ML-инженер вакансии

Опыт разработки агентов на Langraph по паттерну ReAct; Опыт разработки ML-моделей от 3 лет.

Строить и проверять evals для AI-агентов: собирать тестовые наборы, считать метрики качества, искать систематические ошибки модели. Анализировать выходы агентов: распределения признаков по компаниям и отраслям, расхождения между прогонами, аномалии.

— Определить, что мы считаем качеством модели — метрика, горизонт, baseline, калибровка — и довести предикт до этого уровня. — Забрать A/B-тесты пейволлов и свести их с предиктом: тест меряет краткосрочный эффект, а раскатывать надо по долгосрочной выручке.

▫️Разработка и развитие модуля Demand Planning. ▫️Проектирование и реализация высоконагруженных алгоритмов прогнозирования спроса.

• Опыт от 5 лет в Quant / ML / DS. • Сильная математическая база.

零一智能 is looking for a Knowledge Graph Algorithm Intern to build knowledge-extraction pipelines, develop agent workflows, and improve graph-based retrieval and reasoning.

Описание вакансии Мы делим продукт на стримы и сейчас собираем аналитику и ML под одного владельца. Вся мобильная реклама держится на одном разрыве: выручка от привлечённого пользователя приходит в течение года, подписками и продлениями, а решение, продолжать ли тратить на канал, нужно принять за несколько дней.

Полный цикл разработки и внедрения ML-моделей в продакшен, мониторинг и ретренинг. Лидерство в реализации бизнес-задач.

Разработка и обучение ML/DL-моделей для задач NLP и Computer Vision. Возможен также classic ML.

Сопровождение ML-решений (мониторинг сервисов и моделей, отслеживание дрейфа данных, работа над развитием); Оценка влияния на бизнес предложенных решений;

-поддерживать и улучшать рекомендательный сервис и CV наших продуктов. -участвовать в построении пайплайнов по сбору данных для последующего моделирования.

Задачи: — Руководство проектированием, разработкой и внедрением on-premises MLOps решений для поддержки доставки моделей машинного обучения — Сотрудничество с дата-сайентистами и разработчиками для создания масштабируемых и эффективных конвейеров данных, систем обучения и деплоя моделей — Разработка и поддержка инструментов мониторинга и управления для обеспечения надежности и производительности MLOps инфраструктуры — Взаимодействие с заинтересованными сторонами для понимания их потребностей в машинном обучении и разработки соответствующих решений — Отслеживание новейших трендов и технологий в области MLOps, машинного обучения и искусственного интеллекта, обмен знаниями с командой — Наставничество младших членов команды и помощь в развитии их навыков в MLOps — Поиск и устранение проблем пользователей Требования: — Опыт работы 5+ лет в MLOps, разработке ПО, инженерии данных или смежных областях — Сильные навыки программирования на современных языках (Java, Scala, Python, Kotlin) — Практический опыт работы с Kubernetes: деплой и эксплуатация рабочих нагрузок, отладка сбоев, работа с основными концепциями (Deployments, ConfigMaps/Secrets, Services, resource limits) — Отличные коммуникативные и командные навыки — Ценность простоты и производительности кода Будет плюсом: — Понимание жизненного цикла ML-проектов — Опыт работы с MLOps платформами, такими как Kubeflow или MLFlow — Опыт с ML-фреймворками: scikit-learn, LGBM, Tensorflow, PyTorch — Опыт работы с Big Data инструментами: Spark, S3, Hadoop — Глубокие знания контейнеризации и оркестрации (Docker, Kubernetes) — Опыт DevOps и CI/CD практик — Опыт создания и масштабирования инструментов для обслуживания моделей, включая построение API с жесткими SLA — Страсть к инженерной стороне машинного обучения и масштабированию — Опыт проектирования и построения MLOps инфраструктуры, включая конвейеры данных, системы обучения и деплоя моделей, а также инструменты мониторинга и управления.

Разработка и обучение ML/DL-моделей для задач NLP и Computer Vision. Возможен также classic ML;

Задача — обучение с нуля специализированных моделей на 1B–10B параметров. – Подготавливать данные и выстраивать пайплайны обучения.

Вакансия предполагает создание и внедрение нейросетевых моделей, которые объединяют методы компьютерного зрения (CV) и обработки естественного языка (NLP). Основная задача — разработка эффективных алгоритмов и моделей, способных работать на пересечении этих двух областей машинного обучения.

• Own AI features from concept to production in a high-load environment. • Build and fine-tune LLMs, train specialized models, and integrate them into the platform.

Разрабатывать и исследовать ML-модели для генерации изображений и визуализации интерьерных/строительных решений на основе товаров Лемана ПРО. Проектировать и реализовывать end-to-end пайплайны для PoC: от сбора и подготовки данных до обучения, оценки и демонстрации результатов.

— Разрабатывать и поддерживать реализованные рекомендательные решения. — Искать новые гипотезы для улучшения пайплайнов обучения моделей и добавления новых признаков.