Вакансии

Location: Москва Мы - команда разработки кредитных агентов на базе большой языковой модели. В команде открыта роль аналитика больших данных. У роли есть два основных фокуса: ·      бизнес-анализ — глубокое понимание кредитных процессов, чтобы точно знать, какие диалоги нужны системе для обучения ·      конструирование обучающих диалогов — превращение разрозненной текстовой информации в релевантный, сбалансированный датасет. Обязанности ### Бизнес-анализ ·      погружение в домен: изучение кредитных процессов, регламентов, продуктовой документации; интервью с экспертами по кредитованию ·      карта сценариев: построение intent-map и user journeys — какие задачи пользователь решает с ассистентом, где чаще ошибается ·      приоритизация: определение ценных/частотных/рискованных сценариев; фокус датасета на них ·      выявление пробелов: анализ логов диалогов и тикетов поддержки — где ассистент проваливается, что не покрыто; постановка задач на дозаготовку сэмплов ·      связь «бизнес → данные → метрика»: перевод требований бизнеса в измеримые требования к датасету; защита покрытия сценариев ·      артефакты: требования, схемы процессов, каталог намерений (Jira, Confluence). ### Дата-анализ: подготовка диалогов ·      сбор и синтез: извлечение диалогов из документации, БЗ, FAQ, тикетов, логов реальных обращений, переписок поддержки ·      проектирование сценариев: явные и размытые запросы, оговорки, смена намерения, цепочки вызовов инструментов, ошибки и отказы (negative/refusal cases) ·     синтетическая генерация: prompt-шаблоны для LLM-генерации диалогов; контроль качества (дедупликация, разнообразие, отсутствие PII) ·      методология: гайды по разметке, критерии приёмки; обучение группы разметчиков (при наличии) ·      оценка влияния: bad-case-анализ, итеративное улучшение датасета под ошибки системы. Требования ·      бизнес-анализ от 2 лет: интервью, моделирование процессов (BPMN/UML), написание требований ·      LLM/ML Data от 1 года: разметка, синтез датасетов (SFT, RLHF/DPO) ·      понимание tool calling / function calling и агентных сценариев ·      рython для работы с датасетами: JSONL/parquet, pandas, регулярки, скрипты генерации/валидации ·      умение переводить между «языком бизнеса» и «языком данных». Будет плюсом ------------ ·      анализ диалоговых логов / conversational analytics ·      опыт в чат-ботах, голосовых и корпоративных ассистентах ·      SQL, витрины, продуктовые метрики ·      RAG, LLM-as-a-judge, pairwise-оценки. Условия ·      комфортный современный офис рядом с м. Кутузовская ·      ежегодный пересмотр зарплаты, годовая премия ·      корпоративный спортзал и зоны отдыха ·      уникальная система обучения Сбера для профессионального и карьерного развития ·      расширенный ДМС и льготное страхование для семьи ·      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.

Ornn is looking for a GTM professional to source and close compute marketplace partnerships and guide product decisions.

— развивать систему продуктовых и бизнес-метрик: определять логику расчета, следить за качеством данных и помогать командам правильно использовать метрики; — разбираться в задачах, где на старте еще нет четко сформулированного аналитического запроса: уточнять проблему, выбирать методологию и строить план исследования;

Управление командой проекта в рамках исследований и разработки сервисов на базе LLM и иных ML-технологий; Управление внедрением сервисов в продукты компании и рабочие процессы подразделений;

— Разрабатывать и развивать ассортимент категории «Еда»: сэндвичи, выпечка, десерты, завтраки, снеки и другие направления. — Формировать продуктовые концепции и разрабатывать новые рецептуры.

Вы будете вести проекты по выводу на рынок новых продуктов - от поиска возможностей на рынке до реализации продуктов, включая GTM кампании. Опыт управления NPD-проектами или запуска новых продуктов от идеи до вывода на рынок.

Location: Москва GigaCode - AI-продукт для разработчиков. Мы создаём AI-агентов, которые помогают писать, анализировать, тестировать и сопровождать код. Мы ищем системного аналитика, который поможет проектировать AI-системы нового поколения для разработки ПО. Обязанности ### Задачи: * проектирование архитектуры AI-ассистента для разработчиков и workflow AI-агентов * описание бизнес- и системных требований для AI-функций * проектирование архитектуры взаимодействия компонентов (CLI, Desktop, backend, AI-модели) * описание API, протоколов и контрактов взаимодействия сервисов * анализ developer workflows (IDE, CLI, code review, CI/CD) и формирование технических спецификаций * ведение, актуализация и структурирование технической документации и базы знаний продукта * проектирование процессов создания и версионирования документации * тесное взаимодействие с инженерами, ML-командой и продуктовой командой. Требования ### Мы ищем того, кто: * имеет опыт системного анализа сложных технических продуктов * умеет проектировать архитектуру систем * может формализовывать сложные технические требования * понимает архитектуру backend-систем и API * имеет опыт работы с техническими продуктами или developer tools * умеет работать в тесной связке с инженерами * имеет опыт создания и структурирования технической документации для сложных продуктов. **Будет плюсом:** * опыт работы с AI-продуктами * понимание разработки ПО и developer workflows * опыт проектирования agent-based систем * понимание структуры кодовых баз и инструментов разработки * опыт проектирования документационных систем (Docs-as-Code, Docusaurus, MkDocs и аналоги) * опыт написания документации для developer tools / API * практический опыт внедрения документационных практик в команде. Условия ### Мы предлагаем: * годовой бонус и ежегодный пересмотр зарплаты * расширенный ДМС с первого дня, страхование жизни, корпоративная пенсионная программа * льготная ипотека для сотрудников, подписка Прайм с возможностью шеринга (совместного использования) на трёх близких, скидки от партнеров и сервисов группы компаний * корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях * офис с видом на набережную, зонами отдыха и спортзалом * 90 дней удаленной работы из любого региона РФ * реферальная программа (бонус до 100 000 рублей).

- Развивать механики, мета-системы и ивенты в играх жанров Word, Block и Sort Puzzle; изучать рынок и находить возможности для роста продуктов.

The AI Security Sales Executive is a quota-carrying sales role dedicated to Abnormal's AI Security suite: five products built to help customers govern AI, secure AI, and defend against rogue AI. Own AI Security in your region.

Location: Москва Workplace: гибкий VK Tech — ведущий российский разработчик корпоративного ПО. Задачи Руководить командой ивент-маркетинга в рамках закреплённых проектов: распределять задачи, планировать ресурсы и контролировать результат Планировать и реализовывать мероприятия VK Tech в соответствии с маркетинговыми и бизнес-задачами продуктовых направлений Разрабатывать концепции, форматы и программы мероприятий с учётом целевой аудитории Организовывать собственные события компании и участие VK Tech во внешних конференциях, выставках и форумах Управлять подготовкой мероприятий: контролировать сметы, сроки, работу подрядчиков, застройку, техническое обеспечение и логистику Координировать работу внутренних команд, спикеров и партнёров на всех этапах проекта Совместно с маркетингом и продажами определять цели мероприятий, организовывать сбор и передачу контактов заинтересованных участников Анализировать результаты, готовить отчётность по бюджетам и целевым показателям, внедрять улучшения в работу команды Требования Опыт в событийном маркетинге от четырёх лет, желательно в B2B или IT Опыт управления командой или проектной группой: постановка задач, распределение нагрузки, контроль сроков и качества Успешный опыт организации мероприятий под ключ: конференций, клиентских и партнёрских встреч, участия в отраслевых выставках и форумах Понимание задач B2B-маркетинга и роли мероприятий в привлечении клиентов, развитии отношений с заказчиками и поддержке продаж Навыки подготовки и защиты смет, управления бюджетами, выбора подрядчиков и проведения переговоров Умение вести несколько проектов одновременно, расставлять приоритеты и управлять рисками Опыт взаимодействия с продуктовыми командами, продажами, PR, дизайном и внешними партнёрами Умение оценивать результаты мероприятий и предлагать улучшения на основе данных и обратной связи

Location: Москва Workplace: Офисный VK Tech — ведущий российский разработчик корпоративного ПО. Задачи Организовывать собственные мероприятия VK Tech и участие компании во внешних отраслевых событиях Разрабатывать концепции, программы и сценарии мероприятий с учётом целевой аудитории и бизнес-задач Готовить сметы и проектные планы, контролировать бюджет, сроки и готовность всех участников Подбирать площадки и подрядчиков, составлять технические задания, сопровождать договоры и закрывающие документы Координировать работу со спикерами, партнёрами и внутренними командами: маркетингом, продажами, PR и продуктовыми направлениями Организовывать регистрацию, коммуникации с участниками, техническое сопровождение и работу команды на площадке Собирать обратную связь и готовить отчёты по результатам: посещаемости, вовлечённости, удовлетворённости участников и выполнению целей мероприятия Требования Опыт организации деловых или технологических мероприятий от трёх лет. Опыт в B2B или IT будет преимуществом Умение вести мероприятие под ключ: от идеи и сметы до реализации и оценки результатов Опыт работы с разными форматами: конференциями, форумами, вебинарами, клиентскими встречами и партнёрскими мероприятиями Навыки составления бюджета, выбора подрядчиков, проведения переговоров и контроля качества работ Умение работать с несколькими проектами одновременно, соблюдать сроки и оперативно решать возникающие проблемы Грамотная устная и письменная речь, внимание к деталям и умение договариваться с коллегами, партнёрами и подрядчиками

Location: Москва; Санкт-Петербург Workplace: Гибридный В течение 2–3 месяцев вы сможете поработать в трёх командах Яндекса и выбрать ту, в которой захотите остаться. Ждём опытных разработчиков на Java, Python, Go или C++. От небольшого стартапа до известного сервиса: посмотрите, как работают в разных командах Яндекса. Мы запускаем MultiTrack — новый формат найма для опытных бэкендеров. Программа длится 2–3 месяца: за это время мы предлагаем поработать в трёх командах Яндекса, познакомиться с нашими разработчиками и технологиями. Вот как это выглядит: * Вы проходите собеседования, заключаете трудовой договор. * Среди всех открытых вакансий выбираете 3 самых интересных вам команды. * В первой команде мы предлагаем поработать 4 недели, в остальных — по 3 недели. * По итогам работы вы сможете обменяться с командами фидбэком и решите, где хотите остаться. Поможем найти своё MultiTrack позволит погрузиться в несколько непохожих проектов, увидеть их изнутри и только после этого решить, какой из них подходит именно вам. Творческая свобода? Чёткая иерархия, порядок и регламенты? Только опытным путём можно узнать, какая рабочая атмосфера поможет вашему таланту раскрыться. Познакомим с сотрудниками Во время MultiTrack вы сможете познакомиться с разными сотрудниками Яндекса: от коллег и смежников до технических руководителей, найти единомышленников и влиться в команду, которая подходит вам по духу. Покажем наши технологии Наши команды используют самые разные технологии: от передовых нейросетевых трансформеров до старого доброго C++. Вы сможете попробовать свои силы в разных направлениях и разрабатывать то, к чему лежит сердце. Вот что говорят о MultiTrack сами разработчики: * «Это отличный способ поиска подходящей команды, потому что за час финального интервью невозможно понять особенности команды и проекта, а за 2 недели можно. Лучше узнал, как устроен Яндекс» * «Очень понравилась сама идея, встречи с техлидами команд, заинтересованность в тебе как в кандидате, хорошая информативность» * «Понравилось работать в нескольких командах, прежде чем выбрать постоянное место. Это помогло актуализировать мои ожидания и сматчить их с реальностью» * «Считаю, что такую программу надо предлагать всем и сразу. Знаю, не всем предлагают такую возможность. Мне повезло )) Возможность сравнить практики и подходы работы — это супер» * «Была возможность попробовать поработать в разных команд (все по разному работают) Выбрать команду по душе — это круто!» Подробнее о Multitrack Требования * Уверенно владеете Java, Python, Go или C++ * Разрабатывали коммерческие приложения не менее 7 лет * Поддерживали программное обеспечение от написания до выкладки в продакшен * Качественно тестируете свой код и свободно работаете с чужим * Умеете мониторить работу готового ПО и оперативно реагировать на проблемы * Занимались многопоточным программированием * Разбираетесь в классических алгоритмах и структурах данных * Обладаете широким техническим кругозором Будет плюсом * Проектировали архитектуру и разрабатывали продуктовые фичи * Занимались разработкой для Unix/Linux и сетевым программированием * Понимаете основы TCP/IP и HTTP * Понимаете принципы работы СУБД

Location: Москва GigaCode -  AI-продукт для разработчиков. Мы создаём AI-агентов, которые помогают писать, анализировать, тестировать и сопровождать код. Ищем технически сильного Backend Team Lead (Java), который возглавит команду backend-разработки GigaCode. Обязанности ### Задачи: * управлять командой backend-разработчиков: планирование, развитие, найм. * проектировать архитектуру и развивать backend GigaCode * разрабатывать новые продуктовые возможности и API для CLI, Desktop и IDE-плагинов * развивать интеграции с LLM, агентные сценарии и взаимодействие клиентских приложений сbackend * обеспечивать производительность, отказоустойчивость и масштабируемость продукта * принимать технические решения, участвовать в разработке и code review. Требования ### Мы ожидаем: * опыт backend-разработки от 5 лет, управление командой — от 2 лет * глубокая экспертиза в Java, Spring Boot * опыт проектирования распределённых и высоконагруженных систем * знание PostgreSQL, Redis, Kafka, Docker, Kubernetes * понимание микросервисной архитектуры, observability и CI/CD * умение самостоятельно принимать технические решения и доводить их до production. **Будет плюсом:** * опыт разработки на Rust и JavaScript / TypeScrip * опыт разработки AI-продуктов, LLM-интеграций и агентных систем * Знакомство с MCP, OpenTelemetry и архитектурой AI coding assistants. Условия ### Мы предлагаем: * годовой бонус и ежегодный пересмотр зарплаты * расширенный ДМС с первого дня, страхование жизни, корпоративная пенсионная программа * льготная ипотека для сотрудников, подписка Прайм с возможностью шеринга (совместного использования) на трёх близких, скидки от партнеров и сервисов группы компаний * корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях * офис с видом на набережную, зонами отдыха и спортзалом * 90 дней удаленной работы из любого региона РФ * реферальная программа (бонус до 100 000 рублей).

— Опыт управления аналитикой или работы ведущим веб-аналитиком, желательно в e-commerce. — Выстраивать сквозную аналитику на основе данных сайта, CRM и других источников.

• Управлять командой Key Account Managers: ставить задачи, развивать сотрудников и формировать единые стандарты работы. • Выстраивать долгосрочные партнерские отношения с B2B-клиентами.

Location: Москва Workplace: гибкий Мы — группа мультимодальных контентных моделей в отделе экспериментальных технологий AI VK. Мы разрабатываем технологии глубокого понимания контента и применяем их для развития рекомендательных систем ВКонтакте. Мы строим модели, которые извлекают содержательные представления из постов, клипов, длинных видео и музыкальных треков, объединяя информацию из текста, изображения, видеоряда, речи и звука. Эти представления используются для поиска похожего контента, построения признаков, классификации и улучшения качества рекомендаций в продуктах VK. Основные направления нашей работы — базовые embedding-модели для представления контента, мультимодальные модели и контентные классификаторы. Мы исследуем современные архитектуры, обучаем собственные модели на больших внутренних датасетах и доводим их до применения в продуктовых рекомендательных системах. Позиция находится на стыке ресёрча и инженерии: от чтения статей, построения датасетов и постановки экспериментов до масштабного обучения, оптимизации инференса и проверки моделей в A/B-тестах. Стек: PyTorch YT (YTsaurus), YQL NVIDIA Triton Inference Server, TensorRT, vLLM Распределённое обучение и multi-GPU inference Python, C++, Go Задачи Разрабатывать и обучать базовые embedding-модели для текста, изображений, видео, речи, звука и музыки Разрабатывать мультимодальные модели и контентные классификаторы Исследовать архитектуры и методы обучения представлений: metric learning, contrastive learning, self-supervised и supervised learning Строить датасеты и бенчмарки для оценки качества моделей и проводить масштабные экспериментальные исследования Адаптировать модели под задачи retrieval и рекомендательных систем Интегрировать модели в продуктовые механики рекомендаций постов, клипов, видео и музыки Оптимизировать и масштабировать обучение и инференс моделей Деплоить модели и сопровождать их в продакшене: проводить A/B-тесты, анализировать метрики и мониторить качество Постоянно разбирать свежие статьи и идеи из индустрии и академической среды, воспроизводить перспективные подходы и проверять их на наших задачах Настраивать пайплайны сбора и разметки данных, работать с асессорами и синтетическими данными: проектировать инструкции, контролировать качество и проводить калибровки Требования Опыт разработки, обучения и внедрения DL-моделей Уверенное знание теории машинного и глубокого обучения Хорошее понимание алгоритмов и структур данных, линейной алгебры, теории вероятностей и статистики Умение проектировать корректные эксперименты, выбирать метрики и интерпретировать результаты Навык написания чистого и поддерживаемого кода, понимание принципов проектирования ПО Владение современными практиками совместной разработки с кодовыми агентами: умение эффективно декомпозировать задачи для агентных инструментов, контролировать и ревьюить сгенерированный код Умение самостоятельно разбираться в новых предметных областях, быстро ставить эксперименты и проверять гипотезы Готовность работать как с исследовательской частью задачи, так и с её инженерной реализацией Открытость, ответственность, самостоятельность и проактивность Будет плюсом Опыт разработки поисковых или рекомендательных систем в индустриальном масштабе Опыт работы с embedding-моделями, metric learning, contrastive learning или representation learning Опыт работы с мультимодальными моделями, VLM, audio-language моделями, video encoders или foundation-моделями Опыт обучения моделей для аудио, музыки, речи, изображений или видео Опыт self-supervised learning и обучения на больших слабоструктурированных датасетах Опыт распределённого обучения на нескольких GPU или нескольких узлах Опыт оптимизации DL-моделей: профилирование, квантизация, дистилляция, уменьшение размерности представлений Опыт построения больших датасетов и систематических бенчмарков для ML-моделей Публикации на профильных ML-конференциях или сильный исследовательский бэкграунд

Location: Москва Workplace: Офисный Мы — отдел экспериментальных технологий в AI VK, который решает широкий спектр ML- и DL-задач. Наша команда анализирует, как наши разработки можно переиспользовать и где применить, а затем масштабировать. Задачи Развивать компоненты AI-ассистента для VK Видео: понимание намерения, удержание контекста диалога, выбор стратегии и маршрутизация инструментов Улучшать генерацию кандидатов, semantic retrieval и reranking для поиска и персонализированных рекомендаций Работать с гибридным поиском: эмбеддинги, текстовые и структурные фильтры, поисковые API, рекомендательные модели и явные критерии пользователя Оптимизировать candidate budget и смешивание кандидатов из разных источников Обучать и дообучать модели для отдельных компонентов системы: LLM-like, reranker, query rewriting, relevance-модели Собирать и улучшать обучающие и тестовые датасеты: реальные и синтетические запросы, сложные негативные примеры, long-tail-сценарии и размеченные диалоги Создавать и поддерживать golden datasets, human-aligned evaluation и автоматические проверки качества; калибровать auto-eval по человеческой оценке Анализировать деградации, формулировать гипотезы и проверять их в воспроизводимых экспериментах Оценивать модели не только по общей метрике, но и по отдельным сценариям, категориям запросов, релевантности, разнообразию, безопасности и качеству диалога Оптимизировать latency, стоимость и использование вычислительных ресурсов при обучении и инференсе Готовить компоненты к промышленной эксплуатации: интеграция, нагрузочное тестирование, мониторинг, обработка ошибок и контроль регрессий Участвовать в offline- и online-экспериментах, подготовке A/B-тестов и интерпретации продуктовых метрик Проводить code review, документировать эксперименты и участвовать в обсуждении архитектуры и исследовательских результатов Требования Сильная теоретическая база и опыт работы в рекомендательных системах, информационном поиске, NLP/LLM; готовность работать на их пересечении Понимание устройства retrieval и ranking: embeddings, candidate generation, negative sampling, cross-encoders, reranking Знание основных offline-метрик поиска и рекомендаций: Recall@K, Precision@K, NDCG, MRR и их ограничений Опыт обучения, валидации и внедрения ML-моделей; доведённые до production либо production-like среды самостоятельно разработанные компоненты Навыки постановки воспроизводимых экспериментов, анализа ошибок и статистической интерпретации результатов Понимание жизненного цикла ML-системы: данные, обучение, inference, мониторинг, деградации и переобучение Опыт работы с большими объёмами данных и пайплайнами обработки; YT, Spark или аналогичные инструменты Базовые навыки Linux, Git, контейнеризации и работы с сервисами Будет плюсом Опыт создания LLM-приложений: tool calling, agentic workflows, RAG, structured generation Дообучение LLM или encoder-моделей: SFT, LoRA/adapters, RL Построение lexical, semantic или hybrid retrieval LLM-as-a-judge, human evaluation, построение golden datasets и калибровка автоматических оценок Оптимизация GPU-инференса, batching, quantization, model serving Опыт с распределённым обучением и промышленной ML-инфраструктурой Практика A/B-тестирования рекомендательных или поисковых моделей Мультимодальные модели, VLM, понимание видео или рекомендательные системы для медиаконтента Наличие публикаций по тематике LLM, NLP, multimodal models

Location: Москва Workplace: Комбинированный VK Видео — крупнейший российский видеосервис: ежедневно им пользуются десятки миллионов человек. Перед нами стоит амбициозная задача — развивать видеосервис № 1 в России и внедрять новые технологии. Нашим продуктом пользуются на разных устройствах (мобильные, телевизоры, веб), а ещё у нас есть несколько различных приложений (выделенные приложения VK Видео, приложения соцсети ВКонтакте). Мы ищем сильных ML-инженеров, которые помогут сделать наш продукт ещё более приятным и увлекательным для пользователей. Сейчас наша команда работает над улучшением качества в разных компонентах продукта: Рекомендации в персональной ленте Ранжирование в блоке «Смотреть позже» Рекомендации в тематических витринах, например Кино, Детское, Спорт и др. Ранжирование табов тематик и блоков видео Умные пуши и др. Задачи Улучшать базовое качество рекомендаций и ранжирования Анализировать потребление контента, выдвигать и проверять гипотезы, проводить А/B-тесты Тесно взаимодействовать с командами разработки, продуктовой аналитики и продуктовыми менеджерами Разбираться в незнакомых технологиях Принимать участие в разработке сервисов (внедрять алгоритмы в бэкенд на Java) Требования Совокупный опыт работы в ML от трёх лет Знание классических алгоритмов и принципов ML Знание алгоритмов и структур данных Уверенное владение Python, базовые знания SQL Открытость, самостоятельность и проактивность Будет плюсом Опыт в сфере рекомендаций или смежных областях (поиск, реклама, маркетинг и др.) на позиции уровня Middle и выше Опыт разработки сервисов на объектно ориентированном языке (C++, C#, Java, Python и др.) или Go Опыт работы с технологиями обработки больших данных (Hadoop, Hive, Spark, YT и др.)