ML-инженер вакансии

Задачи: — Обучать, тестировать и внедрять модели, которые обеспечивают рекомендации Peec AI для повышения видимости клиентов в AI-поиске. — Разрабатывать алгоритмы для извлечения практических инсайтов из поведения AI-поиска, создавая рекомендации, помогающие брендам увеличить видимость в AI Search. — Управлять полным жизненным циклом моделей от экспериментов до продакшн-развертывания, тесно сотрудничая с инженерной командой для интеграции ML-решений. — Проектировать и реализовывать конвейеры данных для приема, обработки и анализа больших объемов данных. Требования: — Опыт backend-разработки на Python с навыками создания API, конвейеров данных или ML-инфраструктуры. — Знание FastAPI, Docker и облачных платформ, предпочтительно GCP. — Глубокий интерес к работе LLM, умение анализировать поведение AI-поиска и превращать паттерны в продуктовые функции. — Опыт доведения проектов от исследований до продакшна в условиях стартапа с быстрым темпом, сильные навыки решения проблем и комфорт работы с неоднозначными задачами. — Отличные коммуникативные навыки для объяснения сложных технических концепций клиентам и заинтересованным сторонам. Плюсы: — Вклад в open-source проекты. — Развернутые побочные/хобби проекты. — Публикации на ведущих ML/AI конференциях. — Опыт создания компании или работы в быстрорастущем стартапе. — Владение Typescript. Условия: — Работа в быстрорастущем европейском стартапе на стадии Series A с реальным влиянием и ответственностью. — Регулярные командные мероприятия и выезды. — Агрессивный пакет акций. — Оплата ужина и Uber домой при работе допоздна. — Современный офис в Берлине. Ограничений по месту работы или формату удалённой работы в тексте не указано.

Location: Anywhere; Europe, Middle East, Africa, Asia-Pacific (EMEA, APAC) Workplace: Remote ABOUT US Circle is building the world’s leading AI-powered, all-in-one platform for digital businesses. We make it possible for creators, coaches, educators, and businesses to bring together their audience with engaging discussions, live streams, events, chat, courses, and payments — all in one place, all under their own brand. We’re proud to be a fully remote company of around 270 (and growing!) team members from 30+ countries around the world. We seek exceptional individuals around the world, set them up to do the best work of their lives, and in turn, create a meaningful impact in their own lives. We don't track hours, but we do manage for high expectations very closely. We collaborate across time zones, are highly async, and like to document a lot. Twice a year, we bring the whole company together in beautiful places around the world for our company offsites. So far, we’ve hosted offsites in Turkey, Portugal, Mexico, Thailand, Colombia, Italy, Ireland, and more, with still more to come! Check out our Careers https://careers.circle.so/ page for more about working at Circle. ABOUT THE ROLE The AI Quality engineering team at Circle owns the foundation for measuring, diagnosing, and improving the quality of Circle's AI-powered features. This team focuses on building the infrastructure to measure, diagnose, and improve production AI systems, rather than ML research or model training. We're looking for a Lead Engineer to help us build out the evaluation frameworks, observability tooling, and diagnostic infrastructure that tell us whether our AI Agents are working well, where to improve them, and how to make them faster and more cost-efficient. This is a hands-on player-coach role. You’ll also lead and manage the AI Quality engineering team, with an ambitious and growing roadmap. If you're excited about making AI systems work reliably, efficiently, and at scale, this is for you. WHAT YOU'LL BE DOING - Build and own our evaluation infrastructure. Design the CI/CD pipelines, scorers, and datasets that tell us whether Circle's AI agents (planners, tool-callers, and sub-agents) are actually working, from a single tool call to a full multi-turn conversation. - Diagnose exactly where quality breaks down. Trace failures across the agent pipeline including plan creation vs. execution, tool selection, tool trajectory in complex areas like workflows, site builder, and analytics. Turn what you find into prototypes that solve the issue or identify priorities for AI core engineering can help. - Grow the datasets that make evaluation possible. Stand up annotation workflows and build out AI-generated and simulated conversations so we can cover more of the product faster than manual labeling alone. - Run structured experiments across prompts, models, and the agent harness. Evaluate new and open-source models against our production baseline, build the framework we use to decide when to shift models, and chase cost and latency wins through model swaps, caching, and routing by plan complexity. - Lead and grow the AI Quality engineering team. Set technical direction and manage day-to-day priorities, all while staying hands-on in the code yourself. - Partner closely with AI Core engineering. Work with the engineers building Circle's AI products so they have real confidence that their changes are actually improving quality, not just shipping. WHAT YOU'LL NEED TO BE SUCCESSFUL - 7+ years of experience building and shipping production software, ideally including LLM-powered agents that take real actions in a product. You've worked on complex, tool-using systems (multiple tools, planning or orchestration, sub-agents) not just simple, single-turn assistants, and you can walk us through something you shipped and how you knew it was actually working. - Comfortable in Ruby on Rails / Python or ready to pick them up quickly. Ruby on Rails is our production system and the foundation that Circle’s AI Agents are built on and proficiency in Python is a strong plus, especially for the data and evaluation side of the work. - Experience building evaluation or observability infrastructure for ML/AI systems. You've built eval pipelines, scorers, dashboards, or CI/CD for evals before and have experience with evaluation frameworks like Braintrust, LangSmith, or similar. - Experience designing datasets, annotation workflows, or labeling pipelines for ML/AI evaluation. You know how to turn raw examples into a dataset you can trust through human annotation, AI-generated data, or simulation. - Learn fast, experiment aggressively, and thrive in a highly dynamic environment. You’ll need to be comfortable running a lot of experiments and letting the results settle the argument, including the ones that don't work (which will be many of them in the beginning). - Comfortable in a fast-paced environment with ambiguity. You’ll need to learn and pick up new technologies when projects require it. - Strong alignment with our company values https://circle.so/careers. - You are proficient in English (spoken, written, and reading) at a CEFR Level C2 https://magoosh.com/english-speaking/english-proficiency-levels-a-guide-to-determining-your-level/ / ILR Level 5 https://www.govtilr.org/.   COMPENSATION & BENEFITS Circle offers U.S.-benchmarked compensation globally, equity in the company with ongoing refresh grants, and 35 days of paid time off each year. We’re a remote-only team that comes together twice a year for company retreats in incredible destinations around the world. Alongside incredible flexibility and autonomy, we offer a benefits package that supports health, wellbeing, and professional growth. Learn more in our Candidate Hub. https://circleco.notion.site/circle-candidate-hub LEARN MORE - Candidate Safety & Interview Process Notice https://app.notion.com/p/circleco/Circle-Candidate-Hub-374b655313b7803d9580fb7da4f51acf?source=copy_link#374b655313b780e5b681c4d56b962790 - Diversity, Equity & Inclusion https://app.notion.com/p/circleco/Circle-Candidate-Hub-374b655313b7803d9580fb7da4f51acf?source=copy_link#374b655313b7807a8e3ff5c25a1d93ba - How We Use Candidate Data https://app.notion.com/p/circleco/Circle-Candidate-Hub-374b655313b7803d9580fb7da4f51acf?source=copy_link#374b655313b780e49e98f390eec6bb51 - Equal Employment Opportunity https://app.notion.com/p/circleco/Circle-Candidate-Hub-374b655313b7803d9580fb7da4f51acf?source=copy_link#374b655313b7807a967dea67e68f31f0 - Visit our Candidate Hub https://circleco.notion.site/circle-candidate-hub to learn more about working at Circle, our benefits, and our hiring process.

Задачи: — Разработка кросс-ассетных стратегий: поиск альфа-сигналов, построение и валидация математических и ML-моделей для прогнозирования движений рынка на различных горизонтах (от HFT до среднесрочных стратегий).

Развитие и поддержка ML-инфраструктуры (Linux, Docker, Kubernetes, Python, GitLab CI, Git, Kubeflow, Prometheus, Grafana Airflow S3 / MinIO HelmPyTorch / TensorFlow Fine-tuning — LoRA, QLoRA, PEFT Дистилляция RAG,Hugging Face Quantization, ONNX, TensorRT). Интеграция LLM и других моделей в продакшн-окружение.

Признаки (N ~200) намеренно анонимизированы, чтобы убрать преимущество финансового домена и сфокусировать задачу исключительно на моделировании зашумленных нестационарных рядов. Нужно предсказывать два таргета (t0, t1), оцениваемых по взвешенной корреляции Пирсона (с клиппингом в [-2.0, 2.0]).

Знание Python и основ машинного и глубокого обучения (ML/DL). Понимание NLP и LLM, принципов дообучения моделей (Fine-tuning), построения RAG-систем и семантического поиска.

‼️ Qo`shimcha: Neonline ai jamoasiga ai va machine learning sohasiga qiziqadigan, boshlang‘ich bilimga ega va real ai loyihalar ustida ishlab, amaliy tajriba orttirishni istaydigan machine learning engineer intern stajyorlarni taklif qilamiz. talabla r: python, git bilan ishlash, va machine learning haqida boshlang‘ich tushunchaga ega bo‘lish.

ML-команда развивает рекомендательную систему и инструменты компьютерного зрения, обработки текста и распознавания речи. Предстоит улучшать модели, участвовать в сборе данных и оптимизировать инфраструктуру запуска моделей и мониторинга.

Задачи: — Останавливать абьюз до того, как потрачен compute (6M+ генераций в день, каждая мошенническая генерация расходует реальные GPU) — Строить систему, которая выдерживает адаптацию противника (фермы из сотен аккаунтов, перепродажа доступа, автоматизированный сбор промобонусов) — Разбирать кейсы руками и собирать сигналы из сырых событий, платежей и поведения пользователей — Самостоятельно доводить от первой гипотезы до работающего скоринга, мониторинга и обновления модели Требования: — 3+ года в DS/ML — Опыт работы с Python и SQL — Опыт внедрения моделей в production — Опыт работы с бустингами, дисбалансом классов и графами связей — Умение оценивать модель через предотвращённые потери и стоимость ложных блокировок Условия: — full-time (6 дней в неделю) — Полная поддержка с релокацией (финансовая + операционная) — Конкурентная зарплата в USD + опционы

Улучшать текущие и развивать новые пайплайны обработки текста в запросах и карточках товаров (исправление опечаток, синонимизация); Развивать направление онлайн-инференса в продуктах обработки текста;

Разрабатывать алгоритмы персональных, похожих и сопутствующих рекомендаций под разные продукты и рекомендательные поверхности; Повышать релевантность рекомендаций для увеличения средней корзины и конверсии;

Ищем DevOps/MLOps инженера в проектную команду для сопровождения и развития платформы машинного обучения и AI-сервисов (LLM, агенты, чат-боты). развёртыванием ML-моделей и AI-сервисов, локальных моделей (LLM, ML-модели) в различных средах;

Руководить командой ML-инженеров; Участвовать в найме и развитии команды;

разрабатывать с нуля AI-агентов и микросервисы для AI-продуктов. исследовать и внедрять новейшие технологические решения в ИИ - Claw-like & Ouroboros.

Твои задачи — RAG по методике и видеоурокам, файн-тюнинг LLM на русском и казахском, персонализация под профиль ребёнка. • Свой опыт файн-тюнинга (LoRA / QLoRA): сам собрал датасет, дообучил модель, измерил результат.

-Участвовать в разработке AI-решения для анализа документов, изображений и текста (KYC-верификация), включая работу с Computer Vision (CV), OCR и NLP. -Подбирать и адаптировать модели под бизнес-задачи.

- Оптимизация и масштабирование LLM-инференса (SGLang, vLLM, TensorRT-LLM). - Работа с моделями до 1T+ параметров и распределённой GPU-инфраструктурой.

Задачи: — Разработка на Oracle PL/SQL: хранимые процедуры, функции, пакеты, загрузки и витрины данных — Автоматизация процедур, обработка событий, мониторинг, логирование и алертинг — Валидация отправляемых данных, тестирование при выходе новых версий систем — Разработка и внедрение новых сценариев выявления в ГИС «Антифрод» (41-ФЗ) — Разработка моделей выявления мошеннических абонентов и вызовов: классификация, скоринг, поиск аномалий — Подготовка и обогащение данных (CDR, профили абонентов, сигнальный трафик, данные ГИС «Антифрод»), построение поведенческих и сетевых признаков — Обучение, валидация и оценка качества моделей, калибровка порогов под новые схемы мошенничества — Вывод моделей в промышленную эксплуатацию, мониторинг качества и переобучение — Работа с регулятором, операторами связи, банками и профильными подразделениями компании — Ведение документации по системам и сценариям, подготовка отчётов и презентаций — Выявление новых схем мошенничества, ведение матрицы рисков, участие в расследовании инцидентов вместе с безопасностью — Подготовка ТЗ на доработки ИТ-систем и участие в приёмке Требования: — Опыт от 4 лет в IT на позиции аналитика или разработчика (телеком, банки) — Техническое высшее образование (прикладная математика, информатика) — Продвинутый SQL и опыт разработки на Oracle PL/SQL — Python: pandas, NumPy, scikit-learn — Знание методов ML и метрик качества моделей — Знание видов телеком-мошенничества и методов их выявления, технологий мобильной сети — Excel (Power Query, OLAP, макросы), BI-инструменты — Желательно: Hadoop, Spark — Аналитический склад ума, коммуникабельность, умение работать со смежными подразделениями — Английский язык на базовом уровне — Опыт разработки антифрод- или скоринговых моделей (будет плюсом) Условия: — Гибридный формат (4 дня в офисе, 1 удалённо) — Полная занятость — Оформление по ТК РФ с первого дня — ДМС со стоматологией — Компенсация расходов на спорт и изучение языков — Материальные выплаты