейдут к человеку на этой роли.

Что делать?

• развивать систему под растущие объёмы данных: оркестрация, единые метрики, контроль качества данных;
• держать прод в форме: надёжность пайплайнов и автоматики, которая двигает деньги, мониторинг, бэкапы;
• разбираться в процессах бизнеса и превращать задачи команды в инструменты;
• помогать коллегам автоматизировать процессы с помощью AI.

Кого ищу?

• AI-native: работа с агентами: умение критически оценивать их код, находить плохую архитектуру, bottlenecks и AI slop;
• сильная инженерная база: надёжные пайплайны поверх чужих API, собственная инфраструктура, Linux, Docker, CI/CD;
• самостоятельность в технических решениях и умение объяснять их на языке бизнеса;
• желание глубоко разбираться в бизнесе, а не ограничиваться ролью технического исполнителя;
• плюсом будут dbt, Airflow или аналоги — и понимание, когда их пора вводить.

Интерес к fashion / marketplaces — огромный плюс.

Условия

• строго full-time;
• строго Москва, гибрид 2–3 дня в офисе;
• ориентир по зарплате 200–300 тыс. руб. в месяц, но готовы обсуждать в зависимости от уровня человека.

p.s. в сопроводительном письме напишите, сколько будет 7х7
p.p.s. предпочтения будут отданы кандидатам, которые коротко опишут в двух-трех предложениях свои релевантные проекты

Мы строим платформу данных на архитектуре Lakehouse, покрывающую весь жизненный цикл работы с данными: от поставки и обработки до анализа и визуализации. Платформа интегрирована с большим числом Managed-сервисов Yandex Cloud и рассчитана не только на дата-инженеров и аналитиков, но и на широкий круг бизнес-пользователей.

Наша команда разрабатывает компоненты для взаимодействия с платформой и работы с данными. Среди наших задач — собственная реализация REST Catalog для управления метаданными таблиц Apache Iceberg, инфраструктура браузерной среды разработки для написания пайплайнов обработки данных, а также инструменты для ИИ-ассистентов.

Это хороший мэтч для инженера, которому интересно работать на стыке бэкенд-разработки, дата-инфраструктуры, облачных сервисов и developer experience. У нас есть как задачи продуктового уровня, так и глубокие технические вызовы: метаданные, интеграции, изоляция пользовательских окружений, производительность, надёжность и инфраструктура разработки.

Развивать функциональность платформы

Вам предстоит реализовывать новые возможности и улучшать уже существующие: добавлять поддержку разных способов обработки данных, развивать пользовательский опыт, повышать стабильность работы сервиса и расширять его функциональность.

Расширять интеграцию с сервисами Yandex Cloud

Мы хотим дать пользователям удобный доступ к инструментам получения, обработки и хранения данных. Вам предстоит интегрировать возможности других сервисов Yandex Cloud в платформу, чтобы пользователи могли сосредоточиться на работе с данными, а не на настройке инфраструктуры.

Работать над масштабируемостью, стабильностью и скоростью сервиса

Команда отвечает за весь жизненный цикл компонентов: от проектирования и разработки до развёртывания, эксплуатации и поддержки окружений.

В наших задачах всегда есть место актуальным инфраструктурным вызовам: проектированию архитектурных решений, развитию мониторинга и диагностики, ускорению операций с виртуальными машинами, повышению надёжности работы с ними и оптимизации CI/CD-пайплайнов.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

* Уверенно знаете Java, PostgreSQL и Linux
* Понимаете базовые алгоритмы, структуры данных и области их применения
* Умеете тестировать собственный код
* Проводите качественное ревью чужого кода
* Легко и продуктивно взаимодействуете с другими командами
* Умеете не только решать проблемы, но и находить их корневые причины
* Имеете широкий технический кругозор

* Работали с Go
* Разрабатывали микросервисные системы
* Работали с разными источниками данных: KV-хранилищами, реляционными БД, файловыми системами
* Знакомы с SRE-подходами или DevOps-практиками
* Работали с Unix-системами и сетевыми технологиями

Мы ищем сильного Deep Learning инженера для развития и вывода на принципиально новый уровень GigaAM — лучшей open-source модели для распознавания речи на русском языке.

GigaAM — это не только исследовательский проект, но и core-модель, которая определяет качество работы многих ключевых продуктов экосистемы: GigaChat Audio, ASR, TTS, GigaChat Video и других.

Сейчас мы стоим перед масштабным вызовом: кратное увеличение параметров модели, масштабирование данных на несколько порядков, расширение языкового покрытия и выход за рамки распознавания речи в сторону general audio understanding. Если вы хотите создавать state-of-the-art решения, которыми будут пользоваться миллионы, и вносить вклад в развитие мирового open-source — нам по пути!

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

• Масштабирование данных: увеличение объемов данных для обучения на несколько порядков, построение эффективных пайплайнов их фильтрации и подготовки.

• Развитие архитектуры и метода предобучения: улучшение мультиязычных свойств модели и расширение ее возможностей в сторону анализа аудио неречевой природы.

• Scaling laws: масштабирование модели по количеству параметров в несколько раз.

• Research & Engineering: стабилизация процессов предобучения, проведение ML-экспериментов, проверка гипотез и доведение результатов до прода и публикаций.

• Уверенное владение Python и PyTorch

• Distributed Training: практический опыт распределенного обучения, понимание ограничений и принципов работы под капотом (DDP, FSDP, ZeRO).

• Опыт оптимизации DL-пайплайнов: профилирование и оптимизация узких инфраструктурных мест в процессе обучения (I/O bottlenecks, memory management, GPU utilization).

• Экспертиза в Speech/Audio: понимание современных подходов и state-of-the-art архитектур в Speech/Audio Self-Supervised Learning.

• крупнейшее DS&AI community — более 600 DS-специалистов банка

• дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

• возможность быть соавтором НИРов и статей для международных конференций

• возможность выбрать удобный формат работы: гибрид или офис

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• ипотека выгоднее до 7% для каждого сотрудника

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

Инженер по данным (Data Engineer)
Beepul — платёжный сервис компании Beelab

Чем предстоит заниматься:

• Разрабатывать автоматизированные отчёты и BI-дашборды (Metabase, Qlik, Power BI, Tableau);
• Анализировать поведение пользователей, транзакционные данные и ключевые метрики продукта;
• Поддерживать продуктовые и маркетинговые решения на основе данных;
• Снижать зависимость команд от разработчиков при построении аналитики;
• Работать с большими объёмами данных из ClickHouse, PostgreSQL и других источников;
• Формулировать и проверять гипотезы, участвовать в A/B тестированиях;
• Делать презентации выводов, упрощая сложные данные для разных команд;
• Сотрудничать с командами продукта, маркетинга, разработки.

Что мы ожидаем:

• Опыт работы Data Analyst от 2–3 лет;
• Уверенное владение SQL (ClickHouse, PostgreSQL);
• Опыт работы с BI-инструментами: Metabase, Qlik, Power BI, Tableau;
• Понимание основ когортного анализа, воронок, продуктовой аналитики;
• Навыки Python — будут плюсом;

Мы предлагаем:

• Официальное трудоустройство с первого рабочего дня в соответствии с Трудовым кодексом Республики Узбекистан;
• Добровольное медицинское страхование или абонемент в тренажёрный зал на выбор;
• Служебная сотовая связь;
• Современный и комфортабельный офис в IT-парке.
• Участие в развитии продукта с миллионной аудиторией;
• Свободу для аналитических инициатив;
• Прозрачность, быстрые решения и доступ к данным;
• Динамичную команду, открытость к идеям и рост;

Ключевые задачи:

• Поддержка кластеров (GPU/TPU), контейнеризации и оркестрации (Docker, Kubernetes);
• Аудит, оптимизация инфраструктуры и затрат (batch vs real-time inference, разграничение проблем железа и кода);
• Настройка мониторинга, алертинга и менеджмент железа между потребителями;
• Развертывание и поддержка ML-сервисов (MLflow, Airflow, CVAT, Doccano) в production;
• Настройка CI/CD для ML-пайплайнов и управление полным ML lifecycle (training -> serving).

Требования:

• Опыт DevOps от 3х лет или MLOps от 1 года, с эксплуатацией продакшен-систем;
• Уверенный Linux: администрирование, отладка, права доступа;
• Коммерческий опыт с Kubernetes и Docker на уровне эксплуатации: deployments, ресурсные лимиты, autoscaling, оптимизация образов;
• GPU-инфраструктура: NVIDIA stack, CUDA, драйверы, профилирование;
• Написание скриптов на Python и Bash на уровне автоматизации и интеграций;
• Понимание жизненного цикла ML-моделей: как их обучают и как применяют;
• Понимание процессов построения и эксплуатации ML pipelines: этапов обучения, вывода в продакшн и дальнейшего сопровождения моделей;
• Опыт работы с системами ML Serving: Triton, vLLM, Airflow (или аналоги), batch и async/sync model serving;
• Опыт работы с Postgres, Redis, Kafka;
• Навыки настройки и эксплуатации стека для ML и Data Science: MLflow, DVC и аналоги.

Будет плюсом, если есть опыт с:

• Знание инструментов: Argo, Helm, Terraform, Ansible, S3;
• Опыт работы с RBAC, Keycloak, LDAP/OAuth, работа с сертификатами;
• Опыт работы с Prometheus, Grafana, ELK или аналоги, настройка алертинга.

Чем предстоит заниматься

• Автоматизировать расчёт выплат с учётом разных форматов оформления, валют и условий оплаты, предусмотрев необходимые проверки.
• Улучшать обработку вопросов, связанных с выплатами: помогать HR и финансовой команде быстрее находить нужную информацию и отвечать сотрудникам.
• Объединять данные из разных команд и инструментов в единый процесс, сокращая ручной перенос информации между системами и таблицами.
• Разрабатывать, запускать и поддерживать формы, ботов, интеграции и небольшие веб-сервисы для этих процессов.
• Тестировать решения на реальных сценариях и дорабатывать их по обратной связи.

Что мы ожидаем

• Опыт разработки, запуска и дальнейшей поддержки небольших приложений или сервисов: форм, ботов, дашбордов.
• Практический опыт создания и поддержки рабочих сценариев в n8n или Make.
• Опыт работы с LLM API: промптами, вызовом инструментов, структурированным выводом и проверкой результатов.
• Умение работать с REST API, вебхуками и ботами в Slack или Telegram.
• Самостоятельность в ведении проекта: способность напрямую разобраться в процессе вместе с HR-командой, согласовать требования и доступы, протестировать решение и регулярно сообщать CTO о прогрессе и рисках.
• Внимательность при работе с финансовыми данными: опыт сверок и тестовых прогонов, понимание того, где можно использовать LLM, а где расчёты должны выполняться по строгим правилам.

Будет преимуществом

• Опыт автоматизации процессов в Google Workspace, особенно с помощью Apps Script или Google Sheets.

Этапы отбора

• Интервью с рекрутером
• Интервью с руководителем
• Тестовое задание
• Обсуждение тестового задания, возможно, совместно с Head of People & Culture

ИИ-помощник умеет отвечать на вопросы, пользоваться инструментами и выполнять задачи. Но как понять, что новая версия действительно стала лучше? Почему один сценарий работает хорошо, а в другом помощник ошибается? И что нужно изменить в модели или продукте, чтобы это исправить?

Ищем ML-аналитика, которому интересно разбираться в этих вопросах: исследовать поведение ИИ, придумывать способы измерения качества и помогать команде делать помощника полезнее.

Нам нужен ai-native специалист. Человек, для которого работа с ИИ - привычная часть решения задач. Вы умеете поручить агенту написание кода, собрать с его помощью исследовательский пайплайн, быстро проверить несколько гипотез и разобраться, где результату можно доверять. При этом постановка задачи, выбор метода и ответственность за вывод остаются за вами.

• Исследовать, как помощник справляется с реальными задачами пользователей: где ошибается, чего ему не хватает и какие улучшения дадут эффект.

• Создавать eval-наборы и бенчмарки, на которых можно проверить новые модели, промпты, скиллы и работу с инструментами.

• Развивать SBS и LLM-as-judge: учить автоматическую оценку замечать существенные различия и проверять её на человеческой разметке.

• Превращать найденные проблемы в гипотезы, данные для дообучения и понятные критерии приёмки.

• Связывать качество модели с качеством продукта: выяснять, какие изменения помогают пользователю решить свою задачу.

• Строить инструменты, которые позволяют команде быстрее исследовать качество и замечать регрессии.

• Вам интересно докопаться до причины ошибки и придумать эксперимент, который поможет её проверить.

• Вы умеете работать с неопределённостью: понимаете ограничения данных, замечаете слабые места в методе и можете объяснить, что следует из результата.

• У вас сильная база в статистике и анализе данных.

• Вы уверенно работаете с Python и SQL, можете прочитать, проверить и исправить код, созданный ИИ.

• Понимаете принципы работы LLM и хотите глубже разобраться в том, как оценивать модели и агентов.

• Вы уже используете кодинговых агентов в своей работе.

• Можете показать, как с их помощью решили исследовательскую задачу, автоматизировали процесс или собрали собственный инструмент.

• Нам интересен ваш подход: что вы поручили ИИ, как проверили результат и что получилось.

• комфортный современный офис рядом с м. Кутузовская

• гибридный формат работы

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

• расширенный полис ДМС с первого дня работы и страхование для семьи

• программа ипотеки для сотрудников

• вознаграждение за рекомендацию друзей в команду Сбер.

Мы ищем специалиста по искусственному интеллекту, который поможет внедрять и развивать AI-решения в бизнес-процессах Корпорации. При этом опирается на опыт реальной разработки и умеет доводить прототипы до надёжной эксплуатации.

Чем предстоит заниматься:

• Разработка системных и пользовательских промптов для ChatGPT/OpenAI и аналогичных решений;
• Автоматизация процессов с использованием AI и no-code/low-code платформ.
• Интеграция AI-сервисов через API.
• Оценка качества работы моделей и постоянное улучшение решений.
• Подготовка документации и обучение сотрудников использованию AI-инструментов.
• Быстрое прототипирование и последующее доведение успешных прототипов до production: архитектура, обработка ошибок, тесты, логирование, мониторинг и поддержка.
• Использование AI-инструментов разработки (Cursor, Claude Code, GitHub Copilot и аналоги) для ускорения работы с обязательной проверкой, отладкой и ответственностью за качество кода.
• Создание аналитических решений и BI-дашбордов: подготовка данных, расчёт показателей, визуализация и проверка корректности бизнес-метрик.
• Проектирование интеграций и потоков данных: REST API, webhooks, SQL, ETL/ELT и обмен с внутренними системами.

Требования:

• Базовые знания Python и REST API;
• Практический опыт с JavaScript/TypeScript и понимание веб-разработки: backend/API и достаточный frontend-уровень для создания внутренних приложений и дашбордов.
• Понимание принципов работы современных моделей искусственного интеллекта и LLM.
• Опыт работы с ChatGPT, OpenAI API или аналогичными платформами.
• Понимание RAG, embeddings, контекстного окна и параметров генерации;
• Понимание REST API и принципов интеграции сервисов.
• Опыт автоматизации процессов (Make, n8n, Zapier, Power Automate и др.).
• Умение читать, проверять и рефакторить сгенерированный AI код; способность самостоятельно диагностировать проблему без зависимости от подсказок модели.
• Опыт работы с Git, code review, модульными/интеграционными тестами и базовыми принципами проектирования поддерживаемого ПО.
• Уверенное знание SQL и реляционных баз данных; понимание структуры данных, качества данных и воспроизводимости расчётов.
• Понимание подходов BI: модель данных, источники и витрины, ETL/ELT, единые определения метрик, план-фактный анализ и принципы понятной визуализации.
• Понимание требований к информационной безопасности при работе с корпоративными данными и внешними AI-сервисами.
• Наличие портфолио или готовность предметно рассказать о реализованных решениях: задача, архитектура, личный вклад, эксплуатация и полученный эффект.

Будет преимуществом:

• Навыки работы с LangChain, LlamaIndex, CrewAI, AutoGen или аналогичными фреймворками.
• Опыт обучения пользователей и проведения презентаций.
• Понимание основ машинного обучения и обработки данных.

• Опыт с FastAPI, Django/Flask, Node.js и одним из современных frontend-фреймворков (React/Vue или аналогом).
• Опыт с PostgreSQL, очередями задач, объектными хранилищами и векторными базами данных.
• Опыт работы с Power BI, Tableau, Metabase, Apache Superset или разработки собственных аналитических интерфейсов.
• Опыт развёртывания в облаке или on-premise, работы по Infrastructure as Code.

Условия:

• Работа в аккредитованной ИТ-компании на стороне заказчика;
• Прозрачные карьерные треки и performance review 2 раза в год;
• Белая заработная плата, готовы рассматривать ваши ожидания;
• Различный формат работы: офис, гибрид, удаленка;
• ДМС с первого дня и ежегодная индексация заработной платы;
• Корпоративная среда, в которой ценятся самостоятельность, развитие, позитивный настрой и результат;

Мы развиваем RTB-движок рекламной сети. Ты будешь напрямую влиять на повышение доходности рекламной сети с показов рекламных креативов!

Чем предстоит заниматься:

• Разрабатывать и улучшать модель предсказания вероятности клика (CTR) по рекламному креативу;

• Исследовать данные, находить и добавлять в модель новые признаки, работать с фича-инжинирингом;

• Проводить A/B-тесты моделей и оценивать их влияние на бизнес-метрики;

• Участвовать в развитии RTB-движка совместно с инженерами и продакт-командой.

Что мы ожидаем:

• Опыт решения задач машинного обучения в продакшене (от постановки до внедрения);

• Уверенная работа с табличными данными, дисбалансом классов и вероятностными моделями;

• Понимание метрик качества: ROC-AUC, PR-AUC, logloss, калибровка вероятностей;

• Опыт проведения A/B-тестов и анализа их результатов;

• Опыт проектирования логики ранжирования, аукциона или ценообразования — будет плюсом.

• Умение самостоятельно формулировать гипотезы и доводить их до результата.

Что мы предлагаем:

• Гибкий формат работы: Предлагаем разные режимы работы, в нашем офисе в Москве или гибридный формат работы. Начало рабочего дня в 09:00 и окончание в 18:00 по МСК;

• Официальное трудоустройство по ТК РФ, оплачиваемые отпуска и больничные листы;

• Каждый год мы дарим нашим сотрудникам сертификаты, которые можно использовать для посещения спа-салонов, Золотого яблока и OZON. Дарим подарки сотрудникам на праздники, дни рождения и рождение ребенка, оплачиваем обучение и участие в конференциях!;

• Сильную команду: У нас собраны лучшие специалисты, готовые делиться опытом и поддерживать друг друга. Ты станешь частью дружного коллектива, где ценятся идеи каждого и поощряется инициативность.

Если вы готовы принять вызов и стать частью компании, которая ценит своих сотрудников, отправляйте свое резюме! Мы ждем именно вас!

Откликайся на эту вакансию, если у тебя есть опыт работы на таких позициях как: Data Scientist, ML Engineer, ML Analyst, Системный аналитик, Аналитик данных в рекламных сетях и платформах, Продуктовый аналитик.

Исследуем и внедряем передовые методы для инструктивного редактирования изображений/видео, интеграции аудио в видео-генерацию и повышения качества за счет RLHF (Reinforcement Learning from Human Feedback).

• Разработка и обучение диффузионных моделей для инструктивного редактирования видео и изображений.

• Исследование архитектур для совместной генерации видео и синхронизированного аудио по текстовому промпту.

• Создание пайплайна RLHF для тонкой настройки моделей:

• Обучение мультимодальных reward-моделей (видео/аудио/текст).

• Интеграция алгоритмов RL (PPO, DPO, GRPO, OPD) в диффузионный пайплайн.

• Проектирование экспериментов, анализ результатов.

• Тесная коллаборация с Distributed Engineers для эффективной имплементации идей.

• Сильный бэкграунд в CV, генеративных моделях (Diffusion, GANs), мультимодальном ML.

• Опыт работы с диффузионными моделями (Stable Diffusion/FLUX, Wan 2.X и пр.) и фреймворками (Diffusers).

• Практические знания Reinforcement Learning, особенно RLHF.

• Уверенное владение PyTorch и навыки распределенного обучения (DDP/FSDP).

• Способность быстро прототипировать и проводить исследования SOTA методов.

• Опыт работы с SGLang, vLLM, Transformers

• Бонус: Опыт с аудио-генерацией (AudioLDM, MusicGen), публикации на NeurIPS/ICML/CVPR.

• комфортный современный офис рядом с м. Кутузовская

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

• расширенный полис ДМС с первого дня работы и страхование для семьи

• льготная программа ипотеки для сотрудников

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

Оптимизируем наши модели под форматы популярных инференсных фреймворков. Задача создание инфраструктуры для эффективного инференса наших моделях во всех популярных фреймворках: Diffusers, FastVideo, SGLang, vLLM, Comfy-UI. А также создание воркеров для доступа к инференсу наших моделей на fal.ai, Arena.ai и др.

• Разработка и оптимизация high-load пайплайнов распределенного инференса (PyTorch) с использованием FSDP, Tensor/Sequence Parallelism.

• Имплементация моделей в популярных фреймворках: Diffusers, SGLang, vLLM, FastVideo, Comfy-UI, Transformers

• Развертывание воркеров для инференса моделей

• Экспертный уровень Python, PyTorch, torch.distributed.

• Опыт масштабного инференса моделей с FSDP/TP/PP.

• Понимание работы разных типов данных (bf16, fp8).

• Опыт работы с SGLang, vLLM, Transformers

• Понимание принципов работы диффузионных моделей

• Английский язык B2+

• комфортный современный офис рядом с м. Кутузовская

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

• расширенный полис ДМС с первого дня работы и страхование для семьи

• льготная программа ипотеки для сотрудников

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

Чем предстоит заниматься:

• ​​​​​​​Интегрировать LLM, RAG-компоненты и агентов в единую систему;
• Настраивать профили агентов и разрабатывать промпты под конкретные бизнес-сценарии;
• Внедрять метрики качества для RAG-пайплайнов и LLM: A/B-тестирование, сбор данных для аннотации, мониторинг поиска и ответов;
• Разворачивать сервисы в изолированных Docker-контейнерах;
• Документировать архитектуру системы и отдельных сервисов.

Что мы ждем от кандидатов:

• Коммерческий опыт работы с LLM и RAG-системами от 2 лет;

• Python, FastAPI, Pydantic;

• Векторные БД (желательно Qdrant: индексация, фильтрация, поиск);

• Docker: деплой и контейнеризация сервисов;

• Будет плюсом: Знание SQL;

• Опыт работы с агентами;

• Понимание архитектур LLM и методов Prompt Engineering;

• Навыки анализа экспериментов и интерпретации метрик моделей;

• Знание методов обработки естественного языка (NLP) и их применения в различных задачах;

• Умение анализировать данные и результаты экспериментов для принятия обоснованных решений;

• Способность интерпретировать метрики производительности моделей и проводить их оценку;

• Способность четко и эффективно общаться как с техническими, так и с нетехническими специалистами;

• Умение представлять результаты работы и объяснять сложные концепции простым языком;

• Навыки планирования сроков выполнения задач и управления рисками.

• Привлекательная заработная плата;
• Сильная и дружная команда профессионалов, готовых делиться опытом;
• Демократичное общение с руководителями, которые поощряют твою инициативу;
• Насыщенная корпоративная жизнь;
• ДМС широкого спектра со стоматологией после испытательного срока;
• Возможность выбрать начало дня с 8/9/10 утра;
• Комфортабельный офис класса А на территории которого находятся фитнес-клуб/аптеки/магазины/столовые/кафе/парковые зоны.

• ЛОКАЦИЯ И ТРАНСПОРТНАЯ ДОСТУПНОСТЬ:

• Офис м. Славянский бульвар/ БКЛ Давыдково БЦ "Верейская Плаза 4";
• От м.Славянский бульвар доставка корпоративным транспортом – 10 минут;
• От БКЛ Давыдково общественным транспортом - 10 минут.

• Проектировать и развивать cloud-инфраструктуру для AI/ML-продуктов.
• Развертывать и масштабировать AI/ML workloads в production, включая LLM inference и model serving.
• Проектировать и поддерживать Kubernetes-инфраструктуру и MLOps pipelines.
• Работать с GPU-инфраструктурой и высоконагруженными production-системами.
• Обеспечивать масштабируемость, отказоустойчивость, производительность и безопасность AI-систем.
• Взаимодействовать с ML Engineers, Software Engineers, DevOps и другими техническими командами.

• 5+ лет опыта в Cloud Engineering, ML Infrastructure или смежной области.
• Сильный практический опыт работы с AWS, Azure, GCP или private/hybrid cloud.
• Опыт production-развертывания AI/ML workloads at scale.
• Практический опыт работы с Kubernetes.
• Опыт построения и поддержки MLOps pipelines.
• Практический опыт с LLM inference, GPU infrastructure или model serving.
• Опыт работы с высоконагруженными production-системами.
• Хорошее понимание cloud architecture, networking и infrastructure automation.
• Понимание принципов security, data protection и access control.
• Способность проектировать инфраструктуру с учетом масштабируемости, надежности, производительности и безопасности.
• Хорошие коммуникационные навыки и способность эффективно работать с кросс-функциональными техническими командами.

• Официальное трудоустройство и конкурентоспособная заработная плата.
• Профессиональный рост и развитие в дружном коллективе.
• Удаленный формат работы.

МТС Web Services (MWS) - бигтех-компания, предоставляющая облачные, AI-сервисы и платформенные решения под разные задачи бизнеса: от работы с данными до разработки продуктов и оптимизации процессов. Также мы запустили новую публичную платформу собственной разработки — MWS Cloud Platform.
xOps Copilots – это технологическое решение, представляющее собой единую платформу для разработки, внедрения и масштабирования интеллектуальных цифровых агентов и копилотов. Эти агенты — автономные программные сущности на базе ИИ, способные выполнять задачи, принимать решения, обучаться и адаптироваться в реальном времени для автоматизации внутренних бизнес-функций.

Задачи

проектировать архитектуру и программировать пайплайны для бизнес-копайлотов;
самостоятельно разрабатывать решения от прототипа до вывода в пром: реализация логики, обработка ошибок, масштабирование и обеспечение отказоустойчивости;
разрабатывать и дорабатывать LLM/RAG-копайлоты: реализация сложной агентской логики, оркестрация вызовов, управление контекстом;
работать с неструктурированными источниками (PDF, Excel, сканы договоров, локальные нормативные акты);
реализовывать RAG-системы: настройка пайплайнов индексации документов, работа с эмбеддингами, управление векторными базами данных;
при необходимости - дообучение или адаптация моделей под специфику домена.

Требования

опыт разработки на Python, работа с LLM API (OpenAI, Claude или аналогичными);
практический опыт построения RAG-систем: индексация документов, эмбеддинги, векторные БД;
опыт интеграции с корпоративными системами через API (SAP, OEBS/1С, коннекторы Confluence/Jira и т.п.);
понимание основ аналитики эффекта: как считать ROI/эффект внедрения, работа с метриками ;
умение самостоятельно доводить проект от MVP до прод-эксплуатации.

Условия

Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability - не будут для вас проблемой, вы сможете сосредоточиться на фичах;
Профессиональные гильдии инженеров по направлениям, чтобы поддерживать друг друга и обмениваться опытом;
Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации;
Участие во внешних IT конференциях. Наши эксперты выступают на ведущих профильных конференциях, таких как HighLoad++, DevOps Conf, Joker, AHA!, Матемаркетинг и другие. А еще мы организуем собственную масштабную конференцию True Tech Day и регулярно проводим митапы для разработчиков и инженеров.
Полезные курсы и вебинары в корпоративном университете и электронные библиотеки;
Медицинскую страховку с 1 месяца со 100% покрытием расходов, включая стоматологию, страхование жизни и здоровья в поездках за рубеж. А еще можно застраховать родственников с корпоративной скидкой;
Единую подписку МТС Premium — KION light в онлайн-кинотеатре KION, сервис МТС Music, 30 дней бесплатного пользования подпиской OZON Premium;
Скидки и предложения от партнеров на фитнес, занятия английским и прочее;
Отпуск 28 календарных дней + 3 дополнительных дня за ненормированный рабочий день;
Гибридный и удаленный формат.

Мокка – это популярный в России и Восточной Европе финтех сервис в сегменте BNPL (Buy Now Pay Later – Покупай сейчас, плати потом). С его помощью можно получить моментальный аванс на покупки и на другие цели с оплатой частями. Зарегистрироваться в Мокка можно в два клика прямо в магазине или в мобильном приложении – для этого не надо заполнять длинные анкеты или подписывать бумаги, весь процесс полностью онлайновый.

Под капотом Мокка – более 10 лет накопленного опыта, современные мобильные и облачные технологии и уникальный гибкий подход ко всем процессам. В Мокка более 15 млн пользователей, а сам сервис доступен в >9,500 партнерских магазинах, среди которых Детский мир, Иль Де Ботэ, ECCO и другие.

Задачи, которые тебе предстоит решать:

В первую очередь ищем сильного человека на усиление команды DE, поэтому фокус на разработку и оптимизацию текущих ключевых регламентных процессов

• 50% времени - реализация задач по развитию DWH (анализ, разработка объектов DWH, dbt-моделей, потоков данных)
• 20% времени - архитектурные задачи, планирования работ и улучшение инженерных практик в работе команды
• 30% времени - поддержка и улучшение существующих регламентных процессов DWH (решение инцидентов, поиск узких мест и стабилизация, работа над системным улучшением процессов)

Наши пожелания к экспертизе:

• Обширный опыт работы с MPP СУБД (в идеале с GreenPlum), опыт оптимизации запросов, настройки ресурсных групп, мониторинга производительности системы
• Опыт проектирования объектов многослойных корпоративных хранилищ данных
• Опыт разработки dbt-моделей
• Опыт проектирования и разработки DAG-ов в Airflow с чёткой декомпозицией задач, зависимостями и сенсорами. Понимание принципов настройки retry-политик, SLA-таймаутов и алертов.
• Опыт выстраивания процессов CI/CD, процессов контроля качества разработки
• Навыки бизнес-анализа, умение говорить с бизнес-пользователями на их языке
• Опыт работы в банковской сфере будет большим преимуществом

Мы предлагаем:

• Возможность учиться, профессионально расти и использовать в работе новейшие технологии
• Возможность самим выбирать “железо” для работы

• Привлекательную заработную плату в соответствии с твоими навыками и опытом, полное соблюдение ТК РФ

• Работу в команде, которая заинтересована в твоем росте
• Современный офис в стиле лофт в БЦ “Даниловская мануфактура” (шаговая доступность от м. Тульская)
• Формат работы: 4 дня в офисе, 1 день удаленно
• Открытую и простую коммуникацию внутри команды, без лишнего формализма
• Работу в аккредитованной ИТ компании
• ДМС, обучение и т.п.

Строим общий поисковый слой, который будет использоваться в самых разных продуктах на основе языковых моделей.

Данные бывают очень разными: где-то это готовые структурированные записи, где-то — документы и обычный текст, а где-то информацию ещё нужно извлечь, очистить и подготовить к индексации.

Наша задача — сделать так, чтобы AI-системы могли быстро находить действительно нужную информацию. По качеству хотим быть на уровне лучших поисковых решений, а по скорости разработки — заметно быстрее больших платформенных команд.

Обязанности

• разрабатывать движки индексации и поиска;
• работать с векторным, текстовым и гибридным поиском;
• строить распределённые системы хранения и обработки данных;
• улучшать скорость, качество и снижать стоимость поиска;
• решать задачи отказоустойчивости и горизонтального масштабирования;
• работать с большими объёмами данных и высокой нагрузкой;
• создавать технологии, которые будут использовать другие команды и продукты.

Требования

• опыт промышленной разработки на Python
• глубокое понимание алгоритмов и структур данных
• навыки построения распределённых систем
• знание Linux и контейнеризации
• ориентация на результат и командную работу

Условия

• конкурентная заработная плата и годовая премия
• гибридный формат работы из г. Москва
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи
• ипотека для всех сотрудников
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.

Sber AI – команда Сбера, которая занимается R&D исследованиями в области применимости передовых AI / GenAI технологий для решения прикладных бизнес-задач, созданием готовых продуктов и сервисов для Сбера, крупнейших компаний страны, государства и населения.

• методологическое развитие AI-функции в Банке: методологическая поддержка, описание и мониторинг процессов, связанных с AI

• анализ и разработка процессов «as is» и «to be» в области создания и внедрения AI-решений с учетом лучших международных практик

• разработка нормативных документов и стандартов по управлению AI-функцией (AI Governance), ролевой модели D-people и др., а также контроль их исполнения

• создание и внедрение инструментов регулярной отчетности в части управления AI-функцией в Банке

• подготовка аналитических материалов и презентаций в части развития методологии AI.

• опыт работы по созданию/ развитию технологических продуктов Банка или методологии в области технологий/ искусственного интеллекта от 3 лет

• навык применения LLM и AI-агентов при решении рабочих задач

• владение ARIS либо другими решениями для моделирования бизнес-процессов, знание нотации проектирования BPMN

• опыт разработки нормативных документов, внедрения процессов и стандартов в области технологий

• развитые аналитические навыки, навыки устной и письменной коммуникации, включая ведение деловой переписки

• владение средствами визуализации и подготовки презентаций

• самостоятельность и инициативность

• уровень английского Upper Intermediate и выше.

Плюсом будет:

• знание предметных областей в рамках построения бизнес-процессов: кибербезопасность, управление данными, архитектура и т.д.

• знание технологического стека разработки и внедрения AI-решений.

• офисный формат работы

• комфортный современный офис (Кутузовский пр-т, 32)

• работа в одной из наиболее перспективных и быстро развивающихся областей - искусственный интеллект

• доступны образовательные программы от СберУниверситета для профессионального и карьерного развития

• ежегодный пересмотр зарплаты, годовая премия

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• корпоративный спортзал и зоны отдыха.

Локация: Бильбао, Испания
Формат: Офисный
Домены: AI, Computer Vision, NLP, Fintech
Команда: PhD, преподаватели университетов, победители олимпиад

Artificial Seed разрабатывает передовые решения на стыке искусственного интеллекта и прикладных технологий, делая фокус на практических задачах, а не только на теоретических исследованиях. Мы работаем в направлениях AI, компьютерного зрения, NLP и финтеха, создавая и внедряя системы, которые решают сложные реальные бизнес-задачи.

Сейчас ищем AI Research Engineer для работы со специализированными языковыми моделями: роль сочетает примерно 50% research и 50% engineering и охватывает весь цикл — от гипотезы и подготовки данных до обучения моделей, экспериментов, оценки результатов и реализации работающего решения.

Чем предстоит заниматься:

• Обучать и дообучать языковые модели под специализированные задачи;
• Готовить датасеты и выстраивать evaluation pipelines;
• Воспроизводить и адаптировать современные research-подходы;
• Проектировать эксперименты, определять метрики и сравнивать результаты;
• Исследовать поведение моделей, находить ограничения и причины ошибок;
• Экспериментировать с fine-tuning, prompting и data-centric подходами;
• Переводить успешные эксперименты в работающие инженерные решения;
• Исследовать и применять релевантные open-source решения.

Что мы ищем:

• Сильная база в Machine Learning и Deep Learning;
• Практический опыт с LLM и Transformer-based моделями;
• Опыт обучения, fine-tuning или адаптации моделей, а не только работы через API;
• Уверенное владение PyTorch или аналогичным DL-фреймворком;
• Понимание полного ML-цикла: данные → обучение → evaluation → итерации;
• Умение читать research papers и реализовывать описанные подходы;
• Опыт самостоятельного проектирования и проведения экспериментов;
• Сильное математическое и алгоритмическое мышление.

Будет плюсом:

• Опыт SFT, LoRA/QLoRA, preference optimization, distillation;
• Опыт подготовки данных и построения evaluation pipelines для LLM;
• Опыт оптимизации inference и производительности моделей;
• Практический опыт с Hugging Face и современным open-source ML-стеком;
• Участие в AI/ML open-source проектах, собственные исследования или публичные репозитории;
• Опыт разработки или обучения собственных языковых моделей в research-команде.

Что мы предлагаем:

• Гибкий график работы - вы самостоятельно определяете комфортное время начала дня;
• Полную поддержку при релокации в Бильбао для вас и вашей семьи - помощь с оформлением документов, адаптацией и переездом, включая питомцев;
• Неограниченный оплачиваемый отпуск;
• Атмосферу доверия и уважения к экспертности без излишнего контроля;
• Современный офис, командные мероприятия и регулярные оффсайты;
• Участие в архитектурных решениях, сложные инженерные задачи и работу в сильной команде.

Государственный научный центр АО Концерн "ЦНИИ "Электроприбор" - многопрофильная приборостроительная организация, один из признанных мировых лидеров рынка в области высокоточной инерциальной навигации, гироскопии, гравиметрии и оптико-электронных систем наблюдения подводных лодок.

Мы рады видеть инициативных, стремящихся к профессиональному развитию специалистов рабочих профессий. Работа у нас - это стабильность и уверенность о завтрашнем дне, достойная оплата труда и забота о каждом члене нашей команды.

Обязанности:

• Ведение ML-проектов в области анализа и обработки изображений;
• Создание пайплайнов - от предобработки данных до обучения и валидации ML-моделей.

• Знание: Python, Matlab, VSCode, Docker;
• Умение работать с библиотеками: numpy, pandas, pytorch, tensorflow, keras, sklearn, ultalytics;
• Умение делать преобработку и разметку данных;
• Понимание основ алгоритмов ML: YOLO, DINO, SAM, сиамские сети, padim.

• Оборудование для обучения моделей: видеокарты RTX 3060, 4090,5070,5070; до конца 2026 года планируется закупка сервера с графическими ускорителями H100
• Доступ к курсам karpov courses, OTUS за счет предприятия ;
• Высокотехнологичное, наукоемкое оборудование;
• Передовое программное обеспечение;
• Корпоративное обучение и повышение квалификации;
• Возможность карьерного и профессионального роста;
• Программа стажировок для молодых специалистов и рабочих под руководством опытных наставников;
• Полное соблюдение ТК РФ;
• График работы: 5 – дневная 40 – часовая рабочая неделя;
• Месторасположение организации: м. Горьковская (5-7 минут от метро пешком);
• Стабильная «белая» заработная плата;
• Наличие медицинского центра с высококвалифицированным персоналом на территории организации (медицинское обслуживание, амбулаторное лечение, физиотерапия и др.)
• Наличие профсоюзной организации;
• Частичная компенсация на оплату путевок в детские оздоровительные лагеря;
• Материальная поддержка для сотрудников (выплата для людей, при возвращении в организацию после армии, действует система выплат при достижении стажа работы, в связи с юбилеем, выплата материальной помощи на лечение);
• Поддержка сотрудников при покупке жилья;
• Спортивная жизнь (наличие собственного спортивного зала на территории организации). Имеются различные варианты спортивных тренировок: футбол, волейбол, настольный теннис, бильярд, танцы и др.);
• Корпоративные мероприятия;
• Детский лагерь на Черном море;
• База отдыха на Ладожском озере.

Заработная плата зависит от уровня квалификации и опыта работы.