Вакансии

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: — Эксперименты с претрейн-моделями: ставить и анализировать вычислительно тяжёлые эксперименты с претрейн-стадией, проверять гипотезы об источниках прироста ризонинг-способностей внутри различных срезов умности, постановка и выбор сетапа эксперимента — творческий этап. — Пайплайны данных: строить эффективные пайплайны сбора обучающих данных, их синтеза, обработки и фильтрации в новых доменах, масштабировать пайплайны, делать их более эффективными. — Изменение обучения: модифицировать обучение модели для улучшения ризонинга, внедрять изменения в обучающий пайплайн и оценивать их влияние на качество. — Экспертные модели: обучать модели-верификаторы для проверки качества данных и ответов; модели для генерации обучающих данных — SOTA в своём узком домене; модели-фильтры для отсева некачественных данных. — Исследование скейлинга: исследовать законы скейлинга качества модели с точки зрения данных и вычислений, определять, как масштабирование влияет на рост рассуждающих способностей. Требования: — Глубокое понимание NLP. — Знание Python и опыт разработки на нём. Условия: — В крупных офисах есть спортзалы с тренажёрами, инвентарём и душевыми. — Полный список бонусов доступен по ссылке https://yandex.ru/jobs/pages/benefits.

Платформа ОФД — крупнейший в России оператор фискальных данных с аудиторией около 1 млн пользователей. Компания создает IT-продукты для предпринимателей, инструменты управления бизнесом, аналитические сервисы и новые услуги на основе Big Data, анализируя рынок российского ритейла на данных из чеков в режиме реального времени. Ежедневно обрабатывается 60 млн кассовых чеков, в базе 4,7 млрд уникальных названий товаров. Команда DS строит NLP-ядро решения для автоматической категоризации товарных строк из чеков и извлечения атрибутов с целью восстановления товарной позиции до SKU. Также команда внедряет AI-агентов в процессы смежных подразделений компании. Задачи: — Разработка ML-моделей, rule-based и иных решений под поставленные задачи; — Поиск и лидирование разметки данных для обучения; — Покрытие мониторинговыми метриками, близкими к продуктовым; — Обучение, заказ разметки, деплой и покрытие прод метриками моделей для задач классификации позиций в чеках по древовидному каталогу, NER и нормализации атрибутов чековых данных, AI-агентов на основе локальных LLM для внутреннего использования и автоматизации задач, прочих инструментов для разметки данных; — Быстрые адаптивные решения под отраслевые проекты (классификация и атрибуция); — AI-агенты для разметки, технической поддержки и чата; — Ресерч альтернатив ядерного решения. Требования: — Коммерческий опыт обучения и эксплуатации трансформеров в NLP; — Опыт с векторными представлениями, Retrieval/Re-rank; — Опыт информационного извлечения в ритейле (NER, нормализация, линковка); — Продуктовое мышление и работа с метриками; — Умение структурировать задачи на компоненты и эксперименты; — Умение формировать выводы и защищать результаты; — Знание docker, vllm, k8s будет плюсом; — Опыт создания дашбордов для мониторинга моделей и загрузки LLM; — Желателен опыт работы с LLM (инференс, агенты), включая fine-tuning, дообучение, дистилляцию, квантование. Стек: — NLP, AI, ML; — docker, k8s; — LLM. Инфраструктура: — Разделение серверов на r&d и пром; — On-prem GPU для обучения и инференса нейросетевых моделей, включая LLM; — Хранилище данных на Hadoop. Найм: — Техническое интервью с TL команды DS; — Возможно выполнение тестового задания. Условия: — Трудоустройство по ТК РФ в аккредитованной ИТ-компании; — Комфортный офис рядом с м. Спортивная/МЦК Лужники; — График работы 5/2 с 9:00/10:00 до 18:00/19:00; — Офисный формат работы на испытательный срок, далее возможен гибрид; — Обучение и семинары за счет компании; — Расширенный соцпакет: ДМС (поликлиника, госпитализация, стоматология), скидки от партнеров, льготы на ипотеку; — Корпоративная жизнь, ежемесячные мероприятия; — Открытая рабочая атмосфера, общение на "ты", отсутствие дресс-кода.

Location: Bangalore, India GitLab is the intelligent orchestration platform for DevSecOps. GitLab enables organizations to increase developer productivity, improve operational efficiency, reduce security and compliance risk, and accelerate digital transformation. More than 50 million registered users and more than 50% of the Fortune 100* trust GitLab to ship better, more secure software faster. The same principles built into our products are reflected in how our team works: we embrace AI as a core productivity multiplier, with all team members expected to incorporate AI into their daily workflows to drive efficiency, innovation, and impact. GitLab is where careers accelerate, innovation flourishes, and every voice is valued. Our high-performance culture is driven by our values and continuous knowledge exchange, enabling our team members to reach their full potential while collaborating with industry leaders to solve complex problems. Co-create the future with us as we build technology that transforms how the world develops software. * Fortune 500® is a registered trademark of Fortune Media IP Limited, used under license. Claim based on GitLab data. Fortune 100 refers to the top 20% ranked companies in the 2025 Fortune 500 list, published in June 2025. Fortune and Fortune Media IP Limited are not affiliated with, and do not endorse products or services of GitLab. GitLab is the intelligent orchestration platform for DevSecOps. GitLab enables organizations to increase developer productivity, improve operational efficiency, reduce security and compliance risk, and accelerate digital transformation. More than 50 million registered users and more than 50% of the Fortune 100* trust GitLab to ship better, more secure software faster. The same principles built into our products are reflected in how our team works: we embrace AI as a core productivity multiplier, with all team members expected to incorporate AI into their daily workflows to drive efficiency, innovation, and impact. GitLab is where careers accelerate, innovation flourishes, and every voice is valued. Our high-performance culture is driven by our values and continuous knowledge exchange, enabling our team members to reach their full potential while collaborating with industry leaders to solve complex problems. Co-create the future with us as we build technology that transforms how the world develops software. * Fortune 500® is a registered trademark of Fortune Media IP Limited, used under license. Claim based on GitLab data. Fortune 100 refers to the top 20% ranked companies in the 2025 Fortune 500 list, published in June 2025. Fortune and Fortune Media IP Limited are not affiliated with, and do not endorse products or services of GitLab. About the role As a Staff Backend Engineer, you will provide technical leadership across your team and adjacent teams, solving the highest-scope and most complex problems in your area. You will lead large, cross-cutting backend initiatives, drive our modular architecture strategy, and define the standards that let teams move faster without compromising quality, security, reliability, or operability. This is a technical leadership role that combines deep backend expertise, systems judgment, product judgment, and influence across organizational boundaries. You will work with Product, Frontend, Infrastructure, Security, Data, Engineering Managers, and engineers across product groups, bringing subject matter expertise, and you will do it without relying on formal authority. Why you’ll love this role Leverage: Your work multiplies across teams. The platforms, standards, and architectural decisions you lead determine how quickly everyone else can ship. Genuinely Hard Problems: You’ll lead the modernization of a large monolith toward modular, reusable, appropriately independent systems — at the scale of a platform used by millions of users. Influence Without Bureaucracy: You’ll shape technical direction across teams through clear written proposals and decision records, and partner with Product and Engineering leadership on platform roadmap and investment trade-offs. Frontier AI Work: You’ll lead adoption of AI-assisted and agentic engineering workflows and define the review, quality, security, and privacy guardrails that make them safe to rely on. Autonomy: You’ll thrive in our remote-first, asynchronous organization, where clear written communication and self-direction are the pillars of success. What you’ll do Lead Cross-Cutting Initiatives: Lead the technical design and delivery of large backend initiatives that span teams, and identify and remove systemic bottlenecks across product and infrastructure groups. Own Architecture Strategy: Drive modular backend, service, data, and platform architecture. Lead modernization of the monolith and legacy backends toward modular, reusable, and appropriately independently operated systems — while preventing fragmentation and service sprawl. Set the Standards: Define and improve standards for APIs, contracts, compatibility, schema evolution, testing, security, performance, observability, operability, and maintainability — plus the build, test, deploy, release, rollback, and production-readiness practices needed to operate modular features safely. Establish Shared Patterns: Create the patterns for dependency management, data ownership, eventing, failure isolation, service maturity, and operational documentation. Establish Go service patterns and Kubernetes operating practices where they matter to our production estate, and guide Rust adoption where it solves a real systems, security, performance, or supply-chain problem. Own What You Build in Production: Take part in on-call and incident response for the systems your teams own, act as a technical escalation point during complex incidents, and turn what you learn into architectural and operational improvements that prevent recurrence. Influence and Partner: Shape technical direction across teams without formal authority, and partner with Product and Engineering leadership on platform-level roadmap decisions and investment trade-offs. Grow Engineers: Mentor Senior and Intermediate engineers, shepherd technical debt reduction and reusable patterns that improve throughput, and raise the technical capability of the wider team. Lead AI Adoption: Lead team-level adoption of AI-assisted and agentic workflows, including the quality, security, privacy, and operational guardrails, and help engineers direct, validate, reject, and course-correct agent output. On-Call Support: Take part in on-call or operational support where your team’s ownership model requires it. What you’ll bring Cross-Team Technical Leadership: A sustained record of technical leadership across more than one team or a broad product area. Deep Architecture Experience: Deep backend architecture and production experience in complex applications, services, or platforms, including scaling or governing APIs, service platforms, data systems, modular monoliths, or shared backend components. Modularization in Production: Experience modernizing a monolith or legacy backend architecture in production, and with modular architecture such as bounded contexts, package encapsulation, ports and adapters, service extraction, event-driven boundaries, or an equivalent approach. Influence Without Authority: A strong ability to create alignment through clear written proposals and decision records, so decisions are documented, understood, and adopted without constant escalation. Product Judgment: The ability to balance customer outcomes, delivery speed, technical health, reliability, and long-term platform investment. Mentorship: Experience mentoring engineers and shaping standards through code review, documentation, and example. Agentic AI Leadership: Production experience with AI-assisted or agentic engineering workflows, including the ability to evaluate and improve how a team adopts them. Helpful experience Go services and APIs at scale. Kubernetes and cloud-native operations, including deployment, scaling, observability, rollback, and production readiness. Rust adoption or production ownership for systems, security, performance, or platform components. Ruby/Rails modularization and large-monolith modernization. PostgreSQL scaling, data partitioning, queues, messaging, or distributed systems. Security-sensitive product or software supply chain engineering. Experience across SaaS, single-tenant, self-managed, or air-gapped deployment constraints. How GitLab Supports Full-Time Employees Benefits to support your health, finances, and well-being Flexible Paid Time Off Team Member Resource Groups Equity Compensation & Employee Stock Purchase Plan Growth and Development Fund Parental Leave Please note that we welcome interest from candidates with varying levels of experience; many successful candidates do not meet every single requirement. Additionally, studies have shown that people from underrepresented groups are less likely to apply to a job unless they meet every single qualification. If you're excited about this role, please apply and allow our recruiters to assess your application. Country Hiring Guidelines: GitLab hires new team members in countries around the world. All of our roles are remote, however some roles may carry specific location-based eligibility requirements. Our Talent Acquisition team can help answer any questions about location after starting the recruiting process. Privacy Policy: Please review our Recruitment Privacy Policy. Your privacy is important to us. GitLab is proud to be an equal opportunity workplace and is an affirmative action employer. GitLab’s policies and practices relating to recruitment, employment, career development and advancement, promotion, and retirement are based solely on merit, regardless of race, color, religion, ancestry, sex (including pregnancy, lactation, sexual orientation, gender identity, or gender expression), national origin, age, citizenship, marital status, mental or physical disability, genetic information (including family medical history), discharge status from the military, protected veteran status (which includes disabled veterans, recently separated veterans, active duty wartime or campaign badge veterans, and Armed Forces service medal veterans), or any other basis protected by law. GitLab will not tolerate discrimination or harassment based on any of these characteristics. See also GitLab’s EEO Policy and EEO is the Law . If you have a disability or special need that requires accommodation , please let us know during the recruiting process .

Location: Remote Workplace: Remote Our Team Dandelion Health unlocks a layer of unexplored clinical depth that has been previously inaccessible at scale. By combining all the raw multimodal data from community health systems with validated AI models, we deliver regulatory-grade scientific insights and products that give teams the evidence to design better trials, enroll the right patients, and generate AI-powered insights that drive confident decisions across the development and commercial lifecycle. Your Role You are a healthcare data scientist who knows your way around clinical and text-based data. Your primary responsibility will be to leverage and build upon large language models (LLM) and other ML-based approaches for meaningful data abstraction from both unstructured and structured healthcare data. You will join a team of data scientists who own the creation and maintenance of AI-ready datasets for clients in our environment. You will work across the organization to curate datasets by identifying patient subpopulations or disease cohorts, developing methodology to abstract information from multimodal healthcare data sources to support patient phenotyping, and pooling data to enable rapid exploratory AI/ML analyses, model experimentation and/or model validation. You will use your data expertise, programming abilities, and critical thinking skills to support our technical product team, and develop your own analyses to derive insights and enhance our datasets based on the use case. Your team’s ultimate goal is to deliver the highest-quality data possible to our clients, who are building products that improve patient health. You will report to the Data Science Manager, under the Head of Data.   Responsibilities Your day-to-day responsibilities will include the following: - Develop Natural Language Processing (NLP), Large Language Model (LLM) and other ML-based pipelines to abstract relevant labels from text-based healthcare data and store them in scalable data models; - Query complex source systems in a range of health data sources (e.g., EMRs, semi-structured reports, free-text clinical provider notes) to identify key data elements and create and enrich high-quality datasets for real-world evidence analyses and training AI algorithms; - Own data extraction, wrangling, labeling and QC tasks to create analytical datasets that include abstracted clinical concepts and provide a range of solutions to support customers’ AI activities; - Stay current on the latest in applied NLP and generative AI methods and proactively leverage these technologies where applicable; - Support the design, testing, validation, analysis, and merging of multimodal data structures from a wide variety of source systems; - Develop code and documentation to deliver high-quality and HIPAA-compliant data products on time to customers; - Identify and resolve problems using your knowledge, background, and troubleshooting skills; - Ensure accuracy, data integrity, and validity of data and analysis in all work; - Provide support for technical product team to advance development of the suite of data-related product offerings; - Summarize the complexity of abstraction methods, findings and recommendations into clear explanations and presentations for internal and external audiences that have a varying range of technical and clinical experience; You are not afraid to dig into massive, confusing, disorganized new datasets and get them under control. You are excited to learn new environments, languages, and skills. This is a small, early stage company with enormous ambitions and everyone pitches in across the team.   Qualifications - Advanced degree in a quantitative field (ex. Data Science, Biomedical Informatics, Computer Science, Biostatistics), or B.S. with at least 5 years of professional experience - At least 2 years of data science and machine learning experience, including building pipelines to extract and curate unstructured and semi-structured data by applying advanced machine learning and AI techniques. Prior experience with clinical and healthcare data is a strong bonus. - Fluency in Python and SQL, including fluency with ML/NLP libraries (PyTorch, Tensorflow, HuggingFace, etc.) - Familiarity with using modern applied LLM techniques on real-world data - Strong technical writing, editing, and communication skills, along with a collaborative mindset - Excellent organizational skills with an ability to embrace change and effectively manage multiple projects and consistently plan work to meet deadlines - Experience working in or with startups is a plus Technical Experiences and Skills   We don’t expect anyone to have all of the following skills or experiences, but we do seek candidates who are interested in growing their skill sets and working with healthcare data in all its glorious complexity. The Data Team works closely with our Engineering Team to put our work into production and meet client needs. - Git and version control - Familiarity with encryption methods - Prior experience querying EDWs or databases and creating reports or analytics for healthcare data - Familiarity with the data aspects of electronic medical records, ex. Epic, Cerner, Allscripts - Any medical ontology experience - Any experience working with DICOM or other imaging modalities - Experience with AWS - Experience with publishing work in peer-reviewed journals Nature of our work   Our work is fast paced and iterative. We are growing, and we want to support our team members to grow in their skills as well. We are building a team that approaches problems with a diversity of perspectives, values experimentation, and refining our approach based on that experimentation. We work with the full spectrum of healthcare data from tabular data, videos, images, waveforms, etc. If a health system collects it, we might work with it! If this looks like a partial fit, please reach out, we would love to share more about the work we do for you to understand if it would be a good fit for you. There is occasional travel for in-person company working days on roughly a quarterly basis. Team Benefits - Remote work and flexible hours. Availability needed for meetings, which we try to keep to a healthy minimum - Complete wellness benefits including healthcare, dental, vision, PTO, sick days and more. Ask for details - Professional development days to build your skills - Collegial work environment - Academic bent towards inquiry and problem solving but start-up speed and flexibility - Great balance of focus time to work on projects but easy to access team members to discuss issues and work collaboratively - Dandelion is a mission-driven company that is focused on improving patient care

Location: Москва Мы - команда GigaChat Pretrain Data, готовим pretrain данные для GigaChat и GigaChat Vision. Pretrain данные - это фундамент, с которого начинается путь современной LLM модели и то, от чего наиболее зависит ее итоговое качество. Сырых данных более 40Пб и основная задача заключается в том, чтобы из этого хаоса сделать датасет, на котором будет обучена лучшая LLM в России. Обязанности * генерировать синтетические данные: математика, код, произвольная синтетика с сидами - документами из Web * исследовать токенизацию и ее влияние на качество модели (возможно написание статей) * решать задачи кластеризации миллиардов документов * исследовать разные факторы, которыми обладают текстовые данные * генерировать Vision данные для прокачки VLM * разрабатывать новые алгоритмы парсинга HTML и исследовать его влияние на качество модели * исследовать зависимости между pretrain данными и agentic capabilities итоговой модели * разрабатывать стабильную инфраструктуру, которая будет поддерживать проведение сотен и тысяч экспериментов над данными. Требования * имеешь коммерческий релевантный опыт связанный с NLP или построением инфраструктуры для данных от двух лет. Будет плюсом: * навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов * инструментальное владение AI для анализа, генерации и автоматизации * опыт с MapReduce системами. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы (2 дня в офисе, 3 дня на удалёнке) * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * льготная программа ипотеки для сотрудников * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — разработка и внедрение LLM моделей для решения NLU задач бизнеса (SFT, RAG (Retrieval Augmented Generation), Agents, Summarization, Text Ranking, Text Matching, Language Modeling) — дообучение LLM моделей — разработка подходов и процессов разметки данных для оценки качества работы LLM — формирование и работа с ML пайплайнами: работа с данными, обучение/дообучение NLP моделей, оценка качества решений, поддержка/автоматизация решений — оптимизация работы моделей для промышленного контура на CPU/GPU — работа с командой бизнес-представителей, DS-разработчиками — организация проверки и генерация гипотез для решения технических и бизнес-задач. Требования: — опыт разработки на python, numpy, sklearn, pandas + библиотеки обработки текстовых данных — опыт работы с Pytorch для построения DL текстовых моделей — опыт работы с библиотеками LangChain/LangGraph — опыт практической работы с LLM через API — отличные теоретические знания классического и нейросетевого NLP, в тч LLM — опыт дообучения классических трансформеров и LLM — практический опыт, эксперименты, внедрение в ПРОД LLM решений — опыт prompt-engineering Будет плюсом: — работа с инструментами Hadoop (HDFS, Hive), Spark — опыт постановки и проведения a/b тестов — опыт работы с распределенным обучением, глубокое знание GPU архитектуры. Условия: — комфортный современный офис рядом с м. Кутузовская — возможен гибридный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия — корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте — 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.

Обязанности: - Разрабатывать и обучать модели машинного обучения, включая генераторы кандидатов - Улучшать модели оценки стоимости автомобилей - Разрабатывать решения для антифрода и модерации контента - Подготавливать и трансформировать данные для обучения и продакшена моделей - Упаковывать модели в сервисы и внедрять их в продакшен Требования: - Опыт оркестрации ML‑пайплайнов с помощью Airflow или Luigi - Умение программировать на Python или C++ - Навыки работы с SQL и NoSQL для подготовки и трансформации данных - Умение разворачивать решения в виде микросервисов с использованием FastAPI, gRPC или Docker - Хорошие теоретические знания в области машинного обучения - Понимание устройства и принципов работы одного из ML‑фреймворков или библиотек, например CatBoost или PyTorch

Задачи: - Разрабатывать и дообучать модели NLP/LLM: эмбеддинги, генерация, RAG-подходы. - Исследовать новые архитектуры, ставить эксперименты, проводить A/B-тесты. - Проектировать и развивать сервисы на базе языковых моделей: ассистенты, интеллектуальный поиск, генерация документов и кода. - Оптимизировать инференс и внедрять модели в продакшн совместно с ML и backend-командами. - Работать с данными: предобработка, векторизация, организационное хранение knowledge-баз. Требования: - 3+ лет коммерческого опыта в NLP/LLM. - Глубокая математика: ML, статистика, теория вероятностей. - Python + DS-стек: pandas/polars, numpy, scipy, scikit-learn. - Практика с PyTorch, Transformers, sentence-transformers, LangChain / LangGraph / LlamaIndex. - Опыт работы с моделями Qwen, DeepSeek, Llama, Mistral; SFT, LoRA, QLoRA, prompt-tuning. - Навыки работы с Docker, Kubernetes, CI/CD. - Умение настраивать и оптимизировать RAG-пайплайны. Будет плюсом: - Опыт в финтехе или корпоративных экосистемах. - Работа с Hadoop (Hive, PySpark), Greenplum, PostgreSQL. - Понимание интеграции LLM в бизнес-процессы. - Опыт работы в кросс-функциональных командах.

Требования: — Опыт работы в роли Data scientist от 2 лет; — Работа с одним из фреймворков PyTorch/TensorFlow; — Реализация и работа с RAG решениями; — Знание основных подходов для предобработки и векторизации текста; — Наличие опыта решения задач NLP для текста (Text Classification, NER, Text Summarization, QA); — Знакомство и понимание основных принципов современных SOTA моделей NLP; — Владение: git, docker, sql и одним из фреймворков для реализации api. Обязанности: — Работа с одним из фреймворков PyTorch/TensorFlow; — Реализация и работа с RAG решениями; — Знание основных подходов для предобработки и векторизации текста; — Наличие опыта решения задач NLP для текста (Text Classification, NER, Text Summarization, QA); — Знакомство и понимание основных принципов современных SOTA моделей NLP; — Владение: git, docker, sql и одним из фреймворков для реализации api.

Location: Москва _Мы разрабатываем LegalTech-продукты на основе передовых NLP-моделей. Наши решения ежедневно анализируют сотни типов юридических документов, извлекают из них знания и помогают людям принимать с их помощью ответственные решения. Это позволяет оптимизировать работу банка по правовым рискам кредитных сделок с минимальным участием человека._ Обязанности — Решение сложных задач по созданию разнообразных AI-сервисов в юридической сфере с использованием LLM GigaChat; — Исследование и подбор передовых решений, быстрая оценка их эффективности, оценка необходимых ресурсов (данные, вычисления), проверка гипотез, разработка плана разработки; — Формирование требований к разметке: вопросов-ответов и чатов для задачи дообучения LLM на специализированном юридическом домене, взаимодействие с юристами и специалистами по разметке; — Повышение качества генерации LLM за счет использования продвинутых техник промтинга (CoT, ToT, ReAct, Planning, etc); — Создание собственных AI-агентов, решающих юридические задачи шаг за шагом; — Участие в создании специализированного юридического бенчмарка для оценки способностей LLM; — Желание разобраться в нюансах нашей доменной области. Требования — Опыт разработки NLP-моделей от 3-х лет;  — Знание передовых подходов, умение объяснить их команде; — Отличное знание основ Data Science — от линейной алгебры и теории вероятностей до DNN и RLHF; — Понимание архитектуры и принципов устройства и обучения больших лингвистических моделей (LLM) и генеративных трансформеров типа GPT/Bert; — Понимание принципов обучения и применения моделей обучения с подкреплением (Reinforced Learning); — Понимание основных методов Machine Learning (regressions, clustering, decision trees, и т.д.), уверенное знание когда их применять, а когда не надо; — Оценка вычислительной сложности всего Pipeline, применение классических алгоритмов для её снижения; — Готовность браться за нестандартные, сложные задачи; — Быстро проверять гипотезы на небольших мощностях и масштабировать успешные решения; — Умение оценивать прогресс решения на цифрах; — Готовность работать в команде и применять Git, Jira, Confluence и другие средства командной работы; — Высокая степень самоорганизации. Условия — Страшно интересные NLP задачи в самой сложной области предметных знаний (GPT + Legal domain); — Возможность обучения и развития, участия в конференциях от Сбера; — Уютный офис с печеньем и другими удобствами; — Социальный пакет (ДМС, фитнес, льготное страхование).

Location: Москва Мы команда GigaChat - создаём и развиваем core-технологию генеративной языковой модели. Она может писать тексты, создавать изображения и даже код на Python. Она умеет отвечать на вопросы, вести диалог, сочинять стихи и рассказы, придумывать идеи для бизнеса, писать письма и многое другое. Приглашаем в команду талантливого NLP Enginner, с которым мы будем вместе усовершенствовать и развивать GigaChat. В работе будет очень много креативности и придумывания новых подходов. Для всех этих экспериментов у нас есть кластер с большим числом A/H 100'ых. Обязанности * довести качество до ChatGPT на русском и дальше обогнать его * помогать решать бизнес-задачи с помощью нашей технологии сначала для внутренних клиентов в Сбере, а потом и внешним * придумывать и внедрять новые применения для LLM * помогать выводить в прод все, что мы обучим * постоянно держаться up-to-date со свежими статьями. Требования * Python, алгоритмы, математика * знания в DL, опыт обучения просто моделей и больших моделей * опыт обучения моделей для продакшен * понимание текущего состояния эволюции больших LLM's * C++ & CUDA * публикации. Условия * комфортный современный офис рядом с м. Кутузовская * возможность выбрать удобный график – офис/гибрид * 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 * ипотека для сотрудников выгоднее до 4% * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: United Kingdom Workplace: remote About Intermedia Are you looking for a company where YOUR VOICE is heard? Where can you MAKE A DIFFERENCE? Do you THRIVE in a FAST-PACED work environment? Do you wake every morning EXCITED to work with GREAT PEOPLE and create SUCCESS TOGETHER? Then Intermedia is the place for you. Intermedia has established itself as a leading provider of cloud communications and collaboration tech that allows companies to connect better. We have a strong track record of growth, profitability, and creating an environment where everyone matters. Everyone. While we are fast-paced and admittedly a bit intense, we promise that you won’t be bored. You will find Intermedia is a place where you can indulge your passion for creating and supporting great cloud technology. What’s more, we always look to promote from within and have many employees who have been with us 10, 15, and 20+ years! Culture at Intermedia is built on teamwork and transparency. We hold each other accountable and always have each other’s back! While primarily remote , this role requires occasional visits to the Bristol office or London. About the Role Intermedia is looking for a Data Scientist to join our AI Data Science team. In this role, you will develop and apply advanced machine learning, generative AI, and statistical techniques to improve the intelligence, effectiveness, and reliability of Intermedia's digital agents. You will work on challenging problems involving large language models, retrieval, agent behavior, experimentation, evaluation, and optimization to help create digital agents that can understand customer needs, access relevant knowledge, and successfully complete complex tasks. You will work closely with AI/ML engineers, software engineers, product managers, and other data scientists to take ideas from experimentation through production. You will have significant ownership of data science solutions while helping establish strong practices for measuring and continuously improving the quality of our AI-powered experiences. What You Will Be Doing Machine Learning & Agent Intelligence Develop, evaluate, and improve machine learning and generative AI solutions that power Intermedia's Digital Agent Platform. Apply large language models (LLMs), natural language processing, retrieval, and other advanced AI techniques to improve agent understanding and performance. Develop approaches that improve agent reasoning, tool selection, knowledge retrieval, context management, personalization, and task completion. Experiment with model, prompt, retrieval, and agent configuration strategies to identify approaches that deliver the best customer and business outcomes. Evaluate commercial and open-source models and recommend appropriate approaches based on quality, latency, scalability, and cost. Generative AI & RAG Design, develop, and optimize Retrieval-Augmented Generation (RAG) solutions that ground digital agents in relevant enterprise and customer information. Develop and evaluate embeddings, retrieval strategies, ranking approaches, semantic search, and other knowledge-retrieval techniques. Build and refine end-to-end pipelines that combine LLMs with retrieval systems, enterprise knowledge sources, and agent workflows. Develop approaches to improve the relevance, accuracy, and consistency of AI-generated responses. Identify and mitigate issues such as hallucinations, poor retrieval, inappropriate responses, and other failure modes in generative AI applications. Evaluation & Experimentation Develop rigorous evaluation frameworks for measuring digital agent quality, including accuracy, relevance, task completion, reliability, safety, and customer experience. Design offline and online experiments to compare models, prompts, retrieval strategies, agent configurations, and other AI approaches. Apply statistical analysis, hypothesis testing, segmentation, and other quantitative methods to evaluate AI performance and identify opportunities for improvement. Define appropriate metrics and benchmarks that connect model and agent performance to customer and business outcomes. Analyze production behavior and feedback to identify patterns, failure modes, and opportunities to continuously improve digital agents. Ensure data and model quality through comprehensive testing, validation, and performance evaluation. Data & Solution Development Gather, preprocess, analyze, and model large volumes of structured and unstructured data from multiple sources. Use Python, SQL, Spark, and other relevant technologies to build scalable analytical and machine learning solutions. Develop features, datasets, and analytical approaches that support model development, experimentation, and evaluation. Partner with data and engineering teams to build and maintain reliable pipelines for model training, evaluation, and production use. Contribute to scalable ML/AI pipelines that support experimentation, deployment, monitoring, and continuous improvement. Ensure solutions are reproducible, maintainable, and designed to operate effectively at production scale. Collaboration Partner with Product, AI/ML Engineering, Software Engineering, and other Data Science team members to translate customer and business problems into effective AI solutions. Communicate analytical findings, model performance, tradeoffs, and recommendations clearly to technical and non-technical stakeholders. Participate in technical and design reviews and help establish strong practices for AI experimentation, evaluation, and model development. Mentor and support less experienced data scientists and contribute to knowledge sharing across the team. What You Will Bring to the Role Bachelor's degree in Data Science, Statistics, Computer Science, Mathematics, Machine Learning, Analytics, or a related quantitative field; Master's degree preferred. 4+ years of professional experience in data science, machine learning, applied AI, or a related analytical field. Strong experience developing and applying supervised and unsupervised machine learning models to real-world problems. Hands-on experience with generative AI, large language models, NLP, or other modern AI technologies. Strong programming skills in Python and experience with SQL and large-scale data processing technologies. Experience with modern machine learning frameworks such as PyTorch, TensorFlow, scikit-learn, or equivalent technologies. Strong understanding of statistical analysis, experimentation, hypothesis testing, model evaluation, and performance measurement. Experience working with large volumes of structured and unstructured data. Demonstrated ability to independently frame ambiguous problems, develop analytical approaches, evaluate alternatives, and deliver actionable solutions. Experience taking machine learning or AI solutions beyond experimentation and contributing to their deployment and operation in production environments. Understanding of model quality, data quality, bias, reliability, and other considerations associated with production AI systems. Strong problem-solving and analytical skills with the ability to connect technical results to customer and business outcomes. Strong written and verbal communication skills with the ability to explain complex analytical and AI concepts to technical and non-technical audiences. Ability to collaborate effectively across Data Science, AI/ML Engineering, Software Engineering, Product, and business teams. Diversity, Inclusion, and Equal Opportunity We hire, promote, and compensate employees based on their ability to perform their job responsibilities, without regard to race, color, creed, religion, sex, gender, marital status, national origin, ancestry, age, citizenship, physical or mental disability, sexual orientation, or any other basis protected by applicable law (collectively referred to in our Code of Conduct as “Protected Classes”). We do not tolerate employment discrimination in the workplace, and we are committed to making reasonable accommodations for identified disabilities or other limitations as required by all applicable laws. We are an equal opportunity employer and value diversity at our company. We do not discriminate on the basis of race, religion, color, national origin, gender, sexual orientation, age, marital status, veteran status, or disability status.

Location: Portugal Workplace: remote About Intermedia Are you looking for a company where YOUR VOICE is heard? Where can you MAKE A DIFFERENCE? Do you THRIVE in a FAST-PACED work environment? Do you wake every morning EXCITED to work with GREAT PEOPLE and create SUCCESS TOGETHER? Then Intermedia is the place for you. Intermedia has established itself as a leading provider of cloud communications and collaboration tech that allows companies to connect better. We have a strong track record of growth, profitability, and creating an environment where everyone matters. Everyone. While we are fast-paced and admittedly a bit intense, we promise that you won’t be bored. You will find Intermedia is a place where you can indulge your passion for creating and supporting great cloud technology. What’s more, we always look to promote from within and have many employees who have been with us 10, 15, and 20+ years! Culture at Intermedia is built on teamwork and transparency. We hold each other accountable and always have each other’s back! While primarily remote , this role requires occasional visits to the office in Coimbra or in Aveiro. We plan to open an office in Porto in the future. This approach gives team members the flexibility to work remotely while also coming together in the office for collaboration and teamwork. About the Role Intermedia is looking for a Data Scientist to join our AI Data Science team. In this role, you will develop and apply advanced machine learning, generative AI, and statistical techniques to improve the intelligence, effectiveness, and reliability of Intermedia's digital agents. You will work on challenging problems involving large language models, retrieval, agent behavior, experimentation, evaluation, and optimization to help create digital agents that can understand customer needs, access relevant knowledge, and successfully complete complex tasks. You will work closely with AI/ML engineers, software engineers, product managers, and other data scientists to take ideas from experimentation through production. You will have significant ownership of data science solutions while helping establish strong practices for measuring and continuously improving the quality of our AI-powered experiences. What You Will Be Doing Machine Learning & Agent Intelligence Develop, evaluate, and improve machine learning and generative AI solutions that power Intermedia's Digital Agent Platform. Apply large language models (LLMs), natural language processing, retrieval, and other advanced AI techniques to improve agent understanding and performance. Develop approaches that improve agent reasoning, tool selection, knowledge retrieval, context management, personalization, and task completion. Experiment with model, prompt, retrieval, and agent configuration strategies to identify approaches that deliver the best customer and business outcomes. Evaluate commercial and open-source models and recommend appropriate approaches based on quality, latency, scalability, and cost. Generative AI & RAG Design, develop, and optimize Retrieval-Augmented Generation (RAG) solutions that ground digital agents in relevant enterprise and customer information. Develop and evaluate embeddings, retrieval strategies, ranking approaches, semantic search, and other knowledge-retrieval techniques. Build and refine end-to-end pipelines that combine LLMs with retrieval systems, enterprise knowledge sources, and agent workflows. Develop approaches to improve the relevance, accuracy, and consistency of AI-generated responses. Identify and mitigate issues such as hallucinations, poor retrieval, inappropriate responses, and other failure modes in generative AI applications. Evaluation & Experimentation Develop rigorous evaluation frameworks for measuring digital agent quality, including accuracy, relevance, task completion, reliability, safety, and customer experience. Design offline and online experiments to compare models, prompts, retrieval strategies, agent configurations, and other AI approaches. Apply statistical analysis, hypothesis testing, segmentation, and other quantitative methods to evaluate AI performance and identify opportunities for improvement. Define appropriate metrics and benchmarks that connect model and agent performance to customer and business outcomes. Analyze production behavior and feedback to identify patterns, failure modes, and opportunities to continuously improve digital agents. Ensure data and model quality through comprehensive testing, validation, and performance evaluation. Data & Solution Development Gather, preprocess, analyze, and model large volumes of structured and unstructured data from multiple sources. Use Python, SQL, Spark, and other relevant technologies to build scalable analytical and machine learning solutions. Develop features, datasets, and analytical approaches that support model development, experimentation, and evaluation. Partner with data and engineering teams to build and maintain reliable pipelines for model training, evaluation, and production use. Contribute to scalable ML/AI pipelines that support experimentation, deployment, monitoring, and continuous improvement. Ensure solutions are reproducible, maintainable, and designed to operate effectively at production scale. Collaboration Partner with Product, AI/ML Engineering, Software Engineering, and other Data Science team members to translate customer and business problems into effective AI solutions. Communicate analytical findings, model performance, tradeoffs, and recommendations clearly to technical and non-technical stakeholders. Participate in technical and design reviews and help establish strong practices for AI experimentation, evaluation, and model development. Mentor and support less experienced data scientists and contribute to knowledge sharing across the team. What You Will Bring to the Role Bachelor's degree in Data Science, Statistics, Computer Science, Mathematics, Machine Learning, Analytics, or a related quantitative field; Master's degree preferred. 4+ years of professional experience in data science, machine learning, applied AI, or a related analytical field. Strong experience developing and applying supervised and unsupervised machine learning models to real-world problems. Hands-on experience with generative AI, large language models, NLP, or other modern AI technologies. Strong programming skills in Python and experience with SQL and large-scale data processing technologies. Experience with modern machine learning frameworks such as PyTorch, TensorFlow, scikit-learn, or equivalent technologies. Strong understanding of statistical analysis, experimentation, hypothesis testing, model evaluation, and performance measurement. Experience working with large volumes of structured and unstructured data. Demonstrated ability to independently frame ambiguous problems, develop analytical approaches, evaluate alternatives, and deliver actionable solutions. Experience taking machine learning or AI solutions beyond experimentation and contributing to their deployment and operation in production environments. Understanding of model quality, data quality, bias, reliability, and other considerations associated with production AI systems. Strong problem-solving and analytical skills with the ability to connect technical results to customer and business outcomes. Strong written and verbal communication skills with the ability to explain complex analytical and AI concepts to technical and non-technical audiences. Ability to collaborate effectively across Data Science, AI/ML Engineering, Software Engineering, Product, and business teams. Diversity, Inclusion, and Equal Opportunity We hire, promote, and compensate employees based on their ability to perform their job responsibilities, without regard to race, color, creed, religion, sex, gender, marital status, national origin, ancestry, age, citizenship, physical or mental disability, sexual orientation, or any other basis protected by applicable law (collectively referred to in our Code of Conduct as “Protected Classes”). We do not tolerate employment discrimination in the workplace, and we are committed to making reasonable accommodations for identified disabilities or other limitations as required by all applicable laws. We are an equal opportunity employer and value diversity at our company. We do not discriminate on the basis of race, religion, color, national origin, gender, sexual orientation, age, marital status, veteran status, or disability status.

Разработка, обучение и оптимизация моделей машинного обучения для решения прикладных бизнес-задач; Разработка решений на базе LLM и VLM, включая мультимодальные системы обработки текста и изображений;

Location: Москва Мы — команда GenBI and Agentization, разрабатывающая AI-ассистента для платформы Navigator BI — ключевой бизнес-аналитической системы банка. Наш проект уже решает задачи, значимые для всей экосистемы Сбера. Наша цель — создать интеллектуального помощника, который помогает пользователям: * находить нужные дашборды и отчёты * получать статистику и динамику показателей естественным языком * генерировать новые визуализации (графики, виджеты, таблицы) на основе сырых данных * отвечать на вопросы, касающихся бизнес-показателей. Обязанности * повышать метрики качества AI-сервиса: дообучать и адаптировать модели, улучшать пайплайны обработки запросов * лидировать выделенное направление в команде: проводить code review, предлагать архитектурные решения * тестировать гипотезы по улучшению пользовательского опыта — от качества поиска до точности генерации визуализаций * интегрировать LLM в существующие процессы, развивать RAG-компоненты и агентную логику * взаимодействовать с командой разработки и бизнес-заказчиками для уточнения требований и постановки задач. Требования * опыт разработки LLM-приложений и/или агентных систем * глубокое понимание современных NLP-архитектур (трансформеры, механизмы внимания) * уверенное владение PyTorch и LangChain Будет плюсом: * опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных * опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов * знание MLOps-практик (CI/CD для ML, мониторинг моделей) * понимание архитектуры агентных систем * умение самостоятельно вести задачи от гипотезы до внедрения * опыт использования GigaChat, Kandinsky и аналогов в продуктах. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты. Годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * 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: Москва Мы создаем сервисы кредитования в Сбербанке, позволяющие клиентам быстро и удобно получать кредиты онлайн. Клиент может подать заявку на получение кредита через мобильное приложение или WEB, получить одобрение всего за две минуты и мгновенно перевести средства на свою банковскую карту или счет, без необходимости посещать отделение банка лично. Наш проект постоянно развивается. Мы планируем улучшать клиентский опыт и развивать наши сервисы внедряя механики динамического ценообразования. Работа в нашей команде позволит вам принять участие во всех этапах разработки высоконагруженных распределённых систем, начиная от проектирования и заканчивая внедрением в промышленную эксплуатацию. Вы сможете активно влиять на создание новых продуктов и улучшение существующих бизнес-процессов, применяя современные технологии и подходы. Возможность углублять знания и улучшать навыки в области современного программирования и управления проектами. Комфортные условия труда - современное оборудование и стабильность занятости в одной из крупнейших финансовых организаций страны. Присоединяйтесь к нашей команде и станьте частью инновационного процесса, создающего удобные решения для миллионов пользователей по всей России! Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности * исследование и разработка новых методов и алгоритмов машинного обучения * эксперименты в области глубинного обучения, обучения с подкреплением, байесовских методов, VAE и других прикладных направлений * исследование и применение современных NLP-методов: трансформеры, LLM API, LangChain * анализ данных для проверки исследовательских гипотез * проектирование и проведение экспериментов, оценка результатов * подготовка прототипов для тестирования новых подходов * анализ применимости новых методов к задачам компании * подготовка предложений по архитектуре моделей и выбору методов * подготовка отчётов и презентация результатов исследований. Требования * опыт работы на позиции Data Scientist / исследователя — от 2 лет, в том числе в исследовательских задачах * Python — уверенное владение, включая фреймворки для ML и DL: PyTorch, scikit-learn, pandas, numpy * SQL — составление запросов; опыт работы с PostgreSQL * глубокое знание классических и современных методов ML * понимание глубинного обучения, обучения с подкреплением, байесовских подходов, VAE * опыт проведения исследований: формулирование гипотез, дизайн экспериментов, статистическая оценка * математическое моделирование, статистика, системный анализ * опыт экспериментальной работы с NLP-моделями и трансформерами. Будет плюсом: * опыт работы с Hugging Face Transformers, LangChain, LLM API * опыт контейнеризации и запуска экспериментов в Docker * опыт работы с большими данными (PySpark, Hive, HDFS) * опыт работы в банковской / финансовой сфере * навыки работы с генеративными AI-моделями * опыт создания AI-агентов и использования их в работе * опыт использования GigaChat, Kandinsky и аналогов в продуктах * навыки создания и использования AI-агентов * инструментальное владение AI для анализа, генерации и автоматизации. Условия * гибридный формат работы (4 дня офис) на Кутузовском, 32к1 * ежегодный пересмотр зарплаты, квартальная и годовая премия * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * 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: Москва Workplace: Офис, Гибридный Яндекс Браузер помогает пользователям решать повседневные задачи. В работе мы объединяем LLM, классический ML и программные инструменты. Ищем ML‑разработчика, который будет превращать идеи в работающие решения: от подготовки данных и проверки гипотез до интеграции в Браузер и оценки качества. Мы создаём браузер, который помогает пользователям решать повседневные задачи: управлять вкладками, разбираться в содержимом страниц, заполнять формы и получать полезные подсказки в адресной строке. В работе мы объединяем LLM, классическое машинное обучение и программные инструменты. Ищем ML‑разработчика, которому предстоит превращать продуктовые идеи в работающие решения: от подготовки данных и проверки гипотез до интеграции в Браузер и оценки качества на реальных сценариях. Обязанности Улучшение автозаполнения форм Вы будете разрабатывать и оценивать способы определения назначения полей и подбора данных для заполнения, создавать воспроизводимую эмуляцию работы автофилла, выявлять причины ошибок и оценивать, насколько изменения улучшают работу. Автоматизация тестирования Браузера Вам предстоит разрабатывать агента, который будет воспроизводить пользовательские сценарии и проверять, исправлены ли ошибки. Также нужно создавать бенчмарки и автоматические оценки и проверять, насколько можно доверять выводам модели-судьи. Контекстные подсказки Алисы Вы будете классифицировать страницы и определять пользовательские задачи, чтобы в нужный момент предлагать полезные действия. Предстоит готовить разметку, строить модели и правила, оценивать точность и охват новых сценариев. Нужно будет исследовать и использовать перспективные инструменты классификации, например Jev, в сочетании с LLM. Развитие подсказок Вам предстоит улучшать классификацию запросов, ранжирование и смешивание подсказок из разных источников. Нужно готовить признаки и обучающие данные, проверять качество моделей и оценивать их влияние на пользовательский опыт. Развитие агента управления Браузером Вы будете учить агента понимать запросы пользователя и выполнять действия с вкладками, окнами и настройками. Вам предстоит подбирать модели, улучшать промпты и работу с инструментами, а также повышать надёжность сложных последовательностей действий. Больше об ML в Яндексе — в канале Yandex for ML Требования * Работали над ML‑проектами, которые дошли до продакшена * Знаете классические структуры данных и алгоритмы * Хорошо ориентируетесь в инструментах для решения NLP‑задач Будет плюсом * Строили системы на базе LLM * Активно используете агентов в повседневной жизни