О нас:
Мы строим ведущую платформу классифайд объявлений Узбекистана. ML - ядро нашего продукта: поиск, ранжирование, модерация и рекомендации.
Команда находится на активной стадии построения ML-инфраструктуры с нуля: мы выбираем технологии, формируем процессы и закладываем фундамент для ML-платформы следующего поколения.
Чем предстоит заниматься:
- Развивать качество поиска: LTR-модели (LambdaMART/LightGBM), разрабатывать и интегрировать векторный поиск, улучшение поискового пайплайна (работа с саджестером, catpred).
- Строить ML-модели для Trust & Safety: обнаружение мошенничества, модерация объявлений, NER в мессенджерах, скоринг нарушений.
- Развивать систему рекомендаций - item2item, user2item рекомендации.
- Участвовать в проектировании и развёртывании ML-платформы (SageMaker, MLflow, Feast, Evidently, Airflow).
Задачи:
— Подготовка данных: выгрузки из PostgreSQL и POS, очистка, пропуски, выбросы
— Прогнозные модели: поток гостей, спрос на позиции меню, потребность в закупках
— Признаки предметной области: сезонность, праздники, погода, история продаж
— Валидация: разбиение по времени, контроль утечек, бизнес-метрика рядом с технической
— Продуктовые исследования: сегменты гостей, средний чек, отток, эффективность акций
— Передача модели в прод вместе с бэкендом: контракт данных, инференс, мониторинг качества
— Код-ревью, обсуждение гипотез, планирование задач
Требования:
— Python 3.11+, аннотации типов
— pandas, NumPy: группировки, join'ы, оконные функции, даты
— scikit-learn: пайплайны, кросс-валидация, подбор гиперпараметров
— Метрики и переобучение: MAE / MAPE, бейзлайн, утечки
— SQL: join'ы, агрегаты, оконные функции
— EDA: matplotlib или seaborn
— Git, ветки, PR, код-ревью
— Плюсом: statsmodels, Prophet, CatBoost, Docker, FastAPI, Airflow, MLflow, LLM и RAG
Условия:
— Удалённо из России, свободный график
— Доступы к AI-сервисам (ChatGPT, Claude и другие)
— Обучение за счёт компании: курсы, книги, конференции, хакатоны
— Ревью каждые 6 месяцев, путь до Middle+ за 0.5–1 года
Задачи:
— Проектировать и разрабатывать multi-agent системы.
— Интегрировать LLM с внутренними инструментами и сервисами.
— Разрабатывать backend-сервисы и API для agent workflows.
— Реализовывать RAG pipelines и tool/function calling.
— Создавать CLI-based agent workflows и инструменты автоматизации.
— Разрабатывать Computer Vision pipelines: object detection, multi-object tracking, person re-identification.
— Разрабатывать multi-camera multi-person tracking для сетей камер.
— Работать с видеопотоками в реальном времени и оптимизировать GPU inference.
Требования:
— Опыт работы с Node.js ecosystem и Express.js.
— Уверенное владение Python.
— Опыт работы с LLM APIs и prompt engineering.
— Опыт работы с RAG, tool calling или agent frameworks.
— Знакомство с Docker, Linux и Git.
— Опыт работы с PyTorch и OpenCV.
— Опыт в object detection и multi-object tracking.
— Опыт работы с YOLO, ByteTrack / BoT-SORT или аналогами.
— Понимание person re-identification и vector search.
— Опыт работы с Milvus / FAISS.
— Опыт обработки видео с ffmpeg / GStreamer.
— Работа с RTSP и hardware decoding.
Будет плюсом:
— Опыт в NLP и ML.
— Опыт развёртывания open-source LLM.
— Опыт оптимизации inference.
— Опыт работы с Vision-Language Models.
— TensorRT / ONNX Runtime.
Условия:
— Удалённый формат работы.
— Заработная плата: 1.600–3.200 USD net в месяц.
Удалённо
1 600 – 3 200 $
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— разработка моделей с применением алгоритмов и техник машинного обучения;
— развёртывание моделей в выбранной среде;
— обработка и устранение возникающих проблем, связанных с работой модели после вывода в продуктивное использование.
Требования:
— опыт работы по направлению не менее 2 лет;
— знание алгоритмов и техник машинного обучения, их преимуществ, недостатков и особенностей применения;
— понимание теории вероятности и математической статистики;
— опыт программирования на языке Python, уверенное владение синтаксисом и основными конструкциями языка, использование библиотек для анализа данных и машинного обучения, знание библиотек для работы с веб-технологиями (Numpy, Pandas, matplotlib, seaborn, scikit-learn, XGBoost, CatBoost, PyTorch);
— знание системы контроля версий и методов CI/CD;
— понимание принципов работы с API и опыт их интеграции в проекты.
Условия:
— удалённый формат работы либо гибрид.
— ДМС со стоматологией, индексация зарплаты, бонусы за командные и личные достижения, кафетерий льгот (20 000 на услуги от образования до здоровья каждый год), программы финансовой, психологической и юридической поддержки, компенсация питания, программы адаптации.
— индивидуальные планы развития, помощь в наращивании экспертизы, работа с внутренним кадровым резервом внутри Северстали и Севергрупп.
— корпоративная культура, взаимоуважение и поддержка на всех уровнях управления.
Задачи:
— Перевод исследовательских DS рабочих процессов (например, прокси-метрики, модели устаревания) в производственные ML пайплайны с использованием Airflow, WandB и Ray, создание повторно используемых шаблонов для других команд.
— Применение и внедрение методов причинно-следственного вывода с использованием производственного ML стека (propensity scoring, IPW, TMLE) для решения важных задач измерения за пределами экспериментальных возможностей. Создание инструментов самообслуживания для неэкспертов для получения строгих причинных выводов в масштабе.
— Сотрудничество с ML инженерами и продуктовыми командами для выявления возможностей улучшения инструментов, метрик и методов измерения, что приводит к значительному улучшению качества моделей и бизнес-результатов.
— Использование богатых метаданных и сигналов вовлеченности Pinterest для построения дата-дривен фреймворков, от важности признаков до деиндексации контента, для повышения эффективности и скорости платформы.
— Проектирование и создание централизованных инструментов ML платформы для улучшения создания, оценки и доверия к признакам и моделям, включая производственные системы, работающие ежедневно в масштабе для всех моделей.
Требования:
— Опыт работы не менее 2 лет в роли прикладного ученого данных, ML инженера, исследователя или разработчика ПО с значительным опытом внедрения ML в производство.
— Сильные навыки Python; опыт работы с PyTorch или аналогичными фреймворками глубокого обучения; знакомство с распределенными вычислениями (Spark, Ray), предпочтительно Ray.
— Энтузиазм к созданию инструментов и платформ, которые увеличивают влияние всей ML организации, а не решают разовые задачи.
— Глубокие знания теории ML с сильными фундаментальными основами для анализа моделей ML с первых принципов.
— Владение лучшими практиками разработки ПО, включая контроль версий, код-ревью и воспроизводимые ML пайплайны.
— Опыт работы с инструментами управления рабочими процессами (Airflow, Prefect, Jenkins или аналогичными) для надежной оркестрации ML пайплайнов.
— Степень бакалавра или магистра в релевантной области, например, компьютерных наук, или эквивалентный опыт.
Условия:
— Работа удаленная с необходимостью присутствия в офисе 3-5 раз в квартал для личного взаимодействия.
— Позиция не предусматривает помощь с релокацией.
Дополнительно:
— Компания предоставляет равные возможности для всех кандидатов без дискриминации.
— Зарплатный диапазон от $114,297 до $235,319 в год, также возможна доля в компании.
— Работа в США, предпочтительно в Пало-Альто, Калифорния, или удаленно по США.
Задачи:
— Партнерство с инженерными и кросс-функциональными командами для улучшения измерения, понимания и оптимизации инфраструктуры Pinterest.
— Определение, измерение и улучшение здоровья, качества и эффективности инфраструктурных систем.
— Создание и совершенствование метрик, дашбордов и аналитических фреймворков для упрощения понимания и действий с техническими системами.
— Усиление основ данных через улучшение определений метрик, аудит качества данных и участие в улучшении пайплайнов и систем измерения.
— Проектирование и анализ экспериментов, расследований и глубоких исследований для оценки влияния изменений инфраструктуры на пользовательский опыт, надежность и бизнес-результаты.
— Перевод неоднозначных технических проблем в четкие аналитические задачи и рекомендации для инженерных и платформенных партнеров.
— Поддержка приоритетных расследований и принятия решений, связанных с производительностью, надежностью, стоимостью и качеством измерений инфраструктуры.
— Выявление возможностей для улучшения измерения и оптимизации инфраструктуры в различных областях, таких как производительность, инфраструктура для шопинга, управление, качество метрик и надежность сайта.
Требования:
— Магистерская степень в релевантной области (статистика, прикладная математика, биостатистика) или эквивалентный опыт.
— Сильные навыки SQL и аналитического программирования, опыт работы с неидеальными данными и построения надежных метрик и наборов данных.
— Опыт участия в создании производственных пайплайнов данных, систем измерения или фундаментальной работы с данными для улучшения качества и удобства использования данных.
— Солидные знания в области экспериментов и измерений, умение проектировать анализы, строго интерпретировать результаты и эффективно взаимодействовать с инженерами и другими заинтересованными сторонами.
— Способность переводить неоднозначные проблемы в четкие аналитические рабочие процессы и практические рекомендации.
— Сильные навыки коммуникации с кросс-функциональными командами, умение ясно объяснять технические выводы.
— Умение работать самостоятельно, расставлять приоритеты между долгосрочными проектами и срочными запросами, продвигать работу в динамичной среде.
— Любознательность и стремление улучшать сложные системы и создавать более масштабируемые и надежные основы измерений.
Условия:
— Работа удаленная с необходимостью присутствия в офисе 1-2 раза в квартал для личного взаимодействия.
— Позиция не предусматривает помощь с переездом.
— Зарплата от $114,297 до $235,319 в год, также доступна опционная программа.
— Только для кандидатов, проживающих в США.
— Pinterest является работодателем, предоставляющим равные возможности и учитывающим разнообразие.
О проекте
Промышленная видеоаналитика. Ядро уже работает - детекция, трекинг, распознавание лиц, детектор СИЗ, API и веб-интерфейс. Нужно довести систему до продакшн внедрения.
Задачи:
- Довести распознавание лиц до измеримого качества: разметка, калибровка порогов, метрики FAR/FRR
- Устойчивое отслеживание
- Оптимизация производительности пайплайна под CPU-only сервер для оффлайн обработки
- Обучение и дообучение детекторов на собственных данных, организация разметки
Требования
- Уверенный Python + Go, опыт с ONNX/ONNX Runtime (экспорт, opset, оптимизация latency на CPU, а не GPU serving)
- Опыт с YOLO
- Face detection/recognition пайплайны (детектор + embedding + порог по cosine similarity)
- Опыт с OpenCV DNN/Zoo моделями плюс
- Object tracking (IoU/ByteTrack-подобные трекеры, multi-object tracking metrics, ID switches)
Digital подразделение крупной производственной компании в поисках Data Engineer (Middle / Senior) в команду, которая строит Корпоративное Хранилище Данных и data-платформы для всего бизнеса.
Основной стек проекта:
Язык программирования Python
Базы данных Greenplum и PostgreSQL
Фреймворк Data Build Tool (DBT)
Фреймворк Spark
Брокер сообщений Kafka
Оркестратор Airflow
Инфраструктура: Kubernetes
Управление инфраструктурой: Terraform, Ansible
Управление кодом: GitLab, SonarQube
Мониторинг: Prometheus, Grafana, AlertManager
Задачи:
— Разработка и поддержка ETL/ELT-процессов в Корпоративное Хранилище Данных
— Организация и оптимизация пайплайнов данных
— Разработка витрин данных и обеспечение качества данных
— Настройка и поддержка инфраструктуры данных (Airflow, Spark, Kafka, DBT)
— Взаимодействие с заказчиками: от сбора требований до внедрения и сопровождения решений
— Документирование и презентация результатов
Требования:
— Опыт работы Data Engineer от 5 лет
— Высшее образование (IT/математика/математическая статистика/физика)
— Отличное знание Python и SQL
— Опыт работы с реляционными БД (Greenplum / PostgreSQL)
— Знание современных технологий обработки больших данных
— Опыт с Airflow, Spark, Kafka, DBT — будет преимуществом
— Умение работать в команде, сильные аналитические навыки и ответственность
Условия:
— Официальное оформление по ТК РФ
— Возможность выбора формата работы (удаленка, гибрид, офис)
— Развитый социальный пакет, ДМС, бонусы
Задачи:
— Стриминг и обработка исходных данных с мейнфрейм и устаревших систем, загрузка в AWS S3.
— Проектирование и реализация ETL/ELT процессов с использованием AWS Glue.
— Проведение сверки данных, проверок качества и валидации для обеспечения точности и надежности данных.
— Кураторство и трансформация данных, предоставление чистых наборов данных через AWS Aurora и RDS (PostgreSQL).
— Управление хранилищем S3, включая политики хранения данных, стратегии архивирования и управление жизненным циклом.
— Автоматизация рабочих процессов и управление деплойментом с помощью GitHub и CI/CD на базе GitHub Actions.
— Использование AI-инструментов для повышения продуктивности инженерии и автоматизации рабочих процессов с данными.
Требования:
— Опыт работы в Data Engineering не менее 5 лет, создание и доставка конвейеров данных, ETL/ELT процессов или платформенных решений.
— Практический опыт работы с AWS Glue для проектирования и реализации ETL/ELT процессов.
— Глубокие знания AWS сервисов: S3, RDS/Aurora, Glue.
— Опыт построения и поддержки потоковых конвейеров данных с использованием Kafka.
— Опыт реализации сверки данных, проверок качества и процессов валидации.
— Владение управлением репозиториями GitHub и автоматизацией CI/CD с помощью GitHub Actions.
— Опыт использования AI-инструментов для автоматизации рабочих процессов и повышения продуктивности.
— Способность самостоятельно брать ответственность за результаты и доводить задачи до завершения с минимальным контролем.
— Опыт работы с данными мейнфрейм или интеграции с устаревшими системами будет плюсом.
— Знакомство с MongoDB или другими NoSQL базами данных будет плюсом.
Условия:
— Оплата $65 в час на основе W2.
— Полностью удаленная работа.
Responsibilities:
• Build and improve biometrics, algorithms, and data-driven insights for the Mira App.
• Analyze hormone, cycle, app behavior, and user outcome data to identify patterns and product opportunities.
Требования к кандидату:
- 3+ years of experience in data science
- Strong Python and SQL skills
- Experience with health or wearable data
- Experience in consumer health or medical devices
- Strong model validation and performance evaluation skills
Synthesia Roleplay Sessions is a training tool that lets people practice real conversations with AI avatars. Instead of just watching training videos, learners do interactive roleplay exercises, like practicing a sales pitch or handling a customer complaint with an AI coach. The AI gives instant feedback so people know what they did well and what to improve. Managers can use a dashboard to track which employees have completed their training, see how well they performed, and measure if the training actually improved their skills. The whole platform is built around learning by doing rather than just passive video watching.
For your ML engineer role, you'd be building the AI engine that makes the coaching work. That means creating the models that listen to what learners say during roleplay, score their performance, generate helpful feedback in real time, and decide how the AI avatar should respond next based on what the learner does. This is an applied ML position, not a research one. We expect you to have a good understanding of ML but on the other side to be a good product-focused software developer as you will be expected to work on different products.
Please bring with you:
— Ability to apply your machine learning knowledge to solve real product problems.
— At least seven (7) years of experience as a software engineer, with at least 2 years at senior level.
— Experience in a high-performing engineering team operating at scale, whether in a scale-up or established organisation recognised for strong engineering culture.
— Strong alignment with commercial success.
— Pragmatism and bias towards action.
— Comfort with fast iteration.
Why join us?
— We’re living the golden age of AI.
— Our culture is focused on building and empowering people to work fast.
— Serving 50,000+ customers including 50% of the Fortune 500.
— Proprietary AI technology built in-house by world-class AI researchers and engineers.
— Commitment to AI safety, ethics, and security.
The hiring process includes:
— Tech Recruiter Interview (30-40min) covering technical background and experience.
— Delivery and Impact Interview (60min) deep dive into past projects and impact.
— Technical Rounds including Work Scenario Round (75-90min) and System Design Technical Discussion (60min).
— Leadership Retrospective (60min) discussing collaboration, growth, and role expectations.
— Final debrief leading to offer or end of process.
Other important info:
— Preference for role based in-office or remote in UK, Germany, Switzerland or Ireland, with possible support for remote workers elsewhere in Europe.
— Salary starts at EUR/GBP/CHF 120,000 base plus RSUs.
— Full-time employment only, no contractors.
— 25 days of leave plus local holidays.
XUND is a medical technology company that builds AI-powered digital health assistants to digitize the patient journey from the first symptoms to treatment.
Work format: Remote or on-site in Vienna, Budapest, Berlin.
Задачи:
— Архитектура новой системы данных компании с нуля.
— Преобразование больших и разнородных медицинских данных в унифицированный, высокопроизводительный граф знаний.
— Работа с медицинскими экспертами, продуктовыми командами и дата-сайентистами для перевода сложной клинической логики в чистые, взаимосвязанные структуры и модели данных.
— Поиск креативных решений с использованием различных типов баз данных и конвейеров данных для обеспечения согласованности и совместимости медицинских данных.
— Разработка и интеграция частей клинического inference engine, основанного на правилах и статистических моделях.
— Проектирование и расширение клинических моделей данных с использованием доменных онтологий (например, SNOMED-CT, FHIR, UMLS) для создания богатых, запросных графовых структур.
— Перевод исследовательских результатов в масштабируемое, промышленное программное обеспечение в рамках agile-команды.
— Тесное сотрудничество с медицинскими экспертами для фиксации клинических рабочих процессов и валидации отображений онтологий.
— Формирование технического направления, дизайна схем и лучших инженерных практик в команде.
Требования:
— Магистр или кандидат наук в области компьютерных наук, математики или смежных областей.
— Более 4 лет опыта работы с медицинскими данными или в области data engineering либо соответствующие академические исследования.
— Глубокие знания графовых баз данных, языков запросов, алгоритмов поиска и/или систем вывода (например, Neo4j, Memgraph, Cypher, SQL, Datalog).
— Обширный опыт разработки на Python и/или TypeScript, комфортное переключение между языками и фреймворками.
— Наличие разрешения на работу в ЕС и проживание в ЕС.
— Желательно: знакомство со статистикой, формальной логикой и/или машинным обучением.
— Опыт работы с электронными медицинскими картами (EHR) и форматами обмена клиническими данными (например, FHIR).
— Интерес к области представления знаний и рассуждений (Knowledge Representation and Reasoning).
— Опыт самостоятельного управления облачными средами (например, GCP) и CI/CD конвейерами.
Условия:
— Работа в одной из ведущих европейских healthtech компаний с возможностью влиять на продукт.
— Возможность работать удаленно или в офисах в Вене, Будапеште и Берлине.
— Выделенный бюджет на обучение и профессиональное развитие.
— Культура с плоской иерархией, открытым общением и уважением к мнению каждого.
— Участие в виртуальных программах опционов на акции (VSOP).
— Возможность приводить в офис своих домашних животных и общаться с офисными собаками.
— Гибкие условия работы и поддержка разнообразия и инклюзивности.