ML-инженер вакансии

Задачи: — Архитектура и внедрение production-ready AI / LLM / Computer Vision систем — Декомпозиция сложных технических задач — Оптимизация стоимости и латенси production рабочих нагрузок — Сотрудничество с техническими и бизнес-командами клиентов — Разработка и обучение моделей машинного обучения — Подготовка данных и проведение аналитики — Деплой и мониторинг моделей Требования: Обязательные: — 2+ года опыта в Machine Learning / AI (Data Scientist, ML Engineer, NLP, CV, Audio Engineer) — 2+ года разработки production AI / LLM систем — Свободное владение Python, TensorFlow, PyTorch, vLLM, LangGraph, LangChain (или эквивалентные) — MLOps: оптимизация стоимости и латенси — Знакомство с agentic tooling (Claude Code, Cursor) — Опыт с LLM, NLP или Computer Vision Желательные: — Опыт с GCP (Google Cloud Platform) — Опыт в content generation — Знание оптимизации локального inference — Опыт работы с LLM и генерацией контента Приветствуется портфолио с примерами production AI систем, которые вы разрабатывали.

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.

Задачи: — Разработка с нуля мультиязычного голосового ассистента (обязательно: английский + турецкий) для мобильного приложения и личного кабинета клиента. — Проектирование архитектуры: оценка решений «готовые API vs локальные модели» и последующий вывод open-source LLM в продакшн. — Интеграция AI-сервисов с текущим бэкендом платформы (основной стек: PHP/Laravel, есть элементы legacy на Yii/C#). — На перспективу: задачи на стыке Computer Vision (умный процессинг оплат) и телематики (анализ данных с датчиков топлива, предсказание поломок спецтехники). Требования: — Отличный Python (коммерческий опыт Middle+ / Senior). — Понимание архитектуры бэкенда (будет плюсом опыт соприкосновения с PHP/Laravel или Go). — Опыт разработки голосовых решений (STT/TTS, ASR/NLP), опыт развертывания и кастомизации локальных моделей (LLM) на своих серверах в проде. — English: уровень B2 и выше (чтение документации, работа с зарубежными AI-ресурсами и проектами). Условия: — Локация: Алматы, офис (для сильных кандидатов возможен гибрид или удаленка). — Занятость: Full-time.

Задачи: — проектирование модуля, который объединяет результаты из поисковых систем — написание эффективных обходов графа с ограничениями по времени — реализация кэширующих стратегий для графовых запросов — оптимизация работы с памятью и GC — разработка асинхронных пайплайнов для параллельных вызовов движков — настройка гибридного ранжирования через кастомные скоринговые функции — интеграция векторного поиска через Java-клиенты — написание запросов к FastGraph — внедрение ранжирующих моделей — сборка фичей для модели — мониторинг качества поиска. Требования: — java core: многопоточность, NIO, работа с коллекциями, понимание JVM и GC — опыт написания высоконагруженных сервисов — понимание алгоритмов ранжирования, опыт настройки гибридного поиска (текст + вектора) — практический опыт обхода графов — понимание метрик качества поиска, умение работать с ранжирующими моделями.

Location: New York; San Francisco ABOUT US: AI NEEDS A NEW INFRASTRUCTURE LAYER. WE'RE BUILDING IT AT MODAL. Every era of computing brought new workloads that previous infrastructure couldn't support: mainframes, databases, and the cloud. Each time, the company that rebuilt the layer underneath defined the decade. AI is no different, except it touches everything instead of one slice, and the window to build the layer underneath it is open right now. Our customers include category-defining companies like Ramp https://modal.com/blog/how-ramp-built-a-full-context-background-coding-agent-on-modal, Cognition, DoorDash, and Suno. They rely on Modal for instant GPU access, sub-second container starts, and native storage, so it's simple to serve low-latency inference, fine-tune models, and access production-ready sandboxes at scale. We've passed $1B in annualized run rate, up 15x from a year ago. In October 2026 we raised a $750M Series D led by Accel at a $15.75B valuation. Our team includes creators of popular open-source projects (e.g.,Seaborn https://github.com/mwaskom/seaborn,Luigi https://github.com/spotify/luigi), academic researchers, international olympiad medalists, and experienced engineering and product leaders with decades of experience. THE ROLE: We’re building a platform that covers the whole life of an LLM: training it, deploying it, and observing it in production. We already run multi-node training, elastic inference, sandboxes, and distributed volumes, and we control the infrastructure underneath. We’re looking for research depth in post-training to sit alongside our systems and product work. We are looking for research scientists with a strong track record in reinforcement learning, machine learning, and foundation models, including large language and multimodal models, to join our research team. WHAT YOU’LL WORK ON: - Improve existing methods and develop new techniques for large-scale model training, optimization, and inference - Extend models to long-context and long-horizon tasks - Improve inference-time efficiency, reliability, and robustness in high-stakes real-world deployments YOU MAY BE A FIT IF: - You have a PhD in computer science, machine learning, or a related field - You have a demonstrated record of research accomplishments in reinforcement learning, machine learning, foundation models, or related fields - You have experience with large-scale training and inference infrastructure, including distributed systems and multi-node GPU clusters - You’ve developed, trained, optimized, or deployed state-of-the-art large-scale models - You have first-author publications at leading venues such as NeurIPS, ICML, ICLR, CoRL, CVPR, UAI, JMLR, or TMLR - You have a mission-driven mindset and a strong desire to translate research advances into meaningful product impact - You have a collaborative spirit and can work effectively across research and engineering teams Candidates with a master’s degree and significant research or industry experience will also be considered.

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.

Задачи: — Разработка и настройка AI-функций продукта — Работа с LLM, RAG, embeddings и векторными базами данных — Интеграция OpenAI, Gemini, DeepSeek и других AI API — Настройка промптов и улучшение качества ответов моделей — Работа с учебными материалами и базой знаний — Поддержка серверной части: Linux, Docker, логи, конфигурации и деплой — Оптимизация скорости работы и стоимости AI-запросов Требования: — Опыт работы от 3 до 6 лет — Уверенное владение Python — Опыт работы с LLM, RAG и embeddings — Опыт интеграции AI API — Понимание FastAPI и REST API — Опыт работы с Linux-серверами — Владение Docker, Git, переменными окружения и инструментами работы с логами — Умение доводить AI-функции до рабочего состояния в продукте — Будет преимуществом: опыт работы с Qdrant, Pinecone, Weaviate, Chroma, PostgreSQL, Redis, TTS/STT, Telegram Bot API, Mini App, MLOps и компьютерным зрением Условия: — Официальное оформление по Трудовому договору или договору ГПХ (с самозанятым, ИП или физическим лицом) — График работы 5/2 — Рабочий день: 8 часов — Гибридный формат работы — Выплата заработной платы два раза в месяц — Возможность проектной или долгосрочной занятости — Условия оплаты обсуждаются по итогам собеседования Адрес: Астана, улица Сарайшык, 5

MDiet — early-stage HealthTech стартап, разрабатывающий AI-powered платформу, которая помогает снижать количество повторных госпитализаций пациентов. Продукт ориентирован на рынок здравоохранения США. Возможна релокация в США при успешном росте компании, обсуждается индивидуально. Tech Stack: • LangGraph + LangChain / Agentic AI • vLLM + Hugging Face • PyTorch + PEFT / LoRA / QLoRA • Vector databases: pgvector, Qdrant, Weaviate, Chroma, Pinecone • Advanced RAG, Prompt Engineering, Embeddings • FastAPI + PostgreSQL • Docker + Kubernetes + async processing: Arq / Celery / Redis Streams • Apache Airflow для data pipelines • AWS Cloud: EC2, S3, SageMaker, Lambda, RDS, Bedrock • Structured output: Outlines / Guidance / Instructor • Evaluation & observability: Langfuse, RAGAS / DeepEval, Prometheus + Grafana • MLOps practices Задачи: • Проектирование и разработка multi-step LLM agents и pipelines для обработки медицинских данных • Разработка production RAG-систем с высоким уровнем grounding и качеством citation • Деплой и оптимизация self-hosted LLM inference через vLLM с фокусом на cost и throughput optimization • Fine-tuning open-source моделей на domain-specific medical data с измеримым улучшением результата • Построение data pipelines и versioning для документов, embeddings и training data • Создание evaluation frameworks, guardrails и систем контроля hallucinations • Реализация reliable structured output и data extraction • Тесное взаимодействие с physicians и Platform Architect Требования: • Сильный hands-on опыт с production LLM systems: RAG, agents, inference • Опыт fine-tuning open-source LLMs: LoRA / QLoRA / PEFT, с измеримыми результатами • Опыт построения data pipelines и versioning для LLM / RAG workloads • Сильные навыки в evaluation, hallucination reduction и structured output • Production Python + FastAPI + async processing • Опыт с self-hosted inference: vLLM или аналогичные решения • Опыт GPU optimization • Английский язык на уровне C1: strong written and spoken communication skills • Bachelor’s degree или выше в Computer Science, Artificial Intelligence, Machine Learning, Data Science или смежной технической области • 5+ лет опыта в ML/AI • 1.5–2+ года опыта в production LLM projects • Опыт с MLOps Будет плюсом: • Опыт в medical / clinical NLP или regulated domains • Cost modeling и optimization of LLM workloads • MLOps и production fine-tuning pipelines • Apache Airflow, Prometheus / Grafana или AI Solution Architecture • Publications in relevant fields Условия: • Работа в early-stage HealthTech startup с продуктом для US healthcare market • Возможность участвовать в создании AI-powered платформы с реальным влиянием на healthcare-процессы • Офисный формат в Астане первые 7–9 месяцев, далее возможен hybrid/remote • Зарплата $4 000 – $5 000 USD gross + equity • Возможность релокации в США при успешном росте компании, обсуждается индивидуально

Задачи: — Разрабатывать и внедрять классические ML-модели для оценки рисков, выявления мошенничества, прогнозирования оттока и ценообразования. — Создавать функции на базе больших языковых моделей (LLM) и внутреннюю автоматизацию с использованием RAG-пайплайнов и агентных рабочих процессов. — Определять стратегию в области искусственного интеллекта, включая стандартизацию инструментов и разработку фреймворков оценки моделей. — Отвечать за полный жизненный цикл ML: от определения требований заинтересованных сторон до развертывания и мониторинга. — Сотрудничать с руководителем отдела данных для формирования возможностей ML/AI с нуля. Требования: — Опыт профессиональной работы ML-инженером не менее 4 лет с использованием Python в продакшене. — Глубокие знания классического машинного обучения, включая инженеринг признаков и валидацию моделей. — Практический опыт работы с фреймворками LLM, такими как LangChain, LangGraph или LlamaIndex. — Подтвержденный опыт создания систем RAG или продуктов на базе LLM для реальных пользователей. — Опыт работы с основными облачными провайдерами (AWS, GCP, Azure) и контейнерами. — Свободное владение английским языком в письменной и устной форме. Желательно: — Опыт работы с MLOps-инструментами, такими как MLflow, Airflow или Kubernetes. — Опыт работы в сферах финтеха, платежей или телекоммуникаций. Условия: — Комплексный страховой пакет, включающий медицинское, стоматологическое и профессиональное страхование. — 30 дней ежегодного отпуска и дополнительная оплата по уходу за ребенком. — Пособие на оздоровление в размере 5000 SEK и скидки на абонементы в спортзал. — Пенсионный план и программа бонусов на основе результатов работы. — Международная и разнообразная команда в Стокгольме.

Delivery Hero — сервис доставки еды, работающий в 70+ странах мира. Размер команды — 10 000+ | Компания оценивается в $8B+. В компании работает много русскоговорящих ребят. Помогают с релокацией.

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.

Задачи: — Проектировать и владеть сквозными ML и дата-системами от сбора данных до продакшн-деплоя — Архитектурно создавать масштабируемые дата-пайплайны для RAG, эмбеддингов и обработки в реальном времени — Строить и эксплуатировать ML-сервисы, API и инфраструктуру с использованием IaC, контейнеризации и оркестрации — Интегрировать ML-системы с внешними API, инструментами и платформами для автоматизации — Устанавливать мониторинг, оценку и наблюдаемость данных, моделей и систем — Наставлять инженеров и задавать техническое направление команды Требования: — Опыт проектирования и масштабирования продакшн ML-систем и дата-платформ — Глубокие знания в области дата-инжиниринга, ML пайплайнов, RAG и эмбеддингов — Опыт создания надежной инфраструктуры данных с гарантией качества — Навыки Python и SQL, Docker, Kubernetes, облачные среды — Опыт работы с IaC (Terraform) и воспроизводимыми масштабируемыми системами — Практический опыт интеграции ML с API/сервисами и продакшн-операциями с мониторингом Желательно: — Опыт работы с LLM, агентными архитектурами (LangGraph, AutoGen, CrewAI) — Знакомство с синтетическими данными, системами оценки, AI feedback loops — Инструменты наблюдаемости Agent/ML (Langfuse, LangSmith) — Обслуживание моделей, маршрутизация, оптимизация инференса — Опыт с open-source моделями (LLaMA, Mistral) или кастомным инференсом — Паттерны надежности и безопасности систем AI Условия: — Гибридный формат работы: 2 дня в неделю на кампусе в Берлине — Поддержка релокации в Берлин — 27 дней отпуска + дополнительные дни после 2-3 лет — Бюджет на образование €1,000, языковые курсы, Udemy, поддержка родителей — Медосмотры, медитация, субсидии на спорт и велосипед — План акций для сотрудников, банк саббатикала, транспортные скидки, страховка, пенсия — Ваучеры на питание, корпоративные скидки

Задачи: — Развертывать и оптимизировать локальные AI-модели. — Разрабатывать AI-агентов и RAG-решения. — Интегрировать AI-сервисы с корпоративными системами. — Выводить AI-продукты в промышленную эксплуатацию. Требования: — Практический опыт локального развертывания LLM. — Опыт работы с RAG, LoRA/QLoRA, Hugging Face, PyTorch. — Умение доводить AI-продукты до промышленной эксплуатации. — Для Strong Middle обязателен подтвержденный опыт самостоятельной разработки и внедрения AI-решений в production. — Действующее право на трудовую деятельность в Республике Казахстан (оформление разрешений на привлечение иностранной рабочей силы не осуществляется). Условия: — Работа в офисе в Астане, full-time. — Трудовой договор. — Возможность участвовать в создании собственной AI-платформы компании. — Зарплата до 2 000 000 тенге net по результатам интервью.

Задачи: - Управление AI-продуктами от идеи до вывода в прод. - Участие в проработке AI-стратегии кластера (Roadmap, KPI, приоритизация инициатив). - Проработка архитектуры AI-решений. - Координация команд: Data Scientists, ML-инженеры, Data Engineers. - Решение проблем масштабирования моделей и качества данных. - Запуск PoC и MVP AI-продуктов. - Оптимизация инференса моделей (скорость, стоимость, точность). - Дообучение open-source моделей под задачи бизнеса. Требования: - Образование: высшее. - Опыт работы: от 5 лет на релевантной позиции. - Опыт в предметной области AI. - Опыт коммерческой разработки, развитый технический кругозор. - Навыки презентации для C-level с ценностными тезисами. - Agile/Scrum для ML-проектов. - Языки: Python, SQL. - ML/DS: scikit-learn, TensorFlow/PyTorch, Hugging Face, LangChain. - MLOps: MLflow, Kubeflow, Airflow, Docker/Kubernetes. - Данные: Spark, DWH (BigQuery, Snowflake), векторные БД (FAISS, Pinecone). - Опыт управления коллективом: обязателен. Требования к личным качествам: - Лидерство, выстраивание коммуникаций, синхронизация работ, критическое мышление, предпринимательский mindset, адаптивность. Знание стека: - LangChain, Kafka, K8s, LLM-модели, NLP-модели — embedding, NER, classification.