Вакансии

Location: Europe Workplace: Remote OUR VISION & PRODUCTS 🚀 EverAI — Building the Future of AI Companionship One of the Top 15 Largest & Fastest-Growing AI Companies in the World 50 Million Users in 2 years — Help Us Reach 100M first, 500M next At EverAI, we’re shaping what it means to connect with AI. With 50 million users and counting, we're not just building products — we're creating entirely new categories. Our flagship product is the world’s largest AI companionship platform, redefining relationships for millions. It is governed by our proprietary moderation system, EverGuard — an internal AI designed to ensure everything we build is safe, ethical, and human-first. And we’re only just getting started! OUR TEAM We are an enthusiastic, passionate and hardworking team of ≈ 100 people. Our founding team has strong entrepreneurial experience building and scaling web products from 0 to IPO. Alexis Soulopoulos [CEO] • 10+ years in Tech Executive Leadership • Co-Founder Mad Paws Holdings (from 0 to IPO) • Forbes 30 under 30 + Deloitte TechFast50 ’22 & ‘23 Michael Monin [Co-founder & CTO] • 10+ years as CTO / COO (web2/web3), 3 years in AI/LLM • Serial-entrepreneur: MTK Digital (exited / 0->$20m revenue) and Zipchat (AI Chatbot for E-commerce brands) Thomas Lacroix [Co-founder & CMO] • 8+ years in Customer Acquisition & E-commerce Growth • Serial-entrepreneur: Curatible (sold to Blackstone) and MTK Digital (exited / 0->$20m revenue) Maruša Fasano [CFO/Legal] • 25+ years in Finance, Strategy, M&A • Ex-CFO/M&A @Curatible (exited to Blackstone) • Ex-President of the Board @SotremoSA (exited) • Co-founder/CFO @SoftOne (exited) YOUR ROLE Most LLM roles stop at experimentation. Here, the models you improve power experiences for 50M+ users. Most of our traffic runs on self-hosted, fine-tuned open-weight models. On our internal roleplay evals, our smaller fine-tuned models can outperform much larger off-the-shelf models. Your job is to make them better. You’ll join a small AI team led by Marco, our LLM Tech Lead, working closely with our CTO, Product, Web and DevOps teams. You’ll work across data, post-training, evals, and model behavior, taking ideas from failure analysis to production. The problems are real: personalization, character consistency, long conversations, better evals, multilingual behavior, and faster training cycles. If you want to shape model behavior at consumer scale, this is the role. KEY RESPONSIBILITIES - Fine-tune open-weight LLMs using SFT, LoRA/QLoRA and post-training methods such as DPO and GRPO - Diagnose model failures and turn them into experiments. Decide whether the answer is better data, post-training, prompting or classifiers - Build training data and evals that directly shape what gets trained next - Improve model behavior across personalization, consistency, tone, multilingual and group interactions - Ship to production and use real user behavior to guide the next iteration - Speed up the training loop so experiments are faster, easier to compare, and more reproducible YOUR QUALIFICATIONS - You’ve personally post-trained open-weight LLMs for a user-facing product and shipped them to production - You’ve worked where AI was core to the product or business, not an experimental side feature - Fine-tuning is core to your experience - Strong Python, PyTorch and Hugging Face, with hands-on GPU training and debugging - You build data and evals yourself and make decisions from evidence - You can take work beyond notebooks into production - You use AI tools daily in your own engineering work - You are fully comfortable working with uncensored models and explicit NSFW content, including harmful material when developing and evaluating moderation system BONUS POINTS - Experience with conversational AI, roleplay products, or highly personalized consumer AI - Multilingual LLMs - Moderation, safety, or adversarial testing - Multimodal models - Open-source LLM / post-training contributions WHY EVERAI? 📈 Exponential Growth: From 50M users in 2 years, to 100M next — and 500M beyond 🚀 Track Record of Category-Creating Innovation: We consistently launch world-first AI applications — setting the pace, not following it 🌍 Global Impact: Top-tier user growth, real-world adoption, and cultural relevance 🧠 Proven Leadership: A senior team that’s launched, scaled, and exited & IPO’d multiple scale ups — now fully focused on reshaping AI companionship 👥 Elite Remote Team: 100% remote and built to win — world-class talent from Tier 1 tech companies, with a culture of ownership, velocity, and radical creativity 🛡️ Ethical Core: Our AI ecosystem is governed by EverGuard, our proprietary AI moderation technology, ensuring responsible development at scale WHAT WE OFFER ✍️ Contract Type: We prefer B2B, but we’re flexible, what matters is long-term commitment and impact 📍 Work From Anywhere: Fully remote. Choose the environment where you do your best work 🏝️ Paid Time Off: 4 weeks (20 working days) of PTO per year to recharge and reset 👨‍👩‍👧‍👦 Annual Gathering: A yearly in-person meetup to connect, brainstorm, and celebrate wins together ❤️‍🩹 Health & Wellness Support: Monthly allowance of 100 USD for health insurance expenses & access to unlimited 1:1 sessions with psychologists and lifestyle experts through OpenUp (also available to up to three of your family members) 🏢 Co-Working Space Budget: Work from a co-working space up to twice per month (35 EUR / 40 USD per visit) to stay inspired and connected 📚 Learning Budget: Dedicated funds to support your professional growth: courses, books, conferences, events, or certifications 💻 Company Laptop & Equipment: Laptop provided + monitor budget up to 250 USD + keyboard/mouse/mic/headphones budget up to 150 USD ⚡ AI Tools Access: Premium access to ChatGPT, Hugging Face, Claude Code, and any other tool needed to excel at your job, power your ideas and workflows 🎯 TOP TIER TALENT IS OUR MULTIPLIER We’re a fully remote group of A-players from Tier 1 tech, led by an exec team who’ve launched, scaled, and exited multiple companies. We move fast, and care deeply about what we build — and who we build it with. We’re looking for exceptional talent ready to ship & distribute world-first AI products at scale, fast, and co-create with us this category-defining business. If that’s you — reach out and apply!

Location: Hamburg adjoe builds the technologies behind mobile apps growth and monetization. With our core product Playtime Arcade, we've become the global leader in rewarded advertising, an ad unit built on a simple premise: users earn real in-app rewards for engaging with new apps. The result is one of the most effective value exchanges in adtech, connecting advertisers and publishers with over 770 million users annually. Architecting Intelligence to Optimize 200M+ Daily Decisions As the intelligence core of our engineering organization, our Data Science team doesn't just deploy models, we engineer the fundamental decision engine that powers our platform. At a scale of 770 million users and 100,000+ predictions per second, we are solving a multi-objective optimization problem that balances user incentives, advertiser ROI, and long-term platform health in real time. Our architecture is built on a 1PB+ behavioral data lake, providing the high-fidelity input necessary to train deep learning models that predict individual user engagement with precision. We aren't just optimizing clicks, we are dynamically calculating optimal reward structures to sustain a global value exchange. Engineered for performance, our stack leverages PyTorch for model training, NVIDIA Triton to achieve sub-100ms inference. We own the full ML lifecycle from high-level research and feature engineering to deployment and A/B experimentation. Here, you will find the autonomy, the data depth, and the massive scale required to solve the most complex optimization challenges in the adtech ecosystem. The data infrastructure behind this runs at real scale: 2TB ingested in real time every day, 100+ Airflow jobs and data pipelines, and ML models handling p99 latency of 100ms across 100,000+ predictions per second. What you will do: - Analyze and evaluate the performance of our machine learning models using user-level and aggregated data, identify inefficiencies and failure patterns, and turn findings into actionable recommendations for our Data Science teams. - Define and improve metrics for measuring ML model performance and business impact, working closely with Data Scientists and Product Managers to ensure we optimize for the right outcomes. - Design, prepare and analyze A/B tests and other experiments to measure the impact of new models, features and algorithmic changes. Assess statistical significance, experiment quality and practical business impact. - Act as a strategic analytical partner to Product, Data Science, and Business leads. You proactively translate ambiguous business challenges into analytical roadmaps and turn complex ML insights into clear recommendations that shape product strategy. - Challenge product and technical decisions with data, bringing an independent analytical perspective to model development, experimentation and product strategy. - Drive analytical projects with end-to-end ownership: from initial scoping and hypothesis generation to stakeholder alignment and post-decision impact. Establish reusable frameworks and best practices that raise the bar for how we use data across teams. - Mentor and guide other analysts on the team, fostering a culture of high analytical standards, strong business intuition, and effective communication. Who you are: - You have a degree in mathematics, statistics, physics, computer science, economics, analytics, or a similar quantitative field. - You have 5+ years of relevant experience in Data Analytics, Product Analytics, Experimentation, or Data Science, with a proven track record of delivering measurable business impact and working closely with senior cross-functional stakeholders.. Experience in AdTech, mobile apps or ML-driven products is a strong plus. - You’re proficient in SQL and comfortable working with large datasets. - You have strong Python skills and are comfortable using them for data analysis and statistical modelling. - You have a solid understanding of statistics and experimentation, including hypothesis testing, confidence intervals, statistical significance and A/B test analysis. - You have an understanding of machine learning concepts and model evaluation and are comfortable working with Data Scientists. You don't necessarily need to build ML models yourself, but you should understand how to assess their performance and limitations. - You have excellent data visualization skills and experience building dashboards using tools such as QuickSight, Power BI, Tableau, Streamlit or similar. - You can articulate complex algorithmic and behavioral insights clearly to non-technical stakeholders, align differing viewpoints, and comfortably present recommendations to leadership. - You thrive with ambiguity and have a high degree of ownership. You proactively identify high-value opportunities instead of waiting for tasks to be assigned, and you take pride in seeing initiatives through to real-world outcomes. Fuel for the Journey: Benefits to Support Your Ambitions - Invest in Your Future: Regular feedback and our development program support your growth, helping you expand your skill set and achieve your career goals. - Easy Arrival to adjoe: From signing to settling in Hamburg, we’ve got you covered. Need a visa? No problem. Ready to build your new life and career at adjoe in Hamburg? We support every ambition—from learning German to a relocation bonus that helps you settle in and make Hamburg feel like home. - Live Your Best Life, at Work and Beyond: We work in a hybrid setup with 3 core office days, plus flexible working hours. Enjoy 30 vacation days, 3 weeks of remote work per year, and free access to an in-house gym with lots of different fitness classes and mental health support through our Employee Assistance Program (EAP). - Thrive Where You Work: Enjoy the Alster lake view from our central office with top notch equipment, fun open spaces, and a large variety of snacks and drinks. - Join the Community! Participate in regular team and company events, including hackathons and social gatherings. We work together, and we celebrate together, too. Skip writing cover letters. Tell us about your most passionate personal project, your desired salary and your earliest possible start date. We are looking forward to your application! We welcome applications from people who will contribute to the diversity of our company. We welcome applications from people who will contribute to the diversity of our company.

Location: San Francisco, CA | New York City, NY About Anthropic Anthropic’s mission is to create reliable, interpretable, and steerable AI systems. We want AI to be safe and beneficial for our users and for society as a whole. Our team is a quickly growing group of committed researchers, engineers, policy experts, and business leaders working together to build beneficial AI systems. Research Scientist, Discovery (Engineering & Applied Sciences) About the Team Our team is organized around the north star goal of building an AI scientist – a system capable of solving the long term reasoning challenges and basic capabilities necessary to push the scientific and technological frontier. About the role On the Discovery team at Anthropic, we're expanding our work on engineering and the applied sciences. Our goal is to contribute to training Claude to invent, design, and engineer across every discipline and scale, reliably and safely: new manufacturing and experimental techniques, processes, materials, devices, instruments, machines, energy systems, and factories. We want this work to accelerate science and technology and benefit people widely. To achieve these goals, we're seeking exceptional machine learning researchers with deep expertise in training and evaluating frontier models. In this role, you'll work end to end across the model stack, developing training environments, rewards, data, and evaluations that measure and improve Claude's performance on complex engineering and scientific tasks, and carrying what works into production training runs. You'll collaborate closely with researchers, engineers, and partners across Anthropic and industry to build AI systems that can engage in all phases of research and development, and that learn from real-world feedback. A background in engineering or the sciences is a plus but not required. Key responsibilities Design, build, and study reinforcement learning environments, rewards, and training data that improve Claude's capabilities in engineering and the applied sciences Create benchmarks and evaluation frameworks that measure model performance on realistic engineering and scientific workflows Develop simulation-based training environments and verifiers, working with domain experts to validate them against real-world data Develop approaches to long-horizon task completion, multi-agent collaboration, and complex reasoning essential for real engineering and research work Research how models can learn efficiently from experiments and real-world feedback. Study how environments and rewards behave in large-scale training, including robustness, calibration, and generalization, so that training produces models that are both capable and well aligned Scale research ideas from prototype to production training runs Collaborate with domain experts and industry partners to build and test what Claude invents, designs, and engineers, and turn that feedback into training and evaluation signal Help chart how Claude’s engineering capabilities reach real-world use: where they matter most, what stands in the way of adoption, and how that should shape research priorities You may be a good fit if you have: Proficiency in Python and hands-on experience with a modern machine learning framework such as PyTorch or JAX Hands-on experience training or evaluating machine learning models Track record of machine learning research: forming hypotheses, designing and running experiments, and drawing sound conclusions from the results Ability to implement your own research ideas and diagnose problems in complex systems Ability to learn unfamiliar technical fields quickly and work productively with experts in them Clear communication and a collaborative approach to solving problems Excitement about improving Claude’s scientific capabilities and the downstream impact on science and technology Commitment to developing AI that is safe and beneficial Strong candidates may also have: Experience with reinforcement learning and pre-training on large language models, including environment and reward design Familiarity with large-scale language model training, evaluation, and inference pipelines Published research or practical experience in AI for science or engineering, or in long-horizon reasoning A degree or work experience in an engineering or applied science discipline, such as mechanical, electrical, materials, chemical, aerospace, systems, or manufacturing engineering, applied physics, or computational simulation Experience building simulators, surrogate models, or simulation-based environments and verifiers, and calibrating and validating them against real-world data Experience with large-scale data pipelines and technical or multimodal datasets Demonstrated ability to work across multiple domains, such as language modeling, systems engineering, and scientific computing The annual compensation range for this role is listed below. For sales roles, the range provided is the role’s On Target Earnings ("OTE") range, meaning that the range includes both the sales commissions/sales bonuses target and annual base salary for the role. Annual Salary: $350,000 — $500,000 USD Logistics Minimum education: Bachelor’s degree or an equivalent combination of education, training, and/or experience Required field of study: A field relevant to the role as demonstrated through coursework, training, or professional experience Minimum years of experience: Years of experience required will correlate with the internal job level requirements for the position Location-based hybrid policy: Currently, we expect all staff to be in one of our offices at least 25% of the time. However, some roles may require more time in our offices. Visa sponsorship: We do sponsor visas! However, we aren't able to successfully sponsor visas for every role and every candidate. But if we make you an offer, we will make every reasonable effort to get you a visa, and we retain an immigration lawyer to help with this. For roles performing work in California: We will consider for employment all qualified applicants, including those with arrest or conviction records or criminal histories, in a manner consistent with the requirements of applicable state and local laws, including the San Francisco Fair Chance Ordinance, the City of Los Angeles’ Fair Chance Initiative for Hiring Ordinance, the Los Angeles County Fair Chance Ordinance for Employers, and the California Fair Chance Act. We encourage you to apply even if you do not believe you meet every single qualification. Not all strong candidates will meet every single qualification as listed.  Research shows that people who identify as being from underrepresented groups are more prone to experiencing imposter syndrome and doubting the strength of their candidacy, so we urge you not to exclude yourself prematurely and to submit an application if you're interested in this work. We think AI systems like the ones we're building have enormous social and ethical implications. We think this makes representation even more important, and we strive to include a range of diverse perspectives on our team. Your safety matters to us. To protect yourself from potential scams, remember that Anthropic recruiters only contact you from @anthropic.com email addresses. In some cases, we may partner with vetted recruiting agencies who will identify themselves as working on behalf of Anthropic. Be cautious of emails from other domains. Legitimate Anthropic recruiters will never ask for money, fees, or banking information before your first day. If you're ever unsure about a communication, don't click any links—visit anthropic.com/careers directly for confirmed position openings. How we're different We believe that the highest-impact AI research will be big science. At Anthropic we work as a single cohesive team on just a few large-scale research efforts. And we value impact — advancing our long-term goals of steerable, trustworthy AI — rather than work on smaller and more specific puzzles. We view AI research as an empirical science, which has as much in common with physics and biology as with traditional efforts in computer science. We're an extremely collaborative group, and we host frequent research discussions to ensure that we are pursuing the highest-impact work at any given time. As such, we greatly value communication skills. The easiest way to understand our research directions is to read our recent research. This research continues many of the directions our team worked on prior to Anthropic, including: GPT-3, Circuit-Based Interpretability, Multimodal Neurons, Scaling Laws, AI & Compute, Concrete Problems in AI Safety, and Learning from Human Preferences. Come work with us! Anthropic is a public benefit corporation headquartered in San Francisco. We offer competitive compensation and benefits, optional equity donation matching, generous vacation and parental leave, flexible working hours, and a lovely office space in which to collaborate with colleagues. Guidance on Candidates' AI Usage: Learn about our policy for using AI in our application process.

- От 3 лет коммерческого опыта в разработке ML/AI-решений. - Уверенное владение Python и практический опыт работы с ML-фреймворками, такими как PyTorch, TensorFlow или Scikit-learn.

Location: Москва **GigaChat увидит мир через данные, которые соберёте вы.** За GigaChat стоит одна из крупнейших ML-команд в России, которая обучает LLM и VLM полным циклом — от претрейна до релиза. Наша команда отвечает за то, с чего начинается любая сильная модель, — за данные: мы собираем визуальный корпус претрейна — ищем источники, фильтруем и дедуплицируем сырьё, ставим эксперименты и меряем влияние на бенчмарки. Именно состав и качество претрейн-данных определяют, каким получится финальный результат, и у вас будет возможность влиять на него напрямую. Обязанности * ставить эксперименты: формулировать гипотезы, какие данные и в каких пропорциях улучшат модель, и проверять их: продумывать сетап и бейзлайны, запускать обучающие прогоны, по замерам решать, что попадёт в финальную смесь * автоматизировать подготовку данных: выстраивать очистку, дедупликацию и валидацию так, чтобы любой новый датасет без ручной доводки приходил в готовый к обучению вид * добывать редкие и дефицитные домены: обучать классификаторы и кластеризаторы, которые вылавливают ценные сэмплы из сырых данных, и нарезать корпус на чистые датасеты по таксономиям * собирать данные разных форматов: генерация VQA, синтетические задачи, interleaved-данные — каждый формат устроен по-своему и требует своего подхода * обрабатывать миллиарды изображений: писать распределённый код, который прогоняет пайплайны на всём корпусе быстро и стабильно * находить слабые места в данных: разбираться, где модель проседает из-за корпуса — чего не хватает, что зашумлено или разбалансировано, — и исправлять это * развивать контур оценки: подключать свежие бенчмарки, следить за чистотой методики и не пускать тестовые данные в обучающий корпус Требования **Кто нам подходит:** Человек, который сможет провести данные от поиска источников до состава финальной смеси. Главное — умение ставить эксперименты и делать из них честные выводы. Опыт именно с VLM или LLM не обязателен: специфика осваивается быстрее, чем культура эксперимента **Что мы хотели бы видеть:** * хорошая база ML, твёрдое знание CV и NLP * понимание, как данные влияют на качество модели, и привычка при странностях в метриках первым делом смотреть в данные * уверенный Python и опыт обучения моделей на PyTorch * умение спланировать эксперимент и довести его до вывода, которому можно верить * самостоятельность и проактивность: берёте тему, разбираетесь, доводите до результата **Плюсом будут:** * опыт построения дата-пайплайнов и процессов контроля качества данных * опыт с распределённой обработкой (Spark, Dask, Airflow, YTsaurus) * опыт проведения ML-экспериментов на больших объёмах * публикации на профильных конференциях. Мы открыты к кандидатам разного уровня, и попадать во все пункты не обязательно. Если задачи откликаются — напишите нам, остальное обсудим. Условия **Что мы предлагаем:** * опыт претрейна из первых рук. Команд, обучающих VLM полным циклом, в стране единицы — вы пройдёте весь путь от сырых данных до готовой модели * вычислительные ресурсы под ваши эксперименты. Один из самых больших GPU-кластеров в России: проверка гипотезы о данных стоит обучающего прогона, и на такие прогоны вычислений у нас хватает * инфраструктура, которая уже работает. S3, YTsaurus, Airflow, DataLens, GitLab CI, wandb — всё для данных и экспериментов на месте, время уходит на исследования, а не на обвязку * задачи, на которые ещё нет ответа. Как собрать лучшие визуальные данные для претрейна, пока не знает почти никто в мире — разбираться предстоит в том числе вам * короткий путь от гипотезы до модели. Данные, которые вы отберёте, и гипотезы, которые подтвердятся, уходят в обучение следующей модели — а ей пользуются миллионы людей * комфортный современный офис рядом с м. Кутузовская * возможность выбрать удобный график – офис/гибрид/удаленка (в РФ) * 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 * ипотека для сотрудников по дисконтной прогамме * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Ищем ML Engineer для разработки AI-решений на базе больших языковых моделей (LLM). Предстоит заниматься созданием AI-агентов, мультиагентных систем, RAG-решений и адаптацией LLM под прикладные задачи. Специалист будет участвовать в полном цикле разработки: подготовка данных, дообучение моделей, разработка AI-архитектуры и внедрение решений в production. Обязанности ### Твои задачи: * разработка AI-агентов и мультиагентных систем * создание и оптимизация RAG-систем * разработка и настройка промптов (Prompt Engineering) * дообучение LLM * подготовка и обработка датасетов * настройка Embeddings, Vector Search, Hybrid Search * интеграция LLM с API, базами данных и корпоративными системами * оценка качества моделей и оптимизация результатов * развертывание и сопровождение AI-сервисов. Требования ### Мы ожидаем, что у тебя есть: * опыт разработки на Python от 3 лет * опыт работы с LLM и Generative AI * опыт разработки RAG-систем * опыт Fine-Tuning LLM (SFT, LoRA/QLoRA) * опыт работы с Hugging Face Transformers, PyTorch * понимание архитектуры Transformer * опыт работы с Prompt Engineering * опыт создания AI-агентов. **Будет плюсом:** * опыт работы с локальными LLM (Qwen и др.) * опыт развертывания моделей * опыт работы с GPU-инфраструктурой * опыт работы с Vector DB (Qdrant и др.) * опыт построения MLOps-процессов * знание MCP / A2A протоколов * опыт оценки качества LLM Условия ### Работа в СберТехе - это: * гибридный формат работы * годовой бонус и ежегодный пересмотр зарплаты * статус аккредитованной ИТ-компании * расширенный ДМС с первого дня и льготное страхование для семьи * корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях * 90 дней удаленной работы из любого региона РФ * льготная ипотека в Сбере * бесплатная подписка СберПрайм, которой можно поделиться с 3 близкими.

— Разработка и обучение моделей для оптимизации генерации ZK-доказательств и работы ZK-сопроцессоров.

Location: Москва Мы делаем ML-продукт аналитики деятельности компаний, которые работают с зарубежными партнерами: он прогнозирует их валютные операции и предлагает подходящие продукты банка. Ищем инженера-исследователя, который проведет задачу от гипотезы до прототипа и передаст лучшее решение в разработку. Обязанности * разбираться в задаче вместе с владельцем продукта и аналитиками: что нужно клиенту и какие ограничения у данных * быстро проверять гипотезы на данных, а не на интуиции: от постановки эксперимента до прототипа и демо для заказчика * выбирать подход под задачу: классический ML, временные ряды, LLM, RAG, агенты или их связку. Сравнивать варианты по качеству, устойчивости, стоимости, скорости и сложности вывода в продакшен * проектировать агентов поверх ML-моделей: какие у них инструменты и память, как они собирают контекст и проверяют ответы * передавать лучшее решение в разработку так, чтобы его легко было тиражировать. Требования * опыт внедрения ML-решения с нуля до продакшена * python (pandas, numpy) и SQL, продвинутые навыки построения воспроизводимых пайплайнов * глубокие знания классического ML на табличных данных: бустинг, линейные модели, sklearn, отбор признаков. Навыки работы с PyTorch или аналогом и понимаете, когда DL дает выигрыш * рабата с LLM: промпты, RAG с эмбеддингами и reranking, tool calling, агенты.Знаете типичные сбои вроде галлюцинаций и умеете их ограничивать. оцениваете ответы и агентов целиком через golden set и LLM-as-a-judge, следите за регрессиями качества, latency и стоимостью вызова * умение строить A/B-тесты и офлайн-сравнения: гипотеза, выборки, бейзлайн, абляции, вывод «берем / не берем». Ведете эксперименты в MLflow или аналоге, версионируете данные и промпты * понимаете, когда хватает классического ML, когда нужна LLM * умеете коротко объяснить, что проверили, почему выбрали этот подход и какие риски остались. **Будет плюсом:** * опыт в ВЭД: платежи, валютные потоки, внешнеторговые операции, продукты * сами строили AI-агентов и агентные системы. Условия * комфортный современный офис г. Москва, Кутузовский 32 * офисный формат работы * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * программа ипотеки для сотрудников * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Разработка моделей машинного обучения, направленных на борьбу с нарушениями правил площадки и недобросовестными пользователями (формализация и постановки задачи, сбор данных, обучение, онлайн/оффлайн оценка качества, мониторинг).

- Разработка, обучение и улучшение ML-моделей для решения NLP- задач; - Решение задач классификации и извлечения сущностей (NER);

-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.

* Develop, train, and optimize deep learning models for image analysis. * Evaluate and extend existing model architectures.

Location: Paris; Zurich; Warsaw; London Workplace: Hybrid ABOUT MISTRAL Mistral provides full-stack AI solutions: from frontier models to developer tools, applications, and compute. We partner with enterprises tackling the hardest problems across high-stakes industries like finance, manufacturing, defense, healthcare, and the public sector, co-creating customized AI systems that they can run on their terms. We are a dynamic, collaborative team passionate about AI and its potential to transform society. Our diverse workforce thrives in competitive environments and is committed to driving innovation. Our teams are distributed between Europe, North America, Asia and the Middle East. We are creative, low-ego and team-spirited. Role Summary    -You will be working with the research team on making state-of-the-art generative models. -You will run autonomous work streams under the supervision of experienced scientists. -The role is based in one of our offices in Paris, London, Zurich or Warsaw. -Internship duration : 6 months. We will only consider candidates looking for end of studies internships (Master or Phd)   What you will do   -Explore state-of-the-art LLM algorithms for training LLMs, with the supervision of top level scientists. -Assist in the design and implementation of machine learning models and algorithms. -Conduct research on the latest advancements in natural language processing and LLMs. -Contribute to the development and optimization of our LLM systems. -Collaborate with cross-functional teams to integrate LLM technologies into various applications. -Perform data analysis and visualization to support research and development efforts. -Document research findings and contribute to technical reports and publications. -Participate in team meetings and brainstorming sessions to share ideas and insights   About you   -Currently doing a Master or PhD at a tier 1 engineering schools / Universities. -High scientific understanding of the field of generative AI.  -Broad knowledge of the field of AI, and specific knowledge or interest in fine-tuning and using language models for applications. -Strong programming skills in Python, with experience in libraries such as TensorFlow, PyTorch, or similar. -Familiarity with natural language processing techniques and machine learning algorithms. -Design complex software and make them usable in production.  -Navigate the full MLOps technical stack, with a focus on architecture development and model evaluation and usage.  -Previous experience with LLMs or related technologies. -Knowledge of deep learning frameworks and techniques..Experience with version control systems (e.g., Git) and linux shell environment.   Now, it would be ideal if you :  -Have experience in fine tuning/training LLMs. -Have used complex HPC infrastructure with full autonomy.   WHAT WE OFFER We offer a comprehensive benefits package designed to support your well-being, growth, and work-life balance. Benefits vary by country and may include healthcare coverage, parental leave, retirement plans, relocation support, wellness programs, meal and transportation allowances, and other location-specific perks. For the most up-to-date details on benefits available in your location, please refer to our Benefits page https://app.notion.com/p/mistralai/Benefits-at-Mistral-36e6ba59a7fe836b93dd01737fcc27ef?source=copy_link. PRIVACY POLICY Your privacy matters to us. You can learn more about how we handle your personal data in our Applicant Privacy Policy https://legal.mistral.ai/terms/applicant-privacy-policy.

Проектировать и запускать эксперименты по обучению агента взаимодействию с компьютерными средами. Вам предстоит придумывать и реализовывать новые RL-пайплайны — от формулировки reward-функций до архитектуры обучения на многошаговых траекториях с вызовами тулов.

Location: Нижний Новгород Мы – команда экспертов, объединенных общей страстью к искусственному интеллекту и рекомендательным системам (RecSys). Нашей главной задачей является создание современной, масштабируемой рекомендательной платформы, способной предвосхищать ожидания пользователей и предлагать персонализированные рекомендации на каждом этапе их взаимодействия в Сбер. Наши решения охватывают широкий спектр отраслей: от финансов и e-commerce до индустрии развлечений и здравоохранения. Если вам близка идея участия в развитии рекомендательной системы, которая помогает миллионам пользователей, присоединяйтесь к нам! Обязанности * поиск подходящих ML решений для решения бизнес-задач, проведение оффлайн и онлайн (А/Б) экспериментов * разработка и улучшение ML-пайплайнов для задач RecSys: подготовка данных, обучение моделей, валидация и внедрение * анализ и работа с большими объёмами данных на PySpark * исследование и применение актуальных методик в области Data Science, Machine Learning и RecSys * взаимодействие с командой разработки и аналитики, генерация гипотез, участие в обсуждении решений и донесение результатов своей работы до команды. Требования * опыт работы в области Data Science от 1 до 3 лет * интерес к рекомендательным системам, желание развиваться и постепенно брать на себя больше ответственности * практические навыки решения ML-задач: от подготовки данных и выбора алгоритмов до настройки гиперпараметров и оценки качества моделей * хорошая база в алгоритмах машинного обучения и интеллектуальном анализе данных; опыт применения классических ML- и/или DL-подходов будет преимуществом * хорошее знание Python и основных DS-фреймворков (PyTorch, PySpark и др.), понимание принципов написания качественного кода * способность самостоятельно разбираться в новых подходах, читать технические материалы на английском и применять их на практике. **Будет плюсом:** * 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 * гибридный/офисный формат работы (опционально). Офис расположен по адресу Нижний Новгород, Октябрьская, 35 лит. А * 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.

- Build training datasets from real conversations and operational data. - Run fine-tuning jobs and compare tuned vs base models.

разработка и доработка классификатора названий товарных позиций на базе BERT-архитектур (включая предобучение, дообучение и оптимизацию моделей); организация и контроль процесса разметки данных: постановка задач разметчикам, контроль качества, автоматизация пайплайнов;

Ищем кванта, который сам закрывает полный цикл ресерча. Кого ищем 🔍 Senior Quant/ML Researcher, который закрывает полный цикл ресерча сам: от гипотезы и данных до бэктеста, валидации и результата.