Загружаем вакансии…
Задачи: — Разработка и внедрение ML/NLP решений для реальных продуктовых задач. — Работа с LLM: fine-tuning, prompt engineering, повышение качества ответов. Требования: — Опыт работы Data Scientist от 2 лет. — Уверенный Python. — Практический опыт с ML/NLP стеком (PyTorch, TensorFlow, Hugging Face).
250 000 – 350 000 ₽
Задачи: — Разработка и внедрение ML/NLP решений для реальных продуктовых задач. — Работа с LLM: fine-tuning, prompt engineering, повышение качества ответов. Требования: — Опыт работы Data Scientist от 2 лет. — Уверенный Python. — Практический опыт с ML/NLP стеком (PyTorch, TensorFlow, Hugging Face).
250 000 – 350 000 ₽
Обязанности: • Разработка и внедрение ML/NLP решений для реальных продуктовых задач. • Работа с LLM: fine-tuning, prompt engineering, повышение качества ответов. Требования: • Опыт работы Data Scientist от 2 лет. • Уверенный Python. • Практический опыт с ML/NLP стеком (PyTorch, TensorFlow, Hugging Face).
250 000 – 350 000 ₽
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
- Опыт разработки и применения моделей машинного обучения для решения прикладных задач: прогнозирования, классификации, оптимизации, выявления аномалий и анализа производственных процессов. - Разрабатывать и внедрять алгоритмы машинного обучения и интеллектуального анализа данных для задач энергетической отрасли.
Зарплата не указана
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.
Зарплата не указана
Задачи: — разработка, обучение и оптимизация ML/AI-моделей на PyTorch и/или TensorFlow — проектирование end-to-end ML-пайплайнов — работа с LLM, NLP, Computer Vision и Generative AI — подготовка моделей к production и масштабированию — интеграция моделей с backend — оптимизация inference и производительности — построение MLOps-процессов — работа с Docker и cloud-инфраструктурой — принятие архитектурных решений и техническое руководство AI-командой Требования: — от 4 лет коммерческого опыта в Machine Learning / AI Engineering — практический опыт разработки и внедрения ML-моделей в production — уверенный Python — PyTorch и/или TensorFlow — понимание Machine Learning и Deep Learning — знание ML-метрик и методов оптимизации моделей — Docker, Git — AWS или аналогичные cloud-платформы — практический опыт с MLflow, Kubeflow, AWS SageMaker или аналогичными MLOps-инструментами — свободный английский язык Условия: — full-time — офис в Ташкенте — официальное трудоустройство по ТК Узбекистана — вилка от $3,500
от 3 500 $
Neoai IT Center izlayapti mutaxassislarni bir nechta yo'nalishlarda: backend dasturlash (python, Django, Fastapi, Node.js, Express.js, Java, Spring Boot, PHP, Laravel, Rest API, Postgresql, Mysql, Mongodb, Git, Docker), frontend (HTML, CSS, JavaScript, TypeScript, React, Next.js, Vue.js, Angular, Tailwind CSS, Bootstrap, Git), mobil dasturlash (Dart, Flutter, Kotlin, Java, Swift, React Native, Firebase, Android Studio, Xcode, Git), UX/UI dizayn (Figma, Adobe XD, Photoshop, Illustrator, Figjam, UI Design, UX Research, Wireframing, Prototyping, Design System), kiberxavfsizlik (Linux, Python, Bash, Networking, TCP/IP, Wireshark, Nmap, Burp Suite, Metasploit, OWASP, Git, Docker), data science (Python, Numpy, Pandas, Matplotlib, Seaborn, Scikit-learn, TensorFlow, PyTorch, SQL, Jupyter Notebook, Git), data analitika (Python, Pandas, Numpy, SQL, Excel, Power BI, Tableau, Matplotlib, Seaborn, Jupyter Notebook), sun'iy intellekt (Python, PyTorch, TensorFlow, Keras, Scikit-learn, Hugging Face, OpenAI API, Langchain, Numpy, Pandas, Git, Docker), robototexnika (Python, C++, Arduino, ESP32, Raspberry Pi, ROS, Matlab, Arduino IDE, OpenCV, Sensors, Git). Ish joyi Toshkent shahrida, ish vaqti 3 soat, maosh 4-5 million so'm. Vazifalar: o'quvchilarga zamonaviy IT texnologiyalarini nazariya va amaliyot asosida o'rgatish, darslarni amaliy loyihalar va real vazifalar bilan tashkil etish, o'quvchilar bilan individual ishlash va ularning rivojlanishini kuzatib borish, dars materiallari va amaliy topshiriqlar tayyorlash. Nomzodlar mas'uliyatli, kommunikativ bo'lishi, o'z yo'nalishi bo'yicha amaliy tajribaga ega bo'lishi, yangi texnologiyalarni muntazam o'rganib borishi talab etiladi. Shuningdek, tajribali mutaxassislar bilan birga professional muhitda rivojlanish imkoniyati mavjud.
Зарплата не указана
Задачи: — проводить аналитику и мониторинг работы моделей — собирать и подготавливать данные, последующий EDA, feature engineering — разрабатывать новые ML-модели — оптимизировать скрипты data/model/inference pipelines — подготавливать код проекта к проду, подготавливать, дизайнить и проводить АБ-тесты. Требования: — высшее образование по техническому направлению — от года релевантного опыта в ML — прочный математический фундамент (понимание градиентного спуска, характеристик основных распределений, PCA, МНК, базовые статистические тесты проверки гипотез) — умение и желание писать код на Python, оптимизировать его, разбираться в чужом коде, понимание SQL — владение основными библиотеками для анализа данных: pandas, numpy, scipy, matplotlib, statmodels — глубокое понимание основных алгоритмов классического ML (линейная/логистическая регрессия, деревья решений, ансамбли), базовые знания по DL (основные архитектуры, тонкости обучения) — владение основными фреймворками для ML/DL: sklearn, pytorch, transformers и др. Будет плюсом: — интерес к методам ML в задачах ценообразования и финансах — изучение Reinforcement Learning, multi-arms bandits — чтение статей по современным решениям для работы с последовательностями. Условия: — комфортный современный офис рядом с м. Кутузовская — гибридный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета — программа адаптации и помощь руководителя на старте (для Junior) — расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.
Зарплата не указана
Задачи: — Разработка и масштабирование World Models: проектирование и обучение массивных 3D/видеотокенизаторов и бэкбонов на базе Diffusion Transformers (DiT), Flow Matching и других технологий. — Построение пайплайнов для распределённого обучения тяжёлых foundation-моделей на вычислительном кластере. — Обучение Model-Based RL (MBRL) и политик IL + RL внутри замороженной латентной симуляции World Model. — Интеграция вспомогательных лоссов для perception-задач 3D-детекции, сегментации, трекинга. — Создание надёжного safety-контура поверх выходов модели и подготовка конструкции к реалтайм-инференсу на edge-девайсах робота. Требования: — Экспертное владение JAX и PyTorch. — Навыки масштабного распределённого обучения. — Глубокая математическая и ML-база. — Умение писать, генерировать и проверять быстрый оптимизированный код. Будет плюсом: — Опыт работы с Vision Foundation Models, генеративными видео- и image-моделями, синтезом лидарных облаков. — Опыт в Reinforcement Learning. — Опыт продвинутой квантизации тяжёлых трансформеров или диффузионных моделей для edge-девайсов. — Оптимизация инференса на борту робота. — Бэкграунд в Autonomous Driving, Motion Planning или Robotics. Условия: — Возможность обучения и компенсация 50% стоимости курсов по языку. — Другие бонусы, полный список которых доступен на сайте компании.
Зарплата не указана
Задачи: — Проектировать, разрабатывать и обслуживать масштабируемые серверные системы для поддержки развертывания. — Создавать надежные и эффективные API в платформу GotIt. — Создавать системы хранения и поиска данных, оптимизированные для обработки больших объемов текстовых данных, необходимых для задач обучения и вывода. — Выявлять проблемные места в производительности и оптимизировать, повышая эффективность и оперативность серверных служб. — Внедрять передовые методы обеспечения безопасности для защиты конфиденциальных данных и обеспечения соответствия отраслевым стандартам и правилам. Требования: — Степень бакалавра или магистра в области компьютерных наук, инженерии или смежных областях. — Минимум 5 лет опыта в серверной разработке с упором на проектирование и внедрение масштабируемых систем. — Опыт серверной разработки на Kotlin, либо Java, но с переходом на Kotlin. — Знание английского языка. — Опыт работы с реляционными базами данных (PostgreSQL) и разработка эффективных моделей данных. — Опыт проектирования и разработки RESTful API и использования WebSocket. — Знание облачных платформ AWS, Azure или Google Cloud, опыт развертывания и управления серверными службами в облаке. — Понимание принципов DevOps и опыт работы с Docker, Kubernetes, CI/CD. — Знания в области машинного обучения, знакомство с TensorFlow, PyTorch является плюсом. — Опыт работы с технологиями и платформами обработки естественного языка (NLP). — Опыт работы в Agile. — Вклад в проекты с открытым исходным кодом или активное участие в технических сообществах. — Опыт работы с технологиями больших данных, такими как Apache Hadoop или Spark. Условия: — Частичная занятость. — Возможность присоединения к международной команде на постоянной основе на полный день. — Возможность стать руководителем направления. — Возможность путешествий/переезда в США.
Зарплата не указана
Задачи: — исследовать и разрабатывать торговые стратегии для DeFi и крипторынков: от гипотезы и анализа данных до бэктестинга, валидации и оценки результата стратегии — Quant/ML research и разработка торговых стратегий для DeFi и крипторынков — применять ML/DL-подходы для маркет-мейкинга, forecasting, управления позициями и смежных задач — разрабатывать стратегии дельта-нейтрального хеджирования и управления рисками — проводить бэктестинг и использовать симуляционные среды на крипто-данных: order book, trades — анализировать рыночные данные и улучшать алгоритмы по результатам реального исполнения Требования: — senior-уровень в Quant/ML research, systematic trading, HFT/prop trading, market microstructure или смежных задачах — участие в полном цикле ресерча: гипотеза > данные > модель/логика > бэктестинг > валидация и анализ результата — понимание временных рядов, OOS-проверки, future leakage и торговой экономики — знание Supervised Learning, статистического анализа, оптимизации моделей — уверенный Python; PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna — опыт доведения стратегий до реального исполнения или PnL-оценки — опыт работы с order book и trades — автономность в постановке гипотез и доведении их до результата — владение русским языком для общения в команде Будет плюсом: — Reinforcement Learning — опыт на Rust или low-latency engineering — опыт в трейдинге, маркет-мейкинге, low-latency крипте — опыт в квант-фондах, HFT, prop trading, банковских квант-командах — опыт с DeFi, DEX/CEX, AMM/LP, perpetuals, funding, cross-venue arbitrage — активное использование AI-инструментов Условия: — фиксированная зарплата в стейблкоинах (USDT/USDC, 1:1 к доллару) — квартальный profit sharing от результатов стратегий — оплачиваемый отпуск — компания оплачивает AI-подписки
Зарплата не указана
Задачи: — работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей — разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний — проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов) — выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке — обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день. Требования: — опыт работы Data Scientist от 2х лет — техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны) — понимание теории вероятностей и статистики — уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать) — владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.) — плюсом будет опыт работы с pytorch, pyspark Условия: — комфортный современный офис рядом с м. Кутузовская — возможность выбрать удобный график – офис/гибрид — ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования) — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.
Зарплата не указана
Задачи: — Проектировать, разрабатывать и обслуживать масштабируемые серверные системы для поддержки развертывания. — Создавать надежные и эффективные API в платформу GotIt. — Создавать системы хранения и поиска данных, оптимизированные для обработки больших объемов текстовых данных. — Выявлять проблемные места в производительности и оптимизировать серверные службы. — Внедрять передовые методы обеспечения безопасности для защиты конфиденциальных данных и соответствия стандартам. Требования: — Степень бакалавра или магистра в области компьютерных наук, инженерии или смежных областях. — Минимум 5 лет опыта в серверной разработке с упором на проектирование и внедрение масштабируемых систем. — Опыт серверной разработки на Kotlin или Java с переходом на Kotlin. — Опыт продумывания архитектуры приложения и проработки ключевого функционала. — Знание английского языка. — Опыт работы с реляционными базами данных (PostgreSQL) и разработка эффективных моделей данных. — Опыт проектирования и разработки RESTful API и использования WebSocket. — Знание облачных платформ AWS, Azure или Google Cloud и опыт управления серверными службами в облаке. — Понимание принципов DevOps и опыт работы с Docker, Kubernetes, CI/CD. — Знания в области машинного обучения (TensorFlow, PyTorch) являются плюсом. — Опыт работы с технологиями и платформами обработки естественного языка (NLP). — Опыт работы в Agile. — Вклад в проекты с открытым исходным кодом или участие в технических сообществах. — Опыт работы с технологиями больших данных, такими как Apache Hadoop или Spark. Условия: — Удаленная работа. — Частичная занятость. — Возможность присоединиться к международной команде на полный день. — Перспектива стать руководителем направления. — Возможность путешествий и переезда в США.
Зарплата не указана
Задачи: — Руководить командой Computer Vision Engineers — Проектировать архитектуру production AI-систем — Менторить инженеров и проводить code review — Декомпозировать задачи и контролировать качество реализации — Разрабатывать пайплайны обработки десятков и сотен RTSP-потоков — Оптимизировать инференс на GPU и CPU — Принимать ключевые технические решения — Участвовать в найме и развитии AI-команды Основной стек: Python, PyTorch, OpenCV, YOLO, RTSP, GStreamer, NVIDIA DeepStream, TensorRT, Triton Inference Server, ONNX, OpenVINO, CUDA, FastAPI/gRPC, Docker и Kubernetes. Что важно: ✅ Сильный коммерческий опыт в Computer Vision и Video Analytics ✅ Опыт технического лидерства или менторства ✅ Запуск production AI-систем ✅ Уверенное знание Python, PyTorch, OpenCV и YOLO ✅ Практический опыт с RTSP, GStreamer, DeepStream и TensorRT ✅ Оптимизация моделей через ONNX, TensorRT, OpenVINO, CUDA или Quantization ✅ Понимание высоконагруженной обработки видеопотоков ✅ Умение принимать и аргументировать архитектурные решения Будет плюсом: ➕ Triton Inference Server ➕ C++ и CUDA ➕ Kafka и потоковая обработка данных ➕ MLflow и MLOps ➕ ViT, DETR, Swin и Video Transformers ➕ VLM, RAG, LangGraph, vLLM и Function Calling ➕ Опыт найма и формирования AI-команд Предлагаем влияние на архитектуру и технологический стек, сильную инженерную команду и работу над высоконагруженной системой промышленного уровня.
700 000 – 1 700 000 ₸
Задачи: — участвовать в полном цикле разработки AI-агентов и универсальных ассистентов: от идеи и проектирования до запуска в продакшн — проводить эксперименты, тестировать гипотезы и исследовать новые подходы для создания агентских решений — разрабатывать и внедрять LLM-пайплайны, чат-ботов и интеллектуальные системы — обучать и дообучать NLP-модели под конкретные задачи продукта — интегрировать разработанные модели и логику в бизнес-процессы — мониторить качество работы моделей в продакшне, находить узкие места и оперативно вносить улучшения. Требования: — опыт в NLP и понимание технологий: от классических алгоритмов до трансформеров и генеративных моделей (LLM) — практический опыт коммерческой разработки AI-агентов, чат-ботов и LLM-пайплайнов — опыт обучения глубоких нейронных сетей — уверенное владение PyTorch, NumPy, Pandas, а также фреймворками для работы с агентами: LangChain, LangGraph (или их аналогами) — уверенное владение Python, Git, SQL, Bash, Docker. Умение писать чистый, поддерживаемый и тестируемый код — навык перевода бизнес-требований в конкретные технические и алгоритмические решения. Будет плюсом: — понимание принципов микросервисной архитектуры и опыт проектирования REST API — опыт разработки асинхронных и многопоточных приложений (asyncio, aiohttp, multiprocessing и др.) — опыт взаимодействия с реляционными и нереляционными базами данных — практический опыт настройки и поддержки CI/CD-пайплайнов (Jenkins, GitLab CI, ArgoCD или аналоги) — опыт развёртывания и управления приложениями в Kubernetes. Условия: — комфортный современный офис рядом с м. Кутузовская — 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.
Зарплата не указана
Задачи: • Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости • Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию • Определение ML SysDes решения с учетом разрешенного технологического стека • Участие в валидации и автомониторинге моделей, проведение A/B тестирования Требования: • Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.) • Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов • Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений • Умение переводить бизнес-постановку задачи в ML-постановку • Высокий уровень владения Python и SQL • Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers • Знание принципов построения RAG, VisionRAG и AgenticRAG систем • Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5) • Знание агентных архитектур (ReAct, Multi-agent и др.) • Знание фреймворков для работы с LLM (LangChain, LangGraph и др.) • Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker) • Понимание жизненного цикла моделей (CRISP-DM) Условия: • Гибкий гибрид (обсуждаем индивидуально) • Современный IT-офис вблизи Москва-Сити с фитнес-залом • Ипотека с выгодой для сотрудника и льготные условия кредитования • Бесплатная подписка СберПрайм+ • Скидки на продукты компаний-партнеров • ДМС с первого дня и льготное страхование для близких • Корпоративная пенсионная программа • Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию • Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
Зарплата не указана
Задачи: — создание и развитие решений с задействованием LLM-агентов (полноценные мультиагентские системы) — создание RAG-систем — разработка и поддержка ML/DL моделей, включая их обновление и адаптацию к меняющимся условиям и требованиям бизнеса — дообучение и адаптация открытых LLM — создание системы мониторинга качества моделей и контроль их эффективности. Требования: — опыт работы от 3-х лет в коммерческой разработке на позиции Data Scientist / ML Engineer с подтверждённым опытом вывода моделей в продакшен — понимание математики классического ML и архитектуры нейросетей (PyTorch/TF) — уверенное понимание архитектуры трансформеров, опыт работы с LLM API и локальными моделями через PyTorch / Hugging Face — уверенный Python (чистый код, ООП, знание numpy/pandas/scikit-learn) и понимание принципов микросервесной архитектуры (Asyncio, FastAPI) — опыт создания агентов на LangChain/LangGraph — знание основных концепций промпт-инжиниринга и использования Structured Outputs и Function Calling — опыт проектирования и развития RAG-систем (Multi-stage Retrieval, Dense + Sparse/BM25, Rerankers, Chunking strategies) — опыт развертывания локальных open-source моделей (Llama, Mistral, Qwen, DeepSeek и др.) в продакшн-окружении и настройки высокопроизводительного инференса LLM с помощью vLLM — опыт проведения Fine-tuning LLM-моделей (PEFT, LoRA/QLoRA) — настройка мониторинга data drift и model decay, а также валидация моделей — 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. Условия: — инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти — среда для обмена знаниями – высокая экспертиза внутри команды — сплоченная команда, работающая над общими задачами и умеющая хорошо отдыхать — нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам — стабильная заработная плата и годовой бонус — полностью офисный формат работы. Современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — вознаграждение за рекомендацию друзей в команду Сбера.
Зарплата не указана
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.
Зарплата не указана