AI Engineer / ML Engineer
Зарплата не указана
Данные и ML вакансии
Загружаем вакансии…
Загружаем вакансии…
Зарплата не указана
Компания «КОРУС Консалтинг» — аккредитованная российская ИТ-компания, предоставляющая услуги по ИТ-консалтингу, оптимизации и автоматизации бизнес-процессов, созданию ИТ-инфраструктуры и ИТ-аутсорсингу. Входит в топ-100 крупнейших ИТ-компаний страны. Компания занимается разработкой ИИ-продуктов для клиентов, поддерживает собственную ИИ-инфраструктуру и регулярно организует митапы в области искусственного интеллекта. Департамент аналитических решений (ДАР) помогает компаниям работать с данными: строит BI и отчётность, создаёт хранилища и витрины данных, разрабатывает ML-решения, занимается Data Governance и GenAI. Открыт набор на стажировку для студентов, желающих начать карьеру в аналитике, инженерии данных и AI разработке. Во время стажировки: — попробуешь себя на реальных задачах; — пройдёшь курс для погружения в роль и получишь обратную связь от экспертов; — познакомишься с командой и процессами проектов в консалтинге; — сможешь зарекомендовать себя для дальнейшего трудоустройства в компанию. Как попасть на стажировку: — откликнись на вакансию и приложи резюме; — в сопроводительном письме укажи свой курс и код специальности; — получишь ссылку на лэндинг стажировки для прохождения технического теста и записи видео-визитки; — поучаствуешь в онлайн бизнес-игре. Старт стажировки планируется на начало августа. Условия стажировки: — длительность 3-4 месяца; — оформление по срочному трудовому договору; — стажировка оплачиваемая. Требования: — студент 3–4 курса бакалавриата (или специалитета) либо 1–2 курса магистратуры; — обучение по IT, математическому или инженерно-техническому направлению; — готовность самостоятельно учиться и доводить задачи до результата; — проживание в Москве или Санкт-Петербурге и готовность к гибридному формату работы с периодическим посещением офиса.
Зарплата не указана
Задачи: — построение ETL-процессов: разработка и настройка конвейеров по сбору и трансформации данных из различных источников; — работа с современным стеком трансформации: освоение и применение DBT для превращения «сырых» данных в чистые аналитические витрины; — оркестрация данных: настройка и поддержка рабочих процессов (pipelines) в Dagster для своевременного и безошибочного обновления данных в отчетах; — управление хранилищами: работа с Postgres и высокопроизводительной колончатой базой данных Clickhouse для обеспечения скорости работы отчетов; — визуализация смыслов: разработка интерактивных BI-отчетов в Apache Superset для поддержки бизнес-решений; — оптимизация выборок: анализ и ускорение тяжелых запросов для повышения производительности системы отчетности. Требования: — уверенное владение SQL (сложные выборки, агрегатные функции, оптимизация запросов); — понимание устройства реляционных баз данных, в частности PostgreSQL, и принципов построения аналитических хранилищ; — базовые знания Python, умение писать скрипты для обработки данных и автоматизации простых задач; — аналитический склад ума, способность работать с большими массивами данных, выявлять закономерности и структурировать информацию. Желательный опыт: — опыт создания дашбордов в BI-инструментах (Apache Superset, Tableau, Power BI или аналогичных); — понимание концепций ETL/ELT; — понимание архитектуры данных, разницы между OLTP и OLAP системами (например, использование Clickhouse для аналитики); — интерес к современным инструментам DBT и оркестраторам данных (Airflow, Dagster). Условия: — срочный трудовой договор на 3 месяца; — график 5/2, не более 30 часов в неделю; — возможна удалённая, офисная или гибридная работа; — стажировка доступна студентам любых ВУЗов и форм обучения, включая заочную и магистратуру.
Зарплата не указана
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи: — построение ETL-процессов: разработка и настройка конвейеров по сбору и трансформации данных из различных источников; — работа с современным стеком трансформации: освоение и применение DBT для превращения «сырых» данных в чистые аналитические витрины; — оркестрация данных: настройка и поддержка рабочих процессов (pipelines) в Dagster для своевременного и безошибочного обновления данных в отчетах; — управление хранилищами: работа с Postgres и высокопроизводительной колончатой базой данных Clickhouse для обеспечения скорости работы отчетов; — визуализация смыслов: разработка интерактивных BI-отчетов в Apache Superset для поддержки принятия бизнес-решений; — оптимизация выборок: анализ и ускорение тяжелых запросов для повышения производительности системы отчетности. Требования: — уверенное владение SQL (сложные выборки, агрегатные функции, оптимизация запросов); — понимание устройства реляционных баз данных, в частности PostgreSQL, и принципов построения аналитических хранилищ; — базовые знания Python, умение писать скрипты для обработки данных и автоматизации простых задач; — аналитический склад ума, способность работать с большими массивами данных, выявлять закономерности и структурировать информацию. Желательный опыт: — создание дашбордов в BI-инструментах (Apache Superset, Tableau, Power BI или аналогичных); — понимание концепций ETL/ELT; — понимание архитектуры данных, разницы между OLTP и OLAP системами (например, использование Clickhouse для аналитики); — интерес к современным инструментам DBT и оркестраторам данных (Airflow, Dagster). Условия: — срочный трудовой договор на 3 месяца; — график 5/2, не более 30 часов в неделю; — возможность работы удаленно, в офисе или в гибридном формате; — стажировка открыта для студентов любых ВУЗов и форм обучения, включая заочную и магистратуру.
Зарплата не указана
Задачи: — Разработка и внедрение агентов на базе LLM, проектирование ML-компонентов платформы агентов. — Создание агентов, способных обрабатывать сложные multi-turn и multi-modal запросы пользователей. — Разработка систем маршрутизации задач, выбора инструментов и моделей, управление вызовами функций и оркестрация моделей внутри пайплайна. — Замена традиционных классификаторов LLM-пайплайнами и RAG-системами, трансформация старых архитектур в современные пайплайны с LLM, вызовом функций, планированием и рассуждениями. — Дообучение, настройка и интеграция моделей, оптимизация inference, работа с опенсорс-моделями и внутренними, включая fine-tuning, RL и адаптацию под платформу агентов. — Обеспечение быстрой и устойчивой работы агентов на продакшене, оптимизация inference и взаимодействие с инфраструктурой (Eagle, FP8, дистилляция, multi-dimensional parallelism). — Исследования и эксперименты с графами агентов и памятью, эксперименты с вызовами агентов, memory-подсистемами, симуляцией поведения, архитектурами reasoning и системами планирования. — Участие в разработке RL-моделей для обучения диалоговых агентов, постановка и реализация экспериментов с multi-turn reinforcement learning в масштабах Яндекса и Алисы. Требования: — Глубокие знания в Deep Learning и NLP. — Опыт работы с LLM и пайплайнами вокруг них (function calling, memory, RAG). — Опыт внедрения ML-систем в продакшен. — Системное мышление — от архитектуры до интеграции с инфраструктурой. — Владение Python и знакомство с PyTorch. — Готовность к кросс-функциональной работе с бэкендом и продуктовыми командами.
Зарплата не указана
Зарплата не указана
Responsibilities: • Build and improve biometrics, algorithms, and data-driven insights for the Mira App. • Analyze hormone, cycle, app behavior, and user outcome data to identify patterns and product opportunities. Требования к кандидату: - 3+ years of experience in data science - Strong Python and SQL skills - Experience with health or wearable data - Experience in consumer health or medical devices - Strong model validation and performance evaluation skills
Зарплата не указана
Ищем стажера машинного обучения - ML Engineer с небольшим опытом работы или со студенческими проектами в данной отрасли. Требуется прислать резюме для отклика на вакансию.
Зарплата не указана
Задачи: — работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей — разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний — проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов) — выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке — обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день. Требования: — опыт работы Data Scientist от 5 лет — высшее техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны) — понимание теории вероятностей и статистики — уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать) — владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.) — плюсом будет опыт работы с pytorch, pyspark. Условия: — комфортный современный офис рядом с м. Кутузовская — возможность выбрать удобный график – офис/гибрид — ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования) — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) — 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.
Зарплата не указана
Задачи: — участие в создании и поддержке аналитических решений для повышения эффективности маркетинговых кампаний; — применение методов машинного обучения, особенно uplift-моделирования, для оптимизации взаимодействия с клиентами и повышения ROI; — построение uplift-моделей по сегментам для разных групп; — разработка uplift-моделей для различных номиналов промоакций с последующей оптимизацией; — прогнозирование RFM; — участие в проведении A/B тестов, расчет финансовых эффектов от внедрения моделей, генерация признаков для моделей. Требования: — базовое понимание статистики и теории вероятностей; — опыт работы с Python (Pandas, NumPy); — знание основ машинного обучения (линейная регрессия, деревья решений, случайный лес); — понимание концепции uplift-моделирования; — опыт работы с табличными данными; — понимание принципов распределенных вычислений (PySpark); — опыт коммерческой разработки. Технологии и инструменты: — работа с данными: pyspark, SQL, S3; — классический ML и uplift: Scikit-learn, XGBoost, LightGBM, CatBoost, scikit-uplift; — разработка и версионирование: Jupyter Notebook, VS Code/PyCharm, git; — ML инфраструктура: JupyterHub, MLFlow, Airflow, PostgreSQL; — ML: Transformers, SGLang, Triton; — процессы: Jira, Confluence.
Зарплата не указана
Задачи: — Разработка и внедрение автономных ИИ-агентов и генеративных моделей (LLM, мультимодальные системы) для ускорения проектирования, разработки и развертывания ERP-систем, а также создания интеллектуальных интерфейсов автоматизации — от генерации кода до обработки естественно-языковых запросов пользователей. — Создание ИИ-сервисов и автономных агентов для автоматизации бизнес-процессов. — Обучение и тонкая настройка LLM (Large Language Models) и других ML-моделей под задачи компании. — Анализ данных, разработка алгоритмов для прогнозирования, оптимизации и принятия решений. — Интеграция ИИ-решений в существующие продукты компании. — Участие в научно-исследовательских проектах, публикация результатов (при желании). Требования: — Опыт в работы в IT от 5-ти лет. — Опыт работы в области Machine Learning, Deep Learning или Data Science от 3-ех лет. — Знание Python и ряда библиотек для ML/DL таких как TensorFlow, Pandas, PyTorch, scikit-learn и др. — Опыт работы с NLP, LLM (GPT, Llama, Mistral и т. д.), RAG, автономными агентами. — Понимание принципов работы ERP-систем (желательно). — Умение работать с большими данными (SQL, NoSQL). — Знание методов обучения с подкреплением (RL) — будет плюсом. — Английский язык (уровень для чтения технической документации). Условия: — Официальное оформление и стабильный доход по ТК РФ. — Все льготы и преимущества работы в аккредитованной ИТ-компании. — Программа ДМС с первых дней. — Работа в офисе с гибким началом рабочего дня. — Московский офис в шаговой доступности от м. Динамо, оборудованный всем необходимым для комфортной работы и отдыха.
Зарплата не указана
Synthesia Roleplay Sessions is a training tool that lets people practice real conversations with AI avatars. Instead of just watching training videos, learners do interactive roleplay exercises, like practicing a sales pitch or handling a customer complaint with an AI coach. The AI gives instant feedback so people know what they did well and what to improve. Managers can use a dashboard to track which employees have completed their training, see how well they performed, and measure if the training actually improved their skills. The whole platform is built around learning by doing rather than just passive video watching. For your ML engineer role, you'd be building the AI engine that makes the coaching work. That means creating the models that listen to what learners say during roleplay, score their performance, generate helpful feedback in real time, and decide how the AI avatar should respond next based on what the learner does. This is an applied ML position, not a research one. We expect you to have a good understanding of ML but on the other side to be a good product-focused software developer as you will be expected to work on different products. Please bring with you: — Ability to apply your machine learning knowledge to solve real product problems. — At least seven (7) years of experience as a software engineer, with at least 2 years at senior level. — Experience in a high-performing engineering team operating at scale, whether in a scale-up or established organisation recognised for strong engineering culture. — Strong alignment with commercial success. — Pragmatism and bias towards action. — Comfort with fast iteration. Why join us? — We’re living the golden age of AI. — Our culture is focused on building and empowering people to work fast. — Serving 50,000+ customers including 50% of the Fortune 500. — Proprietary AI technology built in-house by world-class AI researchers and engineers. — Commitment to AI safety, ethics, and security. The hiring process includes: — Tech Recruiter Interview (30-40min) covering technical background and experience. — Delivery and Impact Interview (60min) deep dive into past projects and impact. — Technical Rounds including Work Scenario Round (75-90min) and System Design Technical Discussion (60min). — Leadership Retrospective (60min) discussing collaboration, growth, and role expectations. — Final debrief leading to offer or end of process. Other important info: — Preference for role based in-office or remote in UK, Germany, Switzerland or Ireland, with possible support for remote workers elsewhere in Europe. — Salary starts at EUR/GBP/CHF 120,000 base plus RSUs. — Full-time employment only, no contractors. — 25 days of leave plus local holidays.
eClinical Solutions helps life sciences organizations accelerate clinical development initiatives with expert data services and the elluminate Clinical Data Cloud, which provides centralized data access and advanced analytics for smarter business decisions. eClinical Solutions is focused on innovation in clinical trials through improved data management and analytics, using their elluminate technology platform to speed up timelines and automate manual processes. The role involves contributing to this agile data management approach, enabling clients to proactively manage clinical programs and make informed decisions.
Зарплата не указана
Зарплата не указана
Зарплата не указана
XUND is a medical technology company that builds AI-powered digital health assistants to digitize the patient journey from the first symptoms to treatment. Work format: Remote or on-site in Vienna, Budapest, Berlin.
Зарплата не указана
Задачи: — Архитектура новой системы данных компании с нуля. — Преобразование больших и разнородных медицинских данных в унифицированный, высокопроизводительный граф знаний. — Работа с медицинскими экспертами, продуктовыми командами и дата-сайентистами для перевода сложной клинической логики в чистые, взаимосвязанные структуры и модели данных. — Поиск креативных решений с использованием различных типов баз данных и конвейеров данных для обеспечения согласованности и совместимости медицинских данных. — Разработка и интеграция частей клинического inference engine, основанного на правилах и статистических моделях. — Проектирование и расширение клинических моделей данных с использованием доменных онтологий (например, SNOMED-CT, FHIR, UMLS) для создания богатых, запросных графовых структур. — Перевод исследовательских результатов в масштабируемое, промышленное программное обеспечение в рамках agile-команды. — Тесное сотрудничество с медицинскими экспертами для фиксации клинических рабочих процессов и валидации отображений онтологий. — Формирование технического направления, дизайна схем и лучших инженерных практик в команде. Требования: — Магистр или кандидат наук в области компьютерных наук, математики или смежных областей. — Более 4 лет опыта работы с медицинскими данными или в области data engineering либо соответствующие академические исследования. — Глубокие знания графовых баз данных, языков запросов, алгоритмов поиска и/или систем вывода (например, Neo4j, Memgraph, Cypher, SQL, Datalog). — Обширный опыт разработки на Python и/или TypeScript, комфортное переключение между языками и фреймворками. — Наличие разрешения на работу в ЕС и проживание в ЕС. — Желательно: знакомство со статистикой, формальной логикой и/или машинным обучением. — Опыт работы с электронными медицинскими картами (EHR) и форматами обмена клиническими данными (например, FHIR). — Интерес к области представления знаний и рассуждений (Knowledge Representation and Reasoning). — Опыт самостоятельного управления облачными средами (например, GCP) и CI/CD конвейерами. Условия: — Работа в одной из ведущих европейских healthtech компаний с возможностью влиять на продукт. — Возможность работать удаленно или в офисах в Вене, Будапеште и Берлине. — Выделенный бюджет на обучение и профессиональное развитие. — Культура с плоской иерархией, открытым общением и уважением к мнению каждого. — Участие в виртуальных программах опционов на акции (VSOP). — Возможность приводить в офис своих домашних животных и общаться с офисными собаками. — Гибкие условия работы и поддержка разнообразия и инклюзивности.
Зарплата не указана
Languages required: English (excellent communication skills), Japanese (not required, but useful).
Зарплата не указана
от 120 000 €