Вакансии

Location: Москва Отдел занимается разработкой AI-агентов для автоматизации бизнес-процессов. В фокусе — задачи NLP и CV: работа с текстовыми и визуальными документами, извлечение информации, принятие решений на основе содержимого. Требуется усилить отдел ML-экспертизой в области языковых моделей, промпт-инжиниринга и качества агентных решений. На этой позиции нужен Data Scientist, который отвечает за смысл и качество решений агента и обработки документов. Это возможность участвовать в создании агента enterprise-уровня с высокими требованиями к качеству и стабильности. Обязанности * развивать промпты агентов: системные и ролевые промпты, few-shot, схемы рассуждения, tool calling, извлечение структурированных знаний из документов * строить пайплайны эволюции промптов: версионирование, оффлайн-оценка (golden set, side-by-side, LLM-as-judge), итерации по ошибкам * решать задачи классификации и маршрутизации документов: разделение входного пакета по классам, подготовка релевантного контекста для агента * работать с RAG и эмбеддингами: chunking, выбор и тюнинг эмбеддингов, retrieval / rerank, оценка качества поиска * работать с open-source LLM и GigaChat во внутреннем контуре; предлагать и обосновывать стек под задачу Требования * опыт в Data Science / NLP / LLM от 3 лет * опыт prompt engineering на продакшн-задачах * понимание tool calling / function calling * понимание RAG-архитектур * опыт классификации текстов и документов * уверенный Python (эксперименты, скрипты, оценка качества) * понимание метрик качества LLM и подходов к оценке (eval-наборы, precision / recall по кейсам) **Будет преимуществом** * богатый опыт работы с эмбеддингами: выбор модели, fine-tune, contrastive learning, оценка retrieval * опыт пайплайнов эволюции промптов (DSPy, GePA и аналоги, Langfuse / PromptLayer) * опыт LangChain / LangGraph / LlamaIndex на уровне логики агента * опыт в доменах: банки, комплаенс, документооборот, юридические тексты * опыт LoRA / SFT * опыт CV / мультимодальных моделей Условия * комфортный современный офис рядом с м. Кутузовская * формат работы – офис/гибрид * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Предстоит заниматься обработкой естественного языка и всем, что с ней связанно: от обучения базовых классификаторов, до файн-тюна LLM и написания агентских систем на LangGraph.

Проектировать и развивать LLM-пайплайны для ИИ-помощника: диалоги, уточняющие вопросы, рекомендации, саммари, инсайты, объяснения медицинских данных простым языком. Разрабатывать агентные сценарии: сбор данных из внешних источников, валидация данных, обогащение профиля, уточнение рисков, подготовка данных к приёму врача, контроль следования рекомендациям.

-Проектировать, разрабатывать и оптимизировать ML-пайплайны: от подготовки данных и обучения моделей до внедрения в production. -Разрабатывать и дообучать ML/NLP-модели под продуктовые задачи.

Основной фокус роли — разработка GenAI/LLM/Agentic‑сценариев для медицинского помощника.

Проектировать и запускать эксперименты по обучению агента взаимодействию с компьютерными средами. Вам предстоит придумывать и реализовывать новые RL-пайплайны — от формулировки reward-функций до архитектуры обучения на многошаговых траекториях с вызовами тулов.

Location: Москва Мы - команда GigaChat Pretrain Data, готовим pretrain данные для GigaChat и GigaChat Vision. Pretrain данные - это фундамент, с которого начинается путь современной LLM модели и то, от чего наиболее зависит ее итоговое качество. Сырых данных более 40Пб и основная задача заключается в том, чтобы из этого хаоса сделать датасет, на котором будет обучена лучшая LLM в России. Обязанности * генерировать синтетические данные: математика, код, произвольная синтетика с сидами - документами из Web * исследовать токенизацию и ее влияние на качество модели (возможно написание статей) * решать задачи кластеризации миллиардов документов * исследовать разные факторы, которыми обладают текстовые данные * генерировать Vision данные для прокачки VLM * разрабатывать новые алгоритмы парсинга HTML и исследовать его влияние на качество модели * исследовать зависимости между pretrain данными и agentic capabilities итоговой модели * разрабатывать стабильную инфраструктуру, которая будет поддерживать проведение сотен и тысяч экспериментов над данными. Требования * имеешь коммерческий релевантный опыт связанный с NLP или построением инфраструктуры для данных от двух лет. Будет плюсом: * навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов * инструментальное владение AI для анализа, генерации и автоматизации * опыт с MapReduce системами. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы (2 дня в офисе, 3 дня на удалёнке) * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * льготная программа ипотеки для сотрудников * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Проектировать, разрабатывать и оптимизировать ML-пайплайны: от подготовки данных и обучения моделей до внедрения в production. Разрабатывать и дообучать ML/NLP-модели под продуктовые задачи.

Location: Brussels, Belgium We currently have a vacancy for a Data Scientist – Text mining / NLP fluent in English, to offer his/her services as an expert who will be based in Brussels, Belgium. The work will be carried out either in the company’s premises or on site at customer premises. In the context of the first assignment, the successful candidate will be integrated in the Development team of the company that will closely cooperate with a major client’s IT team on site and off site. Your tasks Design, implement and optimise advanced AI, NLP, and ML models. Use LLMs, RAG frameworks, and other state-of-the-art approaches; Create methods for tokenisation, part-of-speech tagging, named entity recognition, classification, clustering and other text mining-related tasks; Fine-tune pre-trained models on domain-specific tasks; Conduct thorough research and stay updated on the latest trends and advancements in NLP, ML, and AI technologies; Develop and maintain robust, scalable, and efficient code using Python; Collaborate with cross-functional teams to integrate AI/ML solutions into existing products and services; Perform rigorous analysis and experimentation to improve model accuracy, efficiency, and scalability; Participate in peer reviews and contribute to the continuous improvement of AI solutions; Contribute to the design and implementation of ML application architecture and its solution stack; Develop comprehensive reports and visualisations to communicate insights and findings to stakeholders. Requirements Bachelor degree in IT with focus on Statistics, Data Science, Machine Learning combined with 12 years of relevant working experience ; Experience in Machine Learning and Natural Language Processing; Experience with AI-powered code assistants (e.g., Amazon Kiro, Github Copilot), staying updated with advancements in AI-driven code technologies; Experience with A/B testing and experimental design of ML models; Experience with pre-trained models and LLMs like GPT, and other Transformer-based architectures; Experience with tools like Matplotlib and Seaborn for creating data visualisations; Experience with deep learning frameworks for complex model architecture such as TensorFlow or PyTorch; Proficient in continuous code delivery and unit testing; Excellent knowledge of Python and libraries (e.g. Pandas, SpaCy, NLTK, Hugging Face); Good knowledge of SQL tooling (Oracle, PostgreSQL); Knowledge of NoSQL databases (Elasticsearch, MongoDB); Knowledge of architectural design of scalable ML solutions such as model servers, GPU resource optimization; Knowledge in one of the following areas: predictive (forecasting, recommendation), prescriptive (simulation), topic detection, plagiarism detection, trends/anomalies detection in datasets, recommendation systems; Understanding of bias in ML applications and bias mitigation techniques; Strong understanding of linguistics and text processing techniques; Good knowledge of European Commission grant management ecosystem (eGrants) would be an asset; Excellent command of the English language. Benefits If you are seeking a career in an exciting and dynamic company, where you will offer your services as part of a team of a major European Institution, operating in an international, multilingual and multicultural environment where you can expect real chances to make a difference, please send us your detailed CV in English, quoting reference (158834/11/2026). We offer a competitive remuneration (either on contract basis or remuneration with full benefits package), based on qualifications and experience. All applications will be treated as confidential. EUROPEAN DYNAMICS (ED) ( www.eurodyn.com ) is a leading Software, Information and Communication Technologies company, operating internationally (Athens, Brussels, Luxembourg, Copenhagen, Stockholm, London, Nicosia, Hong-Kong, Valetta, etc). The company employs over 600 engineers, IT experts and consultants (around 3% PhD, 36% MSc and 53% BSc or equivalent). We design and develop software applications using state-of-the-art technology. The group generates annual revenues in the range of EURO 40 million, with an EBITDA in the range of 20%. The value of our contract portfolio exceeds EURO 250 million. EUROPEAN DYNAMICS is a renowned supplier of IT services to government institutions, multinational corporations, public administrations and multinational companies, research and academic institutes. As part of our dedication to the diversity of our workforce, we are committed to Equal Employment Opportunity without regard for race, color, national origin, ethnicity, gender, disability, sexual orientation, gender identity, or religion. EUROPEAN DYNAMICS (ED) adheres to the General Data Protection Regulation principles by applying its Privacy Policy as published in www.eurodyn.com/privacy . By submitting an application to this position and by sharing your personal data with ED, you acknowledge and accept its Policy and authorise ED to process your personal data for the purposes of the company's recruitment opportunities, in line to the Policy. Furthermore, when providing your data, it is up to you to explicitly consent that your data can be assessed for future job openings, for as long as you do not withdraw such consent. If you do not consent, we will not be able to consider the data you provide to us for future job openings.

Location: Serbia; Spain Social Discovery Group (SDG) is a group of social discovery companies. SDG solves the problems of loneliness, isolation, and disconnection - transforming virtual intimacy into the new normal. SDG’s products redefine the way people interact and connect with one another. Our portfolio includes social entertainment platforms designed to connect people online across different cultures and regions of the world. We bring together a team of like-minded people and IT professionals who specialize in creating and developing globally impactful social discovery products. Our international team of digital nomads works remotely from all over the world. We’re proud to be a two-time “Great Place to Work” winner (USA & Japan, 2024–2025) and a Top-5 Company for Work-From-Anywhere Jobs (FlexJobs, 2025). We are looking for Lead ML Engineer -LLM Inference & NLP . Your main tasks will be: Speed up and scale LLM inference in production: SGLang, KV and prefix caching, batching, quantization, speculative decoding Run distributed inference for very large models (up to 1T+ parameters) across multi-GPU and multi-node setups Benchmark new GPU servers and hardware, bring them into production and adapt our serving code to them Lead the NLP and CV teams technically: review experiments, set direction, and step in early when something is heading the wrong way Train and fine-tune the language models, and improve the agent harnesses and chat algorithm that run on them Track cutting-edge research and open-source work in inference and post-training, and turn it into the ML roadmap Collaborate closely with the validation, content, and dataset preparation teams to design experiments and measure model quality We expect from you: Deep hands-on experience optimizing LLM inference in production with SGLang, vLLM, or TensorRT-LLM Experience with distributed inference or training of large models: MoE, tensor/expert/pipeline parallelism, multi-node GPU clusters Strong understanding of what makes inference fast: KV cache, attention kernels, batching, quantization, GPU profiling Experience training and fine-tuning LLMs, including post-training (RLHF, DPO, or similar) Proven technical leadership: you've guided engineers through reviews, mentoring and technical decisions while still writing code yourself Proficiency with PyTorch, transformers, and related libraries Experience at AI-focused startups or companies (Character AI, OpenAI, and similar is a strong plus) Backend engineering experience (Python, Go, C#) and knowledge of scalable deployment systems is a significant advantage Advanced English or Russian Nice to have: CUDA or Triton kernel development A computer vision background. We also welcome strong CV leads who have accelerated large generative image or video models Experience with multimodal LLMs First-author papers or notable open-source work, e.g. contributions to SGLang, vLLM, or post-training libraries A degree in CS, math, or physics from a strong program (MSc or PhD) What do we offer: REMOTE OPPORTUNITY to work full-time; The initial pay level or pay range for this role will be shared with candidates during the recruitment process and before the commencement of employment; Vacation 28 calendar days per year; 7 wellness days per year (time off) that can be used to deal with household issues, to lie down and recover without taking sick leave; Bonuses up to $5000 for recommending successful applicants for positions in the company; 50% payment for professional training, international conferences, and meetings; Corporate discount for English lessons; ​ Health benefits. According to the paychecks, if you are not eligible for corporate medical insurance, the company will compensate you with up to $ 1,000 gross per year per employee. This can be spent on self-purchase of health insurance or on doctor’s fees for yourself and close relatives (spouse, children); ​ Workplace organization. The company provides all employees with an equipped workplace and all the necessary equipment (table, armchair, wifi, etc.) in our offices or co-working locations. In the other locations, the company provides reimbursement of workplace costs up to $ 1000 gross once every 3 years, according to the paychecks. This money can be spent on the rent of the co-working room, on equipping the working place at home (desk, chair, Internet, etc.) during those 3 years; Internal gamified gratitude system: receive bonuses from colleagues and exchange them for our merchandise, team building activities, massage certificates, etc. Sounds good? Join us now!

Опыт оптимизации LLM-инференса с SGLang, vLLM или TensorRT-LLM. Работа с большими моделями на распределённой GPU-инфраструктуре.

Location: Москва В нашей компетенции — создание, тестирования и вывод в промышленную среду моделей для бизнеса с корпоративными клиентами и финансовыми институтами Департамента глобальных рынков Сбера. Мы помогаем внутренним и внешним клиентам увеличивать доходность, создаем информационную платформу, проводим анализ финансовых рынков, работаем с разными форматами данных, в том числе, занимаемся текстовой аналитикой. Обязанности * исследование данных с использованием state-of-the-art (SOTA) подходов * разработка моделей машинного обучения в области NLP и NER * автоматизация и оптимизация процесса продаж инструментов глобальных рынков * осуществление fine-tuning’a LLM * имплементация RAG’ов на основе данных Банка * развитие платформы по использованию и развитию LLM * интеграция LLM в бизнес-процессы подразделения * интеграция API, сервисов, построение пайплайнов моделей. Требования * высокий уровень математического аппарата - математический анализ, линейная алгебра, теория вероятностей * предпочтителен опыт в финансовой сфере, финтехе или области анализа данных (от 3- х лет) * детальное понимание моделей машинного обучения и алгоритмов * опыт управления проектами и взаимодействия со смежными командами * уверенное владение Python * опыт в разработке NLP моделей или компьютерной лингвистике * инструментальное владение AI для анализа, генерации и автоматизации. Будет плюсом: * глубокое понимание инструментов финансового рынка. Условия * формат работы - офис (ст.м. Ленинский проспект) * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — Возглавить техническое развитие NLP в AI-продукте с большими языковыми моделями в production. — Оптимизировать скорость, стоимость и стабильность inference больших LLM. — Работать с distributed inference на multi-GPU / multi-node инфраструктуре (32×H200 + AWS). — Заниматься training и post-training LLM, развитием agent architectures. — Оказывать техническое лидерство NLP/CV-команде с перспективой роста до Head of ML. Требования: — Production-опыт оптимизации LLM inference: SGLang / vLLM / TensorRT-LLM. — Опыт работы с distributed inference/training больших моделей: MoE, tensor/expert/pipeline parallelism, multi-node GPU. — Знания KV cache, attention kernels, batching, quantization, GPU profiling. — Опыт training/fine-tuning и post-training: RLHF, DPO или аналоги. — Уверенное владение PyTorch и Transformers. — Английский язык на уровне B2 и выше. Условия: — Около 70% времени hands-on engineering, без Project/People Management. — Работа удалённая. — Сильная команда и высокое вознаграждение.

Задачи: — Работа с NLP и AI-проектами, запуск AI-проектов в продакшн и построение архитектуры вокруг сторонних LLM-решений. — Обучение нейросетевых моделей на GPU-кластере. Требования: — Большой опыт разработки на Python с использованием Pandas, NumPy, Scikit-learn. — Опыт работы с LangChain, vLLM. — Опыт работы с PyTorch, Hugging Face Transformers. — Глубокое понимание машинного обучения, глубокого обучения и NLP. — Опыт запуска AI-проектов в продакшн и построения архитектуры вокруг сторонних LLM-решений. — Опыт обучения нейросетевых моделей на GPU-кластере. — Знание SQL. — Владение Git. — Высшее техническое образование в области Computer Science, прикладной математики, AI/ML или смежных областях. Условия: — Работа в команде экспертов. — Широкий технологический стек, сотни проектов. — Гибкий график работы. — Льготы и меры господдержки, предусмотренные для IT-компаний (аккредитованы Минцифры). — Возможность разрабатывать IT-решения для разных отраслей и пробовать новые технологии. — Возможность работать удалённо с доступом к просторным офисам с зонами коворкинга. — Возможность профессионального роста: стать тимлидом, архитектором, full-stack разработчиком. — Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка. — Активный обмен опытом, митапы, хакатоны, доклады по развитию hard и soft skills. — 50+ клубов по интересам и профессиональных сообществ. — Уютный мерч. — Полный соцпакет и официальная "белая" зарплата. — Корпоративная база знаний и социальная сеть для сотрудников. — Гибкий ДМС с возможностью подключения родственников.

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).

Joi Lab (joilab.ai) is an open research arm building open-source generative models, agent architectures, and training infrastructure. All code, weights, and data are public. The focus is on true AI agency with persistent memory, self-modification, and self-authored capabilities, not just ChatGPT wrappers. The role involves working with huge models up to 1 trillion+ parameters, ensuring fast and cheap production inference, and technologies like SGLang, caching, distributed inference, and post-training. The candidate will also set the technical direction for NLP and CV engineers. Требования к кандидату: — 5+ years of experience in ML engineering — Deep hands-on experience optimizing LLM inference — Proficiency with PyTorch and related libraries — Experience with distributed inference/training of large models — Strong understanding of inference optimization techniques — Proven technical leadership in guiding engineers — Backend engineering experience (Python, Go, C#) — Advanced English or Russian language skills

Мы ищем: Талантливого NLP-разработчика на стажировку, которому предстоит работать над интересными высоконагруженными проектами. Требования: — Опыт разработки на Python от 1–2 лет; — Базовое понимание LLM и AI-агентов; — Практический опыт или уверенное понимание RAG-подхода; — Опыт работы с векторными БД или embeddings (FAISS / Qdrant / аналоги — базовый уровень); — Опыт backend-разработки (FastAPI / Flask); — Понимание REST API, JSON, асинхронности; — Готовность развиваться в AI-направлении. Будет плюсом: — Опыт работы с LLM API (OpenAI / open-source модели); — Знакомство с LoRA / PEFT (pet-проекты, эксперименты); — Базовый опыт работы с брокерами сообщений (Kafka, RabbitMQ, NATS); — Docker (базовый уровень); — Pet-проекты с AI-агентами или RAG. Условия: — Работа в команде экспертов; — Широкий технологический стек, сотни проектов; — Гибкий график работы, который позволяет высыпаться и выделять время на хобби; — Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии; — Организована удалённая работа, при этом есть просторные офисы с зонами коворкинга; — Возможность прокачаться во всех интересующих направлениях: стать тимлидом, архитектором, разработчиком full-stack; — Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка; — Активный обмен опытом, внутренние и внешние митапы, хакатоны, доклады по развитию hard и soft skills; — 50+ клубов по интересам и профессиональных сообществ внутри компании; — Корпоративная база знаний и социальная сеть для удобства общения с каждым из 1500+ сотрудников. Дополнительно: — Решение Министерства цифрового развития, связи и массовых коммуникаций РФ о предоставлении государственной аккредитации организации, осуществляющей деятельность в области информационных технологий от 10.03.2022 №АО-20220309-3771014210-3

Задачи: — Улучшать базовую самостоятельность модели: продумывать решения, методы оценки и ревардинга модели, подходы к агентности и интеграции с сервисами, улучшать качество ответов. — Строить новые инструменты и подходы для работы модели в среде внутренних и внешних сервисов. — Интегрировать Алису с реальными сервисами: разрабатывать коннекторы Почты, Диска, Календаря, трекеров задач и внешних API. — Улучшать агентные пайплайны: строить многошаговые сценарии, включая планирование, декомпозицию задачи, вызов инструментов, проверку результата и корректировку. — Разрабатывать системы оценки и ревардинга: придумывать метрики, строить reward-модели, запускать эксперименты, закрывать петлю обратной связи. — Тюнить поведение модели: анализировать ошибки и сбои, собирать целевые датасеты и улучшать модель с помощью SFT, DPO, RLHF и других методов. Требования: — Глубокие знания в DL и NLP. — Опыт работы с LLM и пайплайнами вокруг них. — Опыт интеграции LLM или агентных решений в продакшн. Условия: — Компенсация обедов. — Свежие фрукты на кофепойнтах. — Гибридный формат работы в офисах Москвы и Минска.