Вакансии

Location: Москва Мы создаем будущее личных финансов. Приложение «СберИнвестор» — это не просто торговый терминал, а умный помощник, который помогает миллионам пользователей принимать взвешенные решения на фондовом рынке. Мы ищем человека в команду, которая отвечает за всё, что связано с искусственным интеллектом. У нас нет жестких рамок: если у вас есть смелая идея (от нейросети, предсказывающей настроение рынка по новостям, до AI-ассистента, который объясняет сложные финансовые термины на котятах) — мы дадим ресурсы, чтобы вы спроектировали, продали эту идею менеджменту и реализовали её. **Наш технический стек:** 1. **Агенты:** LangChain, LangGraph, CrewAI. 2. **LLM:** Prompt Engineering, Fine-tuning, работа с эмбеддингами, оценка качества моделей. 3. **RAG:** Построение пайплайнов от парсинга PDF и HTML до векторных баз (например, Qdrant, Milvus) и ранжирования результатов. 4. **Classic ML & RecSys:** Gradient Boosting, матричные факторизации, ранжирование, CTR-прогнозы. 5. **Python:** Уверенное владение Pandas, NumPy, PyTorch. Обязанности Разрабатывать AI-решения полного цикла: от идеи и прототипа до продакшена и мониторинга. Проектировать и выкатывать в прод надежные пайплайны обработки данных и обучения моделей. Заниматься Data Science в его полном понимании: исследовать данные, проверять гипотезы, строить модели и оценивать их бизнес-эффект. Внедрять LLM и агентов для автоматизации поддержки, аналитики и персонализации контента. Продавать свои идеи: защищать гипотезы перед продакт-менеджерами и бизнесом, доказывая ценность метриками. Требования * Понимание полного цикла разработки ML-модели. * Знание математики и статистики на уровне понимания того, как работают алгоритмы «под капотом». * Опыт работы с Git (мы пишем чистый, поддерживаемый код). * Умение визуализировать данные и находить в них инсайты. * **Главный критерий:** горящие глаза, искренний интерес к AI и финансовому рынку. Вы должны читать статьи на arXiv не потому, что «надо для работы», а потому, что вам интересно. Условия * Гибкий гибрид (обсуждаем индивидуально). * Современный IT-офис вблизи Москва-Сити с фитнес-залом. * Ипотека с выгодой для сотрудника и льготные условия кредитования. * Бесплатная подписка СберПрайм+. * Скидки на продукты компаний-партнеров. * ДМС с первого дня и льготное страхование для близких. * Корпоративная пенсионная программа. * Обучение за счет компании: онлайн-курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию. * Крупнейшее DS&AI Community — более 600 DS-банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира.

Location: Москва Наша команда создает real-time алгоритмы State Estimation для мобильных роботов (Visual/Lidar/Inertial Odometry, Sensor Calibration, SLAM) и разрабатывает менеджер мультимодальных карт — автоматическое выделение подкарт, выравнивание, сшивание. Наш стек: Linux, Git, Bash, Docker, ROS2; numpy, scipy, opencv, cupy, pytorch, ONNX, TensorRT, pcl, eigen. Обязанности * полный цикл разработки (Python/C++ ~50/50) * pip/uv пакеты и C++ библиотеки * встраивание в CI/CD * оптимизация ресурсов * тесты на реальных роботах * участие в архитектуре всей системы. Требования * опыт в Odometry / Sensor Calibration / Legged Robots State Estimation / SLAM (хотя бы что-то одно) * горите разработкой, ресёчем, математикой, робототехникой * сильный Python и/или C++: PEP8, SOLID, чистая архитектура, ООП, декораторы, чувство цены операций * умеете превратить научную статью в рабочий код; матан/линал/геометрия — «вспомню и применю» **Будет плюсом:** Place Recognition, научные статьи, фильтр Калмана / Factor Graph, работа с камерами/лидарами/IMU, работа c Nvidia Jetson, многопоточность, x86/arm64, PTP/NTP, k3s. Условия * комфортный современный офис возле МЦК ЗИЛ * ежегодный пересмотр зарплаты и годовую премию * уникальную систему обучения Сбера для профессионального и карьерного развития * расширенный ДМС и льготное страхование для семьи * гибкий дисконт по ипотечному кредиту, равный 1/3 от ключевой ставки ЦБ * подписка "Прайм" с возможностью использования на трех близких * вознаграждение за рекомендацию друзей в команду Сбера.

– образование с математическим уклоном: предпочтительно (но не ограничиваясь) МКН СПбГУ, матфак ВШЭ, мех-мат МГУ, РЭШ, МФТИ, ИТМО и др.; – понимание финансовой математики: знания в области теории вероятностей и случайных процессов, математической статистики и эконометрики;

Задачи: разработка потоков подключения метаданных, автоматизация и шаблонизация подключения СУБД, создание Python-скриптов для генерации DDL/DML и Airflow DAG, оптимизация DAG для таблиц Iceberg, доработка витрины и ведение проектной документации. 🧩 Требования: глубокое знание PySpark и Airflow;

Location: Москва, гибрид или удалённая работа, RU; Россия О команде Наша команда разрабатывает и поддерживает пайплайны и модели скоринга коммуникаций для определения разных интентов, борьбы со спамом и другими нарушениями, которые влияют на опыт покупателей и продавцов на Авито. Ищем DS-инженера, который будет разрабатывать решения полного цикла: от анализа данных и обучения моделей до инференса и мониторинга в нагруженных продакшен-системах. Какие задачи вас ждут: проектировать, обучать и внедрять NLP-модели и LLM-пайплайны для детекции подозрительных и нежелательных интентов и паттернов в коммуникациях: от переходов в другие каналы связи до намеренных обфускаций текста в обход проверок Авито; экспериментировать с современными методами машинного обучения; настраивать сбор разметки и контролировать её качество с помощью асессоров и LLM; встраивать модели в сервисы для скоринга, выводить их в продакшен, следить за стабильностью пайплайнов и моделей; проводить A/B-тесты, оценивать влияние решений на продуктовые и бизнес-метрики. Мы ждём, что вы: имеете большой опыт в построении NLP-моделей для классификационных задач; уверенно владеете Python и DS-стеком, работаете с DL-фреймворками, например PyTorch; умеете проводить полный цикл ML-разработки: от работы с данными и моделью до продакшена, мониторинга и проверки влияния; работали с разметкой и понимаете, как получить качественные датасеты с помощью краудсорсинга и LLM; имеете опыт продакшен-эксплуатации моделей в режиме реального времени и режиме, близком к реальному времени; оперируете не только ML-метриками, но и оцениваете влияние разработанного решения на бизнес-метрики, за которые отвечает команда. Будет здорово, если вы: имеете опыт применения и тюнинга LLM в прикладных задачах; настраивали LLM-as-a-Judge для оценки качества; проводили A/B-тесты для оценки влияния моделей на бизнес; знакомы с практиками MLOps: Kubeflow, K8s, feature store, MLflow. Работа у нас — это: возможность реализовать идеи в проекте с многомиллионной аудиторией; масштабный инженерный процесс, где можно участвовать во всех этапах разработки решения; интересные развивающие задачи и влияние на продуктовые и бизнес-метрики; культура взаимопомощи и обмена опытом; прозрачный карьерный трек и инструменты для роста: семинары, менторство, митапы; мощное железо, дополнительные мониторы, AI-инструменты и всё, что нужно для продуктивной работы; прозрачная система премий и конкурентная зарплата — размер обсудим на собеседовании; личный бюджет на обучение, который можно использовать для AI-инструментов, книг, курсов и конференций; расширенная забота о здоровье: ДМС, страхование жизни, онкострахование; сервис психологической поддержки, а также финансовые, юридические и ЗОЖ-консультации для вас и ваших близких; корпоративный спорт: групповые тренировки, велбиинг-приложение; спецпредложения от партнёров и скидки на сервисы Авито: бронирование жилья, услуги продвижения, ипотечное страхование; компенсация питания; удалённый формат работы и комфортный офис рядом с метро «Белорусская».

– Практический опыт в Computer Vision / Machine Learning. – Уверенное владение Python и опыт работы с PyTorch и/или OpenCV.

Prime Intellect is looking for a Research Engineer RL Infrastructure to build and optimize systems for large-scale reinforcement learning and distributed training.

Location: Abu Dhabi, United Arab Emirates Workplace: hybrid Autonomous vehicles are coming to the markets in which inDrive serves, but the AV industry has a blind spot: it has almost no data from the cities where we operate. inDrive runs one of the world's largest ride-hailing fleets, concentrated in exactly the emerging markets global AV players have yet to reach. We are building the team that turns that fleet into an AV grade data platform: large scale multi sensor collection from real vehicles on real trips, evaluation of driving models against human drivers, automated and human in the loop causal annotation, and camera first 3D scene reconstruction for simulation. We are hiring the founding leader of this workstream. This is a rare true zero to one: you will hire the team, stand up the vehicles and the data platform, set the technical bar, and own delivery end to end. Key Responsibilities Own the AV data workstream end to end. Roadmap, execution, quality, and outcomes, from vehicle data capture through processing, annotation, and delivery of AV-grade datasets Build the team from zero. Hire and lead a multi disciplinary team covering large scale data engineering, search and serving, ML engineering across divergence detection, edge inference, and VLM based auto labeling, 3D reconstruction research, and data annotation operations. Own the hiring bar and the team's growth Management : Manage ML engineers' charter across the cluster Set technical direction across disciplines. Provide design authority for the full pipeline, including onboard capture, cloud ingestion and processing at fleet scale, semantic and causal labeling, and neural scene reconstruction, and make the key technical decisions on evidence Partner with leaders across the organization. Work closely with the leaders of data platform, ML ops, geo and mapping, and inDrive's wider autonomous vehicle initiatives to align roadmaps, share infrastructure, and unblock delivery Own external partnerships. Drive the technical relationships this work depends on, including the NVIDIA AV ecosystem and prospective AV partners consuming our data Balance research and delivery. Several of the core questions here are open research. You frame milestones as decision gates, redirect work based on evidence, and keep the team shipping measurable results on a schedule Skills, Knowledge and Expertise 10+ years of engineering experience in applied ML, autonomous systems, or large-scale data and ML platforms, including 3+ years in the autonomous vehicle industry or closely adjacent autonomy domains (AV data, simulation, or evaluation platforms, ADAS, robotics perception, HD mapping), and 4+ years managing engineering teams, with a track record of building teams from scratch and delivering from zero to one Strong command of the modern AV and foundation model landscape: vision-language models, multi-modal perception, 3D reconstruction and neural rendering, and the NVIDIA AV ecosystem. Deep enough to set direction, review designs, and make evidence-based technical calls Genuine engineering leadership range: you have successfully led data engineering, platform, or infrastructure delivery, not only ML research, and can evaluate and unblock work across those disciplines Proven ability to take large-scale ML systems from conception to production: data pipelines, training and evaluation infrastructure, and models running under real-world constraints Strong external presence: experience owning technical partnerships, vendor and licensing relationships, or customer-facing technical engagements at a senior level Deep fluency in the modern ML stack (PyTorch or equivalent, large-scale training and inference, Python and Linux) and in cloud data platforms at multi-terabyte scale Bachelor's degree in Computer Science, Engineering, or a related field Nice to have: AV industry experience specifically in offline evaluation, data mining, annotation platforms, or simulation, as distinct from on-vehicle stack development Advanced degree (MS or PhD) in ML, robotics, or computer vision Experience operating in emerging markets, and comfort building where the playbook does not exist yet Why join us Help us challenge injustice by creating fair choices for millions of people across 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 Final benefits may vary depending on the location.

Location: Lisbon, Portugal Joom is a global cross-border marketplace where millions can find anything they want at fair prices. Joom helps consumers to make shopping easy and entertaining and provides access to interesting and unique goods from around the world. Joom is one of the key businesses of Joom Group, an international group of tech-centric group of e-commerce companies founded in 2016 in Latvia. Joom also includes other businesses: JoomPro, the first and only end-to-end cross-border B2B marketplace; JoomPulse, an AI analytics tool for Mercado Livre sellers; and Onfy, a pharmaceutical marketplace in Germany. Joom Group has offices in Latvia, China, Germany, and Brazil, with its headquarters in Lisbon, Portugal. We work as one international team, sharing knowledge and collaborating across countries, businesses and products. We are looking for Lead/Senior ML developers to join our teams: Search team (Lead): will work on improving the core search algorithms, enhancing the system's understanding of user queries and the relevance of products shown in response to searches; developing new functionality to improve the user experience Order Experience team (Senior): developing AI/ML support: specifically, answering user questions using the full context of their orders, profile, transactions, and actions within the service, along with automating refunds Tech stack: Go, Python, Scala, Spark, modern LLMs, PyTorch, Docker, Kubernetes, Airflow, MongoDB, Cassandra, Kafka, Jenkins Requirements Strong algorithmic skills: knowledge of fundamental algorithms and data structures, as well as their implementation in standard libraries Proficiency in any language: experience in developing and debugging distributed, high-load applications, and writing testable code Industry experience in Machine Learning: familiarity with key modeling and training approaches (linear models, GBDT, DNN, etc.), knowledge of statistics, and end-to-end ML development experience, including raw data analysis, hypothesis formulation, model creation, experimentation, and deploying results into production Preferred Experience in developing recommendation or search systems Experience training neural network models Experience working with various data sources: Spark, Cassandra, Mongo, Kafka Knowledge of Go We offer Compensation package: base salary and performance-based bonuses Office-first: flexible hours with a possibility to work remotely 52 days per year Care & Wellbeing: health insurance (including dental care) for employees and their children, daily meal allowance, and 100% paid sick leave Relocation Support: full assistance for a smooth relocation for the employees and their family AI-first approach: licenses and access to a wide range of AI tools Team & Growth: collaboration with colleagues across Portugal, Brazil, Latvia and China, with opportunities for promotions, professional trainings, and English & Portuguese courses Community & Engagement: annual team building activities, knowledge-sharing workshops, and a strong sense of team work Before applying for the above position please review our Candidate Privacy Notice here . By responding to the vacancy, you acknowledge that you have read our Privacy notice.

Location: Москва То, что многие компании считают своим прибыльным активом, зачастую является скрытым корнем финансовых проблем. Задача департамента по работе с проблемными активами – вовремя выявить трудности у клиентов и помочь преодолеть их. Используя передовые модели машинного обучения и искусственного интеллекта, мы создаем AI-профили клиентов, которые помогают сотрудникам быстрее разобраться в кейсе и выбрать наилучшую стратегию взаимодействия. В рамках нашего центра ИИ и комплексных решений вектор развития ориентирован на концептуальное переосмысление процессов урегулирования, автоматизацию рутинных процессов и создание дополнительного дохода в рамках работы с проблемной задолженностью. Обязанности * исследование клиентского опыта в рамках процессов оздоровления и взыскания, поиск «узких» мест в процессах и использование передовых инструментов для проведения локальных исследований (графовый анализ, LLM для поиска инсайтов, самовоспроизводящиеся ИИ-решения, disrupt-проекты) * регулярные встречи с Заказчиками для определения зон роста, предоставления непредвзятого взгляда на процессы и предложения к их трансформации * создание ИИ-решений, влияющих на клиентский опыт * построение чистого эксперимента и валидация ИИ-решения * проработка технологической реализации при поддержке команд разработчиков, data и OPS-специалистов * контроль внедрения ИИ-решения и последующего поведения решения в ПРОМ-контуре, анализ результатов внедрения * создание AI-агентов на базе LLM для оптимизации рутинных процессов: * речевая и текстовая аналитика взаимодействия с клиентом * выявление сущностей для автоматизации внутренних процессов * качественная суммаризация текста для составления профиля клиента * создание, обучение и внедрение моделей для оценки и прогноза финансового состояния клиента, скоринга, прогнозирования дефолта, антифрода и выявления мошенничества. Разработка систем подбора индивидуальных условий для урегулирования задолженности, а также применение What-If / Uplift моделирования и каскадов моделей для выстраивания процессов с использованием ИИ * графовый анализ компаний, их руководителей и бенефициаров, анализ новостного контента и других источников информации о клиентах. Требования * опыт работы 3+ лет в традиционных направлениях машинного обучения (ML), обработки естественного языка (NLP), глубокого обучения (DL) * знание библиотек и фреймворков: pandas, pyspark, catboost, pytorch, tensorflow, langchain/langgraph * опыт валидации AI-решений и их "боевого" пилотирования решений * прикладной опыт в использовании LLM, контроле качества ответов и выстраивания графовой архитектуры с использованием LLM tools / MCP * знания математической статистики и основ A/B-тестирования. _Будет плюсом:_   * опыт руководства проектами или самостоятельного обеспечения всего цикла производства ИИ-решения от гипотезы до реализации * знание основ финансового анализа и бухгалтерского учета * опыт курирования или наставничества, работа в крупных AI-проектах с смежными командами * английский язык — уровень Intermediate и выше * опыт в проектах, связанных с клиентским опытом / бизнес-анализом / исследованием очень больших данных * опыт использования AI-инструментов в разработке (LLM-ассистенты для написания и ревью кода, агенты для автоматизации рутинных операций, инструменты автодополнения вроде GitHub Copilot). Условия * возможен гибридный формат работы, локация офиса: Москва, Кутузовский пр., д.32, к.3 * 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 * 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.

— Разработка и оптимизация алгоритмов компьютерного зрения. — Детекция и трекинг людей и объектов на видеопотоках.

Location: Москва Мы команда исследователей и инженеров, разрабатывающих технологии post-training (SFT, RL) и контролируемой генерации для моделей генерации изображений, видео и омни-модальных. Мы сфокусированы на повышение качества, управляемости и устойчивости генеративных моделей с помощью методов RLHF / RLAIF и инструктивного редактирования. Помимо фундаментальных исследований, мы создаём прикладные решения для B2B-партнёров от системы генерации интерьера до системы генерации персонализированных аватаров. Обязанности * проектирование и обучение высокопроизводительных диффузионных моделей (R2V, R2I, R2V+A) для редактирования и генерации видео / изображений * разработка новых подходов и архитектурных решений для post-training фазы диффузионных моделей: RLHF (PPO, DPO и др.), RLAIF, SFT * разработка, масштабирование и поддержание RL пайплайнов * руководство экспериментами: постановка гипотез, разработка протоколов, анализ результатов * проведение code review, менторинг младших исследователей и инженеров, участие в планировании исследовательской дорожной карты * взаимодействие с командами Pretraining, Data, Infrastructure, Production для масштаб пайплайнов и повышения стабильности моделей в продакшене * поддержание и внедрение SOTA-подходов: мониторинг литературы (arxiv, NeurIPS, ICML, CVPR, ICLR), инициирование внутренних исследований. Требования * бакалавриат/магистратура по направлению компьютерных наук/прикладной математике/ машинному обучению или близких к ним * 3+ лет релевантного опыта исследований и разработки в области глубокого обучения/компьютерного зрения/генеративного ИИ * глубокие знания в Computer Vision и Generative Modeling: Diffusion Models, GANs, VAEs, Flow/Rectified Flow Matching * опыт работы с современными диффузионными фреймворками (Diffusers) и моделями FLUX, Wan 2.X и др.) * уверенное владение PyTorch и навыки распределённого обучения (DDP/FSDP) * понимание и практическое применение RL и RLHF ( PPO/DPO и др.) * умение проектировать архитектуры, планировать эксперименты и интерпретировать результаты. Будет плюсом: * наличие PhD * опыт публикаций или активное участие в исследованиях уровня NeurIPS / ICLR/ CVPR. Условия * конкурентный уровень заработной платы, годовые премии по результатам работы * участие в развитии и создании OpenSource продуктов * корпоративная пенсионная программа, страхование от несчастных случаев, социальные гарантии, ДМС * комфортный офис Sbergile Home (метро Кутузовская).

Location: Москва Команда занимается разработкой «AI-помощника» - это проект с использованием LLM, который призван радикально улучшить клиентский опыт при при оформлении основных продуктов банка и помочь клиенту разобраться в продуктах. Обязанности * проведение исследовательского анализа данных (EDA) для выявления ключевых метрик и закономерностей, построение моделей. Data-driven подход к разработке * разработка и внедрение AI-агентов на базе LLM (SOTA open-source решения), в т.ч участие в создании и развитии RAG-систем (Retrieval-Augmented Generation) * работа с LLM: написание и оптимизация промптов (prompt engineering), управление взаимодействием с моделью * интеграция решений с корпоративными системами, обеспечение их взаимодействия * создание автономных бизнес-процессов в компании. Требования * опыт работы с Python и библиотеками: pytorch, pandas, numpy, SQLAlchemy, Scikit-learn, Matplotlib/Seaborn * писать поддерживаемый, читаемый код; участвовать в ревью, обсуждениях и формировании технических подходов * практический опыт в NLP: векторизация текста, классификация запросов, построение RAG-систем, дообучение языковых моделей, эмбеддингов и пр. * понимание классических алгоритмов ML * онимание методов обучения нейросетевых моделей (transfer learning, fine tuning) * навыки работы с Git, опыт интеграции решений в промышленные среды. Условия * офисный формат работы - офис на Кутузовской, сзонами отдыха и спортзалом; * годовой бонус и ежегодный пересмотр * социальный пакет (ДМС, страхование от несчастных случаев, льготное кредитование, подключение родственников к полису) * корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях * льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+ с возможностью использования до трех близких, скидки от партнеров * материальная помощь при наступлении значимых событий в жизни; * дисконт-программы от компаний партнеров (фитнес, страхование, туризм) * подарки и мероприятия для детей сотрудников. Оздоровительные программы для детей сотрудников.

Обязательные требования: — Знание архитектур нейросетей (Transformer, CNN, RNN, GAN, Diffusion); — Владение методами обучения моделей с нуля и дообучения (fine‑tune) существующих решений; — Опыт работы с фреймворками PyTorch, TensorFlow, JAX; — Навыки написания кода для инференса и развёртывания моделей в продакшн‑среде; — Понимание принципов оптимизации: градиентный спуск, функции потерь, регуляризация; — Комплекс компетенций ML‑инженера с фокусом на самостоятельную реализацию алгоритмов; — Уверенное владение языками программирования Python и C++; — Способность реализовать с нуля отдельные компоненты модели: например, механизм внимания или отдельный слой; — Глубокое понимание внутренней логики работы моделей (не ограничиваясь использованием готовых методов вроде model.predict()). Задачи на проекте: — Внедрение обученных моделей в закрытый контур экосистемы компании (на частных серверах) с обеспечением их автономной работы и защитой от внешних воздействий; — Адаптация и оптимизация AI‑алгоритмов для эксплуатации на защищённых мобильных устройствах с учётом ограниченного объёма вычислительных ресурсов и необходимости минимизировать энергопотребление; — Размещение обученных моделей в закрытом контуре экосистемы компании (на частных серверах), поддержание их автономной работы и реализация мер защиты от внешних воздействий.

Location: Remote - United States Reddit is a community of communities. It’s built on shared interests, passion, and trust, and is home to the most open and authentic conversations on the internet. Every day, Reddit users submit, vote, and comment on the topics they care most about. With 100,000+ active communities and approximately 130 million daily active unique visitors, Reddit is one of the internet’s largest sources of information. For more information, visit www.redditinc.com . Team Description: The Ads Retrieval ML team builds the machine learning systems that identify relevant advertising candidates for Reddit users. Retrieval sits at the heart of the ads delivery funnel: before downstream ranking and auction decisions, our models determine which campaigns and ads are eligible to compete. We work on large-scale retrieval across multiple objectives, placements, and geographies. Our work combines representation learning, candidate generation, nearest-neighbor search, behavioral and contextual signals, and rigorous offline and online experimentation. Role Description: We are looking for a Staff Machine Learning Engineer to provide technical leadership for the Retrieval and Targeting ML team. You will lead the design and evolution of retrieval models and modeling practices that improve relevance, advertiser outcomes, and user experience at Reddit scale. This is an applied ML role centered on retrieval modeling and end-to-end product impact. You will be expected to stay close to the technical details—from data and objective design through model development, evaluation, experimentation, and launch—while setting direction for other engineers. Responsibilities: Define the technical direction and multi-year roadmap for ads retrieval modeling in partnership with engineering, product, data science, and ads stakeholders. Design, develop, and launch candidate-generation and retrieval models for campaigns and ads across Reddit’s advertising surfaces. Apply modern approaches such as two-tower architectures, representation learning, embeddings, sequence models, graph-based methods, and other deep learning techniques when they create meaningful product value. Improve the retrieval stack across key modeling decisions, including objectives, labels, sampling strategies, hard-negative mining, feature design, embedding generation, candidate filtering, and retrieval depth. Work with approximate nearest-neighbor and vector retrieval systems, reasoning about recall, relevance, freshness, diversity, coverage, latency, and cost trade-offs. Establish strong evaluation practices that connect retrieval metrics—such as recall, precision, candidate coverage, calibration, and downstream lift—to ads and user outcomes. Lead offline analysis and online experiments, interpret ambiguous results, and translate findings into the next modeling iteration. Partner with downstream ranking, ads platform, auction, measurement, and product teams to ensure retrieval models integrate effectively into the full ads funnel. Write design documents, review code and model changes, and raise the quality bar for modeling, testing, observability, and production ownership. Mentor ML engineers and help grow the team’s expertise in retrieval, recommendation, and representation learning. Required Qualifications: 7+ years of industry experience, including substantial experience building and shipping applied ML products. Deep experience with information retrieval, candidate generation, recommender systems, ranking, or related relevance problems. Strong understanding of retrieval modeling concepts, including DNN, embeddings, two-tower or dual-encoder models, approximate nearest-neighbor search, and multi-stage retrieval. Deep experience training, evaluating, debugging, and deploying deep learning models using TensorFlow, PyTorch, or similar frameworks. Demonstrated ownership of ML projects from problem framing and data preparation through offline evaluation, online experimentation, production launch, and iteration. Strong command of experimental design and model evaluation, including how offline retrieval metrics relate to downstream business and user metrics. Experience working with large-scale behavioral, contextual, or content datasets and complex feature pipelines. Strong software engineering fundamentals and the ability to write clear, reliable, maintainable production code. Technical leadership experience: setting direction, leading complex projects, influencing partner teams, and mentoring other engineers. Excellent written and verbal communication, with the ability to explain complex modeling choices to technical and non-technical audiences. Preferred Qualifications: Experience with ads retrieval, ads ranking, ad targeting, ad serving, recommendation, search relevance, or marketplace optimization Experience modeling user, content, campaign, or ad interactions with sequential, graph, or multimodal signals Experience connecting retrieval improvements to downstream ranking, auction, conversion, revenue, or user-experience outcomes Experience in ads marketplaces at peer companies Publications, patents, or industry contributions in applied ML or ranking systems Experience with sequential modeling (e.g., RNNs, Transformers) Benefits: 100% remote opportunity (we have 4 office locations for hybrid/onsite work preference in NY, SF, LA and Chicago) Comprehensive Healthcare Benefits and Income Replacement Programs 401k with Employer Match Global Benefit programs that fit your lifestyle, from workspace to professional development to caregiving support Family Planning Support Gender-Affirming Care Mental Health & Coaching Benefits Flexible Vacation & Paid Volunteer Time Off Generous Paid Parental Leave #LI-AJ1 Pay Transparency: This job posting may span more than one career level. In addition to base salary, this job is eligible to receive equity in the form of restricted stock units, and depending on the position offered, it may also be eligible to receive a commission. Additionally, Reddit offers a wide range of benefits to U.S.-based employees, including medical, dental, and vision insurance, 401(k) program with employer match, generous time off for vacation, and parental leave. To learn more, please visit https://www.redditinc.com/careers/ . To provide greater transparency to candidates, we share base salary ranges for all US-based job postings regardless of state. We set standard base pay ranges for all roles based on function, level, and country location, benchmarked against similar stage growth companies. Final offer amounts are determined by multiple factors including, skills, depth of work experience and relevant licenses/credentials, and may vary from the amounts listed below. The base salary range for this position is: $230,000 — $322,000 USD In select roles and locations, the interviews will be recorded, transcribed and summarized by artificial intelligence (AI). You will have the opportunity to opt out of recording, transcription and summarization prior to any scheduled interviews. During the interview, we will collect the following categories of personal information: Identifiers, Professional and Employment-Related Information, Sensory Information (audio/video recording), and any other categories of personal information you choose to share with us. We will use this information to evaluate your application for employment or an independent contractor role, as applicable.  We will not sell your personal information or disclose it to any third party for their marketing purposes.  We will delete any recording of your interview promptly after making a hiring decision.  For more information about how we will handle your personal information, including our retention of it, please refer to our Candidate Privacy Policy for Potential Employees and Contractors . Reddit is proud to be an equal opportunity employer, and is committed to building a workforce representative of the diverse communities we serve.  Reddit is committed to providing reasonable accommodations for qualified individuals with disabilities and disabled veterans in our job application procedures. If, due to a disability, you need an accommodation during the interview process, please let your recruiter know.

Location: Global We are the creators of a new fintech era! Our mission is to change this world by making blockchain accessible to everyone in everyday life. WhiteBIT is a global team of over 1,200 professionals united by one mission — to shape the new world order in the Web3 era. Each of our employees is fully engaged in this transformative journey. We work on our blockchain platform, providing maximum transparency and security for more than 8 million users worldwide. Our breakthrough solutions, incredible speed of adaptation to market challenges, and technological superiority are the strengths that take us beyond ordinary companies. Our official partners include the National Football Team of Ukraine, FC Barcelona, Lifecell, FACEIT and VISA. The future of Web3 starts with you: Join us as an Quantitative Researcher. Requirements Education & Experience: — MSc or PhD in a quantitative field; a live trading track record outweighs credentials — 5+ years in quantitative research or trading at a top-tier HFT firm, market maker, systematic fund, or crypto-native market maker; exchange-side market-structure experience is a plus — Hands-on experience with at least one TradFi asset class (FX, futures, equities) and / or equivalent crypto asset classes; both maker and taker strategies Core Technical Skills: — Advanced probability, statistics, time-series analysis, optimization; strict validation discipline (multiple testing, out-of-sample hygiene, live–sim parity) — Market microstructure: order-book dynamics, queue position, fill probability, adverse selection and markouts, market impact — Expert Python (NumPy, pandas/Polars, PyTorch); working C++ or Rust for latency-critical components — Tick-data engineering at scale: columnar stores, cross-venue normalization, data-quality control Market Knowledge: — Crypto microstructure: CEX matching engines and fee schedules, perpetuals (funding, mark price, liquidation/ADL), cross-venue arbitrage, DEX/AMM basics — TradFi microstructure: FX ECN mechanics (firm vs last-look liquidity, prime brokerage), listed futures; low-latency architecture (tick-to-trade path, colocation, exchange protocols) — Inventory and hedging: quoting models of the Avellaneda–Stoikov class and extensions, multi-asset inventory optimization, hedging, settlement workflows, real-time risk limits and kill switches Exchange Microstructure & Mechanism Design: — Maker-taker economics and market-quality measurement: fee-tier and rebate architecture, per-segment elasticity, spread/depth/slippage/markout metrics, defenses against rebate farming and wash trading — Liquidity program design: obligation-based schemes (two-sided quoting, presence at touch, minimum depth, uptime) and incentive-based schemes (tiered rebates, credit lines, connectivity benefits) — Maker protection and flow segmentation: markout-based counterparty scoring, retail price improvement (RPI) order types, asymmetric speed bumps and latency floors, minimum quote life, self-match prevention — Exchange P&L modeling: net fee capture, subsidy budget and payback, LP unit economics from onboarding to self-sufficiency Mindset & Soft Skills: — Owner mentality with direct P&L accountability; ships to production and makes honest kill decisions — Clear written communication with traders, engineers, exchange management, and external LPs — Compliance discipline across crypto and TradFi market-abuse regimes. Responsibilities Responsibilities — Liquidity Program: — Design the program end-to-end: MM tiers, admission criteria, obligations (max spread, min depth, uptime, presence at touch), incentives, and graduation to subsidy-free self-sufficiency — Optimize the fee schedule for net capture: taker tiers priced to measured elasticity by segment; maker rebates funded from taker fees; safeguards against tier gaming — Design order-book mechanics for comfortable quoting: tick and lot sizing, post-only / iceberg / RPI order types, self-match prevention, minimum quote life, passive-liquidity protection options — Build the toxic-flow framework: markout-based flow classification, counterparty scoring, continuous monitoring, access rules or surcharges for consistently toxic takers — Own the program financial model and roadmap: subsidy budget with payback targets; phases bootstrap → organic profitability → self-sufficiency; a market-quality dashboard as the single source of truth Responsibilities — Trading Desc: — Own the strategy roadmap — crypto first, then TradFi FX and futures; design pricing, quoting, hedging, and execution as one portfolio — Run end-to-end alpha research on tick/order-book, cross-venue, funding/basis, and on-chain data — Design the inventory-aware hedging framework, portfolio risk limits, and parameter governance — Partner with engineering on low-latency implementation; validate in high-fidelity simulation and canary deployments — Own P&L attribution, TCA/markout analysis, and research standards — Lead the TradFi FX entry research workstream (LSEG FX Spot Matching, Euronext FX). Working terms Immerse yourself in Crypto & Web3:Master cutting-edge technologies and become an expert in the most innovative industry. Master cutting-edge technologies and become an expert in the most innovative industry. Work with the Fintech of the Future: Develop your skills in digital finance and shape the global market. Take Your Professionalism to the Next Level: Gain unique experience and be part of global transformations. Drive Innovations: Influence the industry and contribute to groundbreaking solutions. Join a Strong Team: Collaborate with top experts worldwide and grow alongside the best. Work-Life Balance & Well-being: Modern equipment. Comfortable working conditions, and an inspiring environment to help you thrive. 24 calendar days of paid leave. Additional days off for national holidays. With us, you’ll dive into the world of unique blockchain technologies, reshape the crypto landscape, and become an innovator in your field. If you’re ready to take on challenges and join our dynamic team, apply now and start a new chapter in your career! Let’s Build the Future Together! WhiteBIT offers all candidates an equal opportunity to join the team. All hiring decisions are made without regard to race, national origin, gender identity or sexual orientation, age, religion, disability, medical condition, marital status, familial status, veteran status, or any other legally protected characteristic of an individual. Your privacy matters to us. You can learn more about how we handle your personal data with regard to your application in our Candidate Privacy Notice .

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.

ML-команда развивает рекомендательную систему и инструменты компьютерного зрения, обработки текста и распознавания речи. Предстоит улучшать модели, участвовать в сборе данных и оптимизировать инфраструктуру запуска моделей и мониторинга.