55
AI Agent Developer / MLOps• Разрабатывать AI-агентов на Python. • Интегрировать модели и внешние API.
до 260 000 ₽
ML-инженер вакансии
Загружаем вакансии…
Загружаем вакансии…
• Разрабатывать AI-агентов на Python. • Интегрировать модели и внешние API.
до 260 000 ₽
Задачи: — разработка и обучение ML-моделей, систем инференса, численных вычислений, оптимизация производительности и программирование на Python; — создание, решение, проверка и валидация сложных задач в области ML Engineering; — реализация или модификация ML-модели; — создание воспроизводимого процесса обучения или инференса; — оптимизация использования памяти или производительности; — поиск и исправление численных или системных ошибок; — проверка соответствия реализации требованиям по корректности и производительности; — разработка и проверка ML-моделей, training pipelines, inference-систем и вспомогательной инфраструктуры; — реализация компонентов моделей, data pipelines, систем оценки и численных методов; — создание воспроизводимых программных процессов с использованием Python и инструментов командной строки. Требования: — степень магистра или PhD; — опыт использования coding agents с Python в рабочем процессе; — уровень английского языка C1. Условия: — 15 часов в неделю; — оплата $80–$150 в час; — полностью удалённая работа с гибким графиком, специалист самостоятельно выбирает дни и часы работы, включая выходные при желании.
80 – 150 $
до 260 000 ₽
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задача: изучать исторические торговые данные для двух связанных инструментов. Создать модель, которая предсказывает индикаторы движения цены одного из них по информации об ордербуке, сделках и дополнительным данным. Работа с реальными биржевыми данными. Когда: 11 сентября — 15 ноября Призовой фонд: $13,600 Победители получат денежные призы, приглашение на собеседование в Wunder Fund, а также интеллектуальное удовлетворение. Wunder Fund занимается высокочастотным трейдингом с 2014 года, с дневным оборотом более $10 млрд.
до 13 600 $
Задачи: — Развивать модели прогнозирования спроса и ценовой эластичности — Исследовать подходы к causal inference, uplift-моделированию и оценки эффекта изменения цены — Проектировать временную валидацию, backtesting и бизнес-метрики качества
Зарплата не указана
О компании Aidentity — стартап в сфере AI × Human Intelligence. Продукт, который помогает человеку лучше понять свои сильные стороны и найти свое призвание. Стадия: MVP → развитие продукта → масштабирование Нам нужно: — Опыт работы в стартапе / яркое желание его получить — Готовность влиять на продукт с первого дня — Мышление продуктом, а не выполнение задач — Готовность работать только за долю от компании — ML / Data Science / AI — Python и привычный ML-стек — работа с данными, построением признаков, обучением и оценкой моделей — ML-эксперименты и проверка качества результатов — самостоятельное исследование неизвестной области — интерес к задачам на стыке AI, психологии, человеческие качества и рекомендационные систем — recommendation systems, embeddings, NLP/LLM, clustering, similarity / ranking models. Что предстоит делать ✔️создавать систему синтетических профилей данных ✔️развивать и улучшать алгоритм подбора профессий ✔️проектировать систему, которая будет обучаться на данных пользователей и специалистов ✔️экспериментировать с ML/AI-подходами и проверять гипотезы ✔️оценивать качество рекомендаций и разрабатывать метрики для сравнения разных подходов ✔️исследовать способы персонализации результатов для разных пользователей ✔️в перспективе — работать с NLP/LLM и другими AI-инструментами для анализа и обогащения данных ✔️участвовать в проектировании ML-части продукта и принимать технические решения вместе с командой Что предлагаем: — Удаленка — Гибкий график, part-time — Долгосрочное участие — Опционы — Маленькая команда, где слышат каждого — Продукт с большой миссией Подойдет тем, кто любит эксперименты и не боится неопределенности, готов влиять на будущий результат
Зарплата не указана
- Опыт разработки и применения моделей машинного обучения для решения прикладных задач: прогнозирования, классификации, оптимизации, выявления аномалий и анализа производственных процессов. - Разрабатывать и внедрять алгоритмы машинного обучения и интеллектуального анализа данных для задач энергетической отрасли.
Зарплата не указана
Задачи: — Разрабатывать и тестировать алгоритмы на базе LLM для генерации вопросов, ответов и кратких пересказов; — Работать с RAG-подходами: подготовка данных, индексация, поиск релевантного контекста, генерация ответа на его основе; — Участвовать в развитии виртуального ассистента и сценариев свободного диалога с пользователем; — Настраивать фактчекинг, фильтрацию и оценку качества ответов модели; — Разрабатывать пайплайны для суммаризации полезного контента; — Сравнивать результаты, подготовленные моделью, с редакционными версиями материалов, в том числе на примере «Картины дня»; — Создавать и развивать векторные поисковые индексы для задач RAG; — Тестировать промпты, гипотезы и подходы к улучшению качества ответов. Требования: — Опыт разработки на Python; — Опыт работы с задачами NLP: обработка текстов, классификация, генерация, суммаризация, NER, семантический поиск или похожие задачи; — Понимание принципов работы LLM и практический опыт их применения; — Опыт или хорошее понимание RAG-подходов; — Опыт работы с библиотеками и инструментами для ML/NLP: PyTorch, TensorFlow, Hugging Face, Transformers или аналогами; — Понимание fine-tuning/LoRA/prompt engineering на уровне, достаточном для прикладных задач; — Умение оценивать качество моделей и промптов: метрики, сравнение результатов, базовый benchmarking; — Знание SQL и опыт работы с базами данных; — Готовность разбираться в продуктовой задаче, а не только в модели. Условия: — Официальное трудоустройство; — ДМС со стоматологией, офисный врач, доплата больничного листа, корпоративные скидки; — Современный офис (Даниловская мануфактура, м. Тульская), бесплатный спорт в собственном спортзале от «Лиги Героев»; — Бесплатная подписка на сервисы партнеров; — Полный день в офисе, гибридный график или 100% дистанционный формат работы; — Льготные условия ипотеки в рамках зарплатного проекта; — Насыщенная корпоративная жизнь.
Зарплата не указана
Зарплата не указана
Компания "Урал Логистика" приглашает ML-инженера для участия в создании системы обработки документов и данных для грузовых железнодорожных перевозок. Задачи: — Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку — Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения — Создавать baseline для задач извлечения, классификации, определения сущностей и связей — Дообучать модели, готовить инструктивные наборы, обучать адаптеры и сравнивать результаты с базовыми моделями — Определять метрики, стратифицировать выборки и анализировать ошибки по типам документов, сценариям и полям — Работать с извлечением сущностей и связей для построения и обновления графового представления данных — Разворачивать локальный inference и оптимизировать его под доступную инфраструктуру — Работать с tensor parallelism, batching, длиной контекста, GPU-памятью и квантованием — Измерять задержку, пропускную способность, утилизацию и стоимость обработки документа — Версионировать данные, модели, конфигурации обучения и результаты экспериментов — Участвовать в интеграции моделей с прикладными AI-сервисами и production-конвейерами Требования: — Уровень middle+ и выше — Практический опыт построения ML-конвейеров, используемых в production — Уверенное владение Python, PyTorch и Hugging Face Transformers — Опыт fine-tuning языковых моделей, подготовки данных и работы с PEFT — Умение строить корректную оценку качества и контролировать утечки между обучающими и тестовыми данными — Опыт локального inference LLM и понимание устройства GPU-памяти — Знание компромиссов между качеством, скоростью, длиной контекста, batching и квантованием — Знание Linux, CUDA, SQL, Docker и Kubernetes — Способность довести модельное решение до устойчивой эксплуатации Условия: — Полная занятость — Возможность трудоустройства через российское юридическое лицо в штат или через согласованную аутстафф-модель — Основной формат — офис или гибрид — Для самостоятельных специалистов возможна распределённая работа из России — Итоговый грейд и масштаб ответственности определяются по результатам собеседования
Зарплата не указана
Задачи: — Исследование и разработка LLM: полный цикл работы с языковыми моделями от гипотез и экспериментов до оптимизации и внедрения в продакшен. — Проведение A/B-экспериментов: валидировать гипотезы через масштабные A/B-тесты, анализировать влияние на ключевые продуктовые и бизнес-метрики. — Работа с продуктом: взаимодействовать с инженерами и продакт-менеджерами для превращения исследовательских решений в рабочие фичи. — Анализ и оптимизация: отслеживать качество моделей, искать точки роста и устранять слепые зоны в данных и алгоритмах для улучшения ключевых метрик. Требования: — Хорошее знание основ современного ML и DL. — Готовность работать с большими данными и распределёнными вычислениями. — Желание заниматься прикладными ML-исследованиями. — Практический опыт в NLP или RecSys. Условия: — Ежегодные медицинские чекапы, йога и психотерапия, а также другие бонусы.
Зарплата не указана
Задачи: — Разработка и развитие сервисов промышленного инференса ML-моделей и LLM — Построение централизованного слоя доступа к моделям и AI-сервисам — Разработка платформенных компонентов для деплоя, версионирования и мониторинга моделей
Зарплата не указана
Задачи: - Развивать ядро матчинга: retrieval кандидатов по текстовым, картиночным и мультимодальным эмбеддингам, обучать модели классификации пар, работать с атрибутами товаров - Улучшать NLP-часть пайплайна с учетом специфики оптовых товаров: обработка названий, извлечение атрибутов из описаний, дообучение эмбеддинг-моделей - Доводить решения до прода и отвечать за них Требования: - Сильное понимание NLP: трансформерные модели, эмбеддинги, векторный поиск, опыт дообучения моделей под свою задачу - Опыт в задачах матчинга - Опыт в Data Science и ML Engineering с выводом моделей в продакшен от 3-х лет - Уверенные знания Python, ML-стека, SQL - Умение выбирать решение под задачу: не использовать нейросеть там, где достаточно эвристики, и наоборот - Опыт с CV и мультимодальными моделями (CLIP-подобные, metric learning), LLM/VLM в задачах классификации/ранжирования будет плюсом
Зарплата не указана
Задачи: — Определить, что считается качеством модели: метрика, горизонт, baseline, калибровка, и довести предикт до этого уровня — Интегрировать A/B-тесты пейволлов с предиктом, учитывая, что тест измеряет краткосрочный эффект, а раскатывать нужно по долгосрочной выручке — Развить аналитику, выявить и устранить узкие места в данных, запросах или интерфейсе — Принять решение по накопленным ML-наработкам: что доводить до продукта, что закрывать — Руководить командой из двух ML-инженеров Требования: — Глубокие знания классического ML и математической статистики, способность вести предметный спор о метриках и горизонтах прогнозирования — Владение SQL и Python для самостоятельного извлечения и проверки данных — Умение самостоятельно вести широкое направление и доводить его до результата без необходимости постановки задач — Продуктовый опыт является плюсом, но не обязателен Плюсы: — Опыт с подписками, мобильными приложениями или финтехом (LTV, churn, когортная экономика) — Знания в области экспериментального дизайна: мощность теста, MDE, множественные сравнения — Опыт работы с ClickHouse — Участие в олимпиадах, Kaggle, наличие публичных проектов О компании: Adapty — платформа монетизации подписок для мобильных приложений, через которую проходит более $3 млрд подписочной выручки в год, используется более 20 000 приложений. В компании формируется новое направление аналитики и ML под одного владельца, с целью улучшения точности предсказания LTV для оптимизации расходов на привлечение пользователей.
Зарплата не указана
О нас: Наш клиент — аутстафф-компания, подбирающая инженеров на длительные проекты. Сейчас ищем Data Scientist / AI Engineer. Про проект: Заказчик развивает ИИ-направление и выводит решения на базе LLM в промышленную эксплуатацию. Нужны специалисты, которые доводили AI-агентов до продакшена и понимают практические аспекты. Команда распределённая, работа полностью удалённая. Кого ищем: Data Scientist / AI Engineer с коммерческим опытом от 3 лет, реализовавший и выведший в продакшн решения на базе ИИ, включая AI-агентов на базе LLM. Уверенный в классическом ML, глубоком обучении и инфраструктуре. Задачи: — Разрабатывать и выводить в промышленную эксплуатацию решения на базе ИИ, включая AI-агентов на базе LLM. — Проектировать архитектуру AI-агентов и подходы к их построению. — Работать с Deep Learning в части NLP, включая архитектуру Transformer. — Делать fine-tuning языковых моделей (GPT-like, BERT-like и др.). — Разрабатывать интеграции с ИТ-системами. — Работать с промышленным Kubernetes. Требования: — Коммерческий опыт работы от 3 лет. — Опыт реализации и вывода в промышленную эксплуатацию решений на базе ИИ, включая AI-агентов на базе LLM, в роли Data Scientist / AI Engineer. — Знание основ классического машинного обучения. — Хорошее знание Deep Learning (NLP). — Глубокое понимание архитектуры Transformer. — Глубокое понимание подходов и методов проектирования AI-агентов. — Практический опыт fine-tuning языковых моделей (GPT-like, BERT-like и др.). — Уверенная работа со стеком Python — Torch, Transformers. — Опыт разработки интеграций с ИТ-системами. — Опыт промышленной работы с Kubernetes. Обязательные технологии и инструменты: Python, Torch, Transformers, Kubernetes. Отбор: Техническое собеседование по каждому пункту требований. Условия: — Полная удалёнка. — Зарплата от 200 000 до 230 000 ₽ на руки. — Выплата раз в месяц. — Оформление по ИП, налоги покрывают. Как откликнуться: В отклике кратко рассказать о своём опыте с LLM и AI-агентами, роли, стеке, кейсах с fine-tuning и промышленным Kubernetes.
200 000 – 230 000 ₽
Коперник AI — российская R&D-продуктовая компания, которая занимается разработкой, обучением и внедрением интеллектуальных систем (AI) промышленного уровня. Задачи и требования в вакансии не указаны в тексте.
Зарплата не указана
Задачи: — проводить аналитику и мониторинг работы моделей — собирать и подготавливать данные, последующий EDA, feature engineering — разрабатывать новые ML-модели — оптимизировать скрипты data/model/inference pipelines — подготавливать код проекта к проду, подготавливать, дизайнить и проводить АБ-тесты. Требования: — высшее образование по техническому направлению — от года релевантного опыта в ML — прочный математический фундамент (понимание градиентного спуска, характеристик основных распределений, PCA, МНК, базовые статистические тесты проверки гипотез) — умение и желание писать код на Python, оптимизировать его, разбираться в чужом коде, понимание SQL — владение основными библиотеками для анализа данных: pandas, numpy, scipy, matplotlib, statmodels — глубокое понимание основных алгоритмов классического ML (линейная/логистическая регрессия, деревья решений, ансамбли), базовые знания по DL (основные архитектуры, тонкости обучения) — владение основными фреймворками для ML/DL: sklearn, pytorch, transformers и др. Будет плюсом: — интерес к методам ML в задачах ценообразования и финансах — изучение Reinforcement Learning, multi-arms bandits — чтение статей по современным решениям для работы с последовательностями. Условия: — комфортный современный офис рядом с м. Кутузовская — гибридный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета — программа адаптации и помощь руководителя на старте (для Junior) — расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.
Зарплата не указана
В данной роли предстоит заниматься разработкой и проектированием AI-агентов, которые автоматизируют процессы отчетности и выявления отклонений в бизнес-процессах. Задачи включают создание пайплайнов для обнаружения аномалий, интеграцию этих решений с большими языковыми моделями (LLM) для генерации текстовых отчетов, а также работу с большими данными: подготовку признаков, агрегацию и передачу данных в модели. Кроме того, необходимо оптимизировать, упаковывать и разворачивать агентные системы в продуктивной среде. Важной частью работы является тесное взаимодействие с бизнес-подразделениями и аналитиками для преобразования их требований в технические AI-решения. Кандидат должен иметь не менее трех лет опыта коммерческой разработки на Python, хорошо разбираться в языковых моделях, включая понимание их ограничений, а также иметь опыт работы с LangChain или аналогичными инструментами для интеграции LLM в бизнес-задачи. Требуется знание математической статистики и основ различных методов машинного обучения, а также понимание принципов DevOps и процессов CI/CD. Работа предполагает офисный формат в Москве.
Зарплата не указана