Вакансии

Location: Москва Мы помогаем государству проводить disrupt госуправления через внедрение AI/GenAI и ускорять национальное развитие AI/GenAI, организуем одно из крупнейших в мире профильных мероприятий – AIJourney, объединяем бизнес, государство и международное научное сообщество, чтобы обеспечить GenAI-трансформацию страны. Обязанности • cтроить и развивать систему оценки качества LLM, RAG и агентов: тестовые наборы, метрики, автоматические прогоны, отчёты • проводить регрессионное тестирование в CI при смене моделей, промптов и настроек, контролировать качество перед релизами и показами • оценивать агентов по траекториям: успешность задач, ошибки вызова инструментов, лишние шаги • калибровать автоматическую оценку (LLM-as-a-judge) против экспертной разметки • строить пайплайны обработки документов: PDF, сканы, OCR, таблицы, восстановление структуры • готовить датасеты для дообучения, включая синтетические данные и траектории вызова инструментов. Требования • от 3 лет в Data Science, Data Engineering или ML, из них не менее года с LLM-проектами • опыт построения с нуля системы оценки качества LLM или RAG • знание метрик поиска (recall@k, MRR, nDCG) и метрик ответов (faithfulness, полнота, корректность) • опыт оценки агентных систем или многошаговых сценариев • прикладная статистика: доверительные интервалы, значимость различий, размер выборки • опыт обработки реальных документов в продакшене, включая OCR • Python на уровне production-кода, уверенный SQL • оркестрация пайплайнов (Airflow, Prefect, Dagster или аналоги), версионирование данных и трекинг экспериментов (DVC, MLflow или аналоги). **Будет плюсом:** • работа с юридическими, нормативными или канцелярскими текстами на русском языке • классический NLP: NER, классификация, извлечение сущностей • опыт с русскоязычными бенчмарками • работа с персональными данными по 152-ФЗ • Elasticsearch, OpenSearch, векторные базы данных. Условия * гибридный формат работы (м Кутузовская) * ежегодный пересмотр зарплаты, годовой бонус * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера * корпоративная пенсионная программа.

Location: Москва; Санкт-Петербург Workplace: Офис Мы экспериментируем с большими генеративными моделями для предсказания траектории автомобиля. Вам предстоит проверять различные архитектуры и методы обучения из статей, а также заниматься качеством датасета и применять различные методы семплинга более полезных данных. Решение задачи планирования движения — один из самых больших вызовов в отрасли автономных технологий. Мы экспериментируем с большими генеративными моделями для предсказания траектории, по которой поедет автомобиль. Траектория должна обеспечивать безопасное взаимодействие с участниками движения, быть комфортной для пассажира и позволять автомобилю успешно достичь конечной точки маршрута. Обязанности Обучение больших нейросетевых моделей планирования движения Учить трансформеры извлекать информацию о взаимодействии участников движения с траекторией автомобиля. Проверять и внедрять самые современные подходы из научных статей об автономном вождении. Экспериментировать с архитектурами и методами обучения. Поиск сложных и разнообразных дорожных ситуаций Исследовать и применять различные подходы для поиска сложных дорожных ситуаций, которые вы будете использовать для обучения моделей. Ваш обучающий датасет должен содержать разнообразные и достаточно непростые дорожные сценарии. Внедрение разработок в автомобили Яндекса Вам предстоит внедрять свои разработки в пайплайн движения автомобиля и наблюдать, как ваша работа повышает качество технологии. Больше об ML в Яндексе — в канале Yandex for ML Требования * Обучали нейросетевые модели, внедряли DL-решения в продакшен * Уверенно ориентируетесь в области DL, быстро разбираетесь в новых методах * Умеете программировать на Python, работали с PyTorch или TensorFlow * Хорошо знаете классические структуры данных и алгоритмы * Умеете выдвигать гипотезы и выстраивать эксперименты для их проверки * Читаете статьи об ML, следите за развитием этой области Будет плюсом * Имеете публикации в сборниках научных конференций высокого уровня * Хорошо знаете С++ и STL * Работали с большими объёмами данных * Участвовали в соревнованиях по ML или спортивному программированию * Увлечены автономными автомобилями

Location: Москва Workplace: Офис Мы экспериментируем с большими генеративными моделями, чтобы предсказывать, как будет двигаться автомобиль. Приходите пробовать разные подходы, внедрять свои разработки и помогать модели лучше справляться с дорожными ситуациями. Вы сможете увидеть, как ваша работа улучшает качество технологии. Планирование движения — одна из самых сложных задач в сфере автономных технологий. Мы экспериментируем с большими генеративными моделями, чтобы предсказывать, как будет двигаться автомобиль. Траектория должна быть безопасной для всех участников движения, комфортной для пассажира и позволять автомобилю доехать до конечной точки маршрута. Мы хотим улучшить модель, чтобы она лучше справлялась с новыми дорожными ситуациями. Для этого исследуем новые алгоритмы RL‑обучения, экспериментируем с наградами и работаем с данными. В том числе развиваем направление сложных и редких сценариев для обучения ML‑планировщика. Вам предстоит не только изучать статьи и пробовать разные подходы, но и внедрять собственные разработки в пайплайн движения автомобиля. Вы сможете увидеть, как ваша работа улучшает качество технологии. Обязанности Разработка алгоритмов Вы будете разрабатывать алгоритмы, которые генерируют синтетические дорожные сценарии для ML‑планера. При этом предстоит изучить много материалов, придумать разные подходы и разобраться, как их воплотить в жизнь. Исследование методов работы с агентами Вы будете экспериментировать с разными подходами, в том числе с reinforcement learning и диффузионными моделями (diffusion models), чтобы изменить поведение агентов или добавить новых на сцену и создавать синтетический контент. Улучшение RL‑обучения Вы будете работать с синтетическими данными: не только создавать качественную синтетику, но и обучать модели на ней. Важно найти баланс между синтетическими и реальными данными, а также понять, как улучшать обучение при добавлении сцен без Ground Truth водителя. Больше об ML в Яндексе — в канале Yandex for ML Требования * Обучали нейросетевые модели * Внедряли DL‑решения в продакшн * Программировали на Python * Работали с PyTorch * Знаете классические структуры данных и алгоритмы * Ориентируетесь в области DL * Быстро разбираетесь в новых методах * Умеете выдвигать гипотезы и выстраивать эксперименты для их проверки * Читаете статьи о ML * Следите за развитием области ML Будет плюсом * Внедряли методы обучения с подкреплением в продакшн * Работали с диффузионными моделями * Публиковались в сборниках научных конференций высокого уровня * Работали с большими объёмами данных * Участвовали в соревнованиях по ML или спортивному программированию * Увлечены автомобилями или автономными автомобилями

Location: Москва Workplace: Офис Мы разработали систему симуляции, которая позволяет тестировать новые версии компонент автопилота в виртуальной среде. Ищем сильного ML-разработчика. Откликайтесь, если знаете Python, имеете опыт работы с данными, занимались генеративным CV и обучали нейросети на распределённых кластерах. Больше о команде Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Оценивать их только на реальных дорогах долго, дорого, а для некоторых сценариев практически невозможно. Поэтому в Яндексе мы разработали систему симуляции, которая позволяет тестировать новые версии компонент автопилота в виртуальной среде и быстро оценивать, как меняется поведение автомобиля в разных дорожных ситуациях, погодных условиях и на разных территориях. Достоверность таких тестов определяется тем, насколько реалистично окружающая среда реагирует на действия автономного автомобиля. Для этого мы используем ML-модель, которая предсказывает движение других участников дорожного движения: машин, мотоциклов и пешеходов. Над этой моделью и предстоит работать будущему участнику нашей команды. Симулятор используют много команд, поэтому наши улучшения напрямую влияют на скорость и качество разработки автономного автомобиля Яндекса. Обязанности Улучшение качества и разработка новых функций модели Вам предстоит работать над повышением базового качества нейросети для генерации траекторий машин и пешеходов. Задачи включают улучшение датасета (сбор, фильтрацию и предобработку данных), архитектурные доработки моделей, оптимизацию процесса обучения и инференса, а также исследование возможностей внедрения inpainting, различных conditioning и guidance для решения продуктовых задач. Удачные наработки затем нужно будет внедрять в продакшен своими силами и силами бэкенд-команды. Разработка фреймворка приёмки моделей Вторым фокусом будет участие в построении надёжной и автоматизированной системы оценки качества и приёмки новых версий модели. Нужно будет реализовывать в продакшен-системе и train-цикле моделей метрики из SOTA-статей, разрабатывать собственные метрики для оценки краевых случаев и внедрять краудсорсинг в процессы приёмки для комплексной оценки моделей. Больше об ML в Яндексе — в канале Yandex for ML Требования * Программировали на Python * Работали с данными (сбор из сырых логов, формирование новых датасетов) * Занимались генеративным CV * Обучали нейросети на распределённых кластерах * Участвовали в ML-проектах полного цикла с привязкой к бизнес-потребностям Будет плюсом * Имеете практический опыт обучения диффузионных моделей * Внедряли модели в продакшен через FastAPI + Docker, Triton Inference Server или любой другой фреймворк * Участвовали в соревнованиях по ML или программированию (ACM ICPC, Codeforces, Topcoder, Kaggle и т. д.) * Умеете программировать на C++ * Знаете правила дорожного движения, водили автомобиль или мотоцикл

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

— Исследовать данные, разрабатывать новые информативные признаки и добавлять в командный пайплайн новые источники. — Строить ML модели на основе различных данных: табличные, последовательности событий (кликстрим, транзакции и т.д.).

Location: Москва, удалённая работа или гибрид, RU; Россия О команде Мы ищем технического продакт-менеджера, который будет развивать два платформенных продукта для команд Авито: LLM Gateway — единую точку доступа к внутренним и внешним языковым моделям с удобным подключением, управлением лимитами и прозрачной стоимостью использования; LLM Eval — платформу оценки качества разных LLM-проектов, которая поможет командам сравнивать решения, проверять изменения и находить ухудшения качества до релиза. Вам предстоит вести полный продуктовый цикл: исследовать потребности внутренних пользователей, определять стратегию и приоритеты, запускать решения вместе с техническими командами и оценивать их пользу. Главная задача — сделать работу с LLM в Авито удобной, надёжной и экономически эффективной. Какие задачи вас ждут: исследовать потребности внутренних команд, находить общие проблемы и превращать их в возможности для развития платформ; формировать стратегию, дорожную карту и бэклог двух продуктов, согласовывать приоритеты и зависимости с заинтересованными командами; определять метрики успеха: скорость подключения и запуска первых сценариев, активное использование платформ, стоимость обращений к моделям и охват проектов регулярными проверками качества; отвечать за внедрение продуктов: организовывать пилоты, собирать обратную связь, улучшать документацию и пользовательские сценарии. Примеры будущих задач: в LLM Gateway: развивать самостоятельное подключение команд к моделям: каталог доступных LLM, оформление доступов, управление квотами и лимитами, просмотр потребления; выстроить прозрачную экономику использования внутренних и внешних моделей: оценку стоимости запросов, распределение затрат между командами, бюджетирование и прогнозирование расходов; вместе с закупками, юристами, информационной безопасностью и инженерами организовать выбор и подключение внешних провайдеров с учётом качества, стоимости, надёжности и требований к данным; совместно с DS и инженерными командами развивать подходы к выбору моделей и маршрутизации запросов, находить баланс между качеством ответа, скоростью и стоимостью; в LLM Eval: определить ключевые сценарии и MVP платформы оценки качества для разных LLM-проектов внутри Авито; вместе с DS и продуктовыми командами сформировать требования к тестовым наборам, метрикам и способам оценки: автоматическим проверкам, экспертной разметке и использованию LLM в роли оценщика; создать удобный путь от подключения проекта и запуска оценки до сравнения моделей, промптов и версий решения, анализа ошибок и принятия решения о релизе; обеспечить воспроизводимость результатов и встроить регулярные проверки качества в процесс разработки LLM-продуктов. Мы ждём, что вы: имеете опыт управления техническими или платформенными продуктами и можете рассказать о результатах их запуска и развития; умеете исследовать потребности пользователей, проверять гипотезы и приоритизировать задачи по ожидаемому эффекту; понимаете принципы работы API, интеграций и серверных систем, можете обсуждать технические ограничения и варианты решений с инженерами; разбираетесь в принципах применения LLM и понимаете компромиссы между качеством, задержкой ответа, пропускной способностью и стоимостью; умеете работать с продуктовыми метриками и экономикой: оценивать эффект изменений, стоимость использования и потребность в ресурсах; самостоятельно работаете с неопределённостью и умеете согласовывать интересы нескольких команд. Будет здорово, если вы: развивали ML/LLM-платформы, инструменты для разработчиков или внутренние инфраструктурные продукты; участвовали в построении систем оценки качества ML/LLM-решений и знакомы с особенностями автоматической и экспертной оценки; работали с экономикой облачных сервисов или GPU-инфраструктуры, бюджетированием и внешними технологическими провайдерами; имеете опыт в разработке, аналитике или Data Science и используете его в продуктовой работе. Работа у нас — это: расширенная забота о здоровье: ДМС, страхование жизни, онкострахование; сервис психологической поддержки, а также финансовые, юридические и ЗОЖ‑консультации для вас и ваших близких; корпоративный спорт: групповые тренировки, велбиинг-приложение; спецпредложения от партнёров и скидки на сервисы Авито: бронирование жилья, услуги продвижения, ипотечное страхование; компенсация питания; возможность запускать продукты, которыми пользуются миллионы людей; зрелая продуктовая культура с прозрачными и эффективными процессами; перспективы для роста и понятный карьерный трек; комьюнити экспертов мирового уровня, обучение, поддержка и обмен опытом.

Location: Москва Мы ищем редактора (AI-тренера), который станет наставником для GigaChat. Если ты любишь работать с текстами, видишь красоту в деталях и мечтаешь влиять на технологии будущего — это твой шанс. Обязанности ### Что предстоит делать: * создавать и редактировать тексты на самые разные темы * анализировать ответы GigaChat, находить ошибки и улучшать логику его мышления * разрабатывать сценарии диалогов и тестовые задания * искать оригинальные источники, проверять факты и доводить текст до совершенства * тестировать новые версии модели и давать фидбэк разработчикам. Требования ### Мы ищем тебя, если ты: * получил высшее лингвистическое, журналистское или переводоведческое образование * имеешь опыт работы с текстами - копирайтер, технический писатель или любые подобные должности * обожаешь детали: твоя сверхспособность — находить нюансы даже в идеальных предложениях * легко ориентируешься в больших объёмах информации и быстро погружаешься в новые темы. ### Будет круто, если у тебя есть: * опыт работы с LLM (ChatGPT, GigaChat, DeepSeek и пр.) * навыки написания промтов * понимание технической терминологии (JSON, Markdown). Условия ### Что мы предлагаем: * работа в удалённом формате из городов без районного коэффициента * ежегодный пересмотр зарплаты и годовая премия * 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-партнероввознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва; Санкт-Петербург Workplace: Офис, Гибридный В Yandex Crowd мы создаём генеративного агента поддержки для продуктов Яндекса и ищем ML-тимлида, который возглавит эту работу. Откликайтесь, если руководили ML-командой от пяти человек и помогали сотрудникам развиваться и умеете строить RAG-пайплайны и агентов. В Yandex Crowd мы создаём генеративного агента поддержки для продуктов Яндекса и ищем ML-тимлида, который возглавит эту работу. Вы будете отвечать за техническое направление — от выбора архитектуры и исследований до запуска в продакшен. Предстоит выстроить систему улучшения агента на основе реальных диалогов и опыта операторов, сохраняя баланс качества, надёжности, скорости ответа и стоимости. Агент поддержки должен разбираться в обращении не хуже оператора, учитывать историю диалога, находить знания и использовать инструменты сервисов, чтобы помогать пользователю решить проблему. Yandex Crowd — крупный инфраструктурный сервис Яндекса. Мы используем краудсорсинг, чтобы расширять бизнес-процессы: разметку данных, модерацию контента, полевые исследования, тестирование. Также разрабатываем для наших продуктов внутренние функции: клиентский сервис, телемаркетинг, локализацию и документирование. Обязанности Развитие архитектуры агента Вы будете определять, как агент управляет контекстом, ищет информацию, вызывает инструменты и решает многошаговые задачи. Нужно будет внедрять лучшие подходы по работе с поиском по базе знаний, определению проблемы пользователя, long-term и short-term memory, обеспечивать высокое качество агента при минимальной скорости и стоимости. Построение оценки качества Вам предстоит собирать бенчмарки, настраивать среду для симуляции и регрессионные проверки, оценивать результат работы агента по обращению, корректность действий и своевременность передачи диалога человеку. Также нужно будет сочетать программные проверки, LLM-судей и экспертную оценку, настраивать критерии проверок, мониторить качество в пилотах и на проде. Автоматизация улучшения агента Вы будете превращать отобранные диалоги и исправления операторов в данные для обучения, новые критерии проверок и обновления базы знаний. Кроме того, предстоит настроить feedback loop для регулярного автоматического улучшения харнесса агента. Развитие автоматизированных исследований Нужно будет создавать исследовательских агентов, которые анализируют ошибки, предлагают гипотезы и запускают воспроизводимые эксперименты с промптами, поиском, контекстом и моделями, а также доводить лучшие решения до продакшена и контролировать качество после запуска. Руководство ML-командой Вам предстоит планировать работу, нанимать и развивать сотрудников, помогать решать сложные технические задачи и поддерживать обмен знаниями. Вместе с продуктовой командой вы будете определять приоритеты и участвовать в формировании AI-стратегии Crowd. Больше об ML в Яндексе — в канале Yandex for ML Требования * Руководили ML-командой от пяти человек и помогали сотрудникам развиваться * Запускали ML-модели в продакшен и поддерживали их стабильную работу * Строили RAG-пайплайны и агентов, глубоко разбираетесь в современном NLP и DL * Уверенно владеете Python, разбираетесь в MLOps и умеете выстраивать CI/CD для ML * Проектируете решения целиком, умеете декомпозировать задачи и отвечать за сроки и качество * Готовы погружаться в продуктовые задачи, делиться знаниями и развивать инженерную культуру Будет плюсом * Внедряли Spec-Driven Development в команде, имеете опыт AI-first-разработки * Обладаете опытом LLMOps, настройки внутреннего инференса для LLM/VLM

Location: Москва Мы команда исследователей и инженеров, разрабатывающих технологии post-training (SFT, RL) и контролируемой генерации для моделей генерации изображений, видео и омни-модальных. Мы сфокусированы на повышение качества, управляемости и устойчивости генеративных моделей с помощью методов RLHF / RLAIF и инструктивного редактирования. Помимо фундаментальных исследований, мы создаём прикладные решения для B2B-партнёров от системы генерации интерьера до системы генерации персонализированных аватаров. Обязанности * проектирование и обучение высокопроизводительных диффузионных моделей (R2V, R2I, R2V+A) для редактирования и генерации видео / изображений * разработка новых подходов и архитектурных решений для post-training фазы диффузионных моделей: RLHF (PPO, DPO и др.), RLAIF, SFT * разработка, масштабирование и поддержание RL пайплайнов * руководство экспериментами: постановка гипотез, разработка протоколов, анализ результатов * проведение code review, менторинг младших исследователей и инженеров, участие в планировании исследовательской дорожной карты * взаимодействие с командами Pretraining, Data, Infrastructure, Production для масштаб пайплайнов и повышения стабильности моделей в продакшене * поддержание и внедрение SOTA-подходов: мониторинг литературы (arxiv, NeurIPS, ICML, CVPR, ICLR), инициирование внутренних исследований. Требования * бакалавриат/магистратура по направлению компьютерных наук/прикладной математике/ машинному обучению или близких к ним * 3+ лет релевантного опыта исследований и разработки в области глубокого обучения/компьютерного зрения/генеративного ИИ * глубокие знания в Computer Vision и Generative Modeling: Diffusion Models, GANs, VAEs, Flow/Rectified Flow Matching * опыт работы с современными диффузионными фреймворками (Diffusers) и моделями FLUX, Wan 2.X и др.) * уверенное владение PyTorch и навыки распределённого обучения (DDP/FSDP) * понимание и практическое применение RL и RLHF ( PPO/DPO и др.) * умение проектировать архитектуры, планировать эксперименты и интерпретировать результаты. Будет плюсом: * наличие PhD * опыт публикаций или активное участие в исследованиях уровня NeurIPS / ICLR/ CVPR. Условия * конкурентный уровень заработной платы, годовые премии по результатам работы * участие в развитии и создании OpenSource продуктов * корпоративная пенсионная программа, страхование от несчастных случаев, социальные гарантии, ДМС * комфортный офис Sbergile Home (метро Кутузовская).

Workplace: remote Обязанности Участвовать в разработке моделей для продуктивной среды; Строить модели машинного обучения, улучшать качество; Писать код, проводить code-review; Выбор оптимальной механики воздействия на пользователей: какую категорию или товар предложить, что попросить сделать и какую награду за это предложить? А стоит ли присылать пользователю коммуникацию или вероятность отклика мала даже при релевантном предложении? Uplift-моделирование; Разработка собственного ML-фреймворка, для решения бизнес-задач, на его основе-выкатка моделей в 'прод' и дальнейшие итеративное развитие; Предлагать способы оптимизации и совершенствования существующих инструментов. Условия работы Официальное оформление с белой ЗП, ежеквартальные премии по результатам работы; Удобный офис м. «Добрынинская» БЦ «Оазис»; Гибкий график работы (с 8/9/10 утра) / График работы: 5/2, с 9:00 до 18:15 (в пятницу — до 17:00); Возможность работать удалённо или в гибридном формате. Профессиональные навыки Знание Python; Опыт работы в рекомендательных системах/поиске; Опыт работы в роли mle/ds от 5ти лет; Знание теоретических и практических продвинутых методов машинного обучения; Знание SQL, знакомство с hadoop-стэком; Опыт работы с docker, kubernetes, pyspark, kafka, postgres, airflow; Наличие опыта вывода разработанных решений в прод.

Workplace: Москва и Краснодар (гибрид/офис), другие города - удаленно О продукте Проект VisionWay КСО: система распознавания весовых товаров на кассах самообслуживания Задачи Готовить инструкции по разметке данных. Обучать и дообучать модели CV. Развертывать в продакшн модели CV. Писать пайплайн инференса моделей CV. Оценивать метрики моделей CV. Участвовать в процессе создания автоматических систем дообучения моделей CV. Требования Иметь опыт не менее двух лет в области CV. Работать над задачами image classification. Разрабатывать решения для semantic segmentation. Разрабатывать решения для object detection. Применять методы metric learning. Условия Оформление в аккредитованную ИТ-компанию Конкурентоспособную заработную плату (обсуждается индивидуально) ДМС со стоматологией и льготными условиями для членов семьи Технику для работы График работы 5/2 с гибким началом Работу в максимально уютном офисе в Москве на ст. м. Савёловская, в Краснодаре или удаленно из других городов РФ, так же есть ИТ офисы в Санкт-Петербурге (ст. м. Балтийская) и Иннополисе Возможность проведения и участия в митапах, хакатонах, где есть возможность познакомиться с работой других подразделений Возможность реализовать свой опыт и потенциал в интересных и многоплановых проектах, получить новый интересный опыт в решении сложных задач Наличие корпоративных скидок и программ лояльности Наличие корпоративной библиотеки курсов Формат работы Москва и Краснодар (гибрид/офис), другие города - удаленно

Workplace: Москва и Краснодар (гибрид/офис), другие города - удаленно Мы развиваем ML-платформу прогнозирования спроса для федеральной розничной сети. Работаем с большими объемами данных: отдельные расчеты обрабатывают терабайты, а общий объем данных платформы измеряется петабайтами. Расчетный контур построен на Apache Spark и Kubernetes, оркестрация на Apache Airflow, данные храним в S3 и Delta Lake. Для разработки и автоматизации используем Python и GitLab CI/CD. Ищем инженера, которому интересно развивать ML-платформу, автоматизировать процессы и решать задачи на стыке разработки и инфраструктуры. У нас можно влиять на технические решения, повышать надежность платформы и развивать внутренние инструменты. Задачи развивать и автоматизировать процессы запуска и эксплуатации приложений в Kubernetes диагностировать сбои, разбираться в проблемах с ресурсами, конфигурациями и производительностью приложений развивать CI/CD, автоматизировать развертывание и поставку изменений между DEV, UAT и PROD разрабатывать и развивать внутренние инструменты ML-платформы на Python улучшать мониторинг, логирование и диагностику, повышать стабильность и надежность расчетного контура участвовать в развитии расчетных пайплайнов на Spark и Airflow, интеграции новых ML-алгоритмов и изменений от Data Science в production Требования уверенное знание Python и опыт промышленной разработки практический опыт работы с Kubernetes и Docker, включая развертывание и диагностику приложений уверенное владение Linux, понимание сетевого взаимодействия и управления ресурсами опыт работы с CI/CD и автоматизации сборки и развертывания приложений понимание принципов работы распределенных систем опыт диагностики и устранения проблем в production-системах Будет плюсом опыт работы с Apache Spark / PySpark, особенно в Kubernetes опыт работы с Apache Airflow или другими системами оркестрации опыт работы с Helm, Terraform, Argo CD или аналогичными инструментами опыт работы с S3, Delta Lake и SQL опыт работы с Grafana, Prometheus, Loki и другими инструментами мониторинга и логирования опыт разработки и эксплуатации промышленных ML-систем Условия Оформление в аккредитованную ИТ-компанию Конкурентоспособную заработную плату (обсуждается индивидуально) ДМС со стоматологией и льготными условиями для членов семьи Технику для работы График работы 5/2 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 Возможность реализовать свой опыт и потенциал в интересных и многоплановых проектах Развитие – мы оплачиваем обучение на курсах и участие в конференциях Возможность проведения и участия в митапах, хакатонах, где есть возможность познакомиться с работой других подразделений Наличие корпоративных скидок PRIMEZONE и программ лояльности от компании Наличие корпоративной библиотеки курсов Возможность рекомендовать компанию своим друзьям, участвуя в реферальной программе Формат работы Москва и Краснодар (гибрид/офис), другие города - удаленно

Workplace: Удаленно Объединённая компания Wildberries и Russ — это международная технологическая компания, образованная в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ. Обязанности Строить и автоматизировать пайплайны обучения в ClearML, от экспериментов DS до воспроизводимого артефакта в model registry; Автоматизировать деплой моделей в Triton, включая конвертацию в ONNX и TensorRT, конфигурацию, выкатку без участия инженера, канареечные релизы и откаты; Развивать Python-сервисы вокруг Triton, единый inference gateway, gRPC, батчинг и очереди; Ускорять инференс через профилирование, dynamic batching, ensemble и BLS, TensorRT-оптимизации; Держать SLA инференс-контура – метрики, алертинг, разбор инцидентов, дежурства в ротации; Поддерживать JupyterHub, ClearML-агенты и шаблоны проектов для DS-команд; Вместе с инфраструктурным инженером проектировать размещение моделей на GPU-кластере; Общаться с DS-командами, понимать их потребности и переводить в технические решения; Закладывать стандарты и шаблоны, чтобы раскатать контур на весь отдел Trust & Safety. Требования Уверенный Python, опыт асинхронных сервисов (FastAPI, asyncio), gRPC и работы с очередями (Kafka); Опыт с Nvidia Triton Inference Server или другим model serving (TorchServe, vLLM, KServe) с готовностью глубоко освоить Triton; Опыт работы с ClearML, Kubeflow, MLflow или аналогичной MLOps-платформой на уровне пайплайнов, трекинга экспериментов и model registry; Инженерное понимание ML-стека – PyTorch, ONNX, конвертация и упаковка моделей, GPU-инференс; Kubernetes на уровне разработчика сервисов, включая деплой, Helm-чарты, ресурсы, HPA и отладку подов; Опыт с GitLab CI, инфраструктурой как код, мониторингом и логами; Умение взаимодействовать с DS-командами и доводить решения до прода, а не до прототипа. Условия Обучение и развитие: языковые клубы, собственный корпоративный университет, программы развития управленческих навыков и многое другое; Благополучие сотрудников: корпоративный пакет ДМС со стоматологией, корпоративный спорт, консультации психолога и дополнительные возможности аккредитованной IT-компании; Множество сообществ: клуб спикеров, футбола, йоги, шахмат и т.д.; Забота о семьях: создаем условия, в которых легко сочетать карьеру и заботу о близких – от гибкого подхода до масштабных проектов для детей сотрудников; Скидки и партнерские программы: на обучение, страхование, покупки и многое другое; Комфортная рабочая среда: бесплатное питание в офисе, современные офисы рядом с метро, корпоративная техника и портал для сотрудников.

Workplace: Удаленно Объединённая компания Wildberries и Russ — это международная технологическая компания, образованная в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ. Обязанности Отвечать за GPU-кластер целиком: драйверы, GPU Operator, DCGM-мониторинг, утилизация, планирование ёмкости; Выстроить стратегию разделения GPU между командами в гетерогенной среде, квоты и приоритеты; Поднять единый Kubeflow и ClearML как стандарт для DS-команд отдела; Оптимизировать inference-инфраструктуру - автоскейлинг GPU-нод, bin-packing, утилизация; Строить инфраструктуру Embedding Store (pgvector, FAISS, qdrant); Общаться с DS-командами, понимать их потребности и переводить в инфраструктурные решения; Раскатать платформу на остальные команды Trust & Safety с полноценной мультитенантностью. Требования Глубокое понимание Kubernetes: операторы, scheduling, resource management, GPU в K8s (device plugin, GPU Operator); Практический опыт с NVIDIA GPU: драйверы и CUDA-стек, DCGM, MIG или time-slicing; Опыт развёртывания и поддержки MLOps-платформ для DS-команд (ClearML, MLflow, Kubeflow, Airflow или аналоги); Linux и bare-metal, IaC (Ansible или Terraform), Helm; Опыт разработки на Python или Go: операторы, экспортеры, внутренний тулинг; Умение взаимодействовать с DS-командами и переводить потребности в технические решения; Проактивность и желание строить платформу, а не просто поддерживать сервисы. Условия Обучение и развитие: языковые клубы, собственный корпоративный университет, программы развития управленческих навыков и многое другое; Благополучие сотрудников: корпоративный пакет ДМС со стоматологией, корпоративный спорт, консультации психолога и дополнительные возможности аккредитованной IT-компании; Множество сообществ: клуб спикеров, футбола, йоги, шахмат и т.д.; Забота о семьях: создаем условия, в которых легко сочетать карьеру и заботу о близких – от гибкого подхода до масштабных проектов для детей сотрудников; Скидки и партнерские программы: на обучение, страхование, покупки и многое другое; Комфортная рабочая среда: бесплатное питание в офисе, современные офисы рядом с метро, корпоративная техника и портал для сотрудников.

Location: Стерлитамак Наша команда разметки данных помогает обучать искусственный интеллект. Для обучения нейросетей нужны огромные массивы данных. Эти массивы необходимо классифицировать, выделять важное, оценивать и др. Наша команда планирует расширение и ищет специалистов, с хорошим знанием русского языка, которые будут заниматься подготовкой данных для GigaChat и Kandinsky. Обязанности ### **Что нужно делать:** * оценивать запросы пользователей и ответы модели с точки зрения безопасности * проверять ответы модели на стилистические и грамматические ошибки * проводить классификацию текстовых файлов в соответствии с установленными правилами * проверять достоверность всех фактов в ответах модели * выбирать наилучший ответ модели среди множества других. Требования ### **Мы ждём, что ты:** * с опытом работы в смежном сегменте не менее 1 года (копирайтинг, редактор, корректор, лингвист, филолог) * специалист с высшим образованием * внимателен, усидчив, не боишься рутины и готов к анализу большого объёма данных * эрудирован — способен разобраться в запросах абсолютно любой тематики: от поэзии до политики * готов использовать ИИ в ежедневной работе (обучение за счёт компании — есть свои курсы). ### Во время выполнения тестовых заданий у тебя будет возможность примерить на себя роль специалиста по разметке и понять, насколько она будет тебе интересна. Условия ### **С нами круто, потому что:** * удалённый формат работы (**обязательно проживание в г. Стерлитамак**) * полная занятость, график 5/2 с 09:00-18:00, пт до 16:45 * оклад плюс система премий по результатам работы * оформление согласно трудовому кодексу РФ * ДМС и материальная поддержка * корпоративное обучение * карьерный рост * яркая и насыщенная корпоративная жизнь (праздники, соревнования, спортивные мероприятия) * подписка Прайм с возможностью совместного использования на трёх близких * скидки на продукты Сбербанка и экосистемы * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * вознаграждение за рекомендацию друзей в команду Сбера.

Location: São Paulo, Brazil; Buenos Aires, Argentina; Bogotá, Colombia; Lima, Peru New opportunities in Latin America! 🟢 Dev.Pro is a US-based software development company helping tech companies build their products and grow their business. We’re remote-first, and we work with independent contractors in over 55 countries, so you’d be collaborating in a multicultural environment on some really interesting projects. We invite a skilled AI Engineer to join our team in building GPU-accelerated video analytics for real-time safety monitoring across large fleets and industrial environments. In this role, you’ll help design and optimize pipelines that detect and track actionable safety events in high-volume video streams. You’ll work on real-world systems that make an impact, collaborating with engineering and product teams to deliver reliable, high-performance solutions. 🟩 What's in it for you: Collaborate with top engineers on an innovative, technically challenging computer vision project Build impactful systems that enhance safety across large fleets and industrial operations Gain hands-on experience with GPU-accelerated video analytics, temporal tracking, and real-time safety monitoring ✅ Is that you? 7+ years of software engineering experience with strong backend skills 3+ years of experience shipping computer vision solutions to production Strong Python proficiency Experience with OpenCV, PyTorch, async I/O frameworks, and API integrations Hands-on experience with YOLO/Ultralytics or similar object detection frameworks Experience detecting, labeling, and tracking objects in video Solid knowledge of frame sampling, confidence thresholds, temporal filtering, and multi-camera aggregation Experience with GPU inference optimization (batching, stride, TensorRT, CUDA, quantization, throughput tuning) Ability to communicate and collaborate effectively with engineering and product teams Upper-Intermediate+ English level Desirable: Experience with Azure Event Hub, Blob Storage, Application Insights, or similar Familiarity with Docker, cloud deployments, and production monitoring systems Experience in temporal/sequence analysis for event detection Experience with video analytics in safety, compliance, or industrial/transportation environments 🧩 Key responsibilities and your contribution In this role, you’ll develop and maintain robust backend solutions that process video data and deliver actionable insights using pre-trained computer vision models. Develop and optimize GPU-accelerated video inference pipelines for real-time processing Implement, evaluate, and improve object detection models (YOLO or similar) Build temporal smoothing and tracking logic for safety event detection Optimize model performance using TensorRT, ONNX, CUDA, and GPU profiling tools Build and maintain integrations with event-driven APIs, Azure Event Hub, Blob Storage, and internal services Add metrics, logging, telemetry, and fail-safe mechanisms for resilient inference jobs Contribute to dataset curation, labeling, and model evaluation; fine-tuning/training as needed Support containerized deployments (Docker) and assist with monitoring and scaling production workload Our next steps: ✅ Submit a CV in English — ✅ Intro call with a Recruiter — ✅ Interview — ✅ Signing the Contract Interested? Find out more: 📋 How to Join Us 💻 LinkedIn Page 📈 Our website 💻 IG Page By submitting application, I've read and agree to the Dev.Pro Private Policy and Consent on Processing of Personal Data . I agree to have my Personal Data being stored and processed by Dev.Pro.

Location: San Francisco Workplace: Hybrid WHY HARVEY At Harvey, we’re transforming how legal and professional services operate. By combining frontier agentic AI, an enterprise-grade platform, and deep domain expertise, we’re reshaping how critical knowledge work gets done for decades to come. This is a rare chance to help build a generational company at a true inflection point. We have strong product-market fit and world-class investor support. We’re scaling fast and defining a new category in real time. The work is ambitious, the bar is high, and the opportunity for growth — personal, professional, and financial — is unmatched. Our team moves fast, takes ownership, and is deeply committed to the mission — operating with intensity, staying close to our customers, and pushing each other for excellence. We live by three values: Decisiveness, Simplicity, and Job's Not Finished. We act quickly on clear judgment over perfect information, we believe simplicity is what scales, and we're never satisfied with where we are. If you want to do the best work of your career alongside people who share that drive, we'd love to build with you. At Harvey, the future of professional services is being written today — and we’re just getting started. ROLE OVERVIEW In this role, you'll build the systems that power how we adapt and improve leading open-weight models for legal work. We recently post-trained our first model built for legal work, and we’re now building the team to scale up our post-training efforts. You’ll own the infrastructure behind that effort: distributed training, RL rollout systems, the environments where models learn to use tools and complete complex legal workflows, and the internal systems the team uses to manage data, run evals, and launch and track training jobs. You’ll help decide what we build, what we adopt, and how the pieces fit together. You’ll join a small, high-bar team of hands-on engineers and researchers, where each person owns a large part of the stack. We’re looking for research engineers who have built demanding ML or distributed systems, can debug across the stack, and want to work closely with researchers to make training faster, more reliable, and easier to iterate on. Learn more about our work at harvey.ai/research http://harvey.ai/research. WHAT YOU'LL DO - Scale our post-training stack, supporting SFT and RL on leading open-weight models. - Build distributed rollout infrastructure that coordinates model inference, tool execution, and collection of training experience for long-horizon tasks. - Build the infrastructure for reproducible agent environments where models can interact with documents, tools, and external systems during training and evaluation. - Own the performance and reliability of training runs, including GPU utilization, checkpointing, failure recovery, and observability. - Identify and remove bottlenecks across training and inference to shorten the path from research idea to useful result. - Build the internal tools and services the team runs on: training data management and versioning, running evals and browsing results, and launching and tracking training jobs and experiments. - Integrate models into production, including serving, latency, cost, and online evaluation, so research reaches customers quickly and safely. - Partner closely with researchers to turn experimental workflows into dependable systems while keeping room for rapid experimentation. WHAT YOU HAVE - Experience building ML infrastructure, distributed systems, or research tooling, with ownership of performance, reliability, and operation. - Strong Python and generalist software engineering skills across backend services, data systems, and internal tools, with familiarity with PyTorch, JAX, or similar ML frameworks. - Experience with distributed training or inference, including diagnosing performance bottlenecks and failures across the stack. - Understanding of post-training workflows; experience with RL rollouts, agent environments, or sandboxed tool execution is a plus. - Practical judgment about what to build versus adopt, and the ability to partner with researchers and ship quickly as needs evolve. We are hiring for this role across multiple levels. COMPENSATION $230,000 - $450,000 USD DEPENDING ON YOUR LOCATION, AN APPLICANT PRIVACY NOTICE MAY APPLY TO YOU. YOU CAN FIND ALL OF OUR APPLICANT PRIVACY NOTICES HERE https://harveyai.notion.site/Harvey-Candidate-Privacy-Notices-319ac3fcdd7a803bb807d5094f249922?pvs=74. #LI-DZ1 Harvey is an equal opportunity employer and does not discriminate on the basis of race, gender, sexual orientation, gender identity/expression, national origin, disability, age, genetic information, veteran status, marital status, pregnancy or related condition, or any other basis protected by law. We are committed to providing reasonable accommodations to applicants with disabilities, and requests can be made by emailing accommodations@harvey.ai