Workplace: Удалённый, Офис, Гибридный
Вы поможете нам развивать ML-инфраструктуру поиска и рекомендаций Яндекс Еды. Для нас одинаково важны скорость разработки, надёжность системы и эффективное использование вычислительных ресурсов. Основная часть сервисов написана на C++, и вы будете с первых задач развивать существующую кодовую базу.
Мы ищем бэкенд-разработчика, который поможет развивать ML-инфраструктуру поиска и рекомендаций Яндекс Еды.
Наши сервисы работают под высокой нагрузкой: например, через ранжирование главной страницы проходят тысячи запросов в секунду. При этом новые возможности рекомендаций напрямую влияют на пользовательский опыт и результаты бизнеса. Поэтому для нас одинаково важны скорость разработки, надёжность системы и эффективное использование вычислительных ресурсов.
Основная часть сервисов написана на C++. Вам предстоит с первых задач развивать существующую кодовую базу.
Обязанности
Инфраструктура для моделей рекомендаций
Мы строим production-инфраструктуру для моделей, которые улучшают поиск и рекомендации: от подготовки эмбеддингов и управления версиями до быстрого и надёжного инференса под реальной нагрузкой. Вы будете безопасно раскатывать новые версии, следить за согласованностью моделей и эмбеддингов, развивать мониторинг качества и быстро обнаруживать ухудшения ранжирования. Глубоко заниматься устройством самих нейросетей не потребуется: команда получает готовые модели и отвечает за их интеграцию и работу в продакшене.
Платформа пользовательских профилей
Мы хотим быстрее учитывать свежие сигналы о действиях пользователя в поиске и рекомендациях. Здесь много интересных задач по распределённым системам: обработка событий exactly-once, шардирование и обновление больших профилей, объединение сигналов из разных источников, согласованность онлайн- и офлайн-фич, восстановление данных и мониторинг всего пути от события до ответа модели. Предстоит работать с потоковой обработкой данных, динамическими таблицами и распределёнными хранилищами. Вы сможете повлиять на архитектуру платформы для разных ML-команд.
Межсервисное взаимодействие
Вы будете участвовать в развитии взаимодействия сервисов на базе gRPC: проектировать Protobuf-контракты, улучшать общие инструменты и библиотеки, а также обеспечивать надёжность сервисных интеграций.
Больше о бэкенде в Яндексе — в канале
Yandex for Backend
Требования
* Занимались бэкенд-разработкой на C++ и готовы с первых задач работать с большой существующей кодовой базой
* Понимаете, как проектировать и эксплуатировать высоконагруженные сервисы и распределённые системы
* Умеете самостоятельно разбираться в сложной задаче, договариваться со смежными командами и доводить решение до продакшена
* Интересуетесь рекомендательными системами и инфраструктурой вокруг ML. Знакомство с RecSys и современными ML-моделями будет полезно, но глубоких знаний об устройстве нейросетей мы не требуем
Будет плюсом
* Уверенно владеете Python
* Работали с рекомендательными или поисковыми системами либо с MLOps
* Знакомы с gRPC, Protobuf, userver, потоковой обработкой данных или распределёнными хранилищами
Узнайте про разработку Городских сервисов Яндекса на [dev.go.yandex](http://dev.go.yandex/?utm\_source=yandex\_jobs&utm\_medium=social&utm\_content=1&utm\_campaign=vacancies)
Location: Москва
Мы ищем сотрудника в команду сопровождения LLM продуктов. На данной позиции требуется поддержка самих моделей (как opensource, так и разработанных нашими командами), и api слоя.
Обязанности
* настраивать и сопровождать LLM модели и их окружение
* участвовать в решении инцидентов, восстанавливать работоспособность и прорабатывать решения по повышению стабильности в работе стендов
* настраивать CI/CD
Требования
* отлично знаете Linux
* имеете опыт внедрения и сопровождения highload систем
* понимаете принципы построения высоконагруженных и отказоустойчивых систем
* опыт работы с системами контейнеризации (OpenShift / Kubernetes)
* опыт работы с системами мониторинга и логирования (Zabbix, Grafana, ELK)
* опыт работы с инфраструктурными компонентами (Nginx, Redis)
* опыт написания скриптов на Python / Bash
* опыт работы с Gitlab/Jenkins/Bitbucket
Условия
* комфортный современный офис рядом с м.Кутузовская
* возможность выбрать удобный график – офис/гибрид
* ежегодный пересмотр зарплаты, годовая премия
* корпоративный спортзал и зоны отдыха
* более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
* программа адаптации и помощь руководителя на старте (для Junior позиций)
* расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
* льготная ипотека для каждого сотрудника
* бесплатная подписка Прайм с возможностью совместного использования на трёх близких
* вознаграждение за рекомендацию друзей в команду Сбера.
* корпоративная пенсионная программа
* отсутствие строгого дресс-кода.
Москва
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Настройте подбор, и подходящие вакансии будут приходить в Telegram.
Location: Limassol, Cyprus
Workplace: hybrid
inDrive runs many ML models across 48 countries, and the platform under them is growing fast. Teams ship to Databricks, SageMaker and self-managed GPU inference, and LLM workloads are moving into production.
We are hiring a Senior Backend Engineer to build and run the services and tooling that ML teams depend on. You will write production-grade Go and Python, own your services from design to on-call, and learn the MLOps stack (Terraform, Kubernetes, Databricks, SageMaker) on the job. You will work with data scientists, ML engineers, and software and data engineers.
Key Responsibilities
Design, build and run backend services and internal tooling for the ML platform, in Go and Python, and own them in production: delivery, monitoring, on-call.
Drive technical research and design for new platform features. Weigh trade-offs and write them down.
Build and extend the deployment tooling and SDKs ML teams use to ship models, including serving, autoscaling and data capture.
Integrate ML services with the wider backend: sync (HTTP, gRPC) and async (Kafka, RabbitMQ) communication, built for reliability under high load.
Support the full ML delivery cycle with data scientists and ML engineers: CI/CD for models and pipelines, monitoring, and model performance metrics.
Build observability end to end: metrics, logs, dashboards, tracing, alerting and runbooks.
Write infrastructure as code with Terraform and Terragrunt, and ship it through reviewed pull requests.
Take part in code and design reviews and help raise the engineering bar. Mentor engineers and hold AI-generated changes to the same review standard as human ones.
Skills, Knowledge and Expertise
5+ years of commercial backend engineering, including high-load systems.
Strong Go: you know and have used its advanced features in production.
Solid Python for data processing (batch, streaming and async) and for service code.
Strong SQL: schema design, indexes, query optimisation, and scaling approaches such as replication and partitioning. Experience with Redis or similar key-value stores.
Experience with sync and async service communication (HTTP, gRPC, Kafka or RabbitMQ), with a focus on reliability.
Docker, CI/CD pipelines, and working Kubernetes knowledge. Experience with AWS/GCP core services (compute, storage, networking, IAM).
Understanding of the ML lifecycle: data preparation, model performance metrics, non-functional requirements, and concept drift in production. Familiarity with scikit-learn, PyTorch/TensorFlow.
Experience designing and running observability: metrics, logging, dashboards, tracing (Prometheus, Grafana, ELK or similar).
Git workflows and code review, comfortable Linux command line, and networking basics (TCP/IP, DNS, VPC, load balancers).
Ability to explain a trade-off clearly to a data scientist, a product owner and an on-call engineer.
Nice to have:
Hands-on experience with MLOps tooling: Databricks (Unity Catalog, Asset Bundles), SageMaker, Kubeflow, MLflow or Airflow.
GPU or LLM inference experience (vLLM, Triton, Langfuse).
Experience using AI coding agents with full review of generated changes.
Experience in emerging markets, or building where there is no playbook yet.
Experience with Infrastructure-as-Code (IaC) tools
Why join us
Help us challenge injustice by creating fair choices for millions of people across in 47 countries.
Develop your professional skills with access to mentoring, career consulting, and learning programs.
Collaborate with teams around the world and gain international experience through our Global Talent Exchange Program.
Engage in company-wide challenges, awards, sports activities, employee-led social impact and volunteering projects.
Work alongside people who take initiative, speak openly, and challenge themselves to grow.
Improve your language skills through co-financed courses and internal speaking clubs.
Annual salary starting from 59 200 EUR gross
Final benefits may vary depending on the location.
Развитие и поддержка ML-инфраструктуры (Linux, Docker, Kubernetes, Python, GitLab CI, Git, Kubeflow, Prometheus, Grafana Airflow S3 / MinIO HelmPyTorch / TensorFlow Fine-tuning — LoRA, QLoRA, PEFT Дистилляция RAG,Hugging Face Quantization, ONNX, TensorRT). Интеграция LLM и других моделей в продакшн-окружение.
Развитие классификатора данных для полей БД (Tabular ML). Развитие существующей ML-модели (RandomForest), которая выявляет ПДн в полях баз данных на основе метаданных и значений.
Location: Athens
Workplace: Remote
About the company:
KIEFER is building Greece's integrated AI ecosystem. From renewable energy infrastructure and AI systems to robotics and enterprise applications, we connect the technologies that power Europe's intelligent future. Founded in 2014, KIEFER has delivered 600MW+ of energy projects and is now developing sovereign AI infrastructure, enterprise AI products and physical AI systems for Greece and Southeast Europe.
About the role
We are looking for an MLOps Engineer to build the infrastructure and tools that support ML work at Kiefer Tech. Our work spans Sophea AI language model, the Sophea Nous RAG platform, robotics, and Hyperion X, our energy trading platform.
You will work closely with ML and Engineering teams to make experiments reproducible and model deployment and production operations reliable.
What you will do
- Build workflows for running and managing model training and fine-tuning jobs.
- Make experiments traceable through dataset, checkpoint, and model artifact versioning.
- Automate model evaluation and release checks so teams can compare changes before deployment.
- Build deployment and serving workflows, including safe rollout and rollback of model versions.
- Improve GPU workload scheduling and utilization, with attention to performance and compute cost.
- Add monitoring and troubleshooting tools for production ML systems, and work with teams to resolve recurring issues.
What you will need
- Hands-on experience building or operating infrastructure for production ML systems.
- Strong Python and Linux skills, with the ability to write maintainable production code.
- A practical understanding of the ML lifecycle, from experiments and evaluation to model deployment.
- Experience with containers, workload orchestration, CI/CD, and infrastructure automation.
- Experience working with GPU workloads and measuring performance, utilization, and cost.
- Experience monitoring and troubleshooting production systems.
Nice to have
- Experience with LLM serving tools such as vLLM, SGLang, or NVIDIA Triton.
- Experience with distributed or multi-GPU training.
- Experience with ML tooling such as MLflow, Weights & Biases, Kubeflow, or Ray.
- Experience supporting ML workloads in private cloud or on-premises environments with data governance requirements.
What is there for you
- Compensation: Competitive package aligned with talent benchmarks.
- Impact: Hands-on work shaping AI capabilities for Kiefer Tech’s products and real-world applications.
- AI-native environment: Real challenges across model development, evaluation, and production AI systems.
- Culture: Engineering-first, high autonomy, low bureaucracy, and space to shape meaningful AI products.
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.
На проекте банковского заказчика предстоит создавать AI-агентов, строить MLOps-инфраструктуру и работать с данными для ML. создавать AI-агенты и платформы для них;
• От 3 лет опыта в ML Engineering, Data Engineering или DevOps с развёртыванием и поддержкой ML-систем в продакшене. • Опыт построения ML training pipelines с experiment tracking и model registry (MLflow, W&B или аналоги).
Location: Москва
Мы развиваем внутреннюю ML-платформу для команд Data Science и ML. Платформа обеспечивает полный цикл работы с ML: от интерактивных окружений для исследований до обучения моделей на GPU, версионирования данных и моделей, оркестрации пайплайнов.
Ищем MLOps-инженера, который поможет развивать инфраструктуру, автоматизировать процессы и делать платформу надёжной, масштабируемой и удобной для пользователей.
Наш стек
* ОС и контейнеры: Linux, Docker, Kubernetes, Helm
* IaC и автоматизация: Terraform, Ansible
* CI/CD: GitLab, GitLab CI/CD, Registry
* Мониторинг и логи: Grafana, Prometheus, VictoriaMetrics, Kibana
* Языки: Python
* ML-инструменты: JupyterHub, YTsaurus, Slurm, Airflow, MLflow, LakeFS
* GPU: NVIDIA GPU, MIG
* Сеть: TCP/IP, DNS, ingress, балансировка, сетевые политики.
Обязанности
* развивать и поддерживать ML-платформу: окружения для обучения и экспериментов
* разворачивать и сопровождать сервисы в Kubernetes: Helm, Docker, ingress, сетевые политики, балансировка
* автоматизировать инфраструктуру с помощью Terraform, Ansible, Helm
* строить и поддерживать CI/CD-процессы в GitLab: сборка, тестирование, публикация образов в Registry, деплой
* управлять GPU-ресурсами: NVIDIA GPU, MIG, планирование, изоляция, мониторинг загрузки
* интегрировать и поддерживать инструменты ML-платформы: JupyterHub, YTsaurus, Slurm, Airflow, MLflow, LakeFS
* обеспечивать observability: Grafana, Prometheus, VictoriaMetrics, Kibana
* работать с сетью: DNS, TCP/IP, маршрутизация, балансировка, firewall, service discovery
* писать автоматизацию и внутренние сервисы на Python
* обеспечивать отказоустойчивость, безопасность, масштабирование и предсказуемость платформы
* консультировать команды DS/ML по использованию платформы и лучшим практикам.
Требования
* уверенное знание Linux и сетей
* коммерческий опыт эксплуатации Kubernetes в production
* опыт работы с Docker, Helm, Terraform, Ansible
* опыт построения CI/CD в GitLab, включая Registry
* понимание принципов мониторинга и логирования: Prometheus, VictoriaMetrics, Grafana, Kibana
* уверенный Python для автоматизации и написания внутренних сервисов
* опыт работы с GPU-ресурсами: NVIDIA GPU, MIG, планирование и мониторинг
* понимание жизненного цикла ML-моделей и задач MLOps
* опыт интеграции или поддержки инструментов из ML-стека: JupyterHub, YTsaurus, Slurm, Airflow, MLflow, LakeFS.
Условия
* возможность выбрать удобный формат работы: гибрид или офис
* ежегодный пересмотр зарплаты, годовая премия
* корпоративный спортзал и зоны отдыха
* более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
* расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
* ипотека выгоднее до 7% для каждого сотрудника
* бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
* вознаграждение за рекомендацию друзей в команду Сбера.
Location: Москва
Мы ищем талантливого и опытного MLOps, который сможет выстроить технически современную, удобную и прозрачную практику MLOps, оказывающую влияние на весь Сбербанк Страхование.
Наша задача - развить MLOps практику в команде для вывода ML моделей в прод.
Обязанности
* Создание/Внедрение MLOps-практик (стенды, процессы, DevOps) для исследований в направлениях: среды разработки, тестирования, инференса и мониторинга моделей в различных режимах работы (Batch, Streaming) и использования ресурсов (CPU, GPU);
* Помощь команде Исследователям в выводе моделей в прод;
* Взаимодействие с Data Scientists, ML Engineers, инженерами данных и DevOps для создания эффективных ML-решений;
* Обеспечение высокой доступности и отказоустойчивости ML-систем;
* Внедрение систем мониторинга качества моделей в production.
Требования
* Знание инструментов MLOps (MLflow, Kubeflow, Airflow и др.);
* Опыт работы с контейнеризацией и оркестрацией (Docker, Kubernetes);
* Навыки программирования на Python, Bash;
* Знание SQL;
* Уверенный пользователь Linux;
* Понимание CI/CD-практик;
* Понимание процессов машинного обучения и Data Science;
* Инструментальное владение AI для анализа, генерации и автоматизации.
Условия
* Гибридный формат работы (офис м.Проспект Мира);
* Выгодные ипотечные льготные условия кредитования;
* Подписка Прайм с возможностью совместного использования на трёх близких, скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Delivery Club, Самокат, Ситимобил, Сбер Еаптека и другие;
* ДМС с первого дня и льготное страхование для близких;
* Корпоративная пенсионная программа;
* Детский отдых и подарки за счет Компании;
* Обучение за счет Компании: онлайн курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию;
* Скидки на отдых в лучшем в мире курортном комплексе «Mriya Resort & SPA» в Ялте.
Location: Berlin
ROLE HIGHLIGHTS:
- Senior MLOps Engineer, ISR
- Location: Berlin, Germany
- Department: ISR Analytics
- Reports to: VP of ISR Analytics
- Employment type: Permanent
- Workplace model: Hybrid
- Employment is subject to applicable security screening (incl. SUPO, where required)
WHY THIS ROLE MATTERS:
ICEYE's Intelligence, Surveillance and Reconnaissance (ISR) AI team builds models that turn satellite imagery into intelligence for defense customers. Your job is to work with data scientists to build sustainable infrastructure, workflows, and deployment practices for the AI models, both in the cloud and for on-premise systems. You sit with the AI team and work with them to build the infrastructure they train, evaluate and ship on. Like our platform work, every environment is temporary and must be reproducible from code; a model is only done when it runs, monitored, on hardware we don't control.
WHO WE ARE
ICEYE is the world leader in sovereign intelligence from space. We deliver persistent monitoring capabilities to detect and respond to changes in any location on Earth.
ICEYE owns the world's largest and most advanced SAR (synthetic aperture radar) satellite constellation. To our customers we provide intelligence with unmatched quality, latency and revisit times, in any weather, day or night. To governments who choose to operate their own constellation we provide this proven capability as a sovereign system.
ICEYE-built constellations serve customers in defence and intelligence, environmental monitoring, insurance and emergency management. We enable fast decisions that contribute to a safer future.
Founded and headquartered in Finland, ICEYE operates globally with over 1000 employees across Europe, North America, the Middle East, and Asia-Pacific.
YOUR DAY-TO-DAY RESPONSIBILITIES
- Build training, evaluation and packaging pipelines that take a model from experiment to versioned, deployable release.
- Deploy and serve models on Kubernetes with GPUs, in the cloud and on-prem, including air-gapped sites.
- Package models, weights and dependencies so they install and upgrade offline.
- Manage GPU compute: scheduling, drivers, utilization and cost, across cloud and on-prem hardware.
- Track data, experiments and model lineage, so any result can be reproduced and audited.
- Monitor models in production for performance, drift and failures, without relying on outside connectivity.
- Write tooling in Python that the AI team uses every day, and work in the model codebase alongside them.
WHAT WE’RE LOOKING FOR
Must haves:
- Senior hands-on engineer (not an engineering manager or architect role).
- Proven experience deploying ML models to production and running them there, not only training them.
- Strong Python, and comfort reading and changing ML code (PyTorch or similar).
- Hands-on Kubernetes and containers, including GPU workloads.
- Infrastructure as code and CI/CD for ML (for example Terraform, Helm, GitHub Actions).
- Daily use of AI tools in engineering work, beyond chat: generating and reviewing code, configuration and tests.
- High autonomy: you find problems, propose fixes and drive them through.
- Motivation to work in new defense: building technology used by defense forces.
Nice to haves:
- Deployed models to on-prem, edge or air-gapped environments.
- Model serving and optimization: Triton, TorchServe, KServe, ONNX, TensorRT, quantization.
- Computer vision or geospatial data (satellite, SAR, raster, PostGIS).
- ML pipeline and tracking tools such as MLflow, Kubeflow, Argo Workflows, DVC or Weights & Biases.
- Large-scale data processing for imagery (Dask, Ray, Spark, object storage).
- Strong IC track record in a startup or a fast-changing company launching new products.
- Clear communicator who works well with researchers and experienced engineers.
WORKING AT ICEYE
At ICEYE, you’ll join a diverse and highly engaged team united by the ambition to make the impossible possible. As a global scale-up, we combine speed and ambition with the opportunity to take real ownership from day one. Your growth, wellbeing, and success are a priority, with continuous professional development, training opportunities, and a culture where collaboration is how we win.
HOW WE WORK (OUR VALUES)
Make the impossible possible: We set ambitious goals and stay calm under pressure. We bring grit, optimism, and ownership when things get hard, and we keep moving until we find a way.
- Be curious: Go deep, ask questions, listen carefully, and think critically. Understand the “why” behind decisions.
- See the big picture: Stay close to what’s happening across the company so you can make better decisions. Consider how your work affects others.
- Drive effective teamwork: Create psychological safety, invite different perspectives, and build inclusive teams. There are no bad questions.
- Act as one team: We win together. We match tasks to the right owner and stay agile as priorities shift.
- Have fun: What we do matters—and it should be enjoyable. Celebrate progress, take pride in results, and share the wins.
BENEFITS
Our benefits are designed to support your health and wellbeing, at work and beyond. We keep improving them based on employee feedback, and offerings vary by location. Talent Acquisition will confirm what applies for this role and location during the process.
OUR COMMITMENT TO DIVERSITY, EQUITY, AND INCLUSION
We want ICEYE to be a place where people can be themselves and do great work. Different backgrounds and perspectives make us stronger, which is why we work to create an environment where people feel included, respected, and able to speak up. Whatever your background, we want you to bring your authentic self to the table.
We’re committed to fair, inclusive hiring and equal opportunity. Everyone is welcome to apply. If you need any adjustments or support during the recruitment process, tell us—we’ll do our best to help.
Apply now to start your ICEYE journey, and help us continue to make the impossible possible together. Read more about ICEYE and working with us at iceye.com http://iceye.com.
