ML-инженер вакансии - в офисе

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.

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.

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

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.

Предстоит: Участвовать в планировании и запуске A/B-тестов, уметь интерпретировать результаты; Работать в связке с Data Scientist, Data Analyst: собирать требования, формировать и декомпозировать задачи, синхронизировать команду по статусам;

разрабатывать и дообучать модели TTS: проектирование, finetuning и адаптация генеративных подходов для высококачественного синтеза речи и zero shot клонирования голоса под задачи бизнеса; участвовать в дальнейшей разработке голосового пайплайна, объединяющего ASR, VAD, LLM, NLP и TTS для работы в режиме реального времени;

• Own AI features from concept to production in a high-load environment. • Build and fine-tune LLMs, train specialized models, and integrate them into the platform.

OpenMind is looking for a Machine Learning Engineer to build, deploy, and optimize multimodal perception and reasoning models for physical robots.

• Опыт MLOps от 4 лет.

• Own AI features from concept to production in a high-load environment (50k RPS, 450M users). • Work with LLMs and train purpose-built models for real-time applications.

· Анализировать данные, выбирать подходящие архитектуры (от классического ML до нейросетей) и обучать модели. · Искать и тестировать новые подходы и решения, адаптируя их под наши нужды.

Разрабатывать, обучать и внедрять ML/DL-модели для бизнес-задач. Строить AI-агентов и multi-agent workflows с tool/function calling, MCP и LangGraph/LangChain (или аналогами).

• Develop and adapt computer vision/video analytics models for detection, tracking, and recognition. • Work with video pipelines, including RTSP/HTTP, decoding, sampling, and batching.

• Own and implement AI features in production, leveraging LLMs and your own models. • Train specialized models for tasks like content moderation and recommendation.

3+ years of professional AI/ML Engineering experience. Strong Python, SQL, NumPy, Pandas, Scikit-learn, PyTorch/TensorFlow.

• Analyze data and select architectures for model training. • Test new approaches and deploy models to production.

Задачи: — Отвечать за всю AI-часть продукта: архитектура AI-системы от выбора LLM-моделей до построения RAG-pipeline и интеграции компьютерного зрения, принимать все ключевые технические решения — Обеспечивать качество рекомендаций, повышая конверсию на каждой итерации — Проводить быстрые итерации с выкатыванием изменений каждую неделю, сбором метрик, анализом и улучшением — Проводить эксперименты: A/B тесты промптов, гибридный поиск (текст + визуал + отзывы), мультимодальные модели, быстро проверять гипотезы на реальных пользователях — Масштабировать систему с 2000 туров на Мальдивы до 50,000+ туров по трём направлениям с тысячами запросов в день — Строить продукт с нуля, быстро экспериментировать и влиять на архитектуру Требования: — Опыт с продакшен LLM-приложениями, построение RAG-систем или чат-ботов на основе GPT/Claude — Экспертный уровень промпт-инжиниринга: правильная структура промптов, few-shot examples, chain-of-thought — Опыт работы с эмбеддингами и векторным поиском, понимание similarity search, hybrid search, reranking — Python на уровне продакшена: чистый, быстрый, поддерживаемый код Будет плюсом: — Опыт с компьютерным зрением и мультимодальными моделями (CLIP, GPT-4o, Claude 4.5 Sonnet) — Опыт с high-load системами и оптимизацией latency — Понимание рекомендательных систем — Понимание MLOps: мониторинг моделей, версионирование, A/B тестирование — Опыт построения recommendation систем и MCP для LLM систем — Личный опыт использования LLM для автоматизации задач Софт-скиллы: — Продуктовое мышление: AI как инструмент решения бизнес-задач — Умение работать с метриками: конверсия, время сессии, escalation rate — Быстрота принятия решений: выкатывать несовершенное решение и тестировать — Умение объяснять сложное простым языком для команды и бизнеса Условия: — Официальное оформление по ТК РФ — График 5/2, офис, сокращённый рабочий день по пятницам до 15:30 — Корпоративные программы обучения и развития — Медицинское обслуживание: ДМС и собственная медсанчасть — Специальные предложения от компаний-партнеров (рестораны, магазины, отдых, мероприятия) — Организация отдыха сотрудников и их детей, оплата детского сада — Аккредитованная IT компания — Офис на станции м. Курская — Корпоративные условия на приобретение туров — Дополнительный оплачиваемый отпуск 3 дня, оплата больничного — ДМС для членов семьи по корпоративным условиям — Корпоративные условия на изучение английского и занятия спортом

Что нужно делать? • Разрабатывать новые и поддерживать/улучшать существующие проекты (backend+ML+участие в деплое), а также улучшать мониторинг и аналитику запущенных проектов.