ML-инженер вакансии

Ожидание от кандидата: Высшее техническое или математическое образование; От 3–4 лет коммерческого опыта в Data Science / ML.

-Участие в проекте умного ценообразования банковских продуктов. -Полный цикл разработки моделей: сбор и подготовка данных, исследовательский анализ, построение uplift‑моделей, их валидация и оценка.

— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования.

Предстоит: Проводить мониторинг и обслуживание AI-моделей; Управлять инфраструктурой в виде GPU-серверов;

По сотрудничеству в формате ИП ищем на проект ML-инженера (проект по обезличиванию данных), проект долгосрочный. -Опыт работы от 3 лет в роли ML-инженера / Data Scientist.

• Цикл ML-проекта. Вы будете преобразовывать бизнес-требования в ML-задачи, собирать пайплайн, обучать и проверять модель, внедрять её в реалтайм-сервис и тестировать с помощью A/B-теста.

Исследовать подходы к causal inference, uplift-моделированию и оценки эффекта изменения цены; Проектировать временную валидацию, backtesting и бизнес-метрики качества;

Задачи: — Участие в операционной деятельности команды: дейли-митинги, спринт-планирования, ретроспективы, проведение демо для заказчика; — Контроль соблюдения сроков и качества результатов по всем активным проектам; — Проектирование и внедрение LLM решений: NER/классификация/обогащение, semantic search и RAG пайплайны, подготовка датасетов, fine tuning, улучшение метрик; — Ведение проектной документации в соответствии с принятыми стандартами и регламентами компании. Требования: — Опыт DS/ML (3+ лет) и общий опыт в IT около 6 лет, с фокусом на end-to-end внедрения AI/ML решений; — Опыт оценки трудозатрат для комплексных AI-проектов; — Инструменты управления: Jira, Confluence или аналоги для трекинга задач, ведения документации и управления бэклогом; — Понимание полного жизненного цикла ML-проекта: сбор данных, разметка, обучение, валидация, деплой, мониторинг; — Понимание принципов работы LLM, GenAI, RAG и агентных систем — на уровне, достаточном для оценки рисков; — Понимание принципов MLOps: CI/CD для моделей, версионирование данных, автоматизация пайплайнов; — Высокий уровень владения языком Python и опыт разработки production решений и интеграций с корпоративными системами; — Практика работы с корпоративными базами данных (PostgreSQL, ClickHouse, Vertica или аналогичными) и построением витрин/ETL (Airflow, Kafka и т.п.). Условия: — работа в аккредитованной IT-компании (льготная ипотека и проч.); — оформление по ТК РФ и его полное соблюдение (оплачиваемые отпуска, больничные); — ДМС со стоматологией с первых недель работы (а не после испытательного срока).

The role involves building production GenAI systems, RAG pipelines, recommendation/personalization models, and scalable ML infrastructure from development through deployment.

Задачи: — Отвечать за всю AI-часть продукта: архитектура AI-системы от выбора LLM-моделей до построения RAG-pipeline и интеграции компьютерного зрения, принимать все ключевые технические решения — Обеспечивать качество рекомендаций, повышая конверсию на каждой итерации — Проводить быстрые итерации с выкатыванием изменений каждую неделю, сбором метрик, анализом и улучшением — Проводить эксперименты: A/B тесты промптов, гибридный поиск (текст + визуал + отзывы), мультимодальные модели, быстро проверять гипотезы на реальных пользователях — Масштабировать систему с 2000 туров на Мальдивы до 50,000+ туров по трём направлениям с тысячами запросов в день — Строить продукт с нуля, быстро экспериментировать и влиять на архитектуру Требования: — Опыт с продакшен LLM-приложениями, построение RAG-систем или чат-ботов на основе GPT/Claude — Экспертный уровень промпт-инжиниринга: правильная структура промптов, few-shot examples, chain-of-thought — Опыт работы с эмбеддингами и векторным поиском, понимание similarity search, hybrid search, reranking — Python на уровне продакшена: чистый, быстрый, поддерживаемый код Будет плюсом: — Опыт с компьютерным зрением и мультимодальными моделями (CLIP, GPT-4o, Claude 4.5 Sonnet) — Опыт с high-load системами и оптимизацией latency — Понимание рекомендательных систем — Понимание MLOps: мониторинг моделей, версионирование, A/B тестирование — Опыт построения recommendation систем и MCP для LLM систем — Личный опыт использования LLM для автоматизации задач Софт-скиллы: — Продуктовое мышление: AI как инструмент решения бизнес-задач — Умение работать с метриками: конверсия, время сессии, escalation rate — Быстрота принятия решений: выкатывать несовершенное решение и тестировать — Умение объяснять сложное простым языком для команды и бизнеса Условия: — Официальное оформление по ТК РФ — График 5/2, офис, сокращённый рабочий день по пятницам до 15:30 — Корпоративные программы обучения и развития — Медицинское обслуживание: ДМС и собственная медсанчасть — Специальные предложения от компаний-партнеров (рестораны, магазины, отдых, мероприятия) — Организация отдыха сотрудников и их детей, оплата детского сада — Аккредитованная IT компания — Офис на станции м. Курская — Корпоративные условия на приобретение туров — Дополнительный оплачиваемый отпуск 3 дня, оплата больничного — ДМС для членов семьи по корпоративным условиям — Корпоративные условия на изучение английского и занятия спортом

Описание вакансии Общие обязанности: Руководство распределенной командой Постановка задач, распределение ролей и контроль выполнения работ в соответствии с установленными сроками. Проведение ревью кода и архитектурных решений, обеспечение высокого качества разрабатываемых решений.

Предстоит: Работать с профессиональными базами данных и хранилищами данных, разрабатывать и оптимизировать SQL-запросы; Использовать Python для анализа данных, автоматизации процессов и решения прикладных задач;

Ищем ML-разработчика, который будет улучшать качество претрейна Alice AI LLM — направление, отвечающее за умность базовой модели и качество данных. Задачи: — Эксперименты с претрейн-моделями: ставить и анализировать вычислительно тяжёлые эксперименты с претрейн-стадией, проверять гипотезы об источниках прироста ризонинг-способностей, постановка и выбор сетапа эксперимента. — Пайплайны данных: строить эффективные пайплайны сбора, синтеза, обработки и фильтрации обучающих данных в новых доменах, масштабировать и оптимизировать их. — Изменение процесса обучения: модифицировать процесс обучения модели для улучшения ризонинга, внедрять изменения в обучающий пайплайн и оценивать их влияние. — Экспертные модели: обучать модели-верификаторы для проверки качества данных и ответов, модели для генерации обучающих данных SOTA в узком домене, модели-фильтры для отсева некачественных данных. — Исследование скейлинга: исследовать законы скейлинга качества модели с точки зрения данных и вычислений, определять влияние масштабирования на рост рассуждающих способностей в разных доменах. Требования: — Глубокое понимание NLP. — Знание Python и опыт разработки на нём. Будет плюсом: — Опыт обучения претрейн-моделей в любой из модальностей (NLP, CV, звук, рекомендации). — Опыт построения эффективных CPU/GPU-пайплайнов. — Погружение в области исследования языковых моделей (RL, архитектуры или данные для LLM).

You make huge models, up to 1T+ parameters, answer fast and cheap in production. SGLang, caching, distributed inference, post-training.

Location: Bulgaria, Hungary, Poland Why Join Exadel We’re an AI-first global tech company with 25+ years of engineering leadership, 2,000+ team members, and 500+ active projects powering Fortune 500 clients, including HBO, Microsoft, Google, and Starbucks. From AI platforms to digital transformation, we partner with enterprise leaders to build what’s next. What powers it all? Our people are ambitious, collaborative, and constantly evolving. About the Client The leading provider of vehicle lifecycle solutions, with headquarters in Chicago, enables the companies that build, insure, and replace vehicles to power the next generation of transportation. Its platform delivers advanced mobile, artificial intelligence, and car technologies. It connects a network of 350+ insurance companies, 24,000+ repair facilities, hundreds of parts suppliers, and dozens of third-party data and service providers. The customer's collective solutions enhance productivity and help clients deliver better experiences for end consumers. What You’ll Do Design and implement end-to-end document intelligence pipelines on AWS Develop and optimize ML models for document classification, segmentation, and field extraction Build scalable data processing systems handling PDFs up to 2000 pages Collaborate with subject matter experts to create and refine requirements for extraction Own features from research through production deployment and monitoring Establish evaluation frameworks and quality metrics for extraction accuracy What You Bring Advanced knowledge of Python (native, Pandas, ScikitLearn, Tensorflow or Pytorch, PyStats, Pydantic) Experience with AWS tools for ML Engineering and ML deployment (Sagemaker, Lambda, Cloudformation/CDK, Step Functions) Advanced knowledge of SQL and Data Modeling Experience with GenAI for document intelligence, including prompt engineering, RAG (Retrieval Augmented Generation), multi-modal models (vision + text), and production deployment using AWS Bedrock or Azure OpenAI APIs Experience in experiment design (power analysis and hypothesis testing) Proficiency in both written and verbal communication, required for a remote and largely asynchronous work environment Demonstrated capacity to clearly and concisely communicate complex technical problems and propose iterative solutions Experience owning a feature from concept to production, including proposal, discussion, and execution Nice to have Experience with document processing tools (AWS Textract, Azure Document Intelligence, or similar OCR/layout detection systems) Experience with PDF and Image processing libraries (e.g. PyMuPDF, opnecv, pillow) Experience in Machine Learning/ Data Science (e.g., ML algorithm selection, feature engineering, model training, hyperparameter tuning, supervised and unsupervised learning implementation, building a model pipelines, using Machine Learning tools/libraries/frameworks) Experience working with AWS big data technologies (Redshift, S3, EMR, Glue, etc.) English Level Upper-intermediate Legal & Hiring Information Exadel is proud to be an Equal Opportunity Employer committed to inclusion across minority, gender identity, sexual orientation, disability, age, and more. Reasonable accommodations are available to enable individuals with disabilities to perform essential functions. Please note: this job description is not exhaustive. Duties and responsibilities may evolve based on business needs. Compensation details are shared with candidates at the early stage of the recruitment process. The offer is not binding until a signed contract is in place. Your Benefits at Exadel Exadel benefits vary by location and contract type. Your recruiter will fill you in on the details. International projects In-office, hybrid, or remote flexibility Medical healthcare Recognition program Ongoing learning & reimbursement Well-being program Team events & local benefits Sports compensation Referral bonuses Top-tier equipment provision Exadel Culture We lead with trust, respect, and purpose. We believe in open dialogue, creative freedom, and mentorship that helps you grow, lead, and make a real difference. Ours is a culture where ideas are challenged, voices are heard, and your impact matters.

Задачи: — проектировать ML-системы для ценообразования, промоаллокации и прогнозирования спроса — анализировать эксперименты — встраивать модели в продукт

Что нужно делать? • Разрабатывать новые и поддерживать/улучшать существующие проекты (backend+ML+участие в деплое), а также улучшать мониторинг и аналитику запущенных проектов.

Стек: Python, SQL, Spark, PyTorch, ClickHouse, Redis, S3.