Вакансии

ML / DS Engineer (Classic ML) IT Вакансии Мы ищем опытного ML/DS инженера для разработки и внедрения моделей классического машинного обучения, решения бизнес-задач и построения ML-пайплайнов.

Location: Москва Готовим данные для GigaChat и GigaChat Vision — от pretrain с нуля до alignment. Собрали корпус на 15 триллионов токенов. Открыли [GigaChat 3.1 (702B)](https://huggingface.co/ai-sage/GigaChat3.1-702B-A36B) и [GigaChat 3.5 (432B)](https://huggingface.co/ai-sage/GigaChat3.5-432B-A28B). Опубликовали [статью на ACL](https://aclanthology.org/2025.acl-demo.10/); ещё две статьи проходят ревью на A\*-конференциях. У нас — сильная исследовательская команда, сложные задачи в LLM и мультимодальности и ресурсы для проверки новых идей. Чтобы познакомиться с работой команды Наши доклады: [Данные и инфраструктура GigaChat — HighLoad++ 2025](https://highload.ru/moscow/2025/abstracts/16850) [Качество данных и эксперименты — AiConf 2025](https://aiconf.ru/2025/abstracts/15853) [Синтетические задачи по программированию — AiConf 2026](https://aiconf.ru/2026/abstracts/17916) Как это делают другие команды: [NVIDIA Nemotron-CC](https://research.nvidia.com/labs/adlr/Nemotron-CC/) · [Hugging Face SmolLM3](https://huggingface.co/blog/smollm3) Обязанности * Улучшать pretrain-данные: обучать модели оценки качества, кластеризовать корпуса, подбирать смеси и измерять их влияние на качество модели. * Создавать alignment-данные для SFT и RL в разных доменах: инструкции, предпочтения и агентные траектории; разрабатывать среды, задачи и проверки для обучения работе с инструментами. * Генерировать синтетику для математики, кода и reasoning; проверять решения исполнением кода и моделями-судьями. * Исследовать density sampling, способы токенизации с упаковкой последовательностей, включая best-fit packing; проверять гипотезы в ablation-экспериментах. * Готовить датасеты для мультимодального обучения, включая interleaved-данные с чередованием текста и изображений. * Масштабировать обработку сотен миллиардов веб-документов и OCR миллиардов PDF; ускорять распределённые пайплайны и генерацию на GPU. Требования * Уверенный Python, алгоритмы и структуры данных; основы ML, линейной алгебры и вероятности. * Практику с PyTorch, NLP/CV или данными — учебные и личные проекты подходят. * Linux и Git, чтение статей на английском, умение проверять гипотезы и доводить задачи до результата. * Активное использование AI-агентов в работе. **Будет плюсом** * LLM/VLM, vLLM/SGLang, Spark/YTsaurus, C++/Rust; * исследовательские проекты, * ML-соревнования или олимпиадное программирование. Условия * MacBook M4 (с VPN), корпоративные подписки на AI-агентов. * 50 тысяч CPU и большое количество GPU для обработки данных, обучения и синтетики. * После успешной стажировки — переход в штат команды.

• ML Engineer, middle 1 Опыт деплоя ML-моделей от 2 лет. • Опыт с очередями, написание прод кода для агентов.

Location: Москва О команде Kandinsky разрабатывает собственные генеративные модели для изображений и видео. Сейчас мы собираем небольшую продуктовую команду, которая превращает эти технологии в пользовательские приложения. Работаем в стартаповом режиме: быстро проверяем гипотезы, запускаем прототипы и развиваем то, что работает. У нас есть собственные модели, вычислительная инфраструктура и возможность работать вместе с исследователями. Ищем ML-инженера, который возьмёт на себя ML-часть новых продуктов: от выбора подхода и первых экспериментов до стабильной работы решения в приложении. Для нас важны сильная инженерная база, самостоятельность и умение доводить эксперименты до практического результата. Нужен человек, который сможет получить задачу вроде «сделать качественную виртуальную примерку» или «ускорить обработку фотографии», самостоятельно разобраться в подходах, проверить гипотезы и предложить рабочее решение. Обязанности * Решать прикладные задачи генерации и редактирования изображений и видео, обработки фотографий и компьютерного зрения. * Находить и проверять подходящие модели, статьи и открытые реализации, быстро собирать рабочие прототипы. * Строить пайплайны из генеративных моделей, CV-компонентов, LLM и внешних API. * Работать над качеством результата: сохранением внешности и деталей, управляемостью редактирования, устранением артефактов. * Готовить тестовые наборы, сравнивать подходы и выстраивать воспроизводимую оценку качества. * Оптимизировать скорость, потребление памяти и стоимость обработки. * При необходимости адаптировать и дообучать готовые модели, готовить для этого данные. * Вместе с разработчиками внедрять решения в продукты и разбирать ошибки на реальных пользовательских примерах. * Активно использовать AI-агентов и автоматизацию в разработке и исследованиях. Требования * Уверенный Python и опыт работы с PyTorch. * Хорошее понимание основ машинного обучения и компьютерного зрения. * Практический опыт работы с моделями для изображений или видео. * Умение читать статьи, разбираться в чужом коде и воспроизводить результаты. * Навык постановки экспериментов: выбор данных, метрик и базовых решений для сравнения, анализ ошибок. * Понимание компромиссов между качеством, скоростью и стоимостью. * Опыт работы с Linux, Git и Docker. **Будет плюсом** * Опыт генерации и редактирования изображений, виртуальной примерки, обработки лиц или ретуши. * Дообучение генеративных моделей, работа с LoRA и подготовка датасетов. * ONNX Runtime, LiteRT/TFLite, квантизация и запуск моделей на CPU или мобильных устройствах. * Работа с мультимодальными моделями, агентными пайплайнами и автоматической оценкой результатов. * Опыт внедрения ML-решений в пользовательские продукты

Location: Москва Команда инфраструктурного мониторинга отвечает за стабильность и производительность высоконагруженных систем. Мы переходим от реактивного подхода к проактивному: строим систему, которая предсказывает сбои до их возникновения. Наша цель — создать внутренний AI-слой, который автоматизирует рутину эксплуатации, анализирует петабайты логов и трассировок, а также помогает инженерам принимать решения на основе данных, а не интуиции. Обязанности ### Чем предстоит заниматься: * создавать и внедрять в продакшен модели временных рядов для прогнозирования нагрузки на инфраструктуру и предиктивного алертинга, чтобы выявлять аномалии за часы или дни до деградации сервиса * разрабатывать пайплайны автоматической классификации и группировки алертов и строить системы семантического поиска и суммаризации причин сбоев по неструктурированным данным с использованием внутренних LLM * проектировать архитектуру взаимодействия с внутренними LLM для автоматической категоризации инцидентов, генерации рекомендаций по устранению и нормализации данных мониторинга * выстраивать полный цикл работы с ML в production от версионирования данных и моделей (MLflow / DVC) до автоматизированного A/B-тестирования версий моделей, мониторинга деградации качества (data drift, concept drift) и автоматического переобучения * применять методы оптимизации инференса для обеспечения низкой задержки ответов AI-сервисов в контуре real-time мониторинга * участвовать в проектировании потоков данных (ClickHouse, Redis, Kafka) для обеспечения ML-моделей актуальными фичами в режиме, близком к реальному времени * работать в тесной связке с SRE, DevOps и разработчиками бэкенда для обеспечения отказоустойчивости AI-сервисов и развития CI/CD-процессов. Требования ### Мы ждем от тебя: * коммерческий опыт разработки на Python от 3-х лет, уверенное знание Python Core, GIL и принципов работы CPython * понимание классического машинного обучения от алгоритмов временных рядов (ARIMA, Prophet, LSTM, CatBoost для time-series) до задач классификации и кластеризации * опыт работы с СУБД в рамках написания сложных запросов, понимание партиционирования и движков таблиц (PostgreSQL, Oracle, Redis, ClickHouse) * опыт написания качественного, покрытого тестами кода (pytest, unittest, принципы TDD, проектирование тестируемой архитектуры) * опыт работы с Docker, понимание многослойных образов и оптимизации их размера, опыт работы с GitLab CI, Jenkins или GitHub Actions, написание пайплайнов для автоматической сборки, тестирования и доставки ML-сервисов * знание протоколов сетевого взаимодействия HTTP/1.1, HTTP/2, REST, gRPC, а также брокеров сообщений (Kafka, RabbitMQ) * практический опыт MLOps: контейнеризация моделей, настройка мониторинга дрейфа данных, пайпланы переобучения. Будет плюсом: * опыт работы с экосистемой Big Data: PySpark, Hadoop, Airflow (построение сложных DAG для подготовки фичей) * опыт работы с Kubernetes/Openshift: написание Helm-чартов, настройка ресурсов (CPU/Memory), работа с PodDisruptionBudgets и HorizontalPodAutoscaler. * понимание Observability-стека: Prometheus (архитектура, PromQL), Grafana, Loki, Tempo, OpenTelemetry * опыт работы в fintech, highload или data-intensive проектах, где цена ложного срабатывания или пропуска аномалии критически высока * опыт интеграции с LLM через API, prompt engineering, работа с векторными базами данных для RAG и семантического поиска * знание спецификаций взаимодействия с моделями или опыт разработки собственных AI-агентов для автоматизации рутинных задач эксплуатации. Условия ### **Мы предлагаем:** * офис рядом с м. Кожуховская * офисный формат работы на время адаптации * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы в **Sber AI** ищем **Middle/Senior ML Engineer**. **Коротко о нас:** мы – молодая команда, которая тесно работает с людьми, принимающими решения большого масштаба. Делаем проекты, влияющие на то, как устроены процессы в стране и разрабатываем стратегии развития ИИ. Параллельно занимаемся AI Journey – одной из самых больших AI-конференций в мире. Обязанности * развёртывание и оптимизация локального инференса LLM: подбор моделей, квантизация, настройка производительности * оценка требований к GPU под нагрузку * построение и улучшение поиска по документам (RAG): эмбеддинги, гибридный поиск, реранкинг * дообучение моделей под задачи заказчика (LoRA, SFT) * настройка промптов, структурированного вывода и вызова инструментов для агентных сценариев * разработка агентного харнесса: цикл агента, управление контекстом и памятью, лимиты шагов, обработка ошибок инструментов, восстановление после сбоев * разработка MCP-серверов для доступа агентов к системам и данным заказчика: реестры, документооборот, базы знаний, внутренние API * настройка tool calling и структурированного вывода у локальных моделей. Требования * опыт от 3 лет в ML/NLP, из них не менее года с LLM * PyTorch, Hugging Face (transformers, PEFT) * опыт локального инференса: vLLM, SGLang * квантизация на практике: AWQ, GPTQ, GGUF, понимание компромисса между качеством и скоростью * понимание устройства инференса: KV-cache, батчинг, latency и throughput, расчёт памяти * опыт написания собственного MCP-сервера * опыт построения RAG-систем * уверенный Python, Docker на рабочем уровне Будет плюсом: * опыт fine-tuning с LoRA * работа с open-weight моделями (Qwen и аналоги) на русском языке * опыт агентных систем и tool calling. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты. Годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

• Design expert-level Terminal-Bench tasks that turn real, paid ML inference work from your own experience into challenges an AI agent must solve end to end.

Задачи: — Анализировать массивы игровых данных CS2, выявлять закономерности в поведении игроков. — Строить распределения и проводить статистический анализ. — Разрабатывать и валидировать ML-модели для игровых сценариев. — Переводить игровые механики и ситуации в измеримые признаки и метрики. — Проверять гипотезы и внедрять новые метрики для улучшения пользовательского опыта. Требования: — Опыт работы Data Scientist / ML Engineer от 2–3 лет. — Хорошее понимание механик, ролей, экономики и стратегий CS2. — Навыки статистического анализа данных и машинного обучения. — Умение обоснованно выбирать модель под задачу. — Самостоятельность в постановке и решении аналитических задач. — Увлечённость CS2 и готовность глубоко изучать игру через данные. — Плюсом будет опыт работы с MongoDB, большой игровой опыт в CS2, разработка плагинов и работа с игровыми парсерами, умение доносить выводы до нетехнических специалистов, знание Go.

Location: Chicago, IL or Remote CCC Intelligent Solutions Inc. (CCC) is a leading cloud platform for the multi-trillion-dollar insurance economy , creating intelligent experiences for insurers, repairers, automakers, part suppliers, and more. At CCC, we’re making life just work by empowering more than 35,000 businesses with industry-leading technology to get drivers back on the road and to health quickly and seamlessly. We’re pushing boundaries with innovative AI solutions that simplify and enhance the claims and repair journey. Through purposeful innovation and the strength of its connections, CCC technologies empower the people and industry relied upon to keep lives moving forward when it matters most. Learn more about CCC at www.cccis.com . The Role As a Senior Machine Learning Engineer, you'll own models and evaluations end to end within a problem area and turn the results into product decisions. You'll join a new engineering group at CCC building AI-native products for our auto casualty business, the injury side of auto claims. The group is small and senior, and it's growing fast. Our teams work on: Medical bills: AI products that help claims teams handle the medical bills on injury claims accurately and efficiently. Claims decision support: products that help claims professionals make better, faster decisions on injury claims. Agentic Rules Platform: the rules engine and agentic tooling behind decisions across our casualty products, plus the evaluation infrastructure every team relies on. Your impact: You'll show, with evidence, whether our AI works and whether it's worth it. You'll build models on real claims data, design the evaluations that compare our AI with expert decisions, and measure the impact customers see. Most of our products run on large language models, so you'll combine statistical modeling with LLM evaluation and write the production code to ship both. Salary range is: $180,000 - 225,000 This position is bonus eligible. Key Responsibilities: Build and ship statistical, ML, and hybrid LLM models (including retrieval and embeddings) on real claims data Design evaluations and gold datasets with data labelers and subject matter experts, and run them continuously as the product changes Measure impact through experiment design, baselines, and ROI analysis, and explain the results clearly to product, sales, and customers What success looks like: In your first month , you've run your first evaluation on real data and shared what you found. By six months , you've shipped a model or evaluation to production, and a product decision was made on evidence you produced. Requirements: Typically 5+ years of experience in machine learning, data science, or quantitative engineering roles A strong quantitative foundation (statistics, probability, experiment design) from a degree, research, or equivalent experience Strong Python and SQL, and a track record of taking models to production and measuring how they perform Hands-on experience with both statistical ML and LLM-based approaches (RAG, embeddings, vector search), including evaluating LLM outputs Real experience working faster with AI-assisted tools, with examples you can walk us through Nice to have Causal inference, survival analysis, or calibration methods applied to business decisions Experience fine-tuning models for domain-specific tasks Interview Policy & Privacy Notice: A video interview is required for this position. Video interviews are transcribed. Transcriptions are retained and may be reviewed by CCC and our recruiters. Candidates are not permitted to use generative AI or automated assistance during the interviews unless explicitly allowed by the interview team for a specific exercise. Our Job Applicant Privacy Notice is available HERE . About CCC's Commitment to Employees: CCC Intelligent Solutions understands that our employees play an integral role in our vision to shape a world where life just works. Our team is defined by our values of Integrity, Customer-Focus, Innovation, Inclusion & Diversity, Tenacity, and Connection. Through diverse perspectives, purposeful innovation, and the strength of connections, our technologies empower the people and industry relied upon to keep lives moving forward when it matters most. At CCC, together everyone can thrive as we innovate and collaborate, creating employee experiences that just work. We are committed to providing opportunities for our people to make real-life impacts, advance in their careers, and contribute to CCC’s success. CCC offers competitive compensation and benefits to support you and your families, including: 401K Match Paid time off Annual Incentive Plan Performance Bonus Comprehensive health insurance Adoption Assistance Tuition Reimbursement Wellness Programs Stock Purchase Plan options Employee Resource Groups For more information about our benefits, please check out our careers site . Here, you belong. You are seen, valued, and respected. We celebrate you for who you are and all you bring. Every voice is heard and is important to our success. You can hear what employees have to say about our culture here

🤖 Required Skills: Machine Learning, Python, Model Development, Training & Inference, Performance Optimization, and Coding Agents. 🎯 Eligibility: Master's or PhD in a relevant technical field, strong ML experience, and practical Python skills.

Разрабатывать и обучать модели машинного обучения для банковских продуктов; Анализировать данные, подготавливать их для обучения моделей и проверять качество;

Workplace: remote Requirements 3+ years of relevant experience Strong Python skills and experience with ML ecosystems (AWS Sagemaker, MLFlow) Hands-on experience working with tabular/time series data with usage of ML Solid understanding of machine learning fundamentals: Supervised learning, feature engineering, model evaluation; Overfitting, regularization, cross-validation Knowledge of statistical methods and probability theory Experience with experiment design and offline evaluation Ability to work with large datasets and build efficient data processing pipelines Familiarity with SQL and data querying Strong analytical and problem-solving mindset Ability to clearly communicate findings and trade-offs Ownership of tasks from research to implementation Curiosity and willingness to explore new approaches English proficiency at B1 level or higher Nice to have Experience in financial machine learning, quantitative finance, or trading systems knowledge of signal generation, alpha research, portfolio construction or risk modeling Experience with: Deep learning for tabular/time series data (Transformers, RNNs, etc.); Probabilistic modeling or Bayesian methods Hands-on experience with production ML systems (MLOps, monitoring, retraining) Ability to define research direction and identify high-impact opportunities Decision-making under uncertainty Ability to translate business problems into ML solutions Responsibilities Develop and validate machine learning models for financial time series and cross-sectional data Conduct research on alpha signals, feature engineering, and predictive modelling techniques Design experiments and backtesting frameworks with proper statistical rigor Work with large-scale structured and unstructured financial datasets Collaborate with engineering teams to deploy models into production pipelines Analyze model performance, stability, and robustness under changing market conditions Improve data pipelines, labeling strategies, and evaluation methodologies We offer Projects for such clients as PayPal, Wargaming, Xerox, Philips, Adidas and Toyota Competitive compensation that depends on your qualification and skills Career development system with clear skill qualifications Flexible working hours aligned to your schedule Options to work remotely Any questions? Veronika hh@itransition.com

Workplace: Москва и Краснодар (гибрид/офис), другие города - удаленно Магнит Финтех ищет опытного специалиста по машинному обучению, который готов совмещать разработку ML-моделей с развитием команды и выстраиванием взаимодействия с бизнес-заказчиками. Это роль для специалиста, которому интересно не только создавать и внедрять ML-решения, но и помогать коллегам расти, определять приоритеты задач и постепенно формировать сильную ML-команду. Задачи Участвовать в полном цикле работы над моделями - от обучения и калибровки до вывода в production. Основные направления - uplift-модели, propensity-модели и модели ранжирования. Совмещать техническую экспертизу с лидерством: работать над ML-решениями самостоятельно и выступать ментором для 1-2 специалистов по машинному обучению. Выстраивать взаимодействие с заказчиками: совместно определять приоритеты, управлять бэклогом и ожиданиями, согласовывать сроки и результаты работы. Участвовать в развитии ML-направления: в перспективе - формировать команду, участвовать в найме и выстраивать процессы её профессионального развития. Стек, который используется работе: Trino - для распределённых SQL-запросов и работы с данными. Apache Airflow - для оркестрации и автоматизации пайплайнов. Greenplum - для работы с большими объёмами данных. ClickHouse - для аналитической обработки данных. Требования Опыт работы в машинном обучении от 3 лет. Практический опыт разработки, обучения и внедрения ML-моделей. Опыт менторства 1-2 специалистов или коллег с меньшим уровнем экспертизы. Системный подход к работе, внимательность к деталям и аккуратность при решении технических задач. Умение работать с бизнес-заказчиками, договариваться о приоритетах и управлять ожиданиями. Будет плюсом Опыт обучения и калибровки риск-моделей, в частности PD-моделей. Условия Возможность совмещать hands-on разработку ML-моделей с развитием команды. Участие в полном цикле создания ML-решений - от экспериментов до production. Влияние на приоритизацию задач и взаимодействие с бизнесом. Возможность постепенно перейти к более широкому лидерству: развитию команды, найму специалистов и формированию рабочих процессов. Формат работы Москва и Краснодар (гибрид/офис), другие города - удаленно

Workplace: Москва и Краснодар (гибрид/офис), другие города - удаленно В MAGNIT OMNI ищем ML инженера на проект Uplift-моделирования, который поможет нам делать бизнес Магнит доставка эффективнее Задачи Разрабатывать и улучшать uplift-модели для персонализации промокодов Строить и поддерживать пайплайны обучения и скоринга моделей Участвовать в улучшении оптимизатора распределения промокодов с учётом ограничений по CPO и марже Работать в связке с аналитикой: переводить бизнес-метрики (GMV, CM2, NR, CPO) в постановки ML-задач Требования Опыт разработки ML-моделей в продакшене от 2+ лет Практический опыт в uplift-моделировании Уверенное владение Python и SQL Умение связывать ML-метрики с измеримым бизнес-эффектом Будет плюсом Опыт в промо/маркетинге/e-commerce Практический опыт с Trino, S3, DVC, Clickhouse Опыт построения ML-мониторинга и проведения A/B-тестов Условия Мы любим учиться! А компания всегда поддерживает и способствует профессиональному развитию специалиста: курсы, конференции Корп техника для успешной и удобной работы Возможность напрямую влиять на бизнес и видеть результаты своей работы Корпоративные скидки, программы лояльности, ДМС Формат работы Москва и Краснодар (гибрид/офис), другие города - удаленно

Location: Москва Workplace: Гибрид, Удаленно RWB (Wildberries & Russ) — это международная технологическая компания, образованная в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ. Сейчас мы ищем Senior ML Engineer в команду Поиска. Маркетплейс выходит за пределы одной страны и развивается как международная платформа, а мы делаем так, чтобы поиск одинаково хорошо находил товары для пользователя вне зависимости от локации. Для этого нужно учитывать доступность доставки уже на этапе отбора кандидатов, честно ранжировать локальные товары и товары международных продавцов, понимать запросы на разных языках и учитывать культурный контекст. Обязанности Проводить аналитику текущих проблем поиска при запросах из-за рубежа, связанных с отбором и скорингом кандидатов, а также маршрутизацией запросов при использовании переводчика; Оценивать масштаб проблемы на данных, формулировать гипотезы и доводить решения до A/B-тестов; Спроектировать дополнительный этап отбора кандидатов с учётом региона и релевантности, встроить его в существующий многостадийный поиск; Поддерживать и улучшать качество выдачи при запросах из-за рубежа. Требования Опыт работы с эмбеддингами и векторным поиском: обучение и дообучение двухбашенных (bi-encoder) моделей, sentence-transformers; ANN-индексы и векторные БД (FAISS, HNSW, Qdrant, Milvus и аналоги); Опыт работы с многоязычными моделями: мультиязычные энкодеры (XLM-R, LaBSE, mE5 и т.п.), машинный перевод, работа с омонимией и кросс-язычным сопоставлением текстов; Знание технологий полнотекстового поиска: Elasticsearch, OpenSearch, Lucene/Solr, понимание BM25 и инвертированного индекса; Опыт в ранжировании: learning-to-rank (LambdaMART, CatBoost/LightGBM в ранжирующем режиме), кросс-энкодеры для реранкинга; Опыт с высоконагруженными сервисами и жёсткими требованиями к латентности будет плюсом. 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. Мы - Startups Platform, команда в департаменте Trust & Safety. Берём задачу, у которой ещё нет решения, и доводим её до работающего сервиса. Проекты у нас разные: от распознавания документов и детекции ИИ-контента до LLM-агентов. Обязанности Проверкой качества моделей и агентов: датасеты и метрики, LLM-as-judge, разбор ошибок по логам. Выводом решений в прод и наблюдением за ними: задержки, стоимость, поведение при сбоях. В проде работают модели, которые мы разворачиваем сами. Поэтому много работы с open-weight моделями: дообучение, инференс, промпты, архитектура агента. Внешние LLM тоже используем, например для разметки. Задачи чаще приходят как проблема, а не как готовое ТЗ. Постановку вы будете уточнять сами вместе с заказчиком. Требования Имеете от трёх лет коммерческого опыта в ML; Глубоко знаете NLP и понимаете, как трансформеры и LLM устроены внутри; Cтроили системы на LLM: агентов с инструментами, RAG, многошаговые пайплайны. Подойдёт и рабочий опыт, и собственные проекты, если они доведены до конца; Ведёте задачу сами: разбираете размытую постановку, предлагаете подход, объясняете заказчику, почему выбрали именно его, и вовремя бросаете то, что не работает; Каждый день работаете с Claude Code, Codex, Cursor или похожими инструментами: умеете поставить задачу агенту и проверить, что он сделал. 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: Москва Workplace: Гибрид, Удаленно RWB (Wildberries & Russ) — это международная технологическая компания, образованная в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ. Команда Интеграционных проектов развивает рекомендации для новых продуктов компании - на разных рекомендательных поверхностях и в разных доменах: аптека, косметика, продукты и другие. Мы запускаем персональные, похожие и сопутствующие рекомендации под каждый продукт, помогая пользователю находить нужное, а бизнесу - растить конверсию и средний чек. Сейчас мы ищем Senior ML Engineer для разработки и развития рекомендательных систем в этих продуктах. Обязанности Разрабатывать алгоритмы персональных, похожих и сопутствующих рекомендаций под разные продукты и рекомендательные поверхности; Повышать релевантность рекомендаций для увеличения средней корзины и конверсии; Оптимизировать и перестраивать пайплайн подготовки данных и обучения моделей; Обучать модели ранжирования / эмбеддинговые модели, фьюзить табличные и контентные фичи, валидировать решение; Запускать рекомендации в новых продуктах и адаптировать подходы под специфику каждого домена. Требования Опыт работы в области ML от 3 лет; Опыт разработки рекомендательных систем в продуктах - понимание подходов, принципов и архитектур; Глубокие знания в классическом ML и опыт работы с актуальным стеком моделей; Практические навыки в ML-стеке: Polars/Pandas для ETL, Numpy, Scipy, Scikit-learn, XGBoost/LightGBM/CatBoost, опыт разработки пайплайнов обучения и сериализации моделей; Базовый опыт построения ETL-процессов с использованием SQL/PySpark; Уверенные навыки в алгоритмах и структурах данных, знание как классических, так и нейросетевых подходов в рекомендациях, понимание архитектур трансформеров; Опыт обучения эмбеддинговых и нейросетевых моделей для рекомендаций; Желание развивать SOTA подходы в рекомендациях; Опыт работы с векторными базами данных и инструментами ANN для быстрых поисков будет плюсом. 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: Москва Workplace: Гибрид, Удаленно RWB (Wildberries & Russ) — это международная технологическая компания, образованная в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ. Мы ищем Middle+ / Senior ML Engineer в команду Поиска для развития направления Спеллчека пользовательских запросов и карточек товаров. При этом мы занимаемся широким спектром задач, связанных с обработкой текста в движке Поиска. Обязанности Улучшать текущие и развивать новые пайплайны обработки текста в запросах и карточках товаров (исправление опечаток, синонимизация); Развивать направление онлайн-инференса в продуктах обработки текста; Разрабатывать пайплайн автоматического выделения текстовых синонимов для применения в ретривинге и ранжировании; Разрабатывать модель классификации запросов (текстовые, категорийно-атрибутивные, брендовые, нетекстовые); Исследовать методы кластеризации (IVF и др.) для ускорения и повышения качества векторного поиска. Требования Опыт работы в роли ML / NLP Engineer от 3 лет; Уверенное владение Python и стандартным ML/DS-стеком (polars, pytorch и т.д.); Опыт работы со Spark и Airflow (построение и поддержка пайплайнов обработки данных, ETL); Опыт разработки и внедрения трансформерных моделей (обучение, файнтюнинг, инференс — HuggingFace Transformers и т.п.); Опыт работы с табличными моделями (LightGBM, CatBoost, XGBoost) — построение ранжирующих/классификационных моделей; Опыт применения методов кластеризации (например, IVF и другие подходы для векторных индексов/ANN-поиска); Понимание задач NLP: нормализация текста, работа с опечатками, синонимия, классификация текстов; Опыт вывода моделей в продакшн, понимание требований к онлайн-инференсу (латентность, нагрузка); Умение работать с большими объёмами данных, оптимизировать пайплайны обработки; Опыт работы с поисковыми системами (retrieval, ranking, семантический поиск) и векторными базами данных / библиотеками ANN-поиска (FAISS, HNSW и т.п.) будет плюсом. 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.