-Разработка генеративных ИИ-моделей для синтеза визуального и проектного контента на основе структурированных данных товарного каталога в рамках проверки гипотез (PoC) внутри корпоративной платформы по оценке ИИ-инициатив. -Построение системы метрик: разработка офлайн- и онлайн-показателей, кросс-валидация, прямая оценка бизнес-эффекта.
Ищем сильного Data-инженера для прототипирования корпоративных AI-ассистентов. Это роль на стыке классического DE и AI: нужно не просто строить пайплайны, но и готовить контекст для LLM, оценивать качество RAG и бороться с галлюцинациями.
Вы будете проектировать и развивать пайплайны оценки качества всех компонент AI-чата на базе LLM-моделей и агентских систем. Вы будете участвовать в разработке мультиязычных моделей и адаптации решений под особенности разных стран.
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
As the Senior Staff Machine Learning Platform Engineer, you will own the technical vision and evolution of Faire’s ML platform. You will set standards, influence org-wide architecture, and lead complex, cross-functional initiatives that unlock data science velocity at scale.
• Own AI features from concept to production, integrating LLMs and custom models. • Work on real-time live-streaming problems — content moderation, recommendations, and more.
— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования.
Вакансия Senior Dev/ML Ops Engineer в компании Humanoid, расположенной в Великобритании. В описании вакансии конкретные задачи, требования и условия не указаны, но позиция связана с разработкой и эксплуатацией ML-систем (ML Ops).
-Design, build, and maintain data infrastructure and pipelines spanning both batch and real-time / streaming workloads, contributing to architectural decisions along the way. -Build and maintain scalable, efficient, and reliable ETL/ELT pipelines using languages and frameworks such as Python, SQL, Spark, Flink, Beam, or equivalents.
Сбор и анализ требований от внутренних заказчиков к ML-сервисам, помогающим решать прикладные задачи в интересах компании; Документирование бизнес-требований, функциональных и нефункциональных требований к системе, описание пользовательских сценариев (Use Cases, Use Case Diagram);
Задачи:
- Разрабатывать, обучать и оптимизировать ML/AI-модели на PyTorch или TensorFlow
- Проектировать end-to-end пайплайны обработки и подготовки данных
- Работать с синтетическими данными и автоматизацией разметки
- Интегрировать AI/ML-модели с backend и другими компонентами продукта
- Подготавливать модели к production-деплою и масштабированию
- Настраивать процессы мониторинга, версионирования и экспериментов с использованием MLOps-инструментов
- Контейнеризировать ML-процессы с помощью Docker
- Работать с облачной инфраструктурой AWS или аналогами
- Участвовать в оптимизации inference и производительности моделей
- Взаимодействовать с инженерами и другими участниками AI-команды на всех этапах разработки
- Определять техническое направление AI-проектов, принимать ключевые архитектурные решения и обеспечивать техническое руководство командой на всех этапах разработки.
Требования:
- Опыт 4+ года коммерческого опыта в Machine Learning / AI Engineering
- Практический опыт разработки и внедрения ML-моделей в production
- Английский (свободный)
- Уверенное понимание основ Machine Learning и Deep Learning
- Знание методов оптимизации моделей и ключевых ML-метрик
- Практический опыт с MLOps (MLflow/Kubeflow/AWS SageMaker или аналогичные)
Условия:
- Формат: Full-time
- Локация: Ташкент (Офис)
- Официальное трудоустройство по ТК УЗ
- Занятость: полный рабочий день
– выполнять задачи полного жизненного цикла: от сбора требований до выкатки на установку в прод; – разрабатывать и дорабатывать витрины и решения, автоматизировать их через оркестраторы;
• Проектировать и разрабатывать масштабируемые ETL/ELT-процессы для загрузки и трансформации данных в корпоративное хранилище (DWH) на базе стека Oracle; • Писать и оптимизировать сложные запросы SQL и хранимые процедуры PL/SQL;
Необходимо изучить исторические торговые данные для двух связанных инструментов (ордербуки, сделки и другие параметры). По этой информации требуется построить модель, предсказывающую индикаторы будущей цены одного из инструментов.