ML-инженер вакансии - удалённо

Location: Remote - EMEA Workplace: Remote ABOUT US Launched in 2019, Constructor is an AI-first e-commerce search and discovery platform that helps shoppers find the right products at the right time and enables leading global e-commerce brands to drive meaningful revenue and conversion gains. ABOUT THE ROLE The ML Infrastructure team builds and operates the shared backend services and platform capabilities that Constructor's ML and product teams rely on to develop, deploy, and run machine learning at scale - from model serving (including LLMs) to the specialized storages and data pipelines behind it. We are a service team by nature: our roadmap is shaped by the needs of product teams, and we succeed when they can move faster with less friction. We're looking for a Senior Backend Engineer who is comfortable with, and motivated by this dynamic, and who will take end-to-end ownership of core services. In the near and mid-term, our focus areas include: - Making ML workloads easy to run, scale, and operate for every team - Providing self-service, configurable infrastructure components to ML and product teams - Owning and evolving core ML services and related pipelines with a high bar for reliability and performance CHALLENGES YOU WILL TACKLE - Design, build, and operate high-load distributed backend services that power the company's ML infrastructure - Take end-to-end ownership of core ML services and related data pipelines: from design and implementation to deployment, observability, and continuous improvement - Partner with ML and product teams to understand their needs and turn them into reliable, reusable platform capabilities - Make and defend technical decisions: evaluate trade-offs, design first, and own the outcome - Be responsible for what you and your team do REQUIREMENTS - 5+ years of professional experience in backend or platform engineering - Extensive Python knowledge (our primary language) - Hands-on experience developing on a public cloud (AWS, GCP, or Azure) or with self-managed Kubernetes - AWS is our primary platform, but we're not limited to it - Experience designing and building distributed, high-load services and APIs - Strong knowledge of data structures, algorithms, and their trade-offs - Design-driven engineering mindset: we're a coding-assistant-friendly environment and expect you to use modern AI tools - but you lead with system design and a strong understanding of their applicability and trade-offs - Ownership and proactivity: you can't close your eyes to problems, but are ready to solve them and take responsibility for outcomes - You are friendly and willing to help your teammates & others NICE TO HAVE: - Experience with Rust (or C/C++/Go) - a strong plus - Experience developing or contributing to ML platforms or ML infrastructure - a strong plus - Experience setting up and operating any vector database (Qdrant, Milvus, Weaviate, OpenSearch, pgvector, etc.) - a strong plus - Experience with model serving / inference infrastructure, including LLMs - Experience with Infrastructure as Code (Terraform or similar) BENEFITS - 🏝️ Unlimited vacation time - we strongly encourage all of our employees take at least 3 weeks per year - 🌎 Fully remote team - choose where you live - 🛋️ Work from home stipend! We want you to have the resources you need to set up your home office - 💻 Apple laptops provided for new employees - 🧑‍🎓 Training and development budget for every employee, refreshed each year - 👪 Maternity & Paternity leave for qualified employees - 🧠 Work with smart people who will help you grow and make a meaningful impact - 💵 Base salary: $80k–$120k USD, depending on knowledge, skills, experience, and interview results - 📈 Stock options - offered in addition to the base salary - 🎉 Regular team offsites to connect and collaborate DIVERSITY, EQUITY, AND INCLUSION AT CONSTRUCTOR At Constructor.io http://Constructor.io we are committed to cultivating a work environment that is diverse, equitable, and inclusive. As an equal opportunity employer, we welcome individuals of all backgrounds and provide equal opportunities to all applicants regardless of their education, diversity of opinion, race, color, religion, gender, gender expression, sexual orientation, national origin, genetics, disability, age, veteran status or affiliation in any other protected group. Studies have shown that women and people of color may be less likely to apply for jobs unless they meet every one of the qualifications listed. Our primary interest is in finding the best candidate for the job. We encourage you to apply even if you don’t meet all of our listed qualifications. How we handle your data. By submitting this application, you acknowledge that Constructor will collect and process the personal data you provide for the purpose of evaluating your candidacy for this role. If you are not selected, we will retain your data for a limited period as described in our Recruitment Privacy Notice https://constructor.com/recruitment-privacy-notice. After that period your data will be deleted or anonymized.

Чего ждём от тебя Без этого не получится: - 5+ лет в ML/DS — опыт выкатывания моделей в прод и понимание практических аспектов - Уверенный Python: ООП, типизация, тесты - Классический ML: бустинги, валидация, понимание, где нейросеть избыточна, а где достаточно градиентного бустинга - Опыт с текстовыми нейросетевыми моделями: BERT-подобные трансформеры, LLM API, промпт-инжиниринг, eval-сеты - Практический опыт MLOps: пайплайны данных, оркестрация (Airflow, Kubeflow или аналоги), трекинг экспериментов - Инфраструктурный бэкграунд: Docker, CI/CD, Kubernetes, логирование и мониторинг — понимание высоконагруженных сервисов - Умение мыслить P&L: перевод метрик моделей (F1, ROC-AUC) в конверсии и деньги, защита технических решений перед бизнесом финансовыми аргументами - Опыт менторства или лидерства и желание этим заниматься

Задачи: — Проектировать микросервисы и API (REST/gRPC); — Создавать RAG и AI-агенты: разрабатывать системы генерации ответов на основе документов, цепочек рассуждений и логики Tool Calling (LangChain/LangGraph/LlamaIndex); — Работать с данными и текстом: парсинг, очистка и чанкинг текстов, извлечение сущностей (NER), классификация, реализация гибридного семантического и полнотекстового поиска; — Проектировать базы данных: работать с реляционными (PostgreSQL), векторными (Qdrant/Milvus/pgvector) и графовыми (Neo4j) базами под задачи GraphRAG; — Заниматься оптимизацией производительности, покрытием кода тестами (Pytest), написанием асинхронного кода на Python (FastAPI/Django); — Проводить code review и контейнеризацию приложений (Docker). Требования: — Опыт коммерческой разработки на Python от 2 лет для выпускников профильных факультетов ведущих вузов (МФТИ, НИУ ВШЭ, МГУ, ИТМО, МГТУ им.— Уверенное знание Python, асинхронного программирования, веб-фреймворков (FastAPI) и принципов проектирования микросервисной архитектуры (REST, Swagger, gRPC); — Практический опыт работы с LangChain, LlamaIndex, LangGraph, современными LLM (GPT, open-source модели) и фреймворками для создания AI-агентов; — Опыт обработки и классификации документов различных форматов (PDF, сканы), извлечения сущностей (NER, гибридный поиск) с использованием Transformers, BERT, SpaCy, Natasha; — Опыт работы с реляционными БД (PostgreSQL), NoSQL/кэшированием (Redis), векторными БД (Qdrant/Milvus/pgvector) и графовыми системами (Neo4j); — Опыт работы с брокерами сообщений (RabbitMQ, Kafka); — Владение инструментами контейнеризации и CI/CD (Docker, Git, S3); — Понимание полного жизненного цикла разработки ПО (SDLC); — Опыт работы по ТЗ с чтением схем (UML, BPMN).

Задачи: - Участвовать в разработке моделей для продуктивной среды; - Строить модели машинного обучения, улучшать качество; - Писать код, проводить code-review; - Предлагать способы оптимизации и совершенствования существующих инструментов. Требования: - Знание Python; - Опыт работы в рекомендательных системах/поиске; - Опыт работы в роли mle/ds от 5ти лет; - Знание теоретических и практических продвинутых методов машинного обучения; - Знание SQL, знакомство с hadoop-стэком; - Опыт работы с docker, kubernetes, pyspark, kafka, postgres, airflow; - Наличие опыта вывода разработанных решений в прод.

Задачи: - Поддержка и развитие существующих AI-модулей системы онлайн-прокторинга - Определение отсутствия лица и нескольких лиц в кадре - Реализация Face ID и проверки личности пользователя - Разработка Liveness-проверки (моргание, улыбка, движения головы, контроль дистанции до камеры) - Определение поворотов головы и направления взгляда - Анализ положения тела и правильности посадки пользователя - Выявление ухода пользователя из кадра и поворота от рабочей зоны - Обнаружение посторонних людей и объектов в кадре - Детекция смартфонов, наушников, часов и других гаджетов - Распознавание мониторов, ноутбуков, клавиатур, мышей и других объектов рабочего места - Определение посторонних движений и плохого освещения - Снижение количества ложных срабатываний моделей - Обучение, дообучение и замена AI-моделей - Оптимизация моделей с использованием CUDA - Интеграция AI-модулей через API - Развертывание локальных LLM на собственных серверах - Работа с моделями Qwen, Llama, Mistral, Gemma и другими open-source LLM - Интеграция GPT, Claude, Gemini и других LLM через API - Подбор и оптимизация AI-моделей под задачи продукта - Внедрение новых AI-библиотек и технологий Требования: - Уверенное владение Python - Практический опыт работы с Computer Vision - Практический опыт работы с LLM - Опыт локального развертывания open-source LLM - Опыт интеграции облачных LLM через API - Умение работать с существующим кодом и готовыми моделями - Опыт запуска и оптимизации моделей на GPU - Готовность поддерживать существующие AI-модули и разрабатывать новые - Самостоятельность и умение доводить решения до production - Проживание в Астане Будет плюсом: - Опыт работы с Hugging Face и Ollama/vLLM - Опыт использования TensorRT, ONNX и OpenVINO - Опыт разработки систем реального времени - Опыт создания AI-продуктов для Computer Vision Условия: - Полная занятость - Возможна стажировка - Официальное трудоустройство - Формат работы: удаленно - График 5/2 или свободный - Рабочий день — 8 часов или по договоренности - Заработная плата от 400 000 до 600 000 ₸ до вычета налогов - Долгосрочная работа над действующим AI-продуктом - Формат работы и уровень оплаты обсуждаются индивидуально

Задачи: — Разработка и внедрение AI агентов и моделей машинного обучения — Создание и экспериментирование с GenAI моделями и агентными рабочими процессами Требования: — Владение Python и другими релевантными языками программирования — 3 года практического опыта с фреймворками и библиотеками машинного обучения (TensorFlow, PyTorch или аналогичные) — 2 года практического опыта в разработке и развертывании AI агентов и моделей машинного обучения — Глубокие знания облачных технологий, с акцентом на Microsoft Azure, включая платформы Azure Data и AI (Databricks, Fabric, AI Foundry)

Обязанности: - Разрабатывать и обучать модели машинного обучения, включая генераторы кандидатов - Улучшать модели оценки стоимости автомобилей - Разрабатывать решения для антифрода и модерации контента - Подготавливать и трансформировать данные для обучения и продакшена моделей - Упаковывать модели в сервисы и внедрять их в продакшен Требования: - Опыт оркестрации ML‑пайплайнов с помощью Airflow или Luigi - Умение программировать на Python или C++ - Навыки работы с SQL и NoSQL для подготовки и трансформации данных - Умение разворачивать решения в виде микросервисов с использованием FastAPI, gRPC или Docker - Хорошие теоретические знания в области машинного обучения - Понимание устройства и принципов работы одного из ML‑фреймворков или библиотек, например CatBoost или PyTorch

Location: Spain; Serbia; Poland; Ukraine; Portugal; North Macedonia; Bosnia and Herzegovina; Romania Workplace: remote About Provectus 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 small, senior pod alongside an FDE and an FDX, Forward Deployed Executives (FDX) own the commercial relationship and the business outcome. Works alongside the client's leadership or C-suite level to move the client's KPIs. Forward Deployed Engineers (FDE) embed with a client, map the client workflow, identify the business problem underneath it, design and build a working AI solution, present to the client, and transfer the knowledge to the client's team. Owns technical direction of the whole solution. Senior AI Engineer. When an FDE comes back from the client with the business problem, you will help turn that into an agentic system that runs in production and will be responsible for evaluation, observability, and guardrails.  You'll have real ownership of components and of the technical decisions inside them. Requirements: Mindset Proactive and self-directed; you push for clarity rather than waiting for a ticket Excellent communication and problem-solving skills Comfort with ambiguity and ownership. B2+ English, comfortable collaborating across distributed, multicultural teams. Technical depth 5+ years in software or ML engineering, with production systems you were accountable for . Solid AI/ML foundations. You understand what the models do well enough to reason about failure modes. Shipped to production LLM applications and agentic workflows — not demos, not POCs, not notebooks. Agentic orchestration: multi-step workflows, graph-based orchestration, tool use, state management, and recovery from partial failure Experience with LLM APIs (Anthropic, AWS Bedrock, or OpenAI) and agent frameworks. Experience building and optimizing RAG systems in production. Strong engineering fundamentals. Full-stack mindset, comfortable across AI, backend development, and cloud infrastructure. Python and/or TypeScript proficiency; depth matters more than stack. Dropped into an unfamiliar codebase, you're productive. Hands-on AWS in production: Bedrock, Bedrock AgentCore, Lambda, ECS, S3, SQS, ECR, or similar. GCP or Azure is a plus. Cloud-native delivery: containers, ECS or Kubernetes, IaC, and CI/CD applied to AI pipelines. You evaluate. You have built or owned an eval suite for a non-deterministic system, and you can explain what you measured, how you produced ground truth, and what gated a release. Model and agent monitoring, drift detection. Cost and latency discipline: model tiering, caching, and the ability to say what a workload costs to run before it runs. Hands-on production 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 — is a strong plus. MCP: you can say why an agent would prefer it to a REST integration. Having authored a server is a plus. Responsibilities: Work in a pair with an FDE and an FDX. Build and ship production GenAI systems into the customer’s environment (cloud-native data, LLM-based, and agentic AI solutions). Build and optimize RAG systems for production use cases Build the evaluation harness before you build the feature. Write production code across the stack — AI, backend services, data pipelines. We choose tools to fit the customer. Integrate AI components into backend services and RESTful APIs Take systems to production on AWS (GCP or Azure where the customer requires it): containerised, CI/CD. Implement LLMOps and AgentOps practices: agent tracing, prompt and version management, cost and latency monitoring, regression testing, drift detection Start from the blueprint, contribute to enablement and handover: clear documentation, runbooks, and pairing with the client engineers who will inherit the system. Feed reusable components and lessons back into the Provectus Blueprints Participate in technical discussions and architectural decisions Conduct model evaluation, improve failure modes you find, optimize model performance, efficiency, and reliability Mentor junior and mid-level AI engineers, conduct code reviews and share knowledge across the team through documentation, presentations, and workshops. 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 A2A: you can explain agent-to-agent interoperability 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 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 engine

About the role We’re building a high-performance computer vision system that detects and recognizes objects on fast-moving trains and trucks. The application runs on Linux and is built with Rust/C++ and OpenCV. You’ll join a small team of engineers and ML specialists, working directly with the technical lead on software that powers logistics, automation, tracking, and access control for ports, railways, and industrial facilities. This is not an ML research role. Our ML team trains the models—you’ll focus on everything around them: recognition quality, algorithms, tooling, performance, and developer experience. What you’ll do Improve recognition quality through data analysis and application logic Build internal tools, scripts, and developer utilities Refactor and optimize existing systems for performance and stability Contribute to other engineering projects when needed (web, mobile, embedded, infrastructure) Depending on the project, you may also work with Go, Python, React/TypeScript, SQL/Postgres, and Linux tooling. We’re looking for someone with Strong Rust, C++, or equivalent systems programming skills Solid Linux, Git, and command-line experience Basic understanding of ML or data analysis Good written and spoken English We value engineers who are curious, take ownership, debug systematically, communicate well, and enjoy solving challenging real-world problems. Nice to have OpenCV, CUDA, deep learning, or custom ML model training Linux internals, performance optimization, or low-level debugging Docker, networking, distributed systems, or embedded development Strong personal or open-source projects Why Bravora? We’re a small, fully remote engineering team where you’ll have real ownership, direct impact, and plenty of room to grow. We actively modernize our stack, encourage AI-assisted development, and provide access to state-of-the-art LLM tools. Interested? Send us your CV, GitHub or portfolio (if available), your earliest start date, expected hourly rate, and a few sentences about why this role interests you.

Meet Arago and the Aragonians Arago is an AI and computer hardware company whose mission is to drive the course of history forward. We do so by accelerating breakthroughs at the intersection of AI and semiconductors. Founded in 2024 by AI researchers and physicists with deep expertise in photonics, electronics, software, mathematics, and machine learning, Arago brings together a lean team of engineers and scientists from the world’s top companies and research labs. Composed of nine nationalities and operating from hubs in France, North America, and Israel, we believe in great science and fast achievements. Our work is guided by these core principles: Do great things: we deliver work we’re proud to sign our name to. High velocity: speed matters. We move quickly, one step at a time. One unit: we’re all in this together, with relationships grounded in trust, respect, and camaraderie. Arago is backed by executives from Apple, Arm, Nvidia, Microsoft, and Hugging Face, as well as prominent US and European deeptech venture firms and exited founders. Задачи: — Develop Arago’s quantization strategy for modern AI models, including precision studies, numerical format exploration, and model-level techniques to preserve accuracy under constrained precision. — Study the impact of analog noise on the performance and inference accuracy of machine learning models, including language models, diffusion, video generation, and world models. — Develop simulation tools to model analog behavior with minimal computational overhead. — Build and maintain Arago's internal experimentation pipelines for precision and performance studies on both physical and emulated prototypes. — Act as a technical point of contact between clients and Arago: analyze, port, and optimize client models onto Arago hardware, balancing throughput and accuracy. — Collaborate with the software and digital architecture teams to support architectural enhancements based on the operator content of frontier model architectures. Требования: — Background in mathematics, physics, computer science, or a related quantitative field. — Strong interest and skills in applied mathematics and statistics. — Strong experience with quantization of machine learning and AI models. — Strong understanding of modern model architectures, including language models, diffusion models, video generation models, and/or world models. — Experience studying the impact of numerical precision, noise, or approximation on model accuracy. — Experience with inference performance optimization. — Good knowledge of computer architecture, GPU architecture, or parallel computing. — Ability to build rigorous experimentation pipelines and translate research insights into practical engineering decisions. — GitHub profile with recent and relevant projects. — Language: English at a proficient level. French is a plus. Условия: — Competitive cash compensation, with final package based on location, experience, and the pay of team members in similar positions. — Meaningful stock option plan offered at the earliest stage of the company (included in the majority of full time offers). — Relocation bonus and coverage of moving expenses for relocation within 20 minutes of the company’s location. — Healthcare coverage (including family-friendly options), pension contributions, professional development support, and 25 days of PTO, in addition to public holidays. — Ownership of a key technical domain, with significant vertical and/or horizontal growth opportunities, based on performance and individual drive. — Reimbursement of 50% of the public transport subscription fee. — A high-paced, multicultural (with 10 nationalities), and engineering-led environment.

Ищем ML Engineer в команду рекомендаций социальной сети для геймеров Gameram. Вакансия ближе к DE/MLOps — основной фокус на подготовке и доставке рекомендательных систем до пользователя и их стабильной работе в проде. Стек: Scala, Python, Spark, Airflow, Hadoop/HDFS, Kafka, ZooKeeper, ClickHouse, Superset, Redis, PostgreSQL, AWS Обязанности: — Выводить ML-модели и рекомендательные системы в production; — Развивать и поддерживать ML-инфраструктуру; — Взаимодействовать с Data Science, продуктом и другими инженерами. Требования: — 4+ года опыта в разработке; — Уверенный Scala и/или Python; — Опыт вывода ML-моделей в production и поддержки production-систем; — Опыт работы с Big Data и распределённой обработкой данных; — Понимание ML-пайплайнов и жизненного цикла моделей; — Опыт с рекомендательными системами будет большим плюсом. Условия: — full-time, удалённо (не РФ). — Зарплата: $4,000–5,000 gross / месяц.

Обязанности: - Разрабатывать и внедрять ML-функции для платформы знакомств: рекомендации, поиск, безопасность и антифрод. - Строить рекомендательные системы и модели совместимости пользователей для повышения качества мэтчинга. - Разрабатывать NLP-решения для анализа анкет, извлечения структурированных признаков и семантического поиска. - Реализовывать CV-модели для модерации контента, проверки подлинности фото и выявления AI-generated изображений. - Создавать модели скоринга рисков, выявления ботов, фейков и мошеннической активности. - Проектировать полный ML lifecycle: подготовка данных, обучение, оценка качества, деплой и мониторинг моделей. - Работать в тесной связке с продуктом, backend-разработчиком и QA, участвуя в принятии ключевых технических решений. Требования: - Опыт работы ML Engineer от 3 лет и уверенное владение Python. - Практический опыт вывода ML-моделей в продакшн и поддержки их жизненного цикла. - Хорошее знание PyTorch или TensorFlow. - Опыт работы с рекомендательными системами, ранжированием или персонализацией. - Опыт решения NLP-задач: embeddings, классификация текста, semantic search, retrieval. - Понимание MLOps-практик: versioning, monitoring, evaluation, CI/CD для моделей. - Способность самостоятельно принимать технические решения и строить ML-направление практически с нуля. Будет плюсом: - Опыт в Computer Vision: модерация контента, face analysis, deepfake detection. - Опыт создания антифрод- и риск-моделей. - Опыт работы с LLM, RAG и современными open-source моделями. - Опыт работы с векторным поиском (Qdrant, FAISS, Weaviate и др.). - Опыт работы с графовыми моделями и рекомендательными системами. Условия: - Участие в развитии продукта с первых этапов; - Возможность влиять на технические решения и архитектуру системы; - Минимум бюрократии и быстрый цикл принятия решений; - Сильную и мотивированную команду; - Перспективы роста вместе с компанией; - Удалённый формат работы.

Обязанности: - Запускать и развивать сервисы, которые основаны на ML-моделях и LLM - Работать над проектами от идеи до продакшена: анализировать потребности, проектировать архитектуру, разрабатывать и внедрять проекты - Интегрировать модели в удобные для сотрудников интерфейсы - Вместе с командой влиять на технические решения и стандарты, внедрять лучшие практики Требования: - Опыт работы с Python 3 - Опыт работы с FastAPI и базами данных PostgreSQL, контейнерами в Docker и кластерами Kubernetes - Умение писать тесты на Pytest - Интерес к миру ML на уровне доменной области - Самостоятельность и готовность нести ответственность за проект