Вакансии

Задачи: — Разрабатывать и тестировать алгоритмы на базе LLM для генерации вопросов, ответов и кратких пересказов; — Работать с RAG-подходами: подготовка данных, индексация, поиск релевантного контекста, генерация ответа на его основе; — Участвовать в развитии виртуального ассистента и сценариев свободного диалога с пользователем; — Настраивать фактчекинг, фильтрацию и оценку качества ответов модели; — Разрабатывать пайплайны для суммаризации полезного контента; — Сравнивать результаты, подготовленные моделью, с редакционными версиями материалов, в том числе на примере «Картины дня»; — Создавать и развивать векторные поисковые индексы для задач RAG; — Тестировать промпты, гипотезы и подходы к улучшению качества ответов. Требования: — Опыт разработки на Python; — Опыт работы с задачами NLP: обработка текстов, классификация, генерация, суммаризация, NER, семантический поиск или похожие задачи; — Понимание принципов работы LLM и практический опыт их применения; — Опыт или хорошее понимание RAG-подходов; — Опыт работы с библиотеками и инструментами для ML/NLP: PyTorch, TensorFlow, Hugging Face, Transformers или аналогами; — Понимание fine-tuning/LoRA/prompt engineering на уровне, достаточном для прикладных задач; — Умение оценивать качество моделей и промптов: метрики, сравнение результатов, базовый benchmarking; — Знание SQL и опыт работы с базами данных; — Готовность разбираться в продуктовой задаче, а не только в модели. Условия: — Официальное трудоустройство; — ДМС со стоматологией, офисный врач, доплата больничного листа, корпоративные скидки; — Современный офис (Даниловская мануфактура, м. Тульская), бесплатный спорт в собственном спортзале от «Лиги Героев»; — Бесплатная подписка на сервисы партнеров; — Полный день в офисе, гибридный график или 100% дистанционный формат работы; — Льготные условия ипотеки в рамках зарплатного проекта; — Насыщенная корпоративная жизнь.

Задачи: — Исследование и разработка LLM: полный цикл работы с языковыми моделями от гипотез и экспериментов до оптимизации и внедрения в продакшен. — Проведение A/B-экспериментов: валидировать гипотезы через масштабные A/B-тесты, анализировать влияние на ключевые продуктовые и бизнес-метрики. — Работа с продуктом: взаимодействовать с инженерами и продакт-менеджерами для превращения исследовательских решений в рабочие фичи. — Анализ и оптимизация: отслеживать качество моделей, искать точки роста и устранять слепые зоны в данных и алгоритмах для улучшения ключевых метрик. Требования: — Хорошее знание основ современного ML и DL. — Готовность работать с большими данными и распределёнными вычислениями. — Желание заниматься прикладными ML-исследованиями. — Практический опыт в NLP или RecSys. Условия: — Ежегодные медицинские чекапы, йога и психотерапия, а также другие бонусы.

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.

Мы ищем ML-разработчика для создания и развития моделей машинного обучения в продуктах информационной безопасности.

Задачи: — улучшение RL-моделей, обучение трансформеров для извлечения информации о взаимодействии участников движения с траекторией автомобиля — проверка и внедрение современных подходов из научных статей об автономном вождении — экспериментирование с наградами и методами обучения — внедрение разработок в пайплайн движения автомобиля и наблюдение за повышением качества технологии Требования: — опыт обучения нейросетевых моделей и внедрения DL-решений в продакшен — знание области DL и способность быстро разбираться в новых методах — программирование на Python, опыт работы с PyTorch — знание классических структур данных и алгоритмов — умение выдвигать гипотезы и выстраивать эксперименты для их проверки — чтение статей о ML и следование развитию области Дополнительные требования: — опыт внедрения методов обучения с подкреплением в продакшен — публикации в сборниках научных конференций высокого уровня — опыт работы с большими объёмами данных — участие в соревнованиях по ML или спортивному программированию — увлечение автомобилями или автономными автомобилями

О ПРОЕКТЕ DigiNavi — это иммерсивная AR-навигация для крупных общественных пространств (ТЦ, аэропорты). Мы превращаем локации в SMART-зоны с помощью Computer Vision и дополненной реальности. Наша команда внедряет подход VibeCoding: вы выступаете архитектором решений, используя AI-агентов (Claude Code, Cursor) как основной инструмент исполнения. ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ — AI-Driven Development: Разработка и поддержка кода через AI-инструментарий. — R&D & Prototyping: Быстрая проверка гипотез и внедрение алгоритмов (SuperPoint, NetVLAD, Gaussian Splatting). — Architecture: Рефакторинг CV-компонентов в гетерогенной среде (Go / C++ / Python). — Integration: Внедрение ML-моделей в микросервисную архитектуру через gRPC и Kafka. — Optimization: Работа с high-load системами и оптимизация инференса моделей. ЧТО МЫ ЖДЕМ ОТ ВАС — CV & ML Expert: Глубокие знания PyTorch и OpenCV. Опыт создания Computer Vision решений. — VibeCoding Skills: Практический опыт работы с Claude Code, Cursor или аналогами. Понимание SDD и TDD подходов. — Backend: Опыт production-развертывания (FastAPI, Docker) и понимание микросервисов. — Polyglot Mindset: Готовность работать в окружении, где используются Go и C++ (чтение и интеграция). — Документация: Умение создавать техническую документацию и структурировать процессы там, где их нет. БУДЕТ ПЛЮСОМ — Опыт оптимизации инференса для мобильных платформ. — Работа с облачной инфраструктурой GCP. — Понимание специфики разработки в сфере AR/VR.

Задачи: — Доработка алгоритмов CV/ML — Разработка и поддержка бэкенда — Разработка фронтенда (минимально) — Рефакторинг и оптимизация кодовой базы — Участие в полном цикле разработки: обсуждение, реализация, тестирование, запуск в продакшн Требования: — Уровень: Senior (коммерческий опыт от 5 лет) — Python (Core): глубокое знание языка и экосистемы — Computer Vision (CV): практический опыт с OpenCV и другими библиотеками для обработки изображений/видео, понимание технологий, наличие минимального опыта — Machine Learning (ML): опыт работы с фреймворками (TensorFlow, PyTorch или аналогами) для задач классификации, детекции, трекинга — Backend (Node.js): уверенное владение Node.js и фреймворками (Express.js, Nest.js) (желательно, но не критично) — Базы данных: опыт работы с реляционными (PostgreSQL) и/или NoSQL (MongoDB) СУБД — Git: уверенное владение системой контроля версий — Желательно: опыт работы с видеопотоками (RTSP-протокол), Frontend (JavaScript) с Vue, Docker и основы DevOps, понимание принципов работы message brokers (RabbitMQ, Kafka), опыт оптимизации кода и ML-моделей для работы в реальном времени, опыт работы с Kubernetes Условия: — Оформление: ТД / ИП / СЗ — Полная занятость — Работа над проектом по системе AI видеоаналитики — Стек: FastAPI, ONNX Runtime / TensorRT, OpenCV, FFmpeg, MS, Meta, MLflow, Docker, Docker Compose (лучше кубы), YOLO, ResNet, MobileNet, ONNX, MLflow, NMS (Non-Maximum Suppression), JSON, Webhook или очереди, queue, threading/asyncio, REST API, оценка качества (loss, accuracy, confusion matrix и др) — Будет плюсом наличие собственных моделей, пригодных к дообучению под задачи проекта.

Задачи: — Разработка и оптимизация моделей для обработки/генерации звука. Требования: — Минимум 3 года работы в разработке и оптимизации моделей для обработки/генерации звука; — Глубокие знания в области DL и ML; — Опыт работы с инструментами и библиотеками TensorFlow, TensorRT, Triton (NVidia), PyTorch, Hugging Face; — Умение работать в команде и проактивная позиция; — Знание архитектуры моделей (Transformers, RNN и др.); — Опыт работы с большими данными и основами обработки данных; — Умение оптимизировать модель и проводить её оценку (A/B тестирование, метрики качества). Желательно: — Опыт работы над задачами speech enhancement, noise cancellation, tts, asr. Условия: — Оформление: Только ИП.

Workplace: Офис, Гибридный Система симуляции проезда помогает оценивать качество релизов ПО автономного автомобиля. Наша команда отвечает за то, чтобы технологии симуляции сенсоров были по-настоящему встроены в closed-loop-симуляцию и доведены до приёмок в продакшене. У нас большие планы и много интересных задач. Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Для их измерения мы в Яндексе разработали систему симуляции: она позволяет анализировать поведение авто в виртуальном окружении и оценивать влияние внешних и внутренних факторов на поведение машины. Мы отвечаем за то, чтобы технологии симуляции сенсоров — реконструкция локаций, синтез данных камер и лидаров — были по-настоящему встроены в closed-loop-симуляцию и доведены до приёмок в продакшене. Мы опираемся на наработки смежных команд по 3D-реконструкции и синтезу сенсоров и превращаем их в надёжный инструмент тестирования автопилота. Обязанности Управление командой Вы будете руководить командой разработчиков и ML-инженеров: ставить цели, декомпозировать их в задачи и вести от постановки до внедрения в продакшен. Также вы определите приоритеты развития симулятора: какие сенсорные эффекты и сценарии моделировать в первую очередь и как сочетать интеграцию готовых решений с собственной алгоритмической генерацией. Встраивание симуляции сенсоров в closed-loop-симуляцию Симулятор должен реалистично генерировать данные камер и лидаров, чтобы поверх них работал полноценный perception автопилота в closed loop. Вы будете встраивать в пайплайн решения по 3D-реконструкции локаций и синтезу сенсоров, отвечать за их стабильность и производительность в продакшене, а также за достоверность симуляции на уровне perception автопилота. Сюда же — выстраивание процессов валидации новых сигналов и возможностей автопилота в симуляции. Воспроизводимость CL-симуляции с сенсорами Цель — чтобы автопилот, читающий синтетические сенсоры, принимал те же решения, что и в аналогичной ситуации в реальности. Для этого нужно развивать собственную алгоритмическую генерацию сенсорных данных: IMU, телеметрии автомобиля, лидара. Сюда же — моделирование рельефа и дорожного покрытия с корректным отражением на всех сенсорах, включая IMU и камеры. Отдельное направление — полностью синтетические сцены, созданные в редакторе или сгенерированные LLM-агентом. Реалистичность мира: ассеты, LOD и перформанс Вы будете отвечать за назначение ассетов и LOD агентам в симуляторе. Мир должен быть реалистичным во всех деталях, включая артефакты сенсоров: rolling-shutter, влияние погодных условий и другие эффекты, воздействующие на восприятие. Отдельный фокус — перформанс: какие ассеты хранятся в памяти и подгружаются в рантайме, чтобы симуляции оставались быстрыми и масштабируемыми. Кросс-функциональная работа Симулятор — важнейший инструмент разработки, тестирования и приёмки ПО автономного транспорта. Вы будете собирать и приоритизировать заказы команд разработки: решать их силами своей команды или передавать смежным, управляя ожиданиями по точности системы и внедрению новых фич. Приоритет — воспроизведение сложных для автопилота дорожных ситуаций, чтобы находить и устранять их причины. Больше о бэкенде в Яндексе — в канале Yandex for Backend Требования * Управляли командой бэкенд- или ML-разработчиков * Занимались промышленной разработкой на C++ * Внедряли ML-модели в продакшен и готовы разбираться в новых архитектурах и областях * Умеете доводить исследовательские наработки до продакшена: ставить требования, принимать решения, отвечать за стабильность и производительность * Готовы работать руками на этапе прототипирования и проверки гипотез, в том числе писать исследовательский код и анализировать результаты * Умеете критически оценивать результаты и видеть потенциальные проблемы решений * Не боитесь браться за нерешённые задачи и готовы доводить свои идеи до продакшена Будет плюсом * Работали с симуляторами или робототехническими платформами (ROS, Gazebo, CARLA, NVIDIA Isaac Sim и др.) * Имели дело с симуляцией сенсоров, perception-подсистемами, 3D-реконструкцией (в том числе 3DGS) или генеративными моделями для синтеза данных * Понимаете, как устроены сенсоры и телеметрия автономного транспорта: камеры, лидары, IMU, нагрузка на оси, скорости вращения колёс * Знаете правила дорожного движения, водили автомобиль или мотоцикл

Workplace: Москва и Краснодар (гибрид/офис), другие города - удаленно Наша команда запускает новый ML-продукт для планирования промо - Promo Advisor. Решение позволит до запуска промо оценивать различные сценарии, прогнозировать продажи, выручку и маржу, а в дальнейшем - подбирать параметры промо с учетом бизнес-ограничений. О продукте Сейчас мы формируем продукт практически с нуля: определяем целевую архитектуру, источники данных, интеграции и сценарии работы системы. Ищем самостоятельного системного аналитика уровня middle+, который поможет связать бизнес-требования, данные, ML-модели и техническую реализацию. Задачи • Собирать и формализовать требования к продукту и его модулям. • Прорабатывать требования к данным: источники, состав данных, схемы и дата-контракты. • Описывать интеграции, API и взаимодействие между системами. • Декомпозировать требования и ставить задачи командам разработки и Data Engineering. • Создавать и поддерживать архитектурные схемы, потоки данных и техническую документацию. • Документировать ML-компоненты на системном уровне: входы, выходы, зависимости и сценарии использования. • Работать вместе с продуктовой командой, ML-разработчиками, Data Engineering и архитекторами. Стек: SQL, REST API, Kafka, Airflow, Spark, S3/Hadoop, PostgreSQL, Docker/Kubernetes, GitLab, Jira, Confluence, UML/BPMN/ArchiMate. ML-сервисы на Python Требования Опыт работы системным аналитиком от 2,5 лет и умение самостоятельно вести задачи. Опыт описания требований и интеграций между информационными системами. Умение работать с API, структурами и потоками данных. Умение читать и оформлять архитектурные схемы. Базовое знание SQL для работы с данными. Опыт работы с Jira и Confluence. Умение структурировать сложную информацию и договариваться с разными командами. Будет плюсом Опыт работы с ML- или Data-продуктами. Опыт работы с Big Data. Понимание процессов ритейла, ценообразования или промо. • Опыт запуска новых продуктов или систем с нуля. Условия Трудоустройство в аккредитованную IT‑компанию ДМС со стоматологией и льготными условиями для членов семьи Работу в максимально уютном офисе в центре Москвы (ст. м. Савеловская), в Краснодаре или удаленно из других городов РФ, так же есть офисы в Санкт-Петербурге (ст. м. Балтийская) и в Иннополисе Корпоративные скидки от компании и партнеров, бесплатная подписка Магнит Премиум с повышенным кешбэком по программе лояльности М+ Ежегодная программа признания с ярким праздником и впечатляющим подарком Поддержку в развитии через обучение, конференции и митапы, а также программу для руководителей — Leadership club IT‑комьюнити — среда, где быстрее находишь решения, делишься практиками, пробуешь новые роли и растешь от эксперта в стекe до лидера инициатив Мы являемся партнером Минцифры России по проекту Национальная система подтверждения IT‑компетенций Работа над масштабными продуктами и проектами (Умный магазин, роботизация, беспилотность, GenAI и другое) Социально– психологическая поддержка от >370 специалистов по направлениям: юристы, психологи, врачи, финансовые и ЗОЖ советники Формат работы Москва и Краснодар (гибрид/офис), другие города - удаленно

Location: Москва Workplace: гибкий Мы развиваем платформу таргетингов VK Рекламы, которая помогает рекламодателям находить релевантную аудиторию и повышать эффективность рекламных кампаний. Таргетинги — один из ключевых механизмов рекламной платформы, от которого зависят возможности рекламодателей и качество рекламного продукта. Мы работаем с большими объёмами пользовательских данных, разрабатываем ETL-пайплайны и внедряем новые механизмы подбора аудитории. В нашей работе сочетаются машинное обучение, backend-разработка и data engineering. Ищем Senior Backend Developer, который будет развивать платформу вместе с нами. Задачи Чем предстоит заниматься: Развивать backend-инфраструктуру таргетингов: проектировать API, интегрировать новые механизмы таргетирования и участвовать в проектировании архитектуры Работать с большими объёмами данных: оптимизировать обработку и хранение данных, обеспечивать производительность и стабильность пайплайнов Разрабатывать backend-сервисы и ETL-пайплайны на Python и Go: строить процессы сбора, обработки и подготовки данных, развивать сервисы для работы рекламных таргетингов Контрибьютить в C++-код: дорабатывать существующую кодовую базу и логику работы таргетингов Взаимодействовать с ML-разработчиками, превращая новые алгоритмы и продуктовые идеи в production-решения Требования Что мы ожидаем: Опыт backend-разработки от трёх лет Уверенное знание Python и (или) Go, опыт разработки production-сервисов Опыт работы с Kafka и понимание принципов построения событийных систем Уверенное знание SQL, опыт работы с базами данных и оптимизации запросов Опыт разработки ETL-пайплайнов и обработки больших объёмов данных Понимание принципов построения надёжных и высоконагруженных систем Умение самостоятельно проектировать технические решения, писать поддерживаемый код и проводить code review Готовность разбираться в существующей кодовой базе на C++ и вносить в неё изменения Будет плюсом Опыт работы с YTsaurus или аналогичными платформами для хранения и распределённой обработки больших объёмов данных Опыт разработки на C++ Опыт работы с ML-системами или рекламными технологиями Проактивность и инициативность в поиске технических улучшений

Location: Москва Workplace: Офис, Гибридный Мы создаём глобальную ML-инфраструктуру Яндекса. Ищем опытного Team Lead, который понимает, что такое разработка сложных высоконагруженных систем. Приходите руководить небольшой командой, руководить кросс-командными проектами и писать код. Мы запускаем крупный проект, который сделает жизнь наших коллег удобнее. Пользователями нового сервиса станут сотни команд ML-разработчиков Яндекса, которые обучают модели для Алисы, Нейро, Шедеврума и других продуктов. Сервис будет включать несколько ключевых компонентов: Managed DevCluster для удалённой разработки и тестовых запусков на GPU; инструмент для простого и эффективного запуска процессов обучения на кластере YTsaurus с тысячами GPU; оркестратор, который позволит описывать графы подготовки данных на Python и SQL; решение для трекинга ML-экспериментов (похожее на Weights & Biases); MLOps-систему для хранения моделей и управления их жизненным циклом. Ищем опытного Team Lead, который разбирается в разработке сложных высоконагруженных систем. Вам предстоит управлять небольшой командой, курировать кросс-командные проекты и писать код для сервисов будущей ML-платформы Яндекса. Обязанности Управление командой Вы будете руководить командой из двух разработчиков: ставить задачи, проводить код-ревью, контролировать сроки, заботиться о профессиональном развитии и удовлетворённости коллег, справедливо распределять задачи и отмечать достижения сотрудников. Управление кросс-командными проектами Создание глобальной ML-инфраструктуры затрагивает множество смежных подразделений. Вы будете связующим звеном: синхронизируетесь с командами базовой инфраструктуры и ML-разработчиками, будете планировать релизы и управлять внедрением новых решений. Создание кластера для удалённой разработки Вам предстоит создавать решение, которое позволит разработчикам совместно использовать мощные машины с GPU для отладки кода без взаимных помех. Больше о том, как мы делаем внутреннюю инфраструктуру Яндекса, — в канале Yandex Infrastructure Требования * Разрабатывали сложные системы на Go, C++ или Java (достаточно опыта с одним языком, но писать предстоит на Go) * Руководили командой разработчиков (наставничество, performance review, распределение задач) или готовы к этой роли * Ведёте кросс-командные проекты, собираете требования и договариваетесь со смежниками * Пишете качественный код с оглядкой на заданную архитектуру сервиса * Понимаете принципы разработки высоконагруженных приложений * Понимаете, как работает контейнеризация в Linux * Готовы погружаться в специфику работы ML-моделей в Яндексе и внедрять новые инфраструктурные решения Будет плюсом * Участвовали в создании и внедрении инфраструктурных решений в больших компаниях * Знакомы с инфраструктурными системами (Docker, Kubernetes, Ray, Slurm) или MLOps-инструментами

Location: Москва; Санкт-Петербург Workplace: Офис, Гибридный Мы создаём новый сервис для ML-разработчиков Яндекса, которые обучают модели для Алисы, Нейро, Шедеврума и других сервисов. Ищем человека, который поможет нам выстроить процессы разработки и наладить взаимодействие между ML-инженерами и инфраструктурой. Яндекс — одна из немногих компаний в мире, оперирующих экcабайтами данных, которые нужно уметь эффективно хранить, обрабатывать и передавать между различными системами. Для решения этих задач мы создали и развиваем распределённую платформу хранения и обработки данных YTsaurus. Мы развиваем ML-платформу Яндекса на базе YTsaurus — инфраструктуру, на которой работают десятки команд машинного обучения и обучаются модели для ключевых продуктов компании. Пользователями платформы являются большинство ML-разработчиков Яндекса — сотни команд, которые обучают модели для Алисы, Нейро, Шедеврума. Платформа покрывает полный жизненный цикл ML-разработки — от подготовки датасетов и обучения моделей на больших GPU-кластерах до продакшен-инференса и эксплуатации моделей. Ключевые компоненты платформы * Managed DevCluster для удалённой разработки и тестовых запусков задач на GPU * Инструмент простого с точки зрения UX и эффективного запуска процессов обучения на гигантском кластере YTsaurus с тысячами GPU * Оркестратор, который позволит описывать графы подготовки данных на Python и SQL * Решение для трекинга ML-экспериментов (по смыслу похожее на Weights & Biases) * MLOps-система для управления жизненным циклом моделей Ищем Technical Product Manager, который будет помогать нам развивать платформу: формировать продуктовую стратегию, понимать потребности ML-инженеров и вместе с командами разработки создавать инструменты для эффективной работы ML-инженера. Обязанности Развитие продукта Формировать продуктовую стратегию и roadmap ML-платформы. Определять ключевые направления развития инфраструктуры для ML-разработки. Развивать платформу, покрывающую полный ML lifecycle, включая подготовку и хранение датасетов, обучение моделей, управление экспериментами, запуск inference, эксплуатацию моделей. Работа с пользователями Глубоко погружаться в задачи ML-команд Яндекса. Выявлять узкие места в инфраструктуре ML-разработки. Формировать требования к новым инструментам и сервисам платформы. Формирование решений Участвовать в проектировании ключевых компонентов ML-платформы. Переводить потребности пользователей в конкретные продуктовые решения. Приоритизировать развитие платформы на основе продуктовых метрик и обратной связи. Работа с командами Координировать несколько инженерных команд. Помогать командам поставлять сложные инфраструктурные фичи. Следить за тем, чтобы развитие платформы соответствовало продуктовой стратегии. Больше о создании продуктов в Яндексе — в канале Yandex for Products Требования * Работали с машинным обучением (обязательное требование) * Понимаете полный жизненный цикл ML-разработки * Запускали и развивали продукты (product management) * Умеете формировать roadmap и приоритизировать развитие продукта * Имеете сильную техническую базу и разбираетесь в ML-инфраструктуре, распределённых системах, GPU-обучении моделей * Умеете работать на стыке ML-инженерии, инфраструктурных команд и продукта Будет плюсом * Работали с ML-платформами или MLOps-инфраструктурой * Имели дело с большими распределёнными вычислительными системами * Строили developer platform или internal tools

Workplace: Гибридный Ищем ML-аналитика, который возьмёт на себя оценку качества продуктовых ИИ-функций и агентов. Такие решения уже появляются в Почте, Диске, Документах и других сервисах Яндекс 360. Для каждого сценария нужно понимать, насколько хорошо он работает на реальных запросах и что меняется после обновлений. Мы ищем ML-аналитика, который возьмёт на себя оценку качества продуктовых ИИ-функций и агентов. Такие решения уже появляются в Почте, Диске, Документах, Таблицах, Календаре, Телемосте и других сервисах Яндекс 360. ИИ-функции ищут информацию, готовят документы, пересказывают встречи и выполняют действия через инструменты. Для каждого сценария нужно понимать, насколько хорошо он работает на реальных запросах и что меняется после обновления модели, промпта, агента или тулов. Обязанности Построение системы оценки качества моделей и агентов Вам предстоит разработать и внедрить LLM-as-a-judge для автоматической оценки ответов моделей, а также построить eval-систему для оценки качества агентов. С её помощью команда будет проверять, насколько хорошо агенты решают пользовательские задачи и работают с тулами на каждом шаге. Создание пайплайнов обработки данных Вы будете работать с текстовыми и мультимодальными данными, создавая надёжные и эффективные пайплайны для сбора данных обучения и оценки. Ваша задача — автоматизировать процессы, чтобы данные были всегда актуальными и качественными. Разработка end-to-end-метрик для агентов Яндекс 360 Вы поможете разработать систему офлайн-метрик для агентов Яндекс 360: определить критерии качества, построить пайплайны и подобрать данные для оценки. Встраивание решений в продакшн Созданные вами инструменты и метрики не должны оставаться в виде прототипов. Важной частью работы будет интеграция ваших решений в продовые процессы команды ML-разработчиков и аналитиков. Больше об ML в Яндексе — в канале Yandex for ML Требования * Уверенно работаете с Python и SQL, анализируете данные с помощью pandas или похожих инструментов * Пишете поддерживаемый аналитический код и умеете доводить пайплайны до регулярной работы * Хорошо знаете теорию вероятностей и математическую статистику * Понимаете, как работают ML-модели и как оценивать их качество * Умеете ставить эксперименты, собирать репрезентативные выборки и находить смещения в данных * Можете связать качество модели с продуктовым сценарием и поведением пользователей * Самостоятельно разбираетесь в новой области и умеете договориться с разработчиками и продуктовыми командами о критериях качества Будет плюсом * Оценивали LLM, RAG-системы или агентов, которые работают с инструментами * Работали с экспертной или краудсорсинговой разметкой * Проводили онлайн-эксперименты и анализ продуктовых метрик * Знакомы с NLP или мультимодальными моделями * Запускали новую аналитическую или ML-практику

Location: Москва; Санкт-Петербург Workplace: Офис, Гибридный Вы возглавите ML-команду и будете отвечать за разработку базовых технологий для AI-сервисов Yandex Cloud. Наш фокус — создание мультитенантных поисковых и классификационных моделей. Ждём, что вы разрабатывали и выводили в прод ML-сервисы с высокими требованиями к надёжности и производительности. Мы ищем опытного и проактивного лида, который возглавит ML-команду и будет отвечать за разработку базовых технологий для AI-сервисов Yandex Cloud. Основной фокус команды — создание мультитенантных поисковых и классификационных моделей и компонентов сервисов, которые предоставляются облачным пользователям как: * Standalone API (например, Embeddings API, Classification API) * Интегрированные функции в рамках OpenAI-like Responses и RealTime API (реализация RAG-сценариев, memory) * Технологическая основа для конечных продуктов (AI Guardrails, SpeechSense) Роль предполагает совмещение технического руководства и организационного управления небольшой распределённой командой, проектирование ML-систем, а также непосредственное участие в разработке. Мы предлагаем: * Прямое влияние на core-технологии AI-платформы Yandex Cloud * Высокий уровень технической автономии и свободу в выборе инструментов (активное использование и развитие опенсорса) * Возможность выстроить процессы и культуру в новой команде практически с нуля * Сильную R&D-команду и работу в кросс-функциональных v-teams над технически сложными и интересными задачами Обязанности Команда Вы будете управлять командой ML-разработчиков: проводить performance review, встречи 1-to-1, ставить цели, помогать разработчикам с карьерным развитием, наращивать знания и опыт команды. Понадобится декомпозировать продуктовые цели и превращать их в технический roadmap, формировать квартальные планы команды и отвечать за их реалистичность и стабильную сходимость. Разрабатывать и внедрять CI/CD для моделей, процессов код-ревью, тестирования и релизного цикла ML-артефактов. Представлять R&D-команды в рамках v-team, обеспечивать видимость и прозрачность деятельности R&D-команды, формировать технические требования и запросы к смежным командам (например, требования к данным и инфраструктуре). Разработка Вы станете отвечать за исследование и разработку SOTA-моделей для сценариев RAG (поиск, ранжирование), классификации (few-shot/zero-shot, guards) и памяти, а также их интеграцию в инфраструктуру инференса. Нас вас будет лежать прямая ответственность за метрики качества моделей, а также за производительность и стабильность бэкендов инференса (в том числе за логирование, мониторинги и покрытие кода тестами). Кроме того, вам предстоит лично участвовать в разработке: писать код (до 30¬–40% времени), проводить код-ревью, помогать с архитектурой и диагностикой проблем, готовить релизы моделей и бэкендов. Больше о том, что под капотом платформы Yandex Cloud, — в канале Inside Yandex Cloud Требования * Управляли ML-командой от одного года * Глубоко разбираетесь в современном ML (нейросети, трансформеры) с фокусом на NLP, Information Retrieval или Generative AI * Разрабатывали и выводили в продакшен ML-сервисы с высокими требованиями к надёжности и производительности * Уверенно владеете Python и PyTorch * Понимаете полный жизненный цикл ML-модели: от сбора требований и подготовки данных до эксплуатации в проде * Проактивны и способны самостоятельно формировать технический бэклог и roadmap, исходя из продуктовых целей Будет плюсом * Использовали опенсорс-проекты и контрибьютили в них (особенно в библиотеки для инференса, такие как TensorRT, TensorRT-LLM, vLLM, SGLang) * Работали с C++ и низкоуровневыми оптимизациями (CUDA) * Работали в распределенной команде * Умеете или хотите выступать на публике, писать технические статьи или вести блог, чтобы повышать внешнюю видимость команды и продукта

Location: Москва Сбер начинает работу над квантовым компьютером и аналоговыми вычислителями. Мы предлагаем вам присоединиться к команде Центра Квантовых Технологий Сбера, чтобы решать самые интересные задачи на переднем крае науки и технологий. Сейчас мы ищем руководителя команды ML разработчиков. Его основной целью станет планирование и реализация R&D задач с целью делать инференс и обучение большинства современных ИИ архитектур на аналоговых процессорах от ЦКТ. Исследования включают в себя поиск новых архитектур моделей, работу с числовыми форматами, а так же совместный дизайн моделей и вычислительных устройств. Обязанности * Искать и изобретать направления работы по применению современных моделей ИИ на аналоговых ускорителях Это касается адаптации существующих и изобретения новых моделей ИИ, а так же ко-дизайна моделей ИИ и аналоговых вычислителей * Планировать R&D работы Центра в области машинного обучения и ИИ Организовывать работу команды опытных AI инженеров и аналитиков * Самостоятельно проводить исследования в области разработки AI моделей и их адаптации к аналоговым вычислителям * Координировать работу своего подразделения с другими командами Центра и Банка Требования Мы ждём, что вы: * Обладаете опытом управления R&D командами в области ИИ от 3 лет * Имеете подтвержденный успешный опыт внедрения результатов исследований, полученных под вашим руководством, в продакшен * Обладаете прекрасным навыком управления, формулировки и защиты идей и результатов исследований * Обладаете глубоким пониманием современных архитектур нейросетей и можете изменять их для решения свих задач (есть примеры проектов, где вы это успешно делали) * Имеете хорошее знание о направлении современных работ в области развития архитектур нейросетей * Имеете сильный математический бэкграунд уверенно пишете код и готовы работать руками Условия * Возможность выбрать удобный график – офис или гибрид (локация: м. Тульская) * Ежегодный пересмотр зарплаты и 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 * Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.

• Вести крупные изменения в поиске end-to-end. Вы будете отвечать за бэкенд крупных инициатив — от идеи и RFC до выката в продакшен и анализа результата.