Вакансии

Location: Санкт-Петербург Workplace: гибкий Товарные рекомендации в Ленте — это поиск подходящего товара через контент. Пользователь приходит посмотреть Ленту без конкретного запроса на покупку, поэтому нам важно понимать его интересы и находить товары, которые органично впишутся в этот опыт. Здесь пересекаются рекомендации контента и e-commerce: нужно учитывать и привлекательность самого поста, и интерес к товару, сохраняя баланс между покупками и удовольствием от просмотра Ленты. Ищем ML-инженера, который усилит нашу команду и займётся рекомендациями товарных постов в Ленте ВК. Предстоит разрабатывать и улучшать алгоритмы, которые помогают пользователям находить интересные товары. Задачи Улучшать базовое качество рекомендаций и ранжирования Анализировать поведение пользователей и потребление контента, выдвигать и проверять продуктовые гипотезы Строить и поддерживать end‑to‑end пайплайны моделей: от данных и обучения до продакшен‑внедрения и мониторинга метрик Принимать участие в разработке сервисов, внедрять алгоритмы в бэкенд на Java Проводить A/B-тестирование и принимать решения с влиянием на огромную аудиторию пользователей ВК Требования Знание классических алгоритмов и принципов ML Понимание основных принципов работы рекомендательных систем Знание математической статистики и методики проведения A/B-тестирования Уверенное владение Python/Java и SQL Открытость, самостоятельность, проактивность

Проектировать архитектуру AI-систем; Внедрение GPU-планировщика для шаринга нагрузки на одном железе;

Location: Ukraine; Spain; Serbia; Yerevan; Poland Workplace: remote Provectus is an AWS Premier Partner and an Anthropic Strategic Partner, working at the frontier of applied AI. We help enterprises turn Claude, agentic systems, and their own data into measurable business outcomes — through bespoke applications, managed services, and advisory engagements. With offices in North America, LATAM, and EMEA, we partner with clients worldwide. Our work centers on two verticals — Financial Services & Insurance and Healthcare & Life Sciences — where we deploy five pre-built AI Blueprints: Submission Flow, Portfolio Lens, Asset Flow, Revenue Flow, and Evidence Lens. Each Blueprint rebuilds a critical business process front to back, shipped from working code and tuned to a client's specific book, regulators, and operating posture. Our team holds 100+ AWS certifications, is Claude Code certified, and co-delivers Anthropic's Agentic SDLC program, Cowork Activation, and AI Blueprint engagements. Where this role sits You will work in a senior pod alongside an FDE, an FDX, and Senior AI Engineers — contributing to real delivery work while building toward independent ownership. Requirements: Mindset Proactive and self-directed; you push for clarity rather than waiting for a ticket. Excellent communication and problem-solving skills. Comfortable with some ambiguity, with support from senior team members as you take on more. B2+ English, comfortable collaborating across distributed, multicultural teams. Technical depth Hands-on experience building or contributing to RAG systems, ideally in a production or near-production setting. Solid engineering fundamentals; Python and/or TypeScript proficiency. Productive in an unfamiliar codebase with some ramp-up support. Practical AWS experience (Lambda, S3, ECS, or similar); ready to grow into Bedrock and Bedrock AgentCore . Some experience with containers and CI/CD in real projects. Exposure to evaluating non-deterministic systems — you've contributed to or run test/eval cycles, even if you haven't owned a full eval suite end-to-end. Basic working knowledge of model/agent monitoring concepts. Awareness of cost and latency trade-offs when working with LLMs. Some hands-on exposure to the Claude ecosystem (Claude Code, CLAUDE.md, hooks, skills files) is a plus, or strong ability to ramp up quickly. Practical experience with LLM APIs (Anthropic, AWS Bedrock, or OpenAI) in real projects. 2+ years of software or ML engineering experience, including some exposure to production systems. Solid AI/ML foundations — you understand what the models do well enough to reason about common failure modes. Nice to Have: Experience in one of the industries: financial services, insurance, healthcare. Consulting, professional services, or other embedded customer-facing delivery. AWS and Claude Code Certifications (or actively pursuing them). A2A: Interest in agent-to-agent interoperability concepts. CI/CD pipeline experience (GitHub Actions, GitLab CI). Practical experience with one or more use cases from the following: NLP, LLMs, and Recommendation engines. Experience in an additional language (Go, TypeScript, or Rust). Experience with Apache Spark, Apache Airflow, Kafkа. Experience with the Claude ecosystem —  Claude Code, CLAUDE.md, hooks, skills files.  Spec-driven development — writing the intent, constraints, and acceptance criteria before you let an agent build. MCP: you can say why an agent would prefer it to a REST integration, having authored a server is an additional  plus. Responsibilities: Build and contribute to RAG system components under senior guidance, with growing autonomy. Write tests and help build out evaluation harnesses for the features you work on. Write production code across the stack (AI, backend services, data pipelines) with code review support. Help integrate AI components into backend services and RESTful APIs. Support deployment of systems to AWS (containerized, CI/CD), taking on more of this independently over time. Contribute to documentation, runbooks, and client handover materials. Participate in technical discussions and architectural decisions, with an eye toward taking on more of this independently. Support model evaluation efforts and help investigate and improve failure modes. Take on increasing ownership of components and technical decisions as you grow in the role. What We Offer: The chance to shape how leading enterprises across LATAM, Europe, and North America adopt AI, from strategy through first deployment A forward-deployed model working in small, senior teams alongside FDE and FDX A growing AI delivery practice where you help build the tooling and frameworks, not just use them Remote-friendly culture Internal training programs with full support for Claude, AWS, and other professional certifications, conference attendance Career growth; we actively develop our engineers Access to the latest AI tools and premium subscriptions Long-term B2B collaboration Private medical insurance or a budget for your medical needs Paid sick leave, vacation, and public holidays Equipment and all the tech you need for comfortable, productive work How we hire: Intro conversation. The role, your background and aspirations, tech questions. Technical interview with live engineering sessions. Real problems, your own editor, you may use an LLM assistant HR Interview. Soft skills and expectations HM interview. Tech questions; a live engineering session is also possible

* Develop, train, and optimize deep learning models for image analysis. * Evaluate and extend existing model architectures.

Команда инвестиционных исследований Sber CIB в поиске стажера Data Scientist.

• Мы ищем талантливого Data Scientist/ML Engineer в ML-команду отдела «Global и Локализация».

Keyrock is looking for an Innovation Quant Developer Intern DeFi Corporate Development to prototype Web3 technologies, perform technical due diligence, and analyze market data.

• Разработка кросс-ассетных стратегий: Поиск альфа-сигналов, построение и валидация математических и ML-моде...

— Внедрение новых алгоритмов в существующую инфраструктуру. — Анализ пользовательских сценариев.

Location: San Francisco, CA About Anthropic Anthropic’s mission is to create reliable, interpretable, and steerable AI systems. We want AI to be safe and beneficial for our users and for society as a whole. Our team is a quickly growing group of committed researchers, engineers, policy experts, and business leaders working together to build beneficial AI systems. About the role The Discovery team at Anthropic is organized around the north star goal of building an AI scientist – a system capable of solving the long-term reasoning challenges and basic capabilities necessary to push the scientific and technological frontier. We're expanding our work on engineering and the applied sciences. Our goal is to contribute to training Claude to invent, design, and engineer across every discipline and scale, reliably and safely: new manufacturing and experimental techniques, processes, materials, devices, instruments, machines, energy systems, and factories. We want this work to accelerate science and technology and benefit people widely. To achieve these goals, we're seeking exceptional machine learning researchers with deep expertise in training and evaluating frontier models. In this role, you'll work end to end across the model stack, developing training environments, rewards, data, and evaluations that measure and improve Claude's performance on complex engineering and scientific tasks, and carrying what works into production training runs. You'll collaborate closely with researchers, engineers, and partners across Anthropic and industry to build AI systems that can engage in all phases of research and development, and that learn from real-world feedback. A background in engineering or the sciences is a plus but not required. Key responsibilities Design, build, and study reinforcement learning environments, rewards, and training data that improve Claude's capabilities in engineering and the applied sciences Create benchmarks and evaluation frameworks that measure model performance on realistic engineering and scientific workflows Develop simulation-based training environments and verifiers, working with domain experts to validate them against real-world data Develop approaches to long-horizon task completion, multi-agent collaboration, and complex reasoning essential for real engineering and research work Research how models can learn efficiently from experiments and real-world feedback Study how environments and rewards behave in large-scale training, including robustness, calibration, and generalization, so that training produces models that are both capable and well aligned Scale research ideas from prototype to production training runs Collaborate with domain experts and industry partners to build and test what Claude invents, designs, and engineers, and turn that feedback into training and evaluation signal Help chart how Claude’s engineering capabilities reach real-world use: where they matter most, what stands in the way of adoption, and how that should shape research priorities Minimum qualifications Proficiency in Python and hands-on experience with a modern machine learning framework such as PyTorch or JAX Hands-on experience training or evaluating machine learning models Track record of machine learning research: forming hypotheses, designing and running experiments, and drawing sound conclusions from the results Ability to implement your own research ideas and diagnose problems in complex systems Ability to learn unfamiliar technical fields quickly and work productively with experts in them Clear communication and a collaborative approach to solving problems Excitement about improving Claude’s scientific capabilities and the downstream impact on science and technology Commitment to developing AI that is safe and beneficial Preferred qualifications Experience with reinforcement learning and pre-training on large language models, including environment and reward design Familiarity with large-scale language model training, evaluation, and inference pipelines Published research or practical experience in AI for science or engineering, or in long-horizon reasoning A degree or work experience in an engineering or applied science discipline, such as mechanical, electrical, materials, chemical, aerospace, systems, or manufacturing engineering, applied physics, or computational simulation Experience building simulators, surrogate models, or simulation-based environments and verifiers, and calibrating and validating them against real-world data Experience with large-scale data pipelines and technical or multimodal datasets Demonstrated ability to work across multiple domains, such as language modeling, systems engineering, and scientific computing The annual compensation range for this role is listed below. For sales roles, the range provided is the role’s On Target Earnings ("OTE") range, meaning that the range includes both the sales commissions/sales bonuses target and annual base salary for the role. Annual Salary: $500,000 — $850,000 USD Logistics Minimum education: Bachelor’s degree or an equivalent combination of education, training, and/or experience Required field of study: A field relevant to the role as demonstrated through coursework, training, or professional experience Minimum years of experience: Years of experience required will correlate with the internal job level requirements for the position Location-based hybrid policy: Currently, we expect all staff to be in one of our offices at least 25% of the time. However, some roles may require more time in our offices. Visa sponsorship: We do sponsor visas! However, we aren't able to successfully sponsor visas for every role and every candidate. But if we make you an offer, we will make every reasonable effort to get you a visa, and we retain an immigration lawyer to help with this. For roles performing work in California: We will consider for employment all qualified applicants, including those with arrest or conviction records or criminal histories, in a manner consistent with the requirements of applicable state and local laws, including the San Francisco Fair Chance Ordinance, the City of Los Angeles’ Fair Chance Initiative for Hiring Ordinance, the Los Angeles County Fair Chance Ordinance for Employers, and the California Fair Chance Act. We encourage you to apply even if you do not believe you meet every single qualification. Not all strong candidates will meet every single qualification as listed.  Research shows that people who identify as being from underrepresented groups are more prone to experiencing imposter syndrome and doubting the strength of their candidacy, so we urge you not to exclude yourself prematurely and to submit an application if you're interested in this work. We think AI systems like the ones we're building have enormous social and ethical implications. We think this makes representation even more important, and we strive to include a range of diverse perspectives on our team. Your safety matters to us. To protect yourself from potential scams, remember that Anthropic recruiters only contact you from @anthropic.com email addresses. In some cases, we may partner with vetted recruiting agencies who will identify themselves as working on behalf of Anthropic. Be cautious of emails from other domains. Legitimate Anthropic recruiters will never ask for money, fees, or banking information before your first day. If you're ever unsure about a communication, don't click any links—visit anthropic.com/careers directly for confirmed position openings. How we're different We believe that the highest-impact AI research will be big science. At Anthropic we work as a single cohesive team on just a few large-scale research efforts. And we value impact — advancing our long-term goals of steerable, trustworthy AI — rather than work on smaller and more specific puzzles. We view AI research as an empirical science, which has as much in common with physics and biology as with traditional efforts in computer science. We're an extremely collaborative group, and we host frequent research discussions to ensure that we are pursuing the highest-impact work at any given time. As such, we greatly value communication skills. The easiest way to understand our research directions is to read our recent research. This research continues many of the directions our team worked on prior to Anthropic, including: GPT-3, Circuit-Based Interpretability, Multimodal Neurons, Scaling Laws, AI & Compute, Concrete Problems in AI Safety, and Learning from Human Preferences. Come work with us! Anthropic is a public benefit corporation headquartered in San Francisco. We offer competitive compensation and benefits, optional equity donation matching, generous vacation and parental leave, flexible working hours, and a lovely office space in which to collaborate with colleagues. Guidance on Candidates' AI Usage: Learn about our policy for using AI in our application process.

Location: Москва Workplace: Комбинированный Дзен — сложная рекомендательная система и блог-платформа, которая помогает людям находить интересный контент, а авторам, медиа и брендам — свою аудиторию и единомышленников. Служба рекомендаций Дзена совершенствует алгоритмы ранжирования на платформе, чтобы пользователи видели самое актуальное для себя. Вам предстоит разрабатывать и улучшать рекомендательную систему, которая будет анализировать поведение пользователей, предсказывать их предпочтения и предлагать персонализированный контент (видео, статьи, новости). Вы будете участвовать во всех этапах — от сбора и обработки данных до обучения моделей (collaborative filtering, content-based, нейросетевые подходы) и их внедрения в production. Ваша работа напрямую повлияет на ключевые метрики бизнеса: увеличение конверсии, удержание пользователей и рост вовлечённости. Кроме того, вы сможете экспериментировать с новыми алгоритмами, проводить A/B-тесты и оптимизировать систему, чтобы рекомендации становились точнее и полезнее для миллионов пользователей. Задачи Реализовывать разные виды рекомендаций Генерировать и реализовывать новые идеи по улучшению наших алгоритмов рекомендаций Разрабатывать ML-алгоритмы — от базовой обработки и подсчёта подокументных факторов до ранжирования Встраивать ML-решения в живой продовый код (Java) Взаимодействовать с продакт-менеджерами и трансформировать продуктовые требования в техническую постановку задачи Требования Вы в ML более трёх лет (опыт промышленной разработки) Уверенно пишете и читаете продакшен-код Глубоко понимаете алгоритмы классического ML Знаете современные рекомендательные системы и тренды (RL, transformers, etc.)

We are hiring an engineer to own the document processing pipelines end to end: design, benchmarking, experimenting with new architectures and tools, threshold required for deploying a new pipeline, etc. Design the pipelines.

Location: Prague Workplace: hybrid Filevine is a Legal AI company delivering Legal Operating Intelligence for the future of legal work. Grounded in a singular system of truth, Filevine brings together data, documents, workflows, and teams into one unified platform—where modern legal work happens with clarity and consistency. Powered by LOIS, the Legal Operating Intelligence System, Filevine connects context across every matter to transform legal operations from reactive to proactive. LOIS reads, understands, and reasons across your data to surface insight, automate complexity, and give professionals the clarity and confidence to see more, know more, and do more. Fueled by a team of exceptional collaborators and innovators, Filevine’s rapid growth has earned AI awards and recognition from Deloitte and Inc. as one of the most innovative and fastest-growing technology companies in the country. The Depo Intelligence team powers the AI behind Filevine's deposition product line. We deliver automated post-deposition transcript analysis, timelines, summaries, and witness impressions. Our latest product, Depo Copilot, assists attorneys during deposition preparation and delivers real-time insights during live proceedings. Additionally, our intelligent insights extend support to the Filevine Meetings and Notetaking apps. As the Tech Lead for Depo Intelligence, you will drive the technical direction of our AI systems. This is a hands-on machine learning role requiring strong software engineering skills. You will spend your time designing and building LLM pipelines and evaluations, as well as leading the team's architectural and design choices. You will collaborate closely with the team's Engineering Manager, who handles people management and delivery, allowing you to focus squarely on technical leadership. Key Responsibilities Own the technical vision and system architecture for machine learning workflows driving Depo Copilot, Depo Summaries, and the Meetings and Notetaking app. Architect and build LLM pipelines capable of reasoning over extensive case files and real-time transcripts, ensuring all outputs are fully grounded in source material. Determine optimal model strategies - evaluating when custom fine-tuning or trained models are required over prompt engineering - and lead implementation. Establish evaluation frameworks alongside our legal experts and annotators, creating custom datasets, rubrics, offline metrics, and release checks to proactively prevent regressions. Optimize pipeline efficiency, latency, and operational costs for live streaming analysis using strategic model selection, fallbacks, and precomputation. Transition prototypes into production-grade systems with typed contracts, test coverage, tracing, and observability, serving as technical lead for incident response during live proceedings. Author design documents, guide architectural decisions, and partner with Product, product engineering, speech recognition, and document retrieval teams to translate roadmap goals into actionable technical plans. Mentor machine learning engineers through detailed code reviews, pair programming, and design feedback while clearly communicating technical outcomes and tradeoffs to business stakeholders. Who are you? Minimum of 5 years of experience building production ML or software systems, including at least 3 years in machine learning roles with end-to-end project ownership. Proven track record of technical leadership, including conducting design reviews, setting architectural direction, and mentoring engineers. Strong background in NLP and production LLM systems, encompassing retrieval and grounding, long-context reasoning, structured outputs, evaluation, and mitigation of common failure modes. Experience designing evaluation frameworks for generative AI systems, including developing datasets and rubrics in collaboration with domain experts and annotators. Solid software engineering foundations, including API design, data modeling, distributed and asynchronous workflows, testing, and fault tolerance. Advanced proficiency in Python, alongside hands-on experience with PyTorch or other deep learning frameworks. Experience with real-time/streaming systems or legal domain NLP is a plus. Strong written and verbal communication skills in English, a collaborative team spirit, and an autonomous problem-solving mindset. Ability to meet periodically at our Prague or Bratislava office to support in-person collaboration. Our current stack primarily utilizes Python (DSPy, Pydantic, Temporal), PostgreSQL, Kubernetes, AWS, Google Cloud, and multi-provider LLMs; strong core engineering skills are prioritized over familiarity with specific tools or frameworks. Compensation starts at 190,000 CZK per month, with the final offer determined by the candidate’s seniority and experience. This opportunity is for independent contractors and is not intended to establish an employment relationship. Contractors are responsible for their own taxes and compliance with applicable laws in their jurisdiction. This role is open exclusively to candidates currently residing in, or willing to relocate to, Czechia or Slovakia with the legal right to work in these countries. Unfortunately, we are unable to consider applications from candidates based outside of these locations due to operational and regulatory requirements Privacy Policy Notice Filevine will handle your personal information according to what’s outlined in our Privacy Policy.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM-моделей. Ищем сильного senior-инженера в RL-направление: человека, который будет драйвить ключевые исследования и разработки, влиять на качество моделей и доводить сложные идеи до работающих решений. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Разрабатывать и улучшать RL-подходы для обучения VLM/LLM-моделей: выбор алгоритмов, постановка экспериментов и анализ результатов; * Проектировать reward-функции и пайплайны обучения, выстраивать стратегии масштабирования под разные домены и сценарии, напрямую влияя на метрики качества; * Определять требования к данным для RL: участвовать в построении пайплайнов сбора, фильтрации и подготовки датасетов; * Развивать систему оценки reasoning-качества: внедрять и улучшать метрики в существующем eval-фреймворке, предлагать новые способы измерения качества под новые возможности модели; * Работать на стыке с Pretrain / SFT / Infra: обеспечивать согласованность решений и перенос экспериментов в продакшн-пайплайн; * Следить за состоянием области и переводить свежие идеи из статей в проверяемые эксперименты и инженерные решения; * Глубоко погружаться в технические задачи: дебажить эксперименты, разбирать аномалии в обучении, находить узкие места и доводить решения до результата; * Делиться экспертизой с командой: участвовать в код-ревью, помогать улучшать качество решений и подходы к экспериментам; * Развивать инфраструктуру для RL. Требования * Глубокое понимание RL для LLM/VLM (RLHF, GRPO, PPO) и практический опыт; * Понимание полного цикла обучения VLM/LLM (pretrain → SFT → RL) и того, как решения на каждом этапе влияют на финальные метрики; * Опыт с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками. * Сильный практический опыт постановки, проведения и анализа RL-экспериментов; * Умение работать в условиях неопределённости и самостоятельно двигать сложные технические задачи; * Умение выстраивать процессы в условиях неопределённости; * Опыт взаимодействия со смежными командами и стейкхолдерами; * Системное мышление: способность видеть картину целиком — от данных и reward-дизайна до eval и продакшн-метрик. **Будет плюсом:** * Опыт менторинга или технического лидерства в рамках отдельных проектов; * Публикации или open-source вклад в области RL/LLM/VLM; * Опыт вывода RL-обученных моделей в продакшн и поддержки их качества. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * 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 Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM-моделей. Ищем сильного инженера в RL-направление: человека, который будет драйвить ключевые исследования и разработки, влиять на качество моделей и доводить сложные идеи до работающих решений. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Разрабатывать и улучшать RL-подходы для обучения VLM/LLM-моделей: выбор алгоритмов, постановка экспериментов и анализ результатов; * Проектировать reward-функции и пайплайны обучения, выстраивать стратегии масштабирования под разные домены и сценарии, напрямую влияя на метрики качества; * Определять требования к данным для RL: участвовать в построении пайплайнов сбора, фильтрации и подготовки датасетов; * Развивать систему оценки reasoning-качества: внедрять и улучшать метрики в существующем eval-фреймворке, предлагать новые способы измерения качества под новые возможности модели; * Работать на стыке с Pretrain / SFT / Infra: обеспечивать согласованность решений и перенос экспериментов в продакшн-пайплайн; * Следить за состоянием области и переводить свежие идеи из статей в проверяемые эксперименты и инженерные решения; * Глубоко погружаться в технические задачи: дебажить эксперименты, разбирать аномалии в обучении, находить узкие места и доводить решения до результата; * Делиться экспертизой с командой: участвовать в код-ревью, помогать улучшать качество решений и подходы к экспериментам; * Развивать инфраструктуру для RL. Требования * Глубокое понимание RL для LLM/VLM (RLHF, GRPO, PPO) и практический опыт; * Понимание полного цикла обучения VLM/LLM (pretrain → SFT → RL) и того, как решения на каждом этапе влияют на финальные метрики; * Опыт с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками. * Сильный практический опыт постановки, проведения и анализа RL-экспериментов; * Умение работать в условиях неопределённости и самостоятельно двигать сложные технические задачи; * Умение выстраивать процессы в условиях неопределённости; * Опыт взаимодействия со смежными командами и стейкхолдерами; * Системное мышление: способность видеть картину целиком — от данных и reward-дизайна до eval и продакшн-метрик. **Будет плюсом:** * Опыт менторинга или технического лидерства в рамках отдельных проектов; * Публикации или open-source вклад в области RL/LLM/VLM; * Опыт вывода RL-обученных моделей в продакшн и поддержки их качества. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * 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 Workplace: Офис Мы создаём систему распознавания и прогнозирования для автономного транспорта. Чтобы ускорить её работу, используем алгоритмы машинного обучения — и их число постоянно растёт. Если вы увлекаетесь оптимизацией и распараллеливанием алгоритмов, хорошо знаете C++ и Python — ждём вас в команде! Мы ставим перед собой масштабную цель: оказаться в числе первых в мире компаний, создавших технологию автономного управления транспортом. Чтобы ускорить работу системы распознавания и прогнозирования и, как результат, научить автомобили и роботов-доставщиков ещё быстрее действовать в дорожных ситуациях, мы используем алгоритмы машинного обучения. Алгоритмы усложняются, их количество растёт, и наша задача — повысить эффективность их работы при ограниченных ресурсах. Если вы увлекаетесь оптимизацией и распараллеливанием алгоритмов, а каждый потреблённый оборудованием ватт готовы пустить в дело, то вам точно у нас понравится! Обязанности Повышение эффективности алгоритмов Вам предстоит оптимизировать алгоритмы, учитывая аппаратные особенности платформ, автоматизировать тестирование алгоритмов и их адаптацию к платформе. Работа с платформами для вычислений Вы будете исследовать современные платформы исполнения параллельных вычислений и подбирать оптимальную архитектуру параллельного исполнения алгоритмов на конкретной платформе. Больше о бэкенде в Яндексе — в канале Yandex for Backend Требования * Работали с PyTorch (или TensorFlow), конвертировали ML-модели в ONNX и запускали на TensorRT, ONNX Runtime, TFLite или любом другом фреймворке * Использовали CUDA/OpenCL, оптимизировали и распараллеливали вычисления на CUDA/OpenCL или других архитектурах ускорителей * Хорошо знаете C++, Python * Уверенно владеете классическими структурами данных и алгоритмами * Знакомы с линейной алгеброй, теорией вероятностей * Можете объяснять свои решения и отстаивать их перед оппонентами * Умеете работать в команде Будет плюсом * Решали прикладные задачи с помощью машинного обучения или Deep Learning * Писали кастомные плагины для ONNX, TensorRT или любого другого фреймворка с использованием C++, CUDA, OpenCL * Знакомы с методами сжатия, прунинга, квантизации нейросетей * Разбираетесь в дискретной математике и теории оптимизации * Хорошо знаете STL * Имеете опыт индустриальной разработки, не связанной с машинным обучением

Coinflow is looking for an MLOps Engineer to build, deploy, monitor, and operate real-time fraud and payments models.

Mistral is looking for an Applied Scientist Time Series to develop, train, deploy, and adapt time-series foundation models.