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
Что нужно делать? • Разрабатывать новые и поддерживать/улучшать существующие проекты (backend+ML+участие в деплое), а также улучшать мониторинг и аналитику запущенных проектов.
• Own AI features from concept to production, integrating LLMs and custom models. • Work on real-time live-streaming problems — content moderation, recommendations, and more.
ОфисseniorLimassol
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
- Разрабатывать, обучать и оптимизировать ML/AI-модели на PyTorch или TensorFlow
- Проектировать end-to-end пайплайны обработки и подготовки данных
- Работать с синтетическими данными и автоматизацией разметки
- Интегрировать AI/ML-модели с backend и другими компонентами продукта
- Подготавливать модели к production-деплою и масштабированию
- Настраивать процессы мониторинга, версионирования и экспериментов с использованием MLOps-инструментов
- Контейнеризировать ML-процессы с помощью Docker
- Работать с облачной инфраструктурой AWS или аналогами
- Участвовать в оптимизации inference и производительности моделей
- Взаимодействовать с инженерами и другими участниками AI-команды на всех этапах разработки
- Определять техническое направление AI-проектов, принимать ключевые архитектурные решения и обеспечивать техническое руководство командой на всех этапах разработки.
Требования:
- Опыт 4+ года коммерческого опыта в Machine Learning / AI Engineering
- Практический опыт разработки и внедрения ML-моделей в production
- Английский (свободный)
- Уверенное понимание основ Machine Learning и Deep Learning
- Знание методов оптимизации моделей и ключевых ML-метрик
- Практический опыт с MLOps (MLflow/Kubeflow/AWS SageMaker или аналогичные)
Условия:
- Формат: Full-time
- Локация: Ташкент (Офис)
- Официальное трудоустройство по ТК УЗ
- Занятость: полный рабочий день
Задачи:
— Разработка и развитие сервисов промышленного инференса ML-моделей и LLM
— Построение централизованного слоя доступа к моделям и AI-сервисам
— Разработка платформенных компонентов для деплоя, версионирования и мониторинга моделей
В данной роли предстоит заниматься разработкой и проектированием AI-агентов, которые автоматизируют процессы отчетности и выявления отклонений в бизнес-процессах. Задачи включают создание пайплайнов для обнаружения аномалий, интеграцию этих решений с большими языковыми моделями (LLM) для генерации текстовых отчетов, а также работу с большими данными: подготовку признаков, агрегацию и передачу данных в модели. Кроме того, необходимо оптимизировать, упаковывать и разворачивать агентные системы в продуктивной среде. Важной частью работы является тесное взаимодействие с бизнес-подразделениями и аналитиками для преобразования их требований в технические AI-решения. Кандидат должен иметь не менее трех лет опыта коммерческой разработки на Python, хорошо разбираться в языковых моделях, включая понимание их ограничений, а также иметь опыт работы с LangChain или аналогичными инструментами для интеграции LLM в бизнес-задачи. Требуется знание математической статистики и основ различных методов машинного обучения, а также понимание принципов DevOps и процессов CI/CD. Работа предполагает офисный формат в Москве.
Задачи:
— Владеть AI-функциями от концепции до производства в масштабе 50k RPS и 450M пользователей.
— Создавать большие языковые модели (LLM) и обучать кастомные модели для приложений в реальном времени.
— Тесно сотрудничать с продакт-менеджерами для трансформации целей в решения.
— Оценивать и внедрять мониторинг производительности моделей, отслеживать дрейф и регрессии.
Требования:
— Опыт работы инженером 5+ лет с практическим опытом LLM в продакшене.
— Умение обучать и выпускать модели на неструктурированных данных.
— Глубокое понимание оценки моделей и мониторинга в продакшене.
— Владение Python и основами машинного обучения.
— Английский язык на уровне Intermediate и выше.
Условия:
— Конкурентная зарплата, бонусы и опционы (каждый сотрудник — партнер).
— Официальное трудоустройство на Кипре с поддержкой визы для сотрудника и супруга.
— Комфортный офис в Лимассоле с питанием и перекусами.
— Медицинская страховка.
— Доступ к матчам и мероприятиям Aris Limassol F.C.
— Возможности профессионального роста и командных активностей.
Задачи:
— Управление командой из 4–6 человек: постановка масштабных целей, декомпозиция их в задачи, координация со смежными командами, контроль процесса от постановки задачи до внедрения в продакшен.
— Обучение моделей и работа с данными: превращение данных, размеченных с помощью LLM, в датасеты для ML-моделей ранжирования, создание корпусов синтетических данных, дообучение открытых и внутренних LLM.
— Создание пайплайнов для оценки обученных моделей, обеспечение многосторонней оценки моделей, работающих в продуктах с миллионами пользователей.
Требования:
— Опыт управления командой ML/DL-разработчиков.
— Опыт обучения DL-моделей и их внедрения в продакшен.
— Готовность работать руками, создавать прототипы и проверять гипотезы.
Будет плюсом:
— Опыт работы с высоконагруженными системами и создания моделей для них.
— Опыт работы в кросс-функциональных командах.
Условия:
— ДМС с регулярными чекапами и вакцинацией.
— Другие бонусы, полный список доступен по ссылке.
Semantics Innovations — технологическая IT-компания, которая специализируется на разработке, тестировании и внедрении программного обеспечения для цифровой экономики и финансового сектора.
Офис в Астане, Казахстан.
Задачи:
— Повышение качества RAG-агентов по трём направлениям: поиск по технической документации, нормативной базе, бухгалтерской документации;
— Промпт-инжиниринг и контекст-инжиниринг для всех агентов команды;
— Подготовка эталонных наборов оценки качества;
— Реализация LLM-as-a-judge для автоматических регрессионных проверок;
— Настройка защит для production-агентов: фильтры от инъекций в промпт, валидация структуры и контента выходов, защита от утечек персональных данных, anti-hallucination механизмы;
— A/B-тестирование промптов и моделей для подбора лучших конфигураций;
— Тюнинг качества по сигналам обратной связи пользователей и трассировкам из Langfuse.
Требования:
— Python от 2 лет коммерческой разработки;
— Практический опыт RAG-систем в продакшене: эмбеддинги, векторные базы (Qdrant, FAISS или pgvector), переранжирование, чанкинг;
— Опыт построения и поддержки как минимум одного RAG-решения от начала до конца, не прототип;
— Практический опыт оценки качества LLM-систем: подготовка эталонных наборов, offline-метрики, LLM-as-judge, регрессионные проверки;
— Опыт работы с фреймворками оценки (Ragas, DeepEval или аналоги);
— Практический опыт настройки защит для LLM-приложений: защита от инъекций в промпт, валидация структуры и контента выходов, защита от утечек персональных данных;
— Опыт промпт-инжиниринга и контекст-инжиниринга в реальных проектах: итеративная настройка промптов, structured output, function calling;
— Понимание архитектуры RAG: стратегии нарезки документов, метаданные, выбор моделей эмбеддингов, переранжирование, точность ссылок на источник;
— Практический опыт работы хотя бы с одним LLM-фреймворком: LangChain, LangGraph, PydanticAI, OpenAI API или аналоги;
— Практический опыт A/B-тестирования промптов и моделей в продакшене;
— Опыт работы с агентскими протоколами (MCP) или собственным tool-layer для агентов;
— SQL и работа с реляционными базами на базовом уровне.
Задачи:
— Владеть проблемой, превращая цели в AI-решения в продакшене.
— Строить и адаптировать большие языковые модели (LLM); дообучать или дистиллировать модели для повышения производительности.
— Обучать собственные модели, включая сбор и оценку данных.
— Принимать решения о разработке или покупке на основе чётких метрик и ограничений.
— Выпускать функции в продакшен и мониторить их эффективность.
Требования:
— Опыт инженерной работы 5+ лет с сильными навыками программирования.
— Практический опыт с LLM: retrieval, использование инструментов и контекстное проектирование.
— Подтверждённый опыт обучения моделей на реальных производственных данных.
— Владение Python, PyTorch и использованием GPU.
— Английский язык на уровне Intermediate и выше.
Желательно:
— Опыт работы с инференсом в реальном времени, модерацией контента или рекомендательными системами.
— Знакомство с Docker, Kubernetes и облачными платформами.
Условия:
— Конкурентная зарплата и опционные программы — все являются партнёрами.
— Официальное трудоустройство на Кипре (поддержка визы для сотрудника и супруга).
— Комфортный офис в Лимассоле с обеспечением питания и перекусов.
— Медицинская страховка для сотрудника и семьи.
— Возможности для профессионального роста, уроки греческого языка и командные мероприятия.
Задачи:
— Улучшение текущих моделей и обучение новых, включая классификаторы, генеративные модели, сложные сценарии на основе агентов и пайплайнов.
— Сбор и анализ данных для дообучения, обучение с использованием SFT- и RL-подходов.
— Быстрая разработка прототипов и MVP для новых проектов, с фокусом на агентах и RAG для обработки большого контекста.
— Автоматизация валидации ML-моделей, внедрение систем автоматической оценки качества моделей в продакшен.
Требования:
— Опыт в машинном обучении.
— Хорошее знание Python.
— Уверенное владение классическими алгоритмами и моделями.
— Глубокие знания в NLP и LLM.
Будет плюсом:
— Опыт работы с агентами и RAG-пайплайнами.
Условия:
— Расширенная медицинская страховка с первого месяца, включая стоматологию, ежегодные чекапы, неотложную помощь за рубежом, лечение критических заболеваний и страхование от несчастных случаев.
— Психотерапия в офисе или онлайн.
— Лазерная коррекция зрения через год работы.
— Ведение беременности и роды через два года.
— Страховка для родственников по системе 80/20 (80% оплачивает компания).
— Внутренняя образовательная платформа, менторство, программы для руководителей.
— Оплата участия в профильных конференциях.
— Внутренние проекты для обмена экспертизой.
— Гибкий график без фиксированного времени начала и конца рабочего дня.
— Льготные жилищные займы для сотрудников российских офисов.
— Программы поддержки для детей: страхование, детские дни в офисе, подарки на рождение, чекапы при планировании беременности.
Задачи:
— Разработка и внедрение агентов на базе LLM, проектирование ML-компонентов платформы агентов.
— Создание агентов, способных обрабатывать сложные multi-turn и multi-modal запросы пользователей.
— Разработка систем маршрутизации задач, выбора инструментов и моделей, управление вызовами функций и оркестрация моделей внутри пайплайна.
— Замена традиционных классификаторов LLM-пайплайнами и RAG-системами, трансформация старых архитектур в современные пайплайны с LLM, вызовом функций, планированием и рассуждениями.
— Дообучение, настройка и интеграция моделей, оптимизация inference, работа с опенсорс-моделями и внутренними, включая fine-tuning, RL и адаптацию под платформу агентов.
— Обеспечение быстрой и устойчивой работы агентов на продакшене, оптимизация inference и взаимодействие с инфраструктурой (Eagle, FP8, дистилляция, multi-dimensional parallelism).
— Исследования и эксперименты с графами агентов и памятью, эксперименты с вызовами агентов, memory-подсистемами, симуляцией поведения, архитектурами reasoning и системами планирования.
— Участие в разработке RL-моделей для обучения диалоговых агентов, постановка и реализация экспериментов с multi-turn reinforcement learning в масштабах Яндекса и Алисы.
Требования:
— Глубокие знания в Deep Learning и NLP.
— Опыт работы с LLM и пайплайнами вокруг них (function calling, memory, RAG).
— Опыт внедрения ML-систем в продакшен.
— Системное мышление — от архитектуры до интеграции с инфраструктурой.
— Владение Python и знакомство с PyTorch.
— Готовность к кросс-функциональной работе с бэкендом и продуктовыми командами.
Задачи:
— Разработка и внедрение автономных ИИ-агентов и генеративных моделей (LLM, мультимодальные системы) для ускорения проектирования, разработки и развертывания ERP-систем, а также создания интеллектуальных интерфейсов автоматизации — от генерации кода до обработки естественно-языковых запросов пользователей.
— Создание ИИ-сервисов и автономных агентов для автоматизации бизнес-процессов.
— Обучение и тонкая настройка LLM (Large Language Models) и других ML-моделей под задачи компании.
— Анализ данных, разработка алгоритмов для прогнозирования, оптимизации и принятия решений.
— Интеграция ИИ-решений в существующие продукты компании.
— Участие в научно-исследовательских проектах, публикация результатов (при желании).
Требования:
— Опыт в работы в IT от 5-ти лет.
— Опыт работы в области Machine Learning, Deep Learning или Data Science от 3-ех лет.
— Знание Python и ряда библиотек для ML/DL таких как TensorFlow, Pandas, PyTorch, scikit-learn и др.
— Опыт работы с NLP, LLM (GPT, Llama, Mistral и т. д.), RAG, автономными агентами.
— Понимание принципов работы ERP-систем (желательно).
— Умение работать с большими данными (SQL, NoSQL).
— Знание методов обучения с подкреплением (RL) — будет плюсом.
— Английский язык (уровень для чтения технической документации).
Условия:
— Официальное оформление и стабильный доход по ТК РФ.
— Все льготы и преимущества работы в аккредитованной ИТ-компании.
— Программа ДМС с первых дней.
— Работа в офисе с гибким началом рабочего дня.
— Московский офис в шаговой доступности от м. Динамо, оборудованный всем необходимым для комфортной работы и отдыха.