Вакансии

Задачи: — определить стратегию ПО — определить профили пользователей в целевых сегментах, боли и jtbd, пользовательский путь — определить scope и состав продукта, варианты поставки, версионирования и лицензирования, требуемый ритм обновлений, условия поддержки, требования к совместимости и сертификациям — владеть и управлять дорожной картой (roadmap), создать и управлять бэклогом разработки, взаимодействие с командой разработки в процессе создания продукта — представлять и защищать интересы разработчика — евангелизация, взаимодействие с заказчиками и пользователями, проведение продуктовых презентаций и семинаров, сбор требований и обратной связи, создание стратегии поддержки open-source фреймворков Требования: — 6+ лет опыта продуктового управления созданием инфраструктурных, системных или платформенных программных продуктов — глубокие технические знания софтверного стека современных ИИ ускорителей, таких как CUDA или ROCm — опыт использования и/или понимание AI/ML фреймворков, таких как PyTorch, а также сред исполнение vLLM, SGlang или других — желателен опыт в компиляторах, понимание архитектуры ИИ ускорителей, распределенном обучении моделей — умение приоритизировать, отличные коммуникативные навыки — BS/MS в computer science/electrical engineering Условия: — комфортный современный офис - м. Кутузовская — ежегодный пересмотр зарплаты, годовой бонус — 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 — корпоративная пенсионная программа.

Задачи: — 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: оптимизация документальной и рутинной работы, речевая и текстовая аналитика взаимодействия с клиентом, выявление сущностей для автоматизации внутренних процессов, качественная суммаризация текста для составления профиля клиента — разработка и внедрение ML/AI-моделей: оценки и прогноза финансового состояния клиента, подбор индивидуальных условий для урегулирования задолженности, антифрод и выявления мошенничества, скоринг клиентов, прогнозирование дефолта по обязательствам, What-If / Uplift моделирование и каскады 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 бухгалтеского 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 пр-кт Кутузовский, 32 к3 стрА — 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.

Location: San Francisco, CA | New York City, NY | Seattle, WA 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 Reinforcement learning is how Claude learns to reason, write code, and act autonomously over long horizons. The RL Scaling team works on how RL scales: what happens to throughput, stability, and learning efficiency as models get larger, episodes get longer, and compute grows by orders of magnitude, and what has to change in our algorithms and systems to keep getting returns from that scale. This role sits squarely across research and engineering. You'll develop next-generation architectures and RL algorithms, take them from a small-scale result to a frontier-scale run, and understand every place they behave differently along the way. You'll build the systems that set how fast the team can iterate: how many experiments, at what scale, and how quickly we can trust the results. And you'll work on Anthropic's largest and fastest RL runs, where the gap between a good idea and a working one is often a problem no one has solved yet. Key responsibilities Study how RL training and sampling scale with model size, context length, and compute, and find the algorithmic and systems changes that keep scaling efficient Develop next-generation model architectures and RL algorithms, and make them run efficiently at frontier scale Take promising small-scale results to frontier-scale runs, and diagnose why they behave differently when they get there, whether the cause is numerical, algorithmic, or systemic Build the experimental infrastructure that sets research velocity: fast, reproducible comparisons of architecture and algorithm variants at meaningful scale Own end-to-end performance of our largest RL runs, from research code down to the hardware Build performance and cost models for proposed architecture and algorithm changes, and use them to decide which ideas get scaled Investigate training dynamics at scale, including instabilities, divergence, and throughput regressions, and trace them to root cause Minimum qualifications Deep familiarity with modern transformer language models, including their architecture, training dynamics, and the behavior of large-scale optimization Hands-on experience training large models in a distributed setting, including the tradeoffs between data, tensor, and pipeline parallelism A track record of original technical work in ML training or systems, such as new methods, architectures, or optimizations, demonstrated through research, open-source, or production impact Ability to design rigorous experiments at scale, including baselines, ablations, and enough statistical care to trust a result that costs real compute Ability to reason quantitatively about the compute, memory, and communication costs of a model or algorithm Strong programming skills in Python and JAX or PyTorch, and comfort reading and changing code at every layer of the stack Preferred qualifications Research experience in reinforcement learning, optimization, or large-scale training, published or otherwise Experience developing RL algorithms for language models Experience with scaling laws or other quantitative models of training efficiency Experience designing or modifying transformer architectures beyond standard configurations Experience scaling training to large fleets of accelerators and debugging the problems that only appear at scale Deep understanding of numerics in large-scale training, including low-precision formats and sources of instability Familiarity with how GPU or TPU performance characteristics shape architecture and algorithm choices Experience with C++ or Rust Representative projects Characterize how a new RL algorithm's throughput and learning efficiency change from small models to frontier scale, and fix what breaks Develop a new attention variant, get it working at full scale, and measure how its quality and throughput compare to the baseline Prepare our next largest-ever RL run: find what breaks when model size, context length, and compute all grow at once, and fix it before launch Trace a loss instability that only appears past a certain scale to its root cause, and work out whether the fix belongs in the algorithm, the numerics, or the system Build a model that predicts the throughput and cost of a proposed architecture change before anyone writes the kernel 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.

Задачи: — развитие и тюнинг моделей ранжирования и рекомендаций — разработка новых ML-решений и feature engineering — прототипирование и внедрение моделей в production на Python — работа с обучающими выборками и анализ результатов A/B-тестов — улучшение продуктовых метрик Требования: — опыт внедрения ML-моделей в production — знание основных методов и алгоритмов ML — понимание нейросетевых моделей для обработки текста — уверенный Python (NumPy, SciPy, PyTorch, scikit-learn) — знание алгоритмов и структур данных — опыт с A/B-тестами Условия: — работа в команде экспертов — широкий технологический стек, сотни проектов — гибкий график работы — льготы и меры господдержки, предусмотренные для IT-компаний (аккредитованы Минцифры) — возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии — процессы удаленной работы и просторные офисы с зонами коворкинга — возможность профессионального роста: стать тимлидом, архитектором, разработчиком full-stack — развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка — активный обмен опытом, митапы, хакатоны, доклады по развитию hard и soft skills — 50+ клубов по интересам и профессиональных сообществ внутри компании — уютный мерч — полный соцпакет и «белая» зарплата — корпоративная база знаний и социальная сеть для общения с 1500+ сотрудниками

Location: Москва, гибрид, RU; Россия О команде Команда IMV (Instant Market Value) разрабатывает модели для определения рыночной стоимости товаров и услуг на Авито — от автомобилей и личных вещей до аренды жилья. Они помогают продавцам выбирать оптимальную стратегию: продать быстрее или дождаться подходящего покупателя ради большей выгоды. Покупателям наши технологии помогают лучше ориентироваться в ценах, замечать подозрительно дешёвые предложения и принимать более взвешенные решения. Мы работаем с табличными данными, текстами и изображениями. Для нас важно, чтобы модели давали точные прогнозы, быстро адаптировались к изменениям рынка, стабильно работали в продакшене и позволяли объяснять полученные результаты. Мы ищем DS-инженера, который будет улучшать качество моделей и отвечать за полный цикл ML-разработки — от исследовательской гипотезы до запуска в продакшен. Какие задачи вас ждут: — разрабатывать и улучшать модели оценки стоимости товаров на основе табличных данных, текстов и изображений; — исследовать современные ML-подходы, формулировать и проверять гипотезы, проводить эксперименты и анализировать их результаты; — работать над качеством моделей: выбирать метрики, проводить валидацию, искать причины ошибок и возможности для улучшения; — проектировать решения, которые быстро адаптируются к изменениям рынка и особенностям разных категорий товаров; — развивать интерпретируемость моделей и помогать объяснять факторы, которые влияют на предсказания; — доводить модели до продакшена совместно с ML-инженерами: — участвовать в проектировании пайплайнов; — внедрять модели; — настраивать мониторинг; — поддерживать модели после запуска; — взаимодействовать с продакт-менеджерами, аналитиками и инфраструктурными командами; — участвовать в технических обсуждениях, ревью решений и развитии ML-практик команды. Мы ждём, что вы: — имеете не менее 3 лет опыта решения прикладных задач машинного обучения и запуска моделей в продакшен; — глубоко понимаете классические ML-алгоритмы и нейросетевые архитектуры, умеете системно улучшать качество моделей; — уверенно владеете Python, PyTorch и основным стеком инструментов для работы с данными, хорошо знаете SQL; — понимаете жизненный цикл ML-моделей: от подготовки данных и обучения до внедрения, мониторинга и переобучения; — умеете разбираться в сложных задачах, самостоятельно формулировать гипотезы и доводить их проверку до результата; — умеете использовать ИИ-агентов в разработке и исследованиях, ставить им задачи и критически оценивать полученные результаты; — находите баланс между качеством моделей, скоростью разработки и потребностями продукта. Работа у нас — это: — возможность влиять на продукт: ваши решения будут улучшать опыт миллионов пользователей; — сложные технологические задачи на большом масштабе; — мощное железо: доступ к производительным GPU-кластерам для экспериментов; — сильное комьюнити: команда экспертов, с которой можно обсуждать идеи и подходы; — 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.

Location: Москва Мы развиваем GigaChat и ищем сильного руководителя направления ML pretrain больших языковых моделей. Недавно мы обучили MoE-модель на 700 миллиардов параметров и не собираемся останавливаться — обучение идёт на кластерах H100 и B200, а pretrain является ядром самого быстрорастущего AI-проекта Сбера. Это роль для человека, который возьмёт на себя архитектурную часть pretrain: design моделей, законы масштабирования, выбор и адаптация attention / MoE / позиционных схем, а также все архитектурные решения, которые определяют, какой именно будет следующая флагманская модель GigaChat. Обязанности * развивать архитектуру моделей GigaChat * определять, как должна развиваться архитектура pretrain-моделей: какие направления наиболее важны, как измерять прогресс и что в первую очередь ограничивает рост качества модели * проектировать архитектуру флагманских моделей и отвечать за ключевые архитектурные решения: attention, позиционные схемы (RoPE и варианты), нормализации, активации, инициализация * развивать MoE-архитектуру: маршрутизация, балансировка экспертов, устойчивость маршрутизатора, влияние на качество и производительность * работать с long-context и мультимодальностью на уровне архитектуры: что именно нужно менять в модели, чтобы эти возможности работали стабильно * изучать и применять законы масштабирования * проводить scaling-эксперименты и на их основе принимать решения по размеру модели, ширине / глубине, числу и размеру экспертов, размерам батча и длительности обучения * предсказывать, как архитектурные изменения поведут себя при переходе с небольших абляций на полный масштаб * определять и развивать метрики, которые корректно отражают архитектурные изменения в обучении моделей * определять, в каких случаях архитектурные изменения действительно дают прирост качества по сравнению с более простыми baseline'ами, а в каких — нет * анализировать стабильность архитектурных решений * разбираться с нестабильностью на больших прогонах со стороны архитектуры: почему конкретная конфигурация расходится, где проявляются артефакты маршрутизации, коллапс энтропии, неустойчивости в attention * предлагать изменения в нормализациях, клиппинге, точности вычислений и структуре блоков, которые делают обучение более предсказуемым * обеспечивать безопасное масштабирование при внедрении крупных архитектурных изменений в основной трейн * писать ключевой код и оставаться сильным исследователем * самостоятельно писать и дорабатывать архитектурные компоненты и абляции. * Делать надёжные и воспроизводимые эксперименты: понятные версии данных, конфиги, сравнение запусков, контроль деградаций * читать статьи, воспроизводить ключевые результаты и адаптировать лучшие идеи под наши задачи и инфраструктуру * руководить сильной технической командой * руководить командой исследователей и инженеров, работающих над архитектурой, задавать высокую планку по качеству решений, скорости работы и глубине проработки * Паомогать команде превращать архитектурные идеи в работающие решения, которые можно встроить в основной цикл обучения * удерживать баланс между глубиной исследований, инженерной надёжностью и практическим результатом для модели. Требования * отличное владение Python и PyTorch * глубокое понимание устройства обучения нейросетей: не на уровне обзоров, а на уровне, где вы можете объяснить, почему конкретная архитектурная конфигурация расходится, глядя на кривые функции потерь, нормы градиентов и энтропии * глубокое понимание архитектуры LLM: Transformer, attention (MHA/GQA/MLA), RoPE и варианты позиционных эмбеддингов, нормализации, инициализации, long-context, MoE * практический опыт с обучением больших моделей (а не только инференсом) и проведением архитектурных абляций * способность самостоятельно взять направление и довести его до результата: от чтения статей и постановки гипотез до внедрения в основной трейн * умение ставить гипотезы, проектировать эксперименты и принимать решения на основе результатов * опыт руководства сильной технической командой и готовность лично писать важные части системы руками. Условия * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

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

Location: Paris; Zurich; Warsaw; London ABOUT MISTRAL Mistral provides full-stack AI solutions: from frontier models to developer tools, applications, and compute. We partner with enterprises tackling the hardest problems across high-stakes industries like finance, manufacturing, defense, healthcare, and the public sector, co-creating customized AI systems that they can run on their terms. We are a dynamic, collaborative team passionate about AI and its potential to transform society. Our diverse workforce thrives in competitive environments and is committed to driving innovation. Our teams are distributed between Europe, North America, Asia and the Middle East. We are creative, low-ego and team-spirited. ABOUT THE RESEARCH ENGINEERING TEAM   The team spans Platform (shared infra & clean code) and Embedded (inside research squads). Engineers can move along the research↔production spectrum as needs or interests evolve.   As a Research Engineer – ML track, you’ll build and optimise the large-scale learning systems that power our open-weight models. Working hand-in-hand with Research Scientists, you’ll either join:   - Platform RE Team: Enhance the shared training framework, data pipelines and cluster tooling used by every team; or - Embedded RE Team: Sit inside a research squad (Alignment, Pre-training, Multimodal, Safety …) and turn fresh ideas into repeatable, scalable code.     What You Will Do   • Accelerate researchers by taking on the heavy parts of large-scale ML pipelines and building robust tools. • Interface cutting-edge research with production: integrate checkpoints, streamline evaluation, and expose APIs. • Design, implement and benchmark ML algorithms; write clear, efficient code in Python. • Deliver prototypes that become production-grade components for Vibe and our enterprise API.   What We're Looking For   • Master’s or PhD in Computer Science (or equivalent proven track record). • 4 + years working on large-scale ML codebases. • Hands-on with PyTorch, JAX or TensorFlow; comfortable with distributed training (DeepSpeed / FSDP / SLURM / K8s). • Experience in deep learning, NLP or LLMs; bonus for CUDA or data-pipeline chops. • Strong software-design instincts: testing, code review, CI/CD. • Self-starter, low-ego, collaborative.   WHAT WE OFFER We offer a comprehensive benefits package designed to support your well-being, growth, and work-life balance. Benefits vary by country and may include healthcare coverage, parental leave, retirement plans, relocation support, wellness programs, meal and transportation allowances, and other location-specific perks. For the most up-to-date details on benefits available in your location, please refer to our Benefits page https://app.notion.com/p/mistralai/Benefits-at-Mistral-36e6ba59a7fe836b93dd01737fcc27ef?source=copy_link. PRIVACY POLICY Your privacy matters to us. You can learn more about how we handle your personal data in our Applicant Privacy Policy https://legal.mistral.ai/terms/applicant-privacy-policy.

Location: Bulgaria, Hungary, Poland Why Join Exadel We’re an AI-first global tech company with 25+ years of engineering leadership, 2,000+ team members, and 500+ active projects powering Fortune 500 clients, including HBO, Microsoft, Google, and Starbucks. From AI platforms to digital transformation, we partner with enterprise leaders to build what’s next. What powers it all? Our people are ambitious, collaborative, and constantly evolving. About the Client The leading provider of vehicle lifecycle solutions, with headquarters in Chicago, enables the companies that build, insure, and replace vehicles to power the next generation of transportation. Its platform delivers advanced mobile, artificial intelligence, and car technologies. It connects a network of 350+ insurance companies, 24,000+ repair facilities, hundreds of parts suppliers, and dozens of third-party data and service providers. The customer's collective solutions enhance productivity and help clients deliver better experiences for end consumers. What You’ll Do Design and implement end-to-end document intelligence pipelines on AWS Develop and optimize ML models for document classification, segmentation, and field extraction Build scalable data processing systems handling PDFs up to 2000 pages Collaborate with subject matter experts to create and refine requirements for extraction Own features from research through production deployment and monitoring Establish evaluation frameworks and quality metrics for extraction accuracy What You Bring Advanced knowledge of Python (native, Pandas, ScikitLearn, Tensorflow or Pytorch, PyStats, Pydantic) Experience with AWS tools for ML Engineering and ML deployment (Sagemaker, Lambda, Cloudformation/CDK, Step Functions) Advanced knowledge of SQL and Data Modeling Experience with GenAI for document intelligence, including prompt engineering, RAG (Retrieval Augmented Generation), multi-modal models (vision + text), and production deployment using AWS Bedrock or Azure OpenAI APIs Experience in experiment design (power analysis and hypothesis testing) Proficiency in both written and verbal communication, required for a remote and largely asynchronous work environment Demonstrated capacity to clearly and concisely communicate complex technical problems and propose iterative solutions Experience owning a feature from concept to production, including proposal, discussion, and execution Nice to have Experience with document processing tools (AWS Textract, Azure Document Intelligence, or similar OCR/layout detection systems) Experience with PDF and Image processing libraries (e.g. PyMuPDF, opnecv, pillow) Experience in Machine Learning/ Data Science (e.g., ML algorithm selection, feature engineering, model training, hyperparameter tuning, supervised and unsupervised learning implementation, building a model pipelines, using Machine Learning tools/libraries/frameworks) Experience working with AWS big data technologies (Redshift, S3, EMR, Glue, etc.) English Level Upper-intermediate Legal & Hiring Information Exadel is proud to be an Equal Opportunity Employer committed to inclusion across minority, gender identity, sexual orientation, disability, age, and more. Reasonable accommodations are available to enable individuals with disabilities to perform essential functions. Please note: this job description is not exhaustive. Duties and responsibilities may evolve based on business needs. Compensation details are shared with candidates at the early stage of the recruitment process. The offer is not binding until a signed contract is in place. Your Benefits at Exadel Exadel benefits vary by location and contract type. Your recruiter will fill you in on the details. International projects In-office, hybrid, or remote flexibility Medical healthcare Recognition program Ongoing learning & reimbursement Well-being program Team events & local benefits Sports compensation Referral bonuses Top-tier equipment provision Exadel Culture We lead with trust, respect, and purpose. We believe in open dialogue, creative freedom, and mentorship that helps you grow, lead, and make a real difference. Ours is a culture where ideas are challenged, voices are heard, and your impact matters.

Задачи: — Создание и развитие собственных базовых языковых моделей Авито: проверка гипотез в области претрейна, continual pre-training, post-training, RL и синтетических данных — Масштабирование обучения и оптимизация инференса (квантование, speculative decoding) — Построение процедур оценки качества моделей — Написание продакшен-кода на Python и PyTorch Требования: — 3+ года опыта разработки и эксплуатации ML-решений — Глубокое понимание Transformer и принципов обучения LLM — Практический опыт обучения и внедрения NLP-моделей — Уверенный Python и PyTorch — Понимание компромиссов между качеством, latency и стоимостью Плюсом: — Опыт с continual pre-training, SFT/LoRA/RL, DeepSpeed, vLLM, TensorRT-LLM, MLOps-инструменты

Компания ИВИ — онлайн-кинотеатр с библиотекой из десятков тысяч фильмов, сериалов, ТВ-каналов и оригинальных проектов собственного производства. Стек: Python, SQL, Spark, PyTorch, ClickHouse, Redis, S3.

Задачи: — Разработка генеративных ИИ-моделей для синтеза визуального и проектного контента на основе структурированных данных товарного каталога в рамках проверки гипотез (PoC) внутри корпоративной платформы по оценке ИИ-инициатив — Разработка архитектуры агентов: управление состоянием диалога и контекстом, динамический выбор инструментов (tool calling), настройка уровней автономности и сценариев human-in-the-loop — Построение системы метрик: разработка офлайн- и онлайн-показателей, кросс-валидация, прямая оценка бизнес-эффекта — Непрерывный мониторинг дрейфа моделей и качества данных в продакшене — Построение пайплайнов оценки (LLM Evals): контроль галлюцинаций, релевантности ответов и мониторинг поведения системы — Обеспечение безопасности: защита от prompt injection, предотвращение утечек персональных данных (PII/privacy) и аудит прав доступа агента — Оценка стоимости, latency и масштабируемости LLM-решений Требования: — Глубокое понимание жизненного цикла ML-модели: от подготовки признаков до интерпретации результатов — Знание методов борьбы с переобучением, data leakage, регуляризации — Уверенный выбор алгоритмов под задачу — Владение матстатистикой для проверки гипотез, расчета доверительных интервалов и самостоятельного дизайна A/B-тестов — Опыт работы хотя бы в одном из направлений: классическое машинное обучение, временные ряды и прогнозирование — Языки и библиотеки: Python (pandas/polars, NumPy, scikit-learn, CatBoost/XGBoost/LightGBM, PyTorch), продвинутый SQL — Написание поддерживаемого production-кода: модульная архитектура, юнит-тесты, логирование, документация, работа с GitFlow и код-ревью — Практический опыт работы с API языковых моделей, платформой Hugging Face и orchestration-фреймворками — Опыт работы в e-commerce, retail или других продуктовых highload-системах — Инфраструктура и оркестрация: Airflow, MLflow, Kafka, Redis, Kubernetes — Мониторинг и наблюдаемость: Prometheus, Grafana, OpenTelemetry — Опыт эксплуатации GPU-инфраструктуры и оптимизации inference — Адаптация моделей через fine-tuning (LoRA/PEFT) — Опыт проектирования agentic workflows или multi-agent-систем — Понимание принципов информационной безопасности, privacy и работы с персональными данными

About this role As the Senior Staff Machine Learning Platform Engineer, you will own the technical vision and evolution of Faire’s ML platform. You will set standards, influence org-wide architecture, and lead complex, cross-functional initiatives that unlock data science velocity at scale. This role will also be key to adapting ML workflows to take advantage of modern AI productivity tools. You won’t just build models, you will architect the systems that allow those models to help tens of thousands of small retailers compete and grow their local businesses. What You Will Do: — Define and drive the long-term architecture of Faire’s ML platform including training, inference, feature management, governance — Establish company-wide standards for code quality, testing, MLOps (CI/CD), experimentation, model lifecycle management, and observability — Lead adoption and advanced use of Unity Catalog, multi-workspace strategies, and data/ML mesh patterns — Architect highly scalable ML workflows using Spark, Delta Lake, and MLflow — Optimize performance, reliability, and cost of the ML platform — Evaluate and integrate emerging Databricks features — Stay ahead of the curve by engaging with the latest developments in machine learning and AI — Serve as senior ML technical advisor to Faire’s data science and production engineering teams — Represent Faire at ML conferences and meetups — Mentor ML engineers and raise the overall bar for Machine Learning at Faire What it takes: — 10-12 years of experience building and improving large-scale ML or data platforms — A degree (preferably graduate level) in Computer Science, Engineering, Statistics, or a related technical field — Deep expertise in Databricks lakehouse architecture, including governance via Unity catalog, orchestration via Workflows, and cost optimization — Proven ability to design systems that support multiple data science teams and production workloads — Strong background in distributed systems, ML infrastructure, and cloud architecture — Demonstrated technical leadership across teams and orgs; ability to influence without authority — Experience integrating LLM workflows into enterprise platforms is a plus — Previous contributions to open source ML Infrastructure projects or research publications is a very strong plus Tech Stack: Faire uses a modern cloud based tech stack. For this role, you’ll want to be proficient with the following: — Languages: Python, SQL, Kotlin — ML Frameworks: PyTorch, PySpark, MLFlow — Big Data & Processing: Spark, Kafka, Databricks, Snowflake, Fivetran, Iceberg, Unity Catalog, Datadog, Airflow, Cockroach DB, MySQL — Cloud & Infrastructure: AWS, S3, SageMaker, Kubernetes, Docker, GitHub Actions, Terraform — Generative AI: Claude Sonnet 4.5, ChatGPT 5.2 Conditions: Hybrid work format with office presence 3 days per week (Tuesdays, Thursdays, and a flex day) and flexibility to work remotely up to 4 weeks per year. Remote work possible for candidates located in Ontario, Canada. Salary Range: $248,000 to $341,000 per year, eligible for equity and benefits. Actual base pay depends on skills, experience, market demands, and location. Base pay range subject to change.

Задачи: — Разрабатывать и улучшать RAG-приложения: chunking, embeddings, retrieval и reranking. — Строить LLM-воркфлоу и агентов с использованием LangChain, LangGraph, LlamaIndex, CrewAI или аналогичных. — Разрабатывать переписывание запросов, классификацию намерений, маршрутизацию и структурированное извлечение. — Интегрировать LLM API/модели в производственные системы. — Работать с OpenAI, Gemini, Hugging Face и PyTorch. — Вносить вклад в SFT, LoRA, QLoRA, PEFT и оценку LLM. — Работать с OCR, PDF/DOCX, STT и памятью для диалогов. — Создавать API с Python / FastAPI и работать с Docker, Git, тестированием и CI/CD. — Мониторить и улучшать качество моделей, задержки и стоимость. — Брать ответственность за отдельные функции/компоненты под наставничеством старшего инженера. Требования: — 2–4 года опыта в NLP / ML / Information Retrieval / Applied AI. — Сильные навыки Python. — Практический опыт с LLM / RAG / AI-agent приложениями. — Понимание трансформеров, embeddings, prompting, retrieval, chunking и reranking. — Опыт с LangChain / LangGraph / LlamaIndex / CrewAI. — Опыт с Qdrant / Pinecone / Milvus / Weaviate / Elasticsearch. — Опыт с OpenAI / Gemini / Hugging Face и знание PyTorch. — Понимание оценки LLM и снижения галлюцинаций. — Навыки FastAPI, REST, Docker, Git. — Многоязычный NLP будет плюсом. — Профессиональный английский. Желательно: — Знания SFT / LoRA / QLoRA / PEFT. — Знания BM25 / RRF. — Опыт с RAGAS / DeepEval / LangSmith / Langfuse. — Опыт с OCR/STT. — Опыт с Graph RAG. — Опыт с vLLM/TGI/Triton. — Оптимизация под GPU. — Знание корейского языка. Условия: — Работа в Инчхоне, Южная Корея. — Полная занятость. — Формат работы: офис / гибрид. — Конкурентная зарплата, обсуждается индивидуально. — Возможна поддержка с визой и релокацией.

Задачи: — Владение AI-функциями от концепции до продакшена, интеграция LLM и кастомных моделей. — Работа с задачами реального времени в области live-стриминга: модерация контента, рекомендации и прочее. — Обучение и донастройка моделей на продакшен-данных с обеспечением производительности под реальной нагрузкой. — Оценка и выбор между созданием собственных моделей и покупкой готовых на основе данных. — Тесное сотрудничество с продакт-менеджерами и кросс-функциональными командами для разработки функций. Требования: — Опыт разработки ПО 5+ лет с практическим опытом работы с LLM. — Подтверждённый опыт обучения и деплоя моделей машинного обучения. — Сильные навыки Python и PyTorch, знание production-level сервинга. — Понимание принципов production engineering: мониторинг, отладка, оптимизация. — Английский на уровне Intermediate или выше. Плюсы: — Опыт работы с real-time видео/аудио инференсом, модерацией контента или рекомендательными системами. — Знакомство с ML инфраструктурой: Docker, Kubernetes, GCP. Условия: — Конкурентная зарплата, бонусы и опционы (все являются партнёрами). — Официальное трудоустройство на Кипре с поддержкой визы для сотрудника и супруга. — Комфортный офис в Лимассоле с питанием и перекусами. — Медицинская страховка: 100% для сотрудника, 75% для семьи. — Доступ к матчам и мероприятиям Aris Limassol F.C. — Возможности профессионального роста и командных активностей. Формат работы: onsite (офис в Лимассоле).

Location: Singapore ABOUT MISTRAL Mistral provides full-stack AI solutions: from frontier models to developer tools, applications, and compute. We partner with enterprises tackling the hardest problems across high-stakes industries like finance, manufacturing, defense, healthcare, and the public sector, co-creating customized AI systems that they can run on their terms. We are a dynamic, collaborative team passionate about AI and its potential to transform society. Our diverse workforce thrives in competitive environments and is committed to driving innovation. Our teams are distributed between Europe, North America, Asia and the Middle East. We are creative, low-ego and team-spirited. ABOUT THE JOB Mistral AI is seeking Applied Scientists and Research Engineers focused on robotics. You will design, train, and deploy SOTA robotics models (VLM, VLA models for navigation and manipulation) and apply them to diverse use cases. You'll work cross-functionally with internal and external science, engineering, and product teams to deliver high-impact AI solutions. WHAT YOU WILL DO - Run pre-training, post-training and deploy state of the art models on large clusters. - Generate and curate datasets (image-text, video-text), and build evaluators/benchmarks for perception, navigation and manipulation tasks. - Develop the necessary tools and frameworks to facilitate data generation, model training, evaluation and deployment. - Collaborate with cross-functional teams to tackle complex use cases. - Manage research projects and communications with client research teams. ABOUT YOU - Fluent in English with excellent communication skills. - Expert with PyTorch or JAX. - Experience with Vision Language Models (VLM), Vision-Language-Action (VLA) models, perception, navigation and manipulation, simulation tools (e.g. Isaac SIM). - Clean, readable, high-performance Python code. - Doesn't need roadmaps. Ships. - Low-ego, collaborative and eager to learn. - Track record of success through personal projects, professional projects or academia. NICE TO HAVE - PhD / Master in a relevant field (Robotics, Machine Learning). - Research experience in robotics navigation, perception, manipulation. - Contributions to a large open-source or industry codebase. - Publications in top academic journals or conferences. - Enjoys improving existing code: typing, tests, CI pipelines. WHAT WE OFFER We offer a comprehensive benefits package designed to support your well-being, growth, and work-life balance. Benefits vary by country and may include healthcare coverage, parental leave, retirement plans, relocation support, wellness programs, meal and transportation allowances, and other location-specific perks. For the most up-to-date details on benefits available in your location, please refer to our Benefits page https://app.notion.com/p/mistralai/Benefits-at-Mistral-36e6ba59a7fe836b93dd01737fcc27ef?source=copy_link. PRIVACY POLICY Your privacy matters to us. You can learn more about how we handle your personal data in our Applicant Privacy Policy https://legal.mistral.ai/terms/applicant-privacy-policy.

Задачи: - Разрабатывать, обучать и оптимизировать ML/AI-модели на PyTorch или TensorFlow - Проектировать end-to-end пайплайны обработки и подготовки данных - Работать с синтетическими данными и автоматизацией разметки - Интегрировать AI/ML-модели с backend и другими компонентами продукта - Подготавливать модели к production-деплою и масштабированию - Настраивать процессы мониторинга, версионирования и экспериментов с использованием MLOps-инструментов - Контейнеризировать ML-процессы с помощью Docker - Работать с облачной инфраструктурой AWS или аналогами - Участвовать в оптимизации inference и производительности моделей - Взаимодействовать с инженерами и другими участниками AI-команды на всех этапах разработки - Определять техническое направление AI-проектов, принимать ключевые архитектурные решения и обеспечивать техническое руководство командой на всех этапах разработки. Требования: - Опыт 4+ года коммерческого опыта в Machine Learning / AI Engineering - Практический опыт разработки и внедрения ML-моделей в production - Английский (свободный) - Уверенное понимание основ Machine Learning и Deep Learning - Знание методов оптимизации моделей и ключевых ML-метрик - Практический опыт с MLOps (MLflow/Kubeflow/AWS SageMaker или аналогичные) Условия: - Формат: Full-time - Локация: Ташкент (Офис) - Официальное трудоустройство по ТК УЗ - Занятость: полный рабочий день

Задачи: — Оптимизировать выдачу на страницах категорий, каналов и тегов — Строить text-to-video поиск, embedding-модели, ранжирование, семантический поиск — Превращать ML-прототипы в production-сервисы, оптимизация inference, профилирование, подготовка фич, контроль качества моделей — Разрабатывать высоконагруженные ML сервисы на Python включая gRPC/Triton Требования: — Уверенные знания Python и ML-фреймворков (PyTorch, CatBoost и др.) — Опыт работы с рекомендательными системами, поиском или смежными задачами от 2 лет — Опыт внедрения моделей в продакшн — Понимание принципов оффлайн и онлайн оценки моделей. Условия: — Работа над ML-продуктом с миллионами пользователей и живыми метриками — Компактная команда, каждый инженер влияет на продукт — Простая структура — минимум бюрократии, максимум ответственности — Стабильная зарплата, ежегодный рейз и премии — Бонусы: медстраховка, налоговая компенсация, обучение, техника, курсы языков — Релокация на Кипр: визовая поддержка, оплата переезда, билеты и первый месяц жилья