ML-инженер вакансии - удалённо

Задачи: — разработка и обучение ML-моделей, систем инференса, численных вычислений, оптимизация производительности и программирование на Python; — создание, решение, проверка и валидация сложных задач в области ML Engineering; — реализация или модификация ML-модели; — создание воспроизводимого процесса обучения или инференса; — оптимизация использования памяти или производительности; — поиск и исправление численных или системных ошибок; — проверка соответствия реализации требованиям по корректности и производительности; — разработка и проверка ML-моделей, training pipelines, inference-систем и вспомогательной инфраструктуры; — реализация компонентов моделей, data pipelines, систем оценки и численных методов; — создание воспроизводимых программных процессов с использованием Python и инструментов командной строки. Требования: — степень магистра или PhD; — опыт использования coding agents с Python в рабочем процессе; — уровень английского языка C1. Условия: — 15 часов в неделю; — оплата $80–$150 в час; — полностью удалённая работа с гибким графиком, специалист самостоятельно выбирает дни и часы работы, включая выходные при желании.

Задача: изучать исторические торговые данные для двух связанных инструментов. Создать модель, которая предсказывает индикаторы движения цены одного из них по информации об ордербуке, сделках и дополнительным данным. Работа с реальными биржевыми данными. Когда: 11 сентября — 15 ноября Призовой фонд: $13,600 Победители получат денежные призы, приглашение на собеседование в Wunder Fund, а также интеллектуальное удовлетворение. Wunder Fund занимается высокочастотным трейдингом с 2014 года, с дневным оборотом более $10 млрд.

О компании Aidentity — стартап в сфере AI × Human Intelligence. Продукт, который помогает человеку лучше понять свои сильные стороны и найти свое призвание. Стадия: MVP → развитие продукта → масштабирование Нам нужно: — Опыт работы в стартапе / яркое желание его получить — Готовность влиять на продукт с первого дня — Мышление продуктом, а не выполнение задач — Готовность работать только за долю от компании — ML / Data Science / AI — Python и привычный ML-стек — работа с данными, построением признаков, обучением и оценкой моделей — ML-эксперименты и проверка качества результатов — самостоятельное исследование неизвестной области — интерес к задачам на стыке AI, психологии, человеческие качества и рекомендационные систем — recommendation systems, embeddings, NLP/LLM, clustering, similarity / ranking models. Что предстоит делать ✔️создавать систему синтетических профилей данных ✔️развивать и улучшать алгоритм подбора профессий ✔️проектировать систему, которая будет обучаться на данных пользователей и специалистов ✔️экспериментировать с ML/AI-подходами и проверять гипотезы ✔️оценивать качество рекомендаций и разрабатывать метрики для сравнения разных подходов ✔️исследовать способы персонализации результатов для разных пользователей ✔️в перспективе — работать с NLP/LLM и другими AI-инструментами для анализа и обогащения данных ✔️участвовать в проектировании ML-части продукта и принимать технические решения вместе с командой Что предлагаем: — Удаленка — Гибкий график, part-time — Долгосрочное участие — Опционы — Маленькая команда, где слышат каждого — Продукт с большой миссией Подойдет тем, кто любит эксперименты и не боится неопределенности, готов влиять на будущий результат

Основные требования: — Опыт разработки и применения моделей машинного обучения для решения прикладных задач: прогнозирования, классификации, оптимизации, выявления аномалий и анализа производственных процессов. — Понимание основных этапов разработки ML-решений: сбор и подготовка данных, исследовательский анализ, обучение моделей, оценка качества, тестирование и внедрение результатов. — Уверенные навыки программирования на Python и опыт работы с основными библиотеками анализа данных и машинного обучения: Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch или аналогичными инструментами. — Опыт работы с временными рядами, историческими данными и построением прогнозных моделей. — Навыки обработки, очистки, объединения и анализа больших объемов производственных и технологических данных. — Общее понимание процессов энергетической отрасли: производство, передача, распределение и потребление энергетических ресурсов, режимы работы оборудования, технологические показатели и показатели эффективности. — Навыки работы с SQL, базами данных и инструментами хранения и обработки информации. — Умение формировать качественные наборы данных для аналитики и обучения моделей машинного обучения. Чем предстоит заниматься: — Разрабатывать и внедрять алгоритмы машинного обучения и интеллектуального анализа данных для задач энергетической отрасли. — Создавать модели прогнозирования производственных и технологических показателей энергетических объектов. — Разрабатывать прогнозы производства, потребления, нагрузки и других ключевых параметров на различных временных горизонтах. — Анализировать технологические и эксплуатационные данные, выявлять зависимости, закономерности, отклонения и потенциальные точки повышения эффективности. — Разрабатывать модели для оценки и прогнозирования состояния оборудования и технологических процессов. — Решать задачи оптимизации режимов работы энергетического оборудования и объектов. — Создавать алгоритмы выявления аномалий, отклонений и нестандартных режимов работы. Что мы предлагаем: — Участие в разработке современных цифровых и интеллектуальных решений для энергетической отрасли. — Работа над практическими задачами цифровизации, аналитики и повышения эффективности энергетических объектов. — Возможность применять технологии Machine Learning, Data Science и Artificial Intelligence для решения реальных производственных задач. — Работа с промышленными, технологическими и эксплуатационными данными энергетических предприятий. — Участие в проектах по прогнозированию, оптимизации, предиктивной аналитике, мониторингу оборудования и развитию цифровых двойников. — Возможность профессионального развития в направлениях Data Science, Machine Learning, Industrial AI и цифровой энергетики. — Взаимодействие с командой специалистов в области IT, анализа данных, автоматизации и энергетики. — Возможность участвовать в проектах, направленных на повышение надежности, эффективности и технологичности энергетической инфраструктуры. — Конкурентные условия труда и возможности для долгосрочного профессионального развития.

Задачи: — Определить, что считается качеством модели: метрика, горизонт, baseline, калибровка, и довести предикт до этого уровня — Интегрировать A/B-тесты пейволлов с предиктом, учитывая, что тест измеряет краткосрочный эффект, а раскатывать нужно по долгосрочной выручке — Развить аналитику, выявить и устранить узкие места в данных, запросах или интерфейсе — Принять решение по накопленным ML-наработкам: что доводить до продукта, что закрывать — Руководить командой из двух ML-инженеров Требования: — Глубокие знания классического ML и математической статистики, способность вести предметный спор о метриках и горизонтах прогнозирования — Владение SQL и Python для самостоятельного извлечения и проверки данных — Умение самостоятельно вести широкое направление и доводить его до результата без необходимости постановки задач — Продуктовый опыт является плюсом, но не обязателен Плюсы: — Опыт с подписками, мобильными приложениями или финтехом (LTV, churn, когортная экономика) — Знания в области экспериментального дизайна: мощность теста, MDE, множественные сравнения — Опыт работы с ClickHouse — Участие в олимпиадах, Kaggle, наличие публичных проектов О компании: Adapty — платформа монетизации подписок для мобильных приложений, через которую проходит более $3 млрд подписочной выручки в год, используется более 20 000 приложений. В компании формируется новое направление аналитики и ML под одного владельца, с целью улучшения точности предсказания LTV для оптимизации расходов на привлечение пользователей.

Требуется специалист на позицию Senior AI/ML Engineer. Требуемые навыки: — Python — OpenCV — Deep Learning — Компьютерное зрение — Agentic systems — FastAPI — Langgraph — DeepEval — Langfuse — vLLM Вакансия предполагает полный рабочий день с возможностью удалённой работы.

Задачи: — Техническое руководство ИИ-командой из 7 человек — Разработка агентной системы для врачей, включающей сбор анамнеза, саммаризацию медицинских карт и создание драфтов заключений — Опционально people management Требования: — Сильные технические навыки в области искусственного интеллекта Условия: — Удалённая работа — Полная занятость — Зарплата от 500 000 ₽ в месяц Компания Лучи предоставляет ДМС, обслуживает более 1 млн застрахованных и имеет собственную телемедицинскую клинику.

Мы ищем: Талантливого ML-разработчика с временными рядами и классикой, в области прогнозирования в ритейле на стажировку, которому предстоит работать над интересными высоконагруженными проектами. Требования: — Опыт в Data Science / Machine Learning от 2 лет; — Прагматизм: готовность искать рабочие решения, а не идеальные, но нереализуемые модели; — Глубокое знание Python, SQL и PySpark; — Разработка ETL-процессов для обработки больших данных (чтение, трансформация, агрегация, запись); — Оптимизация Spark-запросов (партиционирование, кэширование, работа с broadcast-переменными); — Знание основных ML-фреймворков (Scikit-learn, TensorFlow/PyTorch); — Опыт работы с данными: обработка, анализ, feature engineering. Будет плюсом: — Опыт продакшн-разработки (не только исследования); — Понимание, как устроены процессы в бизнесе, а не только в Jupyter Notebook; — Умение запускать ML-модели в PySpark; — Использование Spark MLlib для распределенного обучения; — Работа с PySpark Pandas UDFs для эффективного применения ML-моделей к большим данным. Условия: — Работа в команде экспертов; — Широкий технологический стек, сотни проектов; — Гибкий график работы, который позволяет высыпаться и выделять время на хобби; — Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии; — Процессы удаленной работы и просторные офисы с зонами коворкинга; — Возможность прокачаться во всех интересующих направлениях: стать тимлидом, архитектором, разработчиком full-stack; — Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка; — Активный обмен опытом, внутренние и внешние митапы, хакатоны, доклады по развитию hard и soft skills; — 50+ клубов по интересам и профессиональных сообществ внутри компании; — Корпоративная база знаний и социальная сеть для удобства общения с каждым из 1500+ сотрудников. Дополнительно: — Набор осуществляется по ИТ специальностям, указанным в Приказе Минцифры № 27 от 22.01.2026г. — Решение Министерства цифрового развития, связи и массовых коммуникаций РФ о предоставлении государственной аккредитации организации от 10.03.2022 №АО-20220309-3771014210-3

Toloka AI is a global tech company offering end-to-end data labeling solutions combining public crowd, domain experts, and machine learning.

Задачи: — Разработка сервисов ИИ платформы для создания функциональных агентов и ИИ ассистентов. — Подготовка бэк части для функциональных агентов, включая среду разработки агентов: тестирование фреймворков, opensource агенты. — Разработка сервиса управления реестром и скиллами агентов. — Создание отдельного единого сервиса для всех баз знаний, интеграция крупных корпоративных источников. Требования: — Понимание архитектуры, возможностей и ограничений современных языковых моделей. — Опыт работы с embeddings, vector search, RAG, structured output и tool calling. — Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop. — Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы. — Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента. — Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков. — Умение оценивать стоимость, latency и масштабируемость LLM-решений. — Опыт работы в e-commerce, retail или других продуктовых highload-системах. — Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. — Опыт эксплуатации GPU-инфраструктуры и оптимизации inference. — Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT. — Опыт проектирования agentic workflows или multi-agent-систем. — Понимание принципов информационной безопасности, privacy и работы с персональными данными. Условия: — full-time

О нас: Мы строим ведущую платформу классифайд объявлений Узбекистана. ML - ядро нашего продукта: поиск, ранжирование, модерация и рекомендации. Команда находится на активной стадии построения ML-инфраструктуры с нуля: мы выбираем технологии, формируем процессы и закладываем фундамент для ML-платформы следующего поколения. Чем предстоит заниматься: - Развивать качество поиска: LTR-модели (LambdaMART/LightGBM), разрабатывать и интегрировать векторный поиск, улучшение поискового пайплайна (работа с саджестером, catpred). - Строить ML-модели для Trust & Safety: обнаружение мошенничества, модерация объявлений, NER в мессенджерах, скоринг нарушений. - Развивать систему рекомендаций - item2item, user2item рекомендации. - Участвовать в проектировании и развёртывании ML-платформы (SageMaker, MLflow, Feast, Evidently, Airflow).

Задачи: — Проектировать и разрабатывать multi-agent системы. — Интегрировать LLM с внутренними инструментами и сервисами. — Разрабатывать backend-сервисы и API для agent workflows. — Реализовывать RAG pipelines и tool/function calling. — Создавать CLI-based agent workflows и инструменты автоматизации. — Разрабатывать Computer Vision pipelines: object detection, multi-object tracking, person re-identification. — Разрабатывать multi-camera multi-person tracking для сетей камер. — Работать с видеопотоками в реальном времени и оптимизировать GPU inference. Требования: — Опыт работы с Node.js ecosystem и Express.js. — Уверенное владение Python. — Опыт работы с LLM APIs и prompt engineering. — Опыт работы с RAG, tool calling или agent frameworks. — Знакомство с Docker, Linux и Git. — Опыт работы с PyTorch и OpenCV. — Опыт в object detection и multi-object tracking. — Опыт работы с YOLO, ByteTrack / BoT-SORT или аналогами. — Понимание person re-identification и vector search. — Опыт работы с Milvus / FAISS. — Опыт обработки видео с ffmpeg / GStreamer. — Работа с RTSP и hardware decoding. Будет плюсом: — Опыт в NLP и ML. — Опыт развёртывания open-source LLM. — Опыт оптимизации inference. — Опыт работы с Vision-Language Models. — TensorRT / ONNX Runtime. Условия: — Удалённый формат работы. — Заработная плата: 1.600–3.200 USD net в месяц.

О проекте Промышленная видеоаналитика. Ядро уже работает - детекция, трекинг, распознавание лиц, детектор СИЗ, API и веб-интерфейс. Нужно довести систему до продакшн внедрения. Задачи: - Довести распознавание лиц до измеримого качества: разметка, калибровка порогов, метрики FAR/FRR - Устойчивое отслеживание - Оптимизация производительности пайплайна под CPU-only сервер для оффлайн обработки - Обучение и дообучение детекторов на собственных данных, организация разметки Требования - Уверенный Python + Go, опыт с ONNX/ONNX Runtime (экспорт, opset, оптимизация latency на CPU, а не GPU serving) - Опыт с YOLO - Face detection/recognition пайплайны (детектор + embedding + порог по cosine similarity) - Опыт с OpenCV DNN/Zoo моделями плюс - Object tracking (IoU/ByteTrack-подобные трекеры, multi-object tracking metrics, ID switches)

Synthesia Roleplay Sessions is a training tool that lets people practice real conversations with AI avatars. Instead of just watching training videos, learners do interactive roleplay exercises, like practicing a sales pitch or handling a customer complaint with an AI coach. The AI gives instant feedback so people know what they did well and what to improve. Managers can use a dashboard to track which employees have completed their training, see how well they performed, and measure if the training actually improved their skills. The whole platform is built around learning by doing rather than just passive video watching. For your ML engineer role, you'd be building the AI engine that makes the coaching work. That means creating the models that listen to what learners say during roleplay, score their performance, generate helpful feedback in real time, and decide how the AI avatar should respond next based on what the learner does. This is an applied ML position, not a research one. We expect you to have a good understanding of ML but on the other side to be a good product-focused software developer as you will be expected to work on different products. Please bring with you: — Ability to apply your machine learning knowledge to solve real product problems. — At least seven (7) years of experience as a software engineer, with at least 2 years at senior level. — Experience in a high-performing engineering team operating at scale, whether in a scale-up or established organisation recognised for strong engineering culture. — Strong alignment with commercial success. — Pragmatism and bias towards action. — Comfort with fast iteration. Why join us? — We’re living the golden age of AI. — Our culture is focused on building and empowering people to work fast. — Serving 50,000+ customers including 50% of the Fortune 500. — Proprietary AI technology built in-house by world-class AI researchers and engineers. — Commitment to AI safety, ethics, and security. The hiring process includes: — Tech Recruiter Interview (30-40min) covering technical background and experience. — Delivery and Impact Interview (60min) deep dive into past projects and impact. — Technical Rounds including Work Scenario Round (75-90min) and System Design Technical Discussion (60min). — Leadership Retrospective (60min) discussing collaboration, growth, and role expectations. — Final debrief leading to offer or end of process. Other important info: — Preference for role based in-office or remote in UK, Germany, Switzerland or Ireland, with possible support for remote workers elsewhere in Europe. — Salary starts at EUR/GBP/CHF 120,000 base plus RSUs. — Full-time employment only, no contractors. — 25 days of leave plus local holidays.

Location: Yerevan; Belgrade; Novi Sad, Vojvodina; Poland; Kyiv City; Odesa Workplace: remote Provectus is an AWS Premier Partner and an Anthropic Strategic Partner, working at the frontier of applied AI. We help enterprises turn Claude, agentic systems, and their own data into measurable business outcomes — through bespoke applications, managed services, and advisory engagements. With offices in North America, LATAM, and EMEA, we partner with clients worldwide. Our work centers on two verticals — Financial Services & Insurance and Healthcare & Life Sciences — where we deploy five pre-built AI Blueprints: Submission Flow, Portfolio Lens, Asset Flow, Revenue Flow, and Evidence Lens. Each Blueprint rebuilds a critical business process front to back, shipped from working code and tuned to a client's specific book, regulators, and operating posture. Our team holds 100+ AWS certifications, is Claude Code certified, and co-delivers Anthropic's Agentic SDLC program, Cowork Activation, and AI Blueprint engagements. Where this role sits You will work in a senior pod alongside an FDE, an FDX, and Senior AI Engineers — contributing to real delivery work while building toward independent ownership. Requirements: Mindset Proactive and self-directed; you push for clarity rather than waiting for a ticket. Excellent communication and problem-solving skills. Comfortable with some ambiguity, with support from senior team members as you take on more. B2+ English, comfortable collaborating across distributed, multicultural teams. Technical depth Hands-on experience building or contributing to RAG systems, ideally in a production or near-production setting. Solid engineering fundamentals; Python and/or TypeScript proficiency. Productive in an unfamiliar codebase with some ramp-up support. Practical AWS experience (Lambda, S3, ECS, or similar); ready to grow into Bedrock and Bedrock AgentCore . Some experience with containers and CI/CD in real projects. Exposure to evaluating non-deterministic systems — you've contributed to or run test/eval cycles, even if you haven't owned a full eval suite end-to-end. Basic working knowledge of model/agent monitoring concepts. Awareness of cost and latency trade-offs when working with LLMs. Some hands-on exposure to the Claude ecosystem (Claude Code, CLAUDE.md, hooks, skills files) is a plus, or strong ability to ramp up quickly. Practical experience with LLM APIs (Anthropic, AWS Bedrock, or OpenAI) in real projects. 2+ years of software or ML engineering experience, including some exposure to production systems. Solid AI/ML foundations — you understand what the models do well enough to reason about common failure modes. Nice to Have: Experience in one of the industries: financial services, insurance, healthcare. Consulting, professional services, or other embedded customer-facing delivery. AWS and Claude Code Certifications (or actively pursuing them). A2A: Interest in agent-to-agent interoperability concepts. CI/CD pipeline experience (GitHub Actions, GitLab CI). Practical experience with one or more use cases from the following: NLP, LLMs, and Recommendation engines. Experience in an additional language (Go, TypeScript, or Rust). Experience with Apache Spark, Apache Airflow, Kafkа. Experience with the Claude ecosystem —  Claude Code, CLAUDE.md, hooks, skills files.  Spec-driven development — writing the intent, constraints, and acceptance criteria before you let an agent build. MCP: you can say why an agent would prefer it to a REST integration, having authored a server is an additional  plus. Responsibilities: Build and contribute to RAG system components under senior guidance, with growing autonomy. Write tests and help build out evaluation harnesses for the features you work on. Write production code across the stack (AI, backend services, data pipelines) with code review support. Help integrate AI components into backend services and RESTful APIs. Support deployment of systems to AWS (containerized, CI/CD), taking on more of this independently over time. Contribute to documentation, runbooks, and client handover materials. Participate in technical discussions and architectural decisions, with an eye toward taking on more of this independently. Support model evaluation efforts and help investigate and improve failure modes. Take on increasing ownership of components and technical decisions as you grow in the role. What We Offer: The chance to shape how leading enterprises across LATAM, Europe, and North America adopt AI, from strategy through first deployment A forward-deployed model working in small, senior teams alongside FDE and FDX A growing AI delivery practice where you help build the tooling and frameworks, not just use them Remote-friendly culture Internal training programs with full support for Claude, AWS, and other professional certifications, conference attendance Career growth; we actively develop our engineers Access to the latest AI tools and premium subscriptions Long-term B2B collaboration Private medical insurance or a budget for your medical needs Paid sick leave, vacation, and public holidays Equipment and all the tech you need for comfortable, productive work How we hire: Intro conversation. The role, your background and aspirations, tech questions. Technical interview with live engineering sessions. Real problems, your own editor, you may use an LLM assistant HR Interview. Soft skills and expectations HM interview. Tech questions; a live engineering session is also possible