ML-инженер вакансии

Требуется ML Ops-инженер, который возьмёт на себя задачи автоматизации полного жизненного цикла машинного обучения. В обязанности входит организация процессов разработки, тестирования, развертывания моделей, а также их мониторинг и поддержка в рабочей среде.

LLM, RAG и векторные хранилища; оркестрация в Airflow;

• Строить сложные reward-функции. • Развивать базовую умность модели.

Задачи: — Разработка генеративных ИИ-моделей для синтеза визуального и проектного контента на основе структурированных данных товарного каталога в рамках проверки гипотез (PoC) внутри корпоративной платформы по оценке ИИ-инициатив — Разработка архитектуры агентов: управление состоянием диалога и контекстом, динамический выбор инструментов (tool calling), настройка уровней автономности и сценариев human-in-the-loop — Построение системы метрик: разработка офлайн- и онлайн-показателей, кросс-валидация, прямая оценка бизнес-эффекта — Непрерывный мониторинг дрейфа моделей и качества данных в продакшене — Построение пайплайнов оценки (LLM Evals): контроль галлюцинаций, релевантности ответов и мониторинг поведения системы — Обеспечение безопасности: защита от prompt injection, предотвращение утечек персональных данных (PII/privacy) и аудит прав доступа агента — Оценка стоимости, latency и масштабируемости LLM-решений Требования: — Глубокое понимание жизненного цикла ML-модели: от подготовки признаков до интерпретации результатов — Знание методов борьбы с переобучением, data leakage, регуляризации — Уверенный выбор алгоритмов под задачу — Владение матстатистикой для проверки гипотез, расчета доверительных интервалов и самостоятельного дизайна A/B-тестов — Опыт работы хотя бы в одном из направлений: классическое машинное обучение, временные ряды и прогнозирование — Языки и библиотеки: Python (pandas/polars, NumPy, scikit-learn, CatBoost/XGBoost/LightGBM, PyTorch), продвинутый SQL — Написание поддерживаемого production-кода: модульная архитектура, юнит-тесты, логирование, документация, работа с GitFlow и код-ревью — Практический опыт работы с API языковых моделей, платформой Hugging Face и orchestration-фреймворками — Опыт работы в e-commerce, retail или других продуктовых highload-системах — Инфраструктура и оркестрация: Airflow, MLflow, Kafka, Redis, Kubernetes — Мониторинг и наблюдаемость: Prometheus, Grafana, OpenTelemetry — Опыт эксплуатации GPU-инфраструктуры и оптимизации inference — Адаптация моделей через fine-tuning (LoRA/PEFT) — Опыт проектирования agentic workflows или multi-agent-систем — Понимание принципов информационной безопасности, privacy и работы с персональными данными

Вы будете проектировать и развивать пайплайны оценки качества всех компонент AI-чата на базе LLM-моделей и агентских систем. Вы будете участвовать в разработке мультиязычных моделей и адаптации решений под особенности разных стран.

As the Senior Staff Machine Learning Platform Engineer, you will own the technical vision and evolution of Faire’s ML platform. You will set standards, influence org-wide architecture, and lead complex, cross-functional initiatives that unlock data science velocity at scale.

• Own AI features from concept to production, integrating LLMs and custom models. • Work on real-time live-streaming problems — content moderation, recommendations, and more.

Вакансия Senior Dev/ML Ops Engineer в компании Humanoid, расположенной в Великобритании. В описании вакансии конкретные задачи, требования и условия не указаны, но позиция связана с разработкой и эксплуатацией ML-систем (ML Ops).

• Эксперименты с претрейн-моделями. Ставить и анализировать вычислительно тяжёлые эксперименты с претрейн-стадией.

Задачи: - Разрабатывать, обучать и оптимизировать ML/AI-модели на PyTorch или TensorFlow - Проектировать end-to-end пайплайны обработки и подготовки данных - Работать с синтетическими данными и автоматизацией разметки - Интегрировать AI/ML-модели с backend и другими компонентами продукта - Подготавливать модели к production-деплою и масштабированию - Настраивать процессы мониторинга, версионирования и экспериментов с использованием MLOps-инструментов - Контейнеризировать ML-процессы с помощью Docker - Работать с облачной инфраструктурой AWS или аналогами - Участвовать в оптимизации inference и производительности моделей - Взаимодействовать с инженерами и другими участниками AI-команды на всех этапах разработки - Определять техническое направление AI-проектов, принимать ключевые архитектурные решения и обеспечивать техническое руководство командой на всех этапах разработки. Требования: - Опыт 4+ года коммерческого опыта в Machine Learning / AI Engineering - Практический опыт разработки и внедрения ML-моделей в production - Английский (свободный) - Уверенное понимание основ Machine Learning и Deep Learning - Знание методов оптимизации моделей и ключевых ML-метрик - Практический опыт с MLOps (MLflow/Kubeflow/AWS SageMaker или аналогичные) Условия: - Формат: Full-time - Локация: Ташкент (Офис) - Официальное трудоустройство по ТК УЗ - Занятость: полный рабочий день

Задачи: — Дистрибуция страховых продуктов: развивать модели отбора пользователей для страховых продуктов, улучшать дистрибуцию ОСАГО и КАСКО, переносить подход на новые продукты. Работа включает формулирование продуктовых гипотез, поиск релевантных сигналов в сервисах Яндекса, построение интерпретируемых моделей и проверку качества отбора в продуктовых экспериментах. — Риск-скоринг: развивать модели оценки страхового риска для КАСКО, ОСАГО и других продуктов. Основные сложности — небольшое количество подтверждённых страховых случаев, неполная разметка и необходимость проверки сигналов на независимых источниках данных. Улучшать признаки и валидацию, следить за качеством решений и адаптировать подход к новым продуктам. — Данные и ML-пайплайны: договариваться с командами — владельцами источников, собирать выборки и признаки, проверять их покрытие и качество, добавлять новые блоки в пайплайны и анализировать результаты A/B-тестов. Требования: — Уверенное владение Python и SQL. — Хорошая база в классическом машинном обучении, опыт работы с табличными данными. — Понимание принципов корректной валидации, временных разбиений и возможных утечек. — Умение самостоятельно вести ограниченный исследовательский или продуктовый трек: от постановки гипотезы до выводов и следующего шага. — Готовность работать с неполными данными и неоднозначными таргетами. — Способность понятно объяснять продуктовой команде логику модели, допущения и ограничения. — Критическое отношение к данным, метрикам и результатам.

Общие требования: • Опыт: от 5+ лет в AI/ML, из них не менее 3 лет — в роли тимлида; • Уровень: senior/lead ML engineer + опыт управленца (Tech Lead / AI Team Lead); • Способность вести проекты от идеи до внедрения, включая исследование, архитектуру, разработку, деплой и мониторинг. • Управление распределённой командой. Глубокие технические компетенции: 1. Распознавание финансовых документов (Document AI) 2. Vision-Language Models (VLM) 3. Разработка чат-ботов и интеллектуальных агентов 4. OSINT и глобальный поиск 5. Работа с веб-сайтами через Computer User Agent 6. Разработка локальных переводчиков Условия: Локация сотрудника не в РФ Удаленный формат работы из любой точки мира График с 10.00 до 19.00 по мск Выплаты два раза в месяц

Задачи: — Оптимизировать выдачу на страницах категорий, каналов и тегов — Строить text-to-video поиск, embedding-модели, ранжирование, семантический поиск — Превращать ML-прототипы в production-сервисы, оптимизация inference, профилирование, подготовка фич, контроль качества моделей — Разрабатывать высоконагруженные ML сервисы на Python включая gRPC/Triton Требования: — Уверенные знания Python и ML-фреймворков (PyTorch, CatBoost и др.) — Опыт работы с рекомендательными системами, поиском или смежными задачами от 2 лет — Опыт внедрения моделей в продакшн — Понимание принципов оффлайн и онлайн оценки моделей. Условия: — Работа над ML-продуктом с миллионами пользователей и живыми метриками — Компактная команда, каждый инженер влияет на продукт — Простая структура — минимум бюрократии, максимум ответственности — Стабильная зарплата, ежегодный рейз и премии — Бонусы: медстраховка, налоговая компенсация, обучение, техника, курсы языков — Релокация на Кипр: визовая поддержка, оплата переезда, билеты и первый месяц жилья

Задача: — Изучить исторические торговые данные для двух связанных инструментов (ордербуки, сделки и другие параметры). — Построить модель, предсказывающую индикаторы будущей цены одного из инструментов. Особенности: — Работа на реальных биржевых маркет-данных. — Предоставлен большой датасет по сравнению с прошлыми задачами. — Классическая задача кванта, с которой сталкиваются в работе. Перспективы: — Лучшие решения получают приглашение на техническое собеседование в фонд. — Предусмотрены денежные призы: общий фонд $13,600. — Сроки проведения: 11 сентября — 15 ноября.

Задачи: — Создавать AI-агенты и платформы для них — Строить MLOps-инфраструктуру — Работать с данными для ML Требования: — Опыт работы в роли MLOps Engineer/Data Engineer/Python ML от 3,5 лет — Production-опыт с фреймворками MLOps: Kubeflow, MLflow, Airflow для оркестрации, понимание их интеграции в CI/CD пайплайны — Опыт работы с Docker и Kubernetes (в контексте развертывания моделей как сервисов) — Опыт работы с одним из major cloud-провайдеров (желательно GCP или AWS/Azure с пониманием hybrid-cloud) — Умение работать с большими данными, опыт с Greenplum или аналогичными MPP-системами (Teradata, Exasol) — Знание распределенных вычислений (Spark) — Опыт работы с LangChain/LlamaIndex, FastAPI, знание фреймворков для работы с LLM (Hugging Face, vLLM и т.д.) — Отличные знания Python, SQL на очень высоком уровне для работы с data vault — Знания Git, GitLab CI/CD

Ищем Data Scientist / ML Engineer для запуска кредитного скоринга на международных рынках. Предстоит адаптировать модели и scoring pipeline к новым странам, оценивать качество и обрабатывать разнородные данные — от финансовой отчётности и документов до внешних и альтернативных источников.

Constructor — инструмент AI-персонализации результатов поиска на e-com сайтах для роста конверсий в покупку и выручки. Среди клиентов — Sephora, American Eagle, Birkenstock и др. Требования: — 4+ года опыта — Знание Python — Опыт работы с PyTorch, Spark, Airflow — Отличное владение английским языком Формат работы: удалённо (EMEA)

Задачи: — Полная ответственность за техническое направление AI-разработки: от быстрых экспериментов до production-ready моделей. — Техническое лидерство. — Определение архитектурных подходов, выбор моделей, технологического стека. — Проведение code review, менторство инженеров, повышение планки качества.