ML-инженер вакансии

Задачи: — Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку — Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения — Создавать baseline для задач извлечения, классификации, определения сущностей и связей — Дообучать модели, готовить инструктивные наборы, обучать адаптеры и сравнивать результаты с базовыми моделями — Определять метрики, стратифицировать выборки и анализировать ошибки по типам документов, сценариям и полям — Работать с извлечением сущностей и связей для построения и обновления графового представления данных — Разворачивать локальный inference и оптимизировать его под доступную инфраструктуру — Работать с tensor parallelism, batching, длиной контекста, GPU-памятью и квантованием Требования: — Стек: Python, PyTorch, Hugging Face Transformers, PEFT, pandas, SQL, PostgreSQL, Airflow (или аналог), MLflow (или аналог), vLLM, CUDA, Docker, Kubernetes

Nebius is an international cloud technology company that is fully focused on infrastructure for artificial intelligence. Work format: On-site (Israel) or remote work (Europe, United Kingdom).

Задачи: — Обучение ML-моделей под разные задачи, включая прогнозаторы кликов, конверсий, ставок и работу с аукционами. — Обучение мультиязычных NLP-моделей и адаптация решений под особенности конкретных стран. — Строительство end-to-end ML-пайплайнов: сбор и подготовка данных, офлайн- и онлайн-метрики, оптимизация инференса. — Совместная работа с продуктовой и технической командами, участие в инженерных и продуктовых решениях. Требования: — Опыт построения end-to-end ML-пайплайнов и доведения решений до продакшена. — Желание заниматься прикладными ML-исследованиями. — Практический опыт в NLP или RecSys. Условия: — Корпоративная подписка на чекапы, спорт, терапию, образовательные курсы и другие бонусы в Яндексе.

Компания Alif Tech — международная финтех-компания, работающая на рынках Узбекистана, Таджикистана, Пакистана, Великобритании и ОАЭ. Стек: Python (pandas, numpy), XGBoost/LGBM/CatBoost, SQL, Airflow, базовый DL. Формат работы: офис (предпочтительно), возможен гибрид или удалённая работа.

Задачи: • Разрабатывать и валидировать модели машинного обучения, тренировочные пайплайны, системы инференса и поддерживающую инфраструктуру. • Реализовывать компоненты моделей, пайплайны данных, системы оценки и численные методы. • Строить воспроизводимые программные рабочие процессы с использованием Python и командных инструментов. Требования: • Магистерская степень или PhD в области компьютерных наук, машинного обучения, искусственного интеллекта, прикладной математики, статистики, инженерии или близкой количественной дисциплины. • Сильный профессиональный или исследовательский опыт в машинном обучении. • Практическое владение Python и кодирующими агентами. • Опыт работы в технологической компании, AI-лаборатории, исследовательской организации или другом признанном инженерном окружении приветствуется. • Исключительный опыт в open-source или академической сфере также может быть квалификацией. Условия: • Полностью удалённая работа. • Контрактный формат занятости. • Гибкий график — кандидат сам выбирает часы и дни работы, включая выходные. • Оплата сдельная, от $80 до $150 в час, до 15 часов в неделю. • Выплаты через Stripe или Wise без назначения платежа, аналогично UpWork. • Область проекта: искусственный интеллект. Процесс отбора: • Откликнуться и пройти скрининговые вопросы. • Пройти AI-интервью около 30 минут. • Пройти ревью менеджера по найму. Сроки начала: • Роли обычно закрываются в течение 48 часов. • Ожидается начало выполнения первой задачи в течение 24–48 часов после онбординга. Описание роли: Работа связана с разработкой, обучением и инференсом моделей машинного обучения, оптимизацией производительности и численными вычислениями. Требуется решение сложных инженерных задач, включая реализацию и модификацию моделей, построение воспроизводимых рабочих процессов, оптимизацию памяти и пропускной способности, отладку численных и системных ошибок, а также проверку корректности и производительности реализации.

Задачи: — Разрабатывать AI-агентов на Python — Интегрировать модели и внешние API — Работать с RAG и Tool Calling — Упаковывать решения в Docker — Разворачивать через Helm в Kubernetes — Работать с ArgoCD и анализировать логи — Исправлять ошибки и самостоятельно обновлять production-деплои — Работать с SCA-сканерами и зависимостями Требования: — 3–6 лет опыта, Middle / Senior — Python + LangChain / LlamaIndex / Semantic Kernel или аналоги — Docker, Kubernetes, Helm — Bash, debugging, анализ логов — Понимание AI Agents, RAG, Tool Calling — Глубокое понимание Python-зависимостей (pip, poetry, virtualenv) — Высокая самостоятельность: от кода до запуска в production Условия: — Формат работы: Remote — Занятость: Full-time — Зарплата: до 260 000 ₽ на руки — Оформление: ИП / СМЗ — Локация: РФ, гражданство РФ

Location: San Francisco, California; New York, New York Workplace: Hybrid WHO WE ARE Notion is the collaborative AI workspace where teams and agents think together https://www.youtube.com/watch?v=vkpYpWfEK5s. We're building one place where your knowledge, projects, meetings, and AI tools live side by side, so work is faster, clearer, and less fragmented. Millions of individuals, small teams, and large companies run their work on Notion. Notinos (our employees) are customer zero in bringing this future of work to life. We care about craft, building things that last, and the belief that great work is still fundamentally human. Our goal isn’t to ship the next feature. Each and every team of Notinos is working to set the standard for how humans work together in the AI era. From building a business’s system of record to making and managing AI agents to automating away the busy work, we care deeply about giving our customers more time for their life’s work. ABOUT THE ROLE: Notion has been at the cutting edge of AI since before ChatGPT launched. The job of the Model Capabilities team is to keep us there. We own the model layer of Notion AI: integrating frontier models as they ship, keeping inference reliable and economical at scale, and building new capabilities that other teams take advantage of.   This role can be based in either San Francisco or New York City. We work from our offices on Mondays, Tuesdays and Thursdays (our Anchor Days) because we do our best thinking and building together in person. We’re looking for someone who’s excited to work alongside the team during those days. WHAT YOU'LL ACHIEVE: - Bring new frontier models into production quickly, making them available for our users and our engineers. - Make inference reliable: better error categorization, self-healing retries, and cross-provider failover. - Own observability for the model layer, driving down both time to detection and time to fix. - Build new model-level capabilities and help product teams adopt them. - Act as connective tissue across Notion's AI teams: find the gaps, unblock people, and make sure fixes land with the right owner. SKILLS YOU'LL NEED TO BRING: - Comfort with a moving frontier: The model landscape changes monthly. You keep up with it, form your own view of what's real, and stay pragmatic about what's worth adopting now. - AI fluency as a practitioner: You use AI tools seriously in your own work and have opinions about where they help and where they don't. - Production AI systems experience: You've built and operated systems on top of LLM APIs, not just prototyped with them. You understand token economics, streaming, tool calling, context limits, and how each of these fails in production. - Measurement before conviction: You don't ship a prompt or model change on vibes. You define what "better" means, build or use the evaluation to test it, and are willing to be proven wrong by your own data. - Cost and performance instincts: You treat latency and dollars as product qualities, not afterthoughts, and you can reason about the tradeoff between them and output quality. Notion is committed to providing highly competitive cash compensation, equity, and benefits. The compensation offered for this role will be based on multiple factors such as location, the role’s scope and complexity, and the candidate’s experience and expertise, and may vary from the range provided below. For roles based in San Francisco or New York City, the estimated base salary range for this role is $255,000 – $300,000 per year. By clicking “Submit Application”, I understand and agree that Notion and its affiliates and subsidiaries will collect and process my information in accordance with Notion’s Global Recruiting Privacy Policy https://notion.notion.site/Notion-Global-Recruiting-Privacy-Policy-fc3eb4e829354a26a2bb6fd5e289b550?pvs=74 and NYLL 144 https://notion.notion.site/Ashby-AI-Bias-Audit-2b0efdeead05803bbbfae159ec86c528. #LI-Onsite A NOTE ON AI You don’t need deep AI expertise for every role, but we do expect every Notino to be intellectually curious, drawn to tinkering and discovery, and excited to use AI as a real collaborator in their work. For some roles, AI fluency is a core requirement — when that’s the case, we'll say so explicitly in the qualifications. People who thrive here don’t treat AI as a novelty. They use it to think better, and make their work easier for others to build on. EQUAL OPPORTUNITY & ACCOMMODATIONS We hire talented people from a wide range of backgrounds. If you’re excited about this role but don’t meet every bullet, we still encourage you to apply. Notion is an equal opportunity employer and does not discriminate on the basis of any legally protected characteristic. Consistent with applicable law, we will consider for employment qualified applicants with arrest and conviction records. Notion provides reasonable accommodations during the application process; if you need one, please let your recruiter know. Notion is proud to be an equal opportunity employer. We do not discriminate in hiring or any employment decision based on race, color, religion, national origin, age, sex (including pregnancy, childbirth, or related medical conditions), marital status, ancestry, physical or mental disability, genetic information, veteran status, gender identity or expression, sexual orientation, or other applicable legally protected characteristic. Notion considers qualified applicants with criminal histories, consistent with applicable federal, state and local law. Notion is also committed to providing reasonable accommodations for qualified individuals with disabilities and disabled veterans in our job application procedures. If you need assistance or an accommodation due to a disability, please let your recruiter know.

Location: New York, NY (HQ); Remote (US) Workplace: Hybrid ABOUT RAMP Ramp is building the smart infrastructure for finance teams, embedded in the transaction flow of every dollar a business spends. We automate how over $275B in annualized spend flows in and out of 85,000+ companies: authorizing payments, flagging risk, categorizing spend, and closing books. The problems are high-stakes, data-dense, and unforgiving. We hire people with high agency and high urgency. We look for slope over intercept. We care less about where you trained and more about what you’ve built. At Ramp, everyone is a builder who owns problems end to end and makes consequential decisions that shape the outcome. The median Ramp customer saves 7.5% and grows revenue 16% in their first year – far in excess of businesses operating without Ramp. We believe every ambitious company deserves the same. If you want to build systems that directly shape how companies move and manage billions, Ramp is the place to do it. ABOUT THE ROLE We’re seeking someone to lead the future of fraud machine learning at Ramp. In this role, you will help build core machine learning models, design data architectures, and set strategic roadmaps to help Ramp mitigate fraud-related threats while minimizing the friction experience by legitimate users. You will partner closely with product and engineering counterparts across model design, implementation, execution, and analysis. WHAT YOU’LL DO - Employ statistical and machine learning techniques on large datasets to discover patterns of fraud, platform abuse, and identity theft - Prototype and productionize machine learning models and rules-based systems to protect Ramp and its users from fraud - Partner closely with Fraud Engineering and Data Platform teams to augment and leverage data across first and third party sources, ensuring we’ve added as much context as possible to every decision we make - Contribute to the culture of Ramp’s machine learning team by influencing processes, tools, and systems that will allow us to make better decisions in a scalable way WHAT YOU NEED - Bachelor’s degree or above in Math, Economics, Physics, Computer Science, or other quantitative fields - A minimum of 5 years of industry experience as a Machine Learning Engineer, Applied Scientist or Data Scientist - Strong python experience (numpy, pandas, sklearn, pytorch etc.) across ML techniques and backend engineering - Prior experience deploying Machine Learning models to production and making meaningful contribution to backend systems - Strong knowledge of SQL (Snowflake, Postgres, etc.) - Fluency with agentic (AI) tools for software development and data analysis - Ability to thrive in a fast-paced, constantly improving, start-up environment that focuses on solving problems with iterative technical solutions NICE-TO-HAVES - PhD in Math, Economics, Physics, Computer Science, or other quantitative fields - Context on Fraud and/or Identity Threat detection systems - Experience at a high-growth startup - Experience with the modern data stack ( Snowflake / Hex / dbt / RisingWave / etc ) - Strong perspective on data science + ML engineering development cycle, especially in a post-AI setting - Experience developing LLM-backed systems or tools BENEFITS AVAILABLE TO ALL FULL-TIME RAMP EMPLOYEES (GLOBAL) - Flexible PTO - Centralized home-office equipment ordering - Health and wellness stipend - Budget for intra-office travel - Weekly coffee stipend UNITED STATES - 100% medical, dental & vision insurance coverage for you, with partial coverage for dependents - One Medical annual membership - 401(k), including employer match on contributions made while employed by Ramp - Fertility HRA (up to $10,000 per year) - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay - Pet insurance - In-office perks: lunch, snacks, drinks, and more - Relocation expense coverage to NYC or SF (if needed) CANADA - Group medical, dental, and vision coverage through Sun Life - Life, AD&D, and disability coverage - Fertility drug coverage (up to $4,000 lifetime) - Group Retirement Plan with employer match (RRSP + DPSP) - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay, with additional time available at reduced pay - Employee Assistance Program and virtual care through Lumino Health UNITED KINGDOM - Private medical insurance through Freedom Elite - Virtual GP and at-home care via eMed x Livi - Workplace pension through Penfold, with salary sacrifice option - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay with additional time available at reduced pay REFERRAL INSTRUCTIONS If you are being referred for the role, please contact that person to apply on your behalf.   OTHER NOTICES Pursuant to the San Francisco Fair Chance Ordinance, we will consider for employment qualified applicants with arrest and conviction records.   Beware of recruiting scams: Ramp will only contact you through official @Ramp.com http://Ramp.com email addresses and will never ask for payment or sensitive personal information during the hiring process.   Ramp Applicant Privacy Notice https://ramp.com/legal/applicant-privacy-notice

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.

Задачи: — Развивать модели прогнозирования спроса и ценовой эластичности — Исследовать подходы к causal inference, uplift-моделированию и оценки эффекта изменения цены — Проектировать временную валидацию, backtesting и бизнес-метрики качества

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: — Разрабатывать и тестировать алгоритмы на базе LLM для генерации вопросов, ответов и кратких пересказов; — Работать с RAG-подходами: подготовка данных, индексация, поиск релевантного контекста, генерация ответа на его основе; — Участвовать в развитии виртуального ассистента и сценариев свободного диалога с пользователем; — Настраивать фактчекинг, фильтрацию и оценку качества ответов модели; — Разрабатывать пайплайны для суммаризации полезного контента; — Сравнивать результаты, подготовленные моделью, с редакционными версиями материалов, в том числе на примере «Картины дня»; — Создавать и развивать векторные поисковые индексы для задач RAG; — Тестировать промпты, гипотезы и подходы к улучшению качества ответов. Требования: — Опыт разработки на Python; — Опыт работы с задачами NLP: обработка текстов, классификация, генерация, суммаризация, NER, семантический поиск или похожие задачи; — Понимание принципов работы LLM и практический опыт их применения; — Опыт или хорошее понимание RAG-подходов; — Опыт работы с библиотеками и инструментами для ML/NLP: PyTorch, TensorFlow, Hugging Face, Transformers или аналогами; — Понимание fine-tuning/LoRA/prompt engineering на уровне, достаточном для прикладных задач; — Умение оценивать качество моделей и промптов: метрики, сравнение результатов, базовый benchmarking; — Знание SQL и опыт работы с базами данных; — Готовность разбираться в продуктовой задаче, а не только в модели. Условия: — Официальное трудоустройство; — ДМС со стоматологией, офисный врач, доплата больничного листа, корпоративные скидки; — Современный офис (Даниловская мануфактура, м. Тульская), бесплатный спорт в собственном спортзале от «Лиги Героев»; — Бесплатная подписка на сервисы партнеров; — Полный день в офисе, гибридный график или 100% дистанционный формат работы; — Льготные условия ипотеки в рамках зарплатного проекта; — Насыщенная корпоративная жизнь.

Компания "Урал Логистика" приглашает ML-инженера для участия в создании системы обработки документов и данных для грузовых железнодорожных перевозок. Задачи: — Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку — Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения — Создавать baseline для задач извлечения, классификации, определения сущностей и связей — Дообучать модели, готовить инструктивные наборы, обучать адаптеры и сравнивать результаты с базовыми моделями — Определять метрики, стратифицировать выборки и анализировать ошибки по типам документов, сценариям и полям — Работать с извлечением сущностей и связей для построения и обновления графового представления данных — Разворачивать локальный inference и оптимизировать его под доступную инфраструктуру — Работать с tensor parallelism, batching, длиной контекста, GPU-памятью и квантованием — Измерять задержку, пропускную способность, утилизацию и стоимость обработки документа — Версионировать данные, модели, конфигурации обучения и результаты экспериментов — Участвовать в интеграции моделей с прикладными AI-сервисами и production-конвейерами Требования: — Уровень middle+ и выше — Практический опыт построения ML-конвейеров, используемых в production — Уверенное владение Python, PyTorch и Hugging Face Transformers — Опыт fine-tuning языковых моделей, подготовки данных и работы с PEFT — Умение строить корректную оценку качества и контролировать утечки между обучающими и тестовыми данными — Опыт локального inference LLM и понимание устройства GPU-памяти — Знание компромиссов между качеством, скоростью, длиной контекста, batching и квантованием — Знание Linux, CUDA, SQL, Docker и Kubernetes — Способность довести модельное решение до устойчивой эксплуатации Условия: — Полная занятость — Возможность трудоустройства через российское юридическое лицо в штат или через согласованную аутстафф-модель — Основной формат — офис или гибрид — Для самостоятельных специалистов возможна распределённая работа из России — Итоговый грейд и масштаб ответственности определяются по результатам собеседования

Задачи: — Исследование и разработка LLM: полный цикл работы с языковыми моделями от гипотез и экспериментов до оптимизации и внедрения в продакшен. — Проведение A/B-экспериментов: валидировать гипотезы через масштабные A/B-тесты, анализировать влияние на ключевые продуктовые и бизнес-метрики. — Работа с продуктом: взаимодействовать с инженерами и продакт-менеджерами для превращения исследовательских решений в рабочие фичи. — Анализ и оптимизация: отслеживать качество моделей, искать точки роста и устранять слепые зоны в данных и алгоритмах для улучшения ключевых метрик. Требования: — Хорошее знание основ современного ML и DL. — Готовность работать с большими данными и распределёнными вычислениями. — Желание заниматься прикладными ML-исследованиями. — Практический опыт в NLP или RecSys. Условия: — Ежегодные медицинские чекапы, йога и психотерапия, а также другие бонусы.