Тимлид Data Science/ML

About Inworld

Inworld is a research lab and inference provider focused on realtime AI for consumer-facing applications. We build first-party speech models, serve LLMs, and run the inference behind modular APIs designed for high-volume, realtime workloads.

Hundreds of millions of users interact with Inworld powered apps every day and we serve over 10 trillion LLM tokens per month. Our models and infrastructure support consumer applications across companions, healthcare, fitness, education, media, and more. Our work spans model research, realtime inference, large-scale serving infrastructure, and the APIs developers use to bring these capabilities into production.

We’ve raised more than $125M from Lightspeed Venture Partners, Section 32, Kleiner Perkins, Microsoft’s M12 venture fund, Founders Fund, Meta, Stanford, and others. Our technology has powered experiences from companies including NVIDIA, Microsoft Xbox, Niantic, Logitech Streamlabs, Wishroll, Little Umbrella, and Bible Chat. Inworld has also been recognized by CB Insights as one of the 100 most promising AI companies globally and named one of LinkedIn’s Top 10 Startups in the USA.

Who We're Looking For

A year ago, reliably working agentic systems and sub-second multimodal inference at scale barely existed. Nobody has a decade of experience here. So we're not screening for a resume template — we're looking for strong people from varied backgrounds who learn fast, thrive in ambiguity, and can show us what they've built, broken, and understood.

Experience We Find Useful

You don't need all of this. But you need enough to make a case.

• Inference Optimization. Deep understanding of modern serving frameworks and techniques like vLLM or TRT-LLM.

• Model Acceleration. Hands-on experience with quantization, distillation, caching strategies , continuous batching, paged attention, and speculative decoding.

• High-Performance Systems. Proficiency in C++, CUDA, Rust, or highly optimized Python. You know how to profile code and squeeze every ounce of performance out of NVIDIA GPUs.

• Distributed Systems & Scaling. Experience with Kubernetes, Ray, custom load balancing, multi-GPU/multi-node inference, and reliably handling thousands of concurrent connections.

• Public work. Non-trivial systems programming projects, open-source contributions to major inference engines, or deep-dive technical write-ups.

• Full-cycle ownership. You can take a model from the research team, containerize it, optimize its serving, and ensure it runs reliably in production.

• Background. PhD in CS, Physics, Math, or equivalent practical experience building backend or ML systems.

Who Thrives Here

• You don’t need a roadmap to start walking; you’re comfortable picking a direction and building the map as you go.

• You believe engineering isn't finished until it’s shipped and stable. You have a bias for impact over purely theoretical optimizations.

• You don't just ship code; you obsess over the why. You’re the first to question an architecture if you think there’s a better way to solve the core latency or throughput problem.

• You aren't satisfied with "the PM said so." You thrive on deep context and want to understand the fundamental logic behind every decision we make.

What Working Here Is Like

We hand you unclear problems and expect you to make them clear. We value engineers who say "I don't know yet" and then design the benchmark or prototype that finds out. We treat performance, latency, and reliability as first-class product features, not a box to check before launch. Impact comes before everything else, though we support sharing work and open-source contributions that move the field forward. Your work should be visible. Flat structure, fast iterations, minimal process theater.

The base salary range for this full-time position is £140,000 – £200,000. In addition to base pay, total compensation includes equity and benefits. Within the range, individual pay is determined by work location, level, and additional factors, including competencies, experience, and business needs. The base pay range is subject to change and may be modified in the future.

Candidates must already have the legal right to work in the United Kingdom, as visa sponsorship is not available for this role. For candidates interested in relocating to the San Francisco Bay Area in the future, full U.S. visa and relocation support may be available, subject to business needs and applicable legal and work authorization requirements.

Inworld Jobs Privacy

АКБ «Узпромстройбанк» приглашает в свою команду специалиста на позицию Data Scientist.

Мы ищем специалиста, который умеет анализировать данные, выявлять закономерности, разрабатывать статистические и Machine Learning модели и применять аналитические решения для повышения эффективности бизнес-процессов банка.

Для нас важно не только владение техническими инструментами, но и способность понимать бизнес-задачи, быстро изучать новые предметные области и трансформировать бизнес-проблемы в аналитические задачи.

Основные задачи:

• Анализ данных различных бизнес- и функциональных направлений банка;

• Трансформация бизнес-задач в задачи Data Science, Machine Learning и статистического анализа;

• Сбор, очистка, обработка и исследование данных;

• Проведение Exploratory Data Analysis (EDA), выявление закономерностей, аномалий и факторов, влияющих на бизнес-показатели;

• Разработка, обучение, тестирование и оценка статистических и Machine Learning моделей;

• Проведение Feature Engineering и подготовка данных для моделирования;

• Оценка качества, интерпретация и валидация моделей;

• Подготовка аналитических выводов и практических рекомендаций для бизнес-подразделений;

• Участие во внедрении разработанных моделей и решений в бизнес-процессы банка;

• Мониторинг качества и стабильности моделей, выявление Data Drift и Concept Drift;

• Взаимодействие с бизнес-подразделениями и другими заинтересованными сторонами для определения аналитических задач и оценки результатов.

Требования к кандидату:

Технические знания и навыки:

• Уверенное владение Python, включая библиотеки Pandas или Polars, NumPy, Scikit-learn;

• Практические навыки работы с SQL: JOIN, CTE, оконные функции, подзапросы, агрегатные функции и аналитические запросы;

• Знание математической статистики и теории вероятностей;

• Понимание принципов и практическое применение алгоритмов Machine Learning:

  • Regression и Classification;

  • Decision Tree, Random Forest, Gradient Boosting;

  • XGBoost, LightGBM или CatBoost;

  • Clustering и PCA;

  • Anomaly Detection;

• Практические навыки проведения EDA и оценки качества данных (Data Quality);

• Знание методов Feature Engineering и подготовки данных для моделирования;

• Понимание методов оценки и валидации моделей: Cross-validation, Out-of-time validation, Backtesting, а также методов выявления Overfitting и Underfitting;

• Знание метрик оценки моделей: Accuracy, Precision, Recall, F1, ROC-AUC, PR-AUC, MAE, RMSE и других;

• Понимание принципов интерпретации моделей и объяснения результатов с использованием Feature Importance, SHAP и других подходов;

• Навыки работы с Jupyter Notebook/JupyterLab;

• Базовые знания Git/GitHub/GitLab и принципов Version Control.

Будет преимуществом:

• Опыт работы с банковскими, финансовыми или транзакционными данными;

• Знание Spark/PySpark и принципов распределенной обработки данных;

• Опыт работы с Docker, MLflow или аналогичными инструментами;

• Знание Airflow и принципов построения Data Pipelines;

• Опыт работы с Data Warehouse, Data Lake, ETL/ELT;

• Знание методов Time Series Analysis и Forecasting;

• Опыт работы с NLP, Deep Learning и LLM;

• Навыки визуализации данных с использованием Power BI, Tableau, Plotly или аналогичных инструментов;

• Опыт внедрения и мониторинга моделей в промышленной среде (MLOps).

Образование:

• Высшее образование в области Data Science, Computer Science, прикладной математики, статистики, эконометрики, инженерии, экономики или других количественных дисциплин;

• Диплом по профильному направлению не является обязательным при наличии сильных практических навыков и подтвержденного опыта работы с данными;

• Способность самостоятельно изучать техническую документацию и библиотеки на английском языке.

Мы предлагаем:

• Возможность участвовать в разработке и внедрении современных Data Science и Machine Learning решений в банковской сфере;

• Работа с данными и задачами различных бизнес-направлений крупного банка;

• Возможность профессионального развития и освоения новых технологий;

• Взаимодействие с профессиональной командой и участие в значимых аналитических проектах;

• Возможность влиять на развитие data-driven подхода в банковских бизнес-процессах.

Как откликнуться:

Будем рады рассмотреть отклики кандидатов, соответствующих всем обязательным требованиям, указанным в вакансии.

Если вы умеете превращать данные в аналитические решения, заинтересованы в развитии Data Science и готовы применять современные технологии для решения реальных бизнес-задач, направляйте свое резюме для рассмотрения на позицию Data Scientist.

Ищем техлида AI/ML, который с одной стороны построит внутреннюю self-service платформу для разработки, запуска и эксплуатации корпоративных AI-решений, а с другой — станет техническим лидом крупных кросс-функциональных AI-инициатив внутри компании.

Сегодня внутренние AI-проекты в компании реализуются, но достаточно медленно и не системно. Цель роли — изменить этот подход: дать бизнес-подразделениям (бухгалтерия, продажи, дизайн и т.д.) единую платформу, где они смогут сами создавать и запускать агентов под общие процессы — без командной строки, в понятном интерфейсе, с текстовым описанием задачи.

Система, шаблоны и AI-помощь, чтобы команды запускали решения самостоятельно, а техлид выступал как AI-гуру и технический лидер: помогал бизнес-заказчикам сформулировать задачу и понять, где агент действительно уместен, а где нет; предлагал архитектуру и инструменты; показывал, как не плодить десятки локальных решений, а приходить к одному централизованному агенту на сквозной процесс; и оставался точкой экспертизы, к которой приходят за советом, а не за готовым кодом

Обязанности:

• Создать и развивать единое AI-пространство (AI Workspace) для повседневной работы сотрудников: удобный интерфейс взаимодействия с AI-агентами, самостоятельное подключение корпоративных систем (Confluence, Jira, Figma и др.), настройка агентов и управление их возможностями;
• Отвечать за техническую реализацию внутренних AI-инициатив (повышение эффективности продаж, автоматизация и улучшение качества техподдержки, Customer Success и др.) от прототипа до production — определять возможности и ограничения AI, создавать прототипы, проектировать целевую архитектуру и механизмы интеграции, выстраивать пайплайны оценки качества и мониторинга;
• Работать с внутренними командами разработки (AI/ML, Backend, Data Engineering, архитектура, DevOps, кибербезопасность) — формировать технические требования, декомпозировать задачи и вместе реализовывать решения;
• Формировать инженерные практики и AI-экспертизу среди сотрудников компании.

Требования:

• Практический опыт проектирования и разработки сложных AI/Backend-систем, включая построение API, интеграций и переиспользуемых компонентов;
• Понимание принципов построения платформенных и self-service решений: масштабируемая архитектура, управление доступами, CI/CD, оркестрация, безопасность, мониторинг и observability;
• Опыт технического лидерства кросс-функциональных инициатив: формирование технического видения и архитектуры, декомпозиция, принятие технических решений и координация команд разработки;
• Глубокое понимание архитектуры и принципов работы современных AI/LLM-систем: агентные системы, управление контекстом и памятью, инструменты и скиллы, MCP, structured outputs, RAG, prompt engineering, методы оценки качества, управление cost/latency;
• Практический опыт разработки и вывода в production решений на базе ML/LLM, уверенное владение Python, опыт работы с популярными LLM-фреймворками (LangGraph, LangChain или аналоги) и различными LLM;
• Умение быстро разбираться в новых бизнес-процессах и технологиях, самостоятельно формировать технические решения и доводить их от идеи до работающего продукта;
• Желание быть драйвером внедрения и масштабирования AI, развития инженерных практик и AI-экспертизы в компании.

Будет плюсом:

• ​​​Опыт создания корпоративных AI-ассистентов и агентных платформ, интеграции агентов с внешними системами и инструментами;
• Опыт создания и сопровождения центров компетенций, обучения сотрудников и распространения лучших практик;
• Опыт автоматизации внутренних бизнес-процессов, в том числе с использованием process mining.

Условия:

• Возможность выбора места работы: удаленно или из офиса.
• Гибкий график рабочего дня.
• Оформление в соответствии с ТК РФ, «белая» заработная плата, выплачиваемая точно в срок.
• Корпоративное ДМС с первого месяца работы (решаем вопросы со здоровьем быстро и удобно).
• Возможность профессионального развития, обучение за счет компании, участие в специализированных конференциях.