Вакансии

Location: AU: Sydney (45 Clarence St); AU: Melbourne: (260 Burwood Rd) Workplace: Hybrid The role You will design, build and own the production systems behind Xero’s AI features: the services, pipelines and infrastructure that power LLM-driven and agentic experiences for millions of small businesses every day. This is a software engineering role. You’ll build and operate systems rather than train or tune models, and your architecture decisions will directly shape scale, cost, reliability and how fast our teams ship. You don’t need a machine learning background. We’re looking for strong production engineers, ideally with experience building LLM or agentic systems, and ML depth can be learned on the team. Beyond architecture, you’ll lift engineering capability across AI Products by setting standards, mentoring engineers and partnering across Xero to make data usable and systems dependable.   The team You’ll join AI Products, a diverse, globally distributed team of scientists, engineers, product managers and analysts within our broader Data & AI business. Engineers here partner closely with Applied Scientists early on to build the interfaces and harnesses that take models into production. They then own the engineering and infrastructure of every ML and AI system shipped into production, from reliability and cost to scale. Together, this collaborative team reduces toil and delivers reliable, intelligent experiences for small businesses. The team is currently working on - Production ML and AI engineering: Building and operating the platforms, services and practices that support traditional ML models, generative AI and agentic systems in production. - JAX (Just Ask Xero): Powering Xero's conversational GenAI assistant and evolving the underlying capabilities to support increasingly sophisticated, context-aware and agentic experiences. - Intelligent financial workflows: Developing capabilities such as Automated Bank Reconciliation and smart document capture, using ML and AI to match transactions, extract information from bills and receipts, and automate complex tasks. - XeroForce: Building the platform for AI-powered workflows, enabling agents to plan and execute complex tasks across Xero’s products and supporting reliable, reusable agentic experiences at scale. - End-to-end AI product experiences: Integrating AI into customer-facing experiences and product workflows, alongside the backend services, orchestration and infrastructure that make them work.   Where and how you can work Xero offers a flexible hybrid working model designed to blend the collaboration of office life with the autonomy of remote work. You will have access to our modern office spaces, with expectations around office days and collaborative 'boost days' aligned to help your team connect and ship great code effectively. Here are some of the things we are looking for - A track record of designing, shipping and operating production-grade backend systems at scale - Experience building and operating production systems for LLM or agentic workloads (orchestration, tool use, evaluation, guardrails, latency and cost management) - Strong system design fundamentals and excellent coding in Python, or another language suited to web-scale services (Go, Java, Kotlin, TypeScript) - Experience with APIs and service design, cloud infrastructure (ideally AWS), CI/CD and observability, with a focus on latency, cost, reliability and SLOs - Experience running services in production, including on-call and incident response - Solid SQL and experience with large-scale data processing - Excellent communication, with the ability to explain complex technical concepts to business and technical audiences - A coaching mindset and the ability to set engineering standards and mentor other engineers Nice to have - Experience operationalizing ML or LLM workloads (inference serving, evaluation pipelines) - Familiarity with MLflow, PyTorch or TensorFlow, and data orchestration tools - Distributed processing experience (Spark, Dask)   Apply even if your experience isn't a perfect match! At Xero, we hire based on your skills, passion, and the unique perspective you can bring to enhance our culture and team.

Задачи: — Разработка и вывод в production ML-решений. — Построение ML-пайплайнов и автоматизация экспериментов. — Работа с данными и хранилищами. — Реализация сервисов и API на Python. — Обеспечение полного цикла разработки от подготовки данных до мониторинга моделей. Требования: — Опыт разработки ML-решений и вывода моделей в production от 5 лет. — Уверенное владение Python и ML-стеком (NumPy, Pandas, Scikit-learn, PyTorch/TensorFlow). — Опыт создания production-ready ML-сервисов и API (FastAPI/Flask). — Знание классических ML-алгоритмов, градиентного бустинга, нейронных сетей и Transformers. — Опыт в одном или нескольких направлениях: NLP/LLM/Generative AI, рекомендательные системы, компьютерное зрение, предиктивное моделирование. — Работа с SQL и хранилищами данных (PostgreSQL, ClickHouse, NoSQL). — Навыки построения ML-пайплайнов и автоматизации экспериментов. — Плюсом будет опыт с LLM, RAG, векторными базами данных, MLOps-инструментами (MLflow, DVC, Airflow и др.), Docker, Kubernetes, облачными платформами, Apache Spark/PySpark. Условия: — Удалённая работа. — Частичная занятость. — Оформление по договору ГПХ с самозанятым или ИП.

Location: Москва **О команде** Мы занимаемся независимой оценкой качества и модельных рисков Kandinsky – семейства генеративных моделей для создания и редактирования изображений, видео и аудиовизуального контента, а также моделей мира (world models). Наша задача – находить слабые места моделей, проверять выбранные подходы к оценке и готовить рекомендации, которые помогают принимать решения о релизе и возможных сценариях применения моделей. Мы работаем с новыми версиями Kandinsky до их выхода к пользователям. Разрабатываем собственные методологии, бенчмарки и инструменты полного цикла, объединяя автоматические метрики, human evaluation и подходы LLM/VLM-as-a-judge. **О роли** Мы ищем специалиста на стыке исследований и инженерной разработки. В этой работе не всегда существует готовая методология или универсальная метрика. Нужно определить, из чего складывается качество модели, спроектировать проверяемый эксперимент и реализовать воспроизводимый evaluation-пайплайн. Роль охватывает весь цикл оценки: от формулирования критериев и подготовки тестовых данных до анализа результатов и рекомендаций для команды разработки. Важно не только измерить качество модели, но и понять, насколько она подходит для реальных пользовательских и бизнес-сценариев, какие ограничения критичны и что осталось непроверенным. Обязанности **Проектировать оценку с нуля** * декомпозировать качество на измеримые критерии и собирать под них тестовые сценарии, промпты и выборки * проектировать оценку там, где готовой методологии ещё нет. **Разрабатывать evaluation-пайплайны** * реализовывать на Python инструменты для запуска моделей, сбора результатов и расчёта метрик * обеспечивать воспроизводимость экспериментов и развивать внутреннюю библиотеку оценки * готовить инструкции для асессоров и контролировать качество разметки. **Строить VLM-as-a-judge** * разрабатывать судей под конкретные критерии, учитывать их bias и ограничения * понимать, где автоматическая оценка работает, а где без человека нельзя. **Разбираться в ошибках моделей** * понимать ограничения diffusion-моделей и причины типовых артефактов * отличать реальную проблему модели от ошибки методологии или замера. **Формировать заключение по модельному риску** * анализировать качество по отдельным сценариям, типам промптов и срезам, а не только по среднему значению * формулировать условия релиза, ограничения и явно фиксировать то, что осталось непроверенным. Требования **Хорошее понимание устройства генеративных моделей**: * понимание принципов работы Transformers, diffusion- и мультимодальных моделей и основных задач: T2I, Image Editing, T2V, Audio, Video-Audio. * понимание типовых ограничений, ошибок и артефактов моделей * способность разбираться в причинах ошибок и способах их проверки. **Способность проектировать оценку качества моделей**: * декомпозировать качество на измеримые критерии и проектировать тестовые сценарии, промпты и выборки. * выбирать корректный подход к оценке: human evaluation, автоматические метрики, LLM/VLM-as-a-judge, а также подходящие модели для сравнения; * проверять валидность метрик и уметь проектировать оценку для новых задач и модальностей, где ещё нет готовой методологии. **Навыки работы с LLM и VLM:** * prompt engineering, structured output, tool calling и работа с контекстом и ограничениями моделей * построение и валидация LLM/VLM-as-a-judge, включая проверку автоматической оценки относительно человеческой * понимание нестабильности, bias и галлюцинаций моделей * умение подбирать модель под конкретную исследовательскую задачу. **Понимание AI-агентов и агентных систем**: * понимать, чем агент отличается от обычного вызова LLM; * знать основные компоненты агентной системы: роли, инструменты, контекст, память и оркестрация * понимать, когда агентный подход действительно полезен, а когда создаёт лишнюю сложность * уметь оценивать надёжность и ограничения агентных решений. **Умение проводить технический и научный ресерч**: * находить и критически разбирать актуальные статьи, бенчмарки, модели и реализации * сравнивать решения с актуальными подходами и оценивать достоверность результатов * переводить ресерч в конкретные идеи для тестирования и развития внутренних подходов. **Будет плюсом** **Умение работать с агентами и субагентами**: * декомпозировать задачи между агентами, задавая им чёткие роли и зоны ответственности * управлять контекстом и изоляцией субагентов, организовывать проверку результатов * собирать результаты нескольких агентов в единое решение и критически оценивать их выводы * **Навыки вайбкодинга и AI-assisted coding**: * уверенно работать с Codex, Claude Code и другими coding-агентами * проверять и дорабатывать сгенерированный код, использовать агентов для тестирования * понимать архитектуру создаваемого решения **Продуктовое мышление**: * связывать тестирование с реальными пользовательскими сценариями и понимать, какие ошибки критичны для продукта * приоритизировать направления проверки и переводить результаты оценки в рекомендации для разработки * понимать влияние результатов на релиз и дальнейшее развитие модели. Условия * комфортный современный офис рядом с м. Кутузовская * возможность выбрать удобный график - офис / гибрид * 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 и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера

▫️Проектирование и реализация компонентов календарного и производственного планирования. ▫️Разработка решений для оптимизации запасов.

-Разрабатывать AI-агентов и мультиагентные сценарии для автоматизации различных этапов PDLC. -Развивать Ассистента платформы на базе LLM.

Задачи: — Разработка и внедрение ML-моделей в продакшен — Решение задач извлечения сущностей (NER), обучение NER-модели для выявления ПДн в произвольном тексте — Построение пайплайнов обработки неструктурированных данных — Работа со смешанными данными в одной колонке, распознавание новых типов данных — Интерпретация результатов, подбор гиперпараметров, оценка рисков переобучения Требования: — Опыт работы в роли ML-инженера / Data Scientist — Опыт лидерской роли — Знание Python, pandas, numpy, scikit-learn — Опыт работы с NLP-инструментами: SpaCy, Hugging Face Transformers и/или аналогами — Понимание и опыт применения деревьев решений и ансамблей, Random Forest — Навыки контейнеризации (Docker) — Опыт развертывания моделей через API (FastAPI/Flask) — Опыт версионирования моделей и данных (MLflow/DVC) — Понимание CI/CD-процессов Условия: — Формат сотрудничества: ИП — Занятость: контракт — Проект долгосрочный

Location: Москва Мы строим высоконагруженные ML-системы для обеспечения банковской безопасности. Наш фокус — антифрод, управление рисками, обнаружение аномалий и оптимизация бизнес-процессов и тд. Ищем MLE грейда Middle+ с сильной инженерной базой. Ключевая задача — внедрение и адаптация высокопроизводительных runtime-шаблонов для инференса моделей, автоматизация процессов деплоя и оптимизация Time-to-Market при выводе ML/DL и LLM в промышленную эксплуатацию. Обязанности • развертывание и поставка моделей: Упаковка, деплой и поддержка runtime-шаблонов для быстрого вывода моделей в прод на основе готовых архитектурных решений Оптимизация инференса (ML Serving): • обеспечение требуемого уровня latency и пропускной способности для классического ML (LightGBM, CatBoost и тд) и нейросетей • конфигурирование и поддержка инференс-серверов (Triton Inference Server, vLLM и тд) Интеграция и оптимизация LLM: • вывод в продакшен LLM-агентов и RAG-систем с использованием готовых фреймворков • настройка производительных движков (vLLM, TGI) с применением базовых техник оптимизации (квантование, continuous batching) • реализация механизмов кэширования и фильтрации запросов (Guardrails) Автоматизация пайплайнов: • сборка end-to-end пайплайнов доставки данных и моделей (от логов до Real-time API) • интеграция с очередями сообщений (Kafka) для обработки данных в реальном времени • написание и поддержка DAG-ов переобучения моделей в Airflow Мониторинг и логирование: • настройка базового мониторинга метрик данных и моделей (Data/Model Drift) • интеграция трекинга экспериментов и логирования цепочек LLM (MLflow, Langfuse) • ведение реестра моделей в MLflow Model Registry. Требования • инженерный опыт: От 3-х лет в роли MLE / Backend-разработчика (Python) с опытом коммерческого вывода моделей в прод и пониманием специфики Highload-систем • уверенный Python: Чистый, типизированный код, знание асинхронного программирования (Asyncio) и базовых паттернов проектирования • работа с данными и очередями: Хорошее знание SQL (сложные запросы, оконные функции) и практический опыт интеграции приложений с Kafka MLOps и Инфраструктура: • уверенное владение Docker, базовый опыт работы со средой Kubernetes (запуск подов, просмотр логов, понимание манифестов) • опыт написания пайплайнов в Airflow и интеграции моделей с MLflow Data Science бэкграунд: • понимание математики классического ML и архитектур нейросетей • базовые навыки профилирования кода и оптимизации использования памяти • опыт работы с табличными данными и современным стеком NLP/LLM будет плюсом: • понимание принципов работы корпоративных Feature Store (например, Feast) • опыт работы с векторными базами данных (Qdrant, Milvus, PGVector) • понимание базовых принципов работы CUDA и компиляции моделей (формат TensorRT и тд). Условия * комфортный современный офис рядом с м. Кутузовская * офисный 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 (для Junior позиций) * 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.

– Разработка и деплой моделей: gроектировать и внедрять ML-решения (от классического регрессионного анализа до Time Series и Uplift-моделей). – Работа с Big Data: строить высокопроизводительные пайплайны обработки данных и генерации признаков на PySpark.

Проектировать, разрабатывать и оптимизировать ML-пайплайны: от подготовки данных и обучения моделей до внедрения в production. Разрабатывать и дообучать ML/NLP-модели под продуктовые задачи.

Ищем Data Scientist в команду развития ML-моделей крупного банка. Разработка и внедрение ML-моделей для прогнозирования клиентского поведения, склонности к банковским продуктам и других характеристик клиентов.

Location: Remote Poland At Affirm, we exist for the moments that matter—giving people a clear, predictable way to pay over time, with no hidden fees, no surprises, and no tradeoffs on what matters most. About the role We are looking for a Staff Machine Learning Engineer to be the technical leader building high-quality production-grade models powering credit lending decisions in countries across Europe and in Australia. You will use novel ML techniques and rich data representations to predict repayment behavior and optimize how we offer loans to our borrowers. In this role, you will help shape the future of how machine learning fuels Affirm’s global expansion. You'll partner with engineering, product, and risk leaders to design, implement, and scale advanced ML solutions that drive critical capabilities across the company. You will mentor engineers, bring clarity to complex, ambiguous problems, and contribute to a cohesive long-term ML strategy. What you’ll do * You will be responsible for setting technical strategy for your team on a year-long time scale, and help your team tie it together with critical, business-impacting projects. * You will collaborate with ML Platform, product, engineering, and risk leadership to shape long-term modeling capabilities needed for scalable international expansion. * You will act as a force-multiplier for your team through your definition and advocacy of technical solutions and operational processes. * You will foster a culture of quality and ownership on your team by setting code review and design standards. * You will help develop talent on your team by providing feedback and guidance, and leading by example. What we look for * 8+ years of experience researching, designing, deploying, and operating large-scale, real-time machine learning systems. A relevant PhD can count for up to 2 YOE. * Strong Python skills and experience writing production-quality code. * Experience building and evaluating models for tabular classification problems (including gradient-boosted decision trees like LightGBM/XGBoost, and deep learning frameworks like PyTorch). * Experience working with distributed data processing or parallel compute frameworks (e.g. Spark, Ray). * Experience with ML lifecycle tooling for training orchestration, experimentation, and model monitoring (e.g., Kubeflow, Airflow, MLflow). * Proficient in using AI-powered developer tools (e.g., Claude Code, Codex, Cursor) to accelerate the model development lifecycle. * Strong engineering skills and the ability to provide hands-on technical leadership while working with our code and architecture. * Strong verbal and written communication skills that support effective collaboration with our global engineering team. Total Rewards We believe the people building honest financial products at Affirm should share in its success. That's why our total rewards are designed to support your health, growth, financial well-being, and future. In service of our mission, we reward employees through a combination of base pay, equity (from parent company), and comprehensive benefits. Base Pay Grade - P 365,000 zł  -  485,000 zł Base pay ranges and placement within those ranges are determined based on several factors, including role, experience, and job-related skills. In addition to base pay, all employees in this role are eligible to receive equity from the parent company each year. This means as Affirm's parent company grows, employees have the opportunity to share in that growth financially. Affirm Holdings, Inc. Equity Grade example Equity grade: 5 New hire equity: $48,000-$72,000 Annual Refresh: $15,000 Reward equity: $0-$225,000 Affirm also provides flexible spending wallets to all employees for technology and wellbeing related needs, which are reimbursable up to 1390 zł per month. In addition to your compensation, our comprehensive benefits are designed to support you and the people who matter most. Benefits include: • Competitive paid time off, paid public holidays, and additional paid Away Days to rest and recharge. • Comprehensive private healthcare through Lux Med's Platinum package. • A MultiSport card to support your health and well-being. • Learning and development programs to help you grow professionally. • Family healthcare support through Maven and parental leave support through Parentaly. • Mental well-being support through Lyra, including up to 12 confidential counseling or coaching sessions each year for you and your household members. • Financial well-being support through Northstar, with unlimited access to Certified Financial Advisors and planning tools at no cost to you. • Employee Resource Groups (ERGs) that foster connection and inclusion. • Eligibility for creative tax benefits, subject to applicable law, role, and company policy. Location - Remote Poland The majority of our roles can be located anywhere in Poland. This job description is not a contractual document, and is not intended to have binding force. #LI-Remote Remote-first with flexibility built in Affirm is proud to be a remote-first company. Most roles can be done from almost anywhere within the country of employment. Some positions may occasionally require in-person work at an Affirm office, and a few are office-based due to the nature of the work. All new hires will be invited to attend an in-person onboarding experience. Benefits designed for you Our benefits reflect our commitment to care, transparency, and flexibility. Here are a few highlights: Health coverage at no cost: We cover 100% of premiums for employees and their dependents. Spending stipends: Monthly stipends support your tech setup, and the ability to choose health and wellness options that are right for you. Time off to recharge: Flexible time off and generous holiday calendars help you rest when you need to. Own a piece of what you build: Our employee stock purchase plan (ESPP) lets you buy Affirm stock at a discount. We’re committed to providing an inclusive interview process, including accommodations for candidates with disabilities. If you need support, we’re happy to help. For positions based in San Francisco or Los Angeles: Affirm considers qualified applicants with arrest and conviction records, as required by law. By clicking "Submit Application," you acknowledge that you have read Affirm's Global Candidate Privacy Notice and consent to the use of your personal information as described.

Location: Москва Workplace: Комбинированный VK Реклама — платформа, которая объединяет все крупнейшие в России и СНГ социальные сети и сервисы с общим охватом более 140 млн человек. Благодаря VK Рекламе у рекламодателей есть единая точка доступа к аудитории рунета и колоссальному объёму мобильного трафика высокого качества. Ядро рекламной системы — аукцион, обеспечивающий эффективную реализацию выбранных рекламодателями стратегий ставок и подбор рекламы для пользователей. Мы ищем ML-специалиста, которому интересно глубоко погрузиться в механику аукциона, растить эффективность рекламных продуктов и стратегий ставок с помощью методов машинного обучения. Что предлагаем: Возможность внедрять решения, влияющие на ~100 млн пользователей ежедневно Интересную предметную область - реклама сочетает в себе рекомендательную систему и аукцион со множеством дополнительных механизмов Технологические платформы компании, упрощающие внедрения в рантайм Задачи Разрабатывать и улучшать ML-модели ранжирования в аукционе Проводить AБ эксперименты с моделями в высоконагруженной системе Оптимизировать производительность существующих алгоритмов Требования Знание классических методов машинного обучения (линейные модели, градиентный бустинг, матричные факторизации, методы NLP) и DL Понимание принципов и методов предобработки данных, feature engineering и оценки моделей Практический опыт разработки на Java, Python или C++ Знание алгоритмов и структур данных Уверенное владение SQL Будет плюсом Опыт разработки рекомендательных систем Опыт работы с большими данными (Spark, Hadoop, YTsaurus)

Location: Москва Workplace: Гибридный О компании Big Data — один из ключевых юнитов МТС. Сегодня Big Data — это 20 петабайт данных, 5 000 метрик на профиль и 400 увлечённых профессионалов в команде. Наши технологии применяются практически во всех направлениях компании — маркетинг, обслуживание, планирование сети, HR, розница. Один из ключевых продуктов — рекомендательная платформа, которая использует всю мощь ML и больших данных для подбора наиболее релевантных айтемов для клиентов из каталогов МТС. Мы уже поставляем рекомендации в онлайн-кинотеатр КИОН, в читалку «Строки», МТС Банк, сервисы по продаже билетов, интернет-магазин и другие продукты экосистемы МТС. Сейчас мы объединяем рекомендательные движки в единую платформу, создаём универсальный поисковый движок, realtime-триггеры и масштабируем решения на все сервисы компании. Сейчас находимся в поиске Middle ML-инженера в RecSys. Стек - Python, Hadoop, Pytorch, Catboost, Triton, vLLM, FastAPI, k8s, PostgreSQL, Aerospike, Kafka, Airflow, GitLab CI, Grafana Обязанности Разрабатывать и обучать рекомендательные ML-модели от идеи до продуктивизации; Формулировать и проверять гипотезы по улучшению рекомендаций для роста бизнес-метрик клиентов; Внедрять ML-пайплайны в real-time сервисы и доводить модели до продакшена; Работать с рекомендательной платформой: использовать готовые наработки и активно контрибьютить в её развитие; Проводить исследовательские задачи — читать статьи, воплощать новые подходы, в том числе генеративные полки на основе предпочтений пользователей; Взаимодействовать с дата-инженерами по доработке витрин и пайплайнов, с аналитиками — по постановке и проверке A/B-тестов. Требования Уверенные навыки Python и хорошее знание теории вероятностей и математической статистики; Коммерческий опыт в Data Science от 2 лет и понимание ML-архитектуры — не только эксперименты в ноутбуке, но и реальные внедрения в продукт; Опыт разработки и продуктивизации ML-сервисов (от моделей до API); Опыт внедрения ML-пайплайнов в real-time сервисы; Опыт работы с шедулерами (Airflow или аналог), pyspark и SQL/NoSQL базами данных; Самостоятельность: умение предлагать технические и архитектурные решения, технологии и направления улучшений; Хорошие коммуникативные и аналитические навыки. Условия Собственную платформу MTS Ocean для получения ИТ-ресурсов, а это значит, что деплой, мониторинг, observability — не будут для тебя проблемой, ты сможешь сосредоточиться на фичах; Профессиональные гильдии инженеров, где мы поддерживаем друг друга и помогаем стать лучше; Внутреннюю площадку TechTalks для обмена опытом, дискуссий, развития навыков самопрезентации; Участие во внешних ИТ конференциях. Мы выступаем на HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг и даже проводим собственную конференцию по архитектуре True Tech Arch; Полезные курсы и вебинары в корпоративном университете и электронную библиотеку; ДМС с первого месяца работы, включая стоматологию; Страхование от несчастных случаев с 1 месяца работы. Материальную помощь в сложных жизненных ситуациях; Отпуск 28 календарных дней (+3 дополнительных дня за ненормированный рабочий день); Гибридный формат работы; Прием врачей общей практики и массаж в офисе; Мобильная связь за счет компании и льготные тарифы для близких; Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

Location: Москва В Центре робототехники Сбера мы обучаем модели, которые должны управлять роботами в сложных реальных условиях. Для этого мало просто собрать большое количество данных: нужно понимать, какие записи полезны, где в них ошибки и каких примеров модели не хватает. Сейчас нам нужен Data Analyst / Data Engineer в Data Conveyor Team, который будет находить проблемы в данных, оценивать их качество и проверять через обучение моделей, как состав датасета влияет на результат. Это роль на стыке анализа данных, инженерии данных и практических ML-экспериментов: нужно не только строить проверки качества, но и запускать обучение или дообучение моделей на разных версиях данных, сравнивать метрики и превращать выводы в конкретные решения по сбору, разметке, фильтрации и выборке. Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности * строить автоматические и полуавтоматические пайплайны проверки качества данных, чтобы находить технические и смысловые дефекты до попадания данных в обучение * запускать или сопровождать обучение и дообучение моделей на разных версиях датасетов, чтобы измерять влияние качества, состава и фильтрации данных на метрики модели * разрабатывать метрики качества данных и использовать их как диагностический сигнал до тех пор, пока не доказана связь с успешностью модели на роботе и в тестовых сценариях * формировать фильтры, уровни качества и стратегии выборки по качеству, разнообразию, задачам, объектам, окружениям, роботам, источникам и типам ошибок * проводить сравнительные эксперименты с составом данных, чтобы проверять, какие данные действительно помогают модели, а какие можно исключить или отправить на доработку * анализировать ошибки модели и переводить их в конкретные запросы на данные: что дособирать, что переразметить, что удалить, что добавить в выборку * готовить теги задач, объектов, окружений и ошибок, эталонные наборы примеров, правила контроля качества разметки и критерии приемки * исследовать, как изменения камер, конфигурации робота, калибровки или других сенсоров влияют на качество данных и результат модели * готовить краткие технические отчеты: гипотеза, данные, метрики, ограничения, выводы, рекомендуемые изменения для релиза датасета или плана сбора данных. Требования * 3+ года опыта в data analysis, data engineering, ML engineering, applied ML или близкой области * уверенный Python: pandas/polars, numpy, visualization, notebooks, batch data processing * SQL и опыт работы с большими датасетами, manifests, metadata, dashboards или analytics pipelines * понимание экспериментального дизайна: ablations, контрольные группы, statistical reliability, интерпретация метрик * базовое понимание ML training / eval loop и связи состава данных с метриками модели * умение анализировать мультимодальные данные: видео, временные ряды, actions, task metadata, labels * способность переводить наблюдения из данных и ошибок модели в actionable recommendations * хорошая письменная коммуникация для отчетов, журналов решений и постановки задач смежным командам. Будет плюсом: * опыт с robot learning, VLA, imitation learning, RL, CV/VLM datasets или embodied AI * опыт с W&B, MLflow, Hydra, experiment tracking, dataset lineage * опыт с annotation QA, active learning, data curation, anomaly detection или quality scoring * понимание domain shift, camera shift, embodiment gap, task transfer и data-centric AI * навыки работы с генеративными AI-моделями * опыт создания AI-агентов и использования их в работе будет преимуществом * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов * инструментальное владение AI для анализа, генерации и автоматизации. Условия * офисный формат работы, адрес офиса Автозаводская 23а к2 * ежегодный пересмотр зарплаты, квартальная и 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.

Senior по Python и глубокого понимания алгоритмов. Python: Pyomo, OR-Tools, PuLP, COIN-OR;

Location: Islamabad, Pakistan Workplace: hybrid Our AI Customer Support and Safety team is working on many areas including Computer Vision, NLP, RL etc, bringing business value to our products and improving the lives of our customers. Now we are aiming to strengthen several streams and looking for an experienced middle Machine Learning Engineer , who will help us in our journey. The primary focus for this position will be automation of the driver verification process, for which experience in computer vision is essential. Key Responsibilities Develop, deploy, and maintain machine learning models and systems Conduct in-depth data analysis, preparation, and processing Contribute to the design of ML systems, focusing on data-related aspects like annotation and processing Follow established security guidelines and identify potential risks Collaborate with peers to review and ensure designs are effective, flexible, and reusable Solve issues and provide feedback for engineering design and delivery processes Ensure that features are deployed according to requirements and operate without unintended side effects Create and maintain comprehensive documentation for models and processes Monitor and support deployed solutions to ensure they meet performance expectations Actively seek out information and internal solutions to ensure reusability and adoption of common technologies Our expectations 3+ years of experience in the Field. Previous software engineering experience is preferrable Strong proficiency in Python and its common data processing frameworks (e.g., for streaming, batch, and asynchronous data). Strong foundational knowledge in classical machine learning, deep learning, and advanced mathematics. Familiarity with MLOps principles and experience using MLOps tools for managing the ML model lifecycle. Experience with backend systems and infrastructure, and a willingness to learn new technologies (like Golang) for integration purposes. The ability to design solutions using common design patterns and various design tools. Experience in experiment design and the ability to validate the credibility of information from various sources. A solid understanding of the business value of delivered features. Strong problem-solving skills, with an emphasis on using technical facts and reasoning. Excellent communication and collaboration skills, including active listening and the ability to build consensus. A strong drive for continuous self-development and a collaborative mindset for contributing to communities. Ability to balance quality and speed depending on the case, and justify your decision Ability to explain the background and consequences of your technical decisions to non-technical stakeholders, including product and business managers English communication skills Why join us Help us challenge injustice by creating fair choices for millions of people across 47 countries. Develop your professional skills with access to mentoring, career consulting, and learning programs. Collaborate with teams around the world and gain international experience through our Global Talent Exchange Program. Engage in company-wide challenges, awards, sports activities, employee-led social impact and volunteering projects. Work alongside people who take initiative, speak openly, and challenge themselves to grow. Improve your language skills through co-financed courses and internal speaking clubs. Final benefits may vary depending on the location.

Location: Cairo, Egypt Workplace: hybrid Our AI Customer Support and Safety team is working on many areas including Computer Vision, NLP, RL etc, bringing business value to our products and improving the lives of our customers. Now we are aiming to strengthen several streams and looking for an experienced middle Machine Learning Engineer , who will help us in our journey. The primary focus for this position will be automation of the driver verification process, for which experience in computer vision is essential. Key Responsibilities Develop, deploy, and maintain machine learning models and systems Conduct in-depth data analysis, preparation, and processing Contribute to the design of ML systems, focusing on data-related aspects like annotation and processing Follow established security guidelines and identify potential risks Collaborate with peers to review and ensure designs are effective, flexible, and reusable Solve issues and provide feedback for engineering design and delivery processes Ensure that features are deployed according to requirements and operate without unintended side effects Create and maintain comprehensive documentation for models and processes Monitor and support deployed solutions to ensure they meet performance expectations Actively seek out information and internal solutions to ensure reusability and adoption of common technologies Our expectations 3+ years of experience in the Field. Previous software engineering experience is preferrable Strong proficiency in Python and its common data processing frameworks (e.g., for streaming, batch, and asynchronous data). Strong foundational knowledge in classical machine learning, deep learning, and advanced mathematics. Familiarity with MLOps principles and experience using MLOps tools for managing the ML model lifecycle. Experience with backend systems and infrastructure, and a willingness to learn new technologies (like Golang) for integration purposes. The ability to design solutions using common design patterns and various design tools. Experience in experiment design and the ability to validate the credibility of information from various sources. A solid understanding of the business value of delivered features. Strong problem-solving skills, with an emphasis on using technical facts and reasoning. Excellent communication and collaboration skills, including active listening and the ability to build consensus. A strong drive for continuous self-development and a collaborative mindset for contributing to communities. Ability to balance quality and speed depending on the case, and justify your decision Ability to explain the background and consequences of your technical decisions to non-technical stakeholders, including product and business managers English communication skills Why join us Help us challenge injustice by creating fair choices for millions of people across 47 countries. Develop your professional skills with access to mentoring, career consulting, and learning programs. Collaborate with teams around the world and gain international experience through our Global Talent Exchange Program. Engage in company-wide challenges, awards, sports activities, employee-led social impact and volunteering projects. Work alongside people who take initiative, speak openly, and challenge themselves to grow. Improve your language skills through co-financed courses and internal speaking clubs. Final benefits may vary depending on the location.

Location: Almaty, Kazakhstan Workplace: hybrid Our AI Customer Support and Safety team is working on many areas including Computer Vision, NLP, RL etc, bringing business value to our products and improving the lives of our customers. Now we are aiming to strengthen several streams and looking for an experienced middle Machine Learning Engineer , who will help us in our journey. The primary focus for this position will be automation of the driver verification process, for which experience in computer vision is essential. Key Responsibilities Develop, deploy, and maintain machine learning models and systems Conduct in-depth data analysis, preparation, and processing Contribute to the design of ML systems, focusing on data-related aspects like annotation and processing Follow established security guidelines and identify potential risks Collaborate with peers to review and ensure designs are effective, flexible, and reusable Solve issues and provide feedback for engineering design and delivery processes Ensure that features are deployed according to requirements and operate without unintended side effects Create and maintain comprehensive documentation for models and processes Monitor and support deployed solutions to ensure they meet performance expectations Actively seek out information and internal solutions to ensure reusability and adoption of common technologies Our expectations 3+ years of experience in the Field. Previous software engineering experience is preferrable Strong proficiency in Python and its common data processing frameworks (e.g., for streaming, batch, and asynchronous data). Strong foundational knowledge in classical machine learning, deep learning, and advanced mathematics. Familiarity with MLOps principles and experience using MLOps tools for managing the ML model lifecycle. Experience with backend systems and infrastructure, and a willingness to learn new technologies (like Golang) for integration purposes. The ability to design solutions using common design patterns and various design tools. Experience in experiment design and the ability to validate the credibility of information from various sources. A solid understanding of the business value of delivered features. Strong problem-solving skills, with an emphasis on using technical facts and reasoning. Excellent communication and collaboration skills, including active listening and the ability to build consensus. A strong drive for continuous self-development and a collaborative mindset for contributing to communities. Ability to balance quality and speed depending on the case, and justify your decision Ability to explain the background and consequences of your technical decisions to non-technical stakeholders, including product and business managers English communication skills Why join us Help us challenge injustice by creating fair choices for millions of people across 47 countries. Develop your professional skills with access to mentoring, career consulting, and learning programs. Collaborate with teams around the world and gain international experience through our Global Talent Exchange Program. Engage in company-wide challenges, awards, sports activities, employee-led social impact and volunteering projects. Work alongside people who take initiative, speak openly, and challenge themselves to grow. Improve your language skills through co-financed courses and internal speaking clubs. Final benefits may vary depending on the location.