ML-инженер вакансии

• Design and develop human-like, action-level chatbots that not only converse naturally but also initiate and execute user workflows inside the product. • Participate in the architecture and development of an intelligent, context-aware translation system that preserves meaning, tone, and style.

· Анализировать данные, выбирать подходящие архитектуры (от классического ML до нейросетей) и обучать модели. · Искать и тестировать новые подходы и решения, адаптируя их под наши нужды.

— Проводить исследования на основе большого количества реальных гитарных джемов. — Работать с open source моделями, адаптация под музыкальные задачи.

Задачи: — улучшать рекомендации — искать гипотезы — прототипировать на GPU — выкатывать в A/B-тесты Требования: — опыт 3+ года — знание Python, SQL, Spark, Docker, Git, ClickHouse, Redis, Deep Learning Условия: — удалённая работа или офис — фултайм

• Экспертиза в Linux, Docker.

Разрабатывать модели прогнозирования, скоринга, детекции аномалий и AI-агентов. Выводить модели в production и масштабировать их.

🎯 Задачи — Разработка и развитие модуля Demand Planning — Проектирование и реализация высоконагруженных алгоритмов прогнозирования спроса и анализа рыночных сигналов — Ответственность за компоненты работы с данными и качество прогнозов.

Задачи: — Активное участие в найме, наставничестве и развитии карьеры других инженеров — Повышение технических стандартов, производительности, надежности и операционного совершенства — Определение областей, где машинное обучение может создавать ценность для клиентов — Правильная постановка задач машинного обучения в продуктах, взаимодействие с командой и заинтересованными сторонами из Product и Design — Проведение разведывательного анализа данных и исследований для глубокого понимания проблемной области — Исследование и выбор подходящих алгоритмов и инструментов, сочетая прагматизм и инновации — Проведение офлайн-оценки для подтверждения эффективности алгоритмов — Сотрудничество с инженерами для вывода прототипов в продакшн — Планирование, измерение и распространение результатов для информирования итераций — Тесное взаимодействие с командой и другими подразделениями для создания отличных ML-продуктов Требования: — 5-8 лет опыта применения машинного обучения — Предыдущий опыт на старшей или ведущей позиции (data science, разработка ПО или академическая сфера) — Значительный и доказанный вклад в продукт и/или команды — Сильные навыки программирования — Опыт технического лидерства в команде — Хорошие коммуникативные навыки внутри инженерных команд и между дисциплинами — Умение работать в условиях неопределенности — Обычно наличие продвинутого образования в области машинного обучения или смежной области (например, MSc) — Научный подход к мышлению Плюсы: — Опыт выпуска ML-продуктов — PhD или опыт работы в исследовательской среде — Глубокие знания в применимых областях ML, таких как NLP, глубокое обучение, байесовские методы, обучение с подкреплением, кластеризация — Сильный статистический или математический бэкграунд — Навыки визуализации и работы с данными, включая SQL, matplotlib и др. Условия: — Гибридный формат работы с офисами в Дублине, Лондоне и Берлине — Ожидается присутствие в офисе минимум три дня в неделю — Компания предлагает конкурентные условия и поддержку баланса между работой и личной жизнью — Политика равных возможностей и недискриминации — Поддержка здоровья, благополучия, семьи, времени вне работы и финансового будущего Компания: Fin — крупная IT-компания, разрабатывающая интеллектуальных AI-агентов для автоматизации клиентского сервиса, теперь часть Salesforce. Их AI Agent Fin — один из лучших на рынке, обеспечивающий круглосуточную поддержку клиентов по всем каналам с минимальной настройкой и интеграцией. Команда активно применяет современные ML-технологии и тесно сотрудничает с продуктовой и дизайнерской командами для быстрого вывода продуктов на рынок.

Разрабатывать модели прогнозирования, скоринга, детекции аномалий и AI-агентов. Выводить модели в production и масштабировать их.

Разрабатывать, обучать и внедрять ML/DL-модели для бизнес-задач. Строить AI-агентов и multi-agent workflows с tool/function calling, MCP и LangGraph/LangChain (или аналогами).

In this role, you will work on the development and continuous improvement of Sophea AI, expanding our LLM capabilities across European languages, with a particular focus on Polish. You will be deeply involved in LLM pre-training, training from scratch, fine-tuning, model evaluation, inference optimization, and production-grade ML systems.

Предстоит: Разработка и улучшение пайплайна LLM post-training: SFT, preference optimization, Offline / Online RL;

• Ускорять и масштабировать LLM в проде: оптимизация инференса очень больших моделей (до 1T+ параметров), SGLang, KV/prefix caching, speculative decoding, квантизация. • Разворачивать распределенный инференс: MoE, tensor/expert/pipeline parallelism на multi-node / multi-GPU кластерах (32x H200 + AWS).

— Разрабатывает модули планирования снабжения и производства. — Проектирует и реализует компоненты для календарного и производственного планирования и оптимизации запасов.

Проводить исследования на основе большого количества реальных гитарных джемов. Работать с существующими open source моделями и трансформировать их под музыкальные задачи.

-управлять командой, состоящей из DS, DE, MLOps. -соблюдать требования и стандарты производственного процесса банка.

Задачи: — Управление Cost of Risk по всем кредитным продуктам. — Создание и развитие моделей скоринга, поведенческого анализа и кредитных лимитов — от гипотезы до внедрения в продакшен. — Автоматизация программы повышения кредитного лимита с переходом от ручных правил к машинному обучению. — Контроль процессов взыскания на ранних и поздних стадиях, включая восстановление задолженности. — Разработка методологии резервирования совместно с финансовым отделом. — Подготовка ежемесячных отчетов по рискам для CEO и совета директоров. — Установление стандартов валидации моделей, мониторинга и регулярного переобучения. Требования: — Опыт работы 6+ лет в области кредитного риска по необеспеченным потребительским кредитам, включая 2+ года на руководящей должности. — Практический опыт создания моделей скоринга, поведенческого анализа и кредитных лимитов. — Прямое управление показателем Cost of Risk / NPL как ключевым метрикой эффективности. — Глубокое понимание процессов взыскания как части общей кредитной экономики. — Опыт работы с распределенными командами. — Профессиональный уровень английского языка. — Русский язык является плюсом. Желательно: — Опыт работы с картовыми программами и автоматизированным управлением кредитными лимитами. — Опыт работы с BNPL / рассрочкой. — Опыт внедрения ML-моделей в продакшен. — Опыт работы в регулируемом банке. — Опыт работы в Латинской Америке и знание испанского языка.

Location: Moldova Company Background Coherent Solutions is a global digital product engineering company founded in 1995 and headquartered in Minneapolis, Minnesota. With a presence in nine countries and a team of more than 1,700 engineers, the company provides custom software development and engineering services across web and mobile applications, cloud, DevOps, and data. Coherent Solutions works with clients worldwide to build and scale digital products while fostering a culture of collaboration, transparency, and continuous professional growth. Project Description You will work with senior engineers on internal classical machine learning initiatives. The role combines structured learning, practical delivery, and gradual ownership of increasingly complex tasks. Technologies Python, pandas, NumPy, scikit-learn, Jupyter SQL XGBoost, LightGBM MLflow FastAPI Git, Docker, pytest What You'll Do Prepare and validate structured datasets for machine learning tasks, including cleaning, transformation, encoding, scaling, and missing-value handling; Conduct exploratory data analysis to identify patterns, data quality issues, and opportunities for modeling; Build, test, and compare ML models for tasks such as regression, classification, clustering, dimensionality reduction, and anomaly detection; Develop and select features with guidance from senior engineers; Run experiments, tune model parameters, and evaluate results using appropriate validation approaches and metrics; Help maintain reproducible ML pipelines, notebooks, experiment tracking, and technical documentation; Write and maintain automated tests for data and model-related code; Support the delivery of models through REST APIs or batch-processing workflows; Document model assumptions, results, limitations, and technical decisions; Work closely with senior engineers, incorporate feedback, and gradually take ownership of more complex tasks; Job Requirements 1+ year of hands-on Python development experience, including experience with pandas, NumPy, scikit-learn, and Jupyter; A strong foundation in statistics, probability, and linear algebra, plus exploratory data analysis skills; An understanding of supervised and unsupervised learning, and practical experience with regression, classification, clustering, dimensionality reduction, and anomaly detection; Experience preparing structured datasets, including cleaning, transformation, encoding, scaling, and missing-value handling, plus practical feature engineering and feature-selection skills; An understanding of train/validation/test splits, cross-validation, data leakage, overfitting, and regularization; the ability to select appropriate evaluation metrics, compare models, and perform error analysis; Familiarity with hyperparameter tuning and reproducible ML pipelines; SQL skills for data extraction and analysis; The ability to expose models through REST APIs or batch-processing workflows; Familiarity with Git, automated testing, Docker, and basic model monitoring; The ability to explain model behavior, assumptions, limitations, and results; English at B2 level or higher; Nice To Have XGBoost, time-series analysis, recommendation systems, MLflow, model interpretability, cloud services, production ML monitoring, and GenAI, LLM, RAG, prompt-engineering, or agent-development experience; What Do We Offer The global benefits package includes: Technical and non-technical training for professional and personal growth; Internal conferences and meetups to learn from industry experts; Support and mentorship from an experienced employee to help you professional grow and development; Health insurance; Sports activities to promote a healthy lifestyle; Flexible work options, including remote and hybrid opportunities; Referral program for bringing in new talent; Work anniversary program and additional vacation days.