Задачи:
— Владеть AI-функциями от концепции до производства в масштабе 50k RPS и 450M пользователей.
— Создавать большие языковые модели (LLM) и обучать кастомные модели для приложений в реальном времени.
— Тесно сотрудничать с продакт-менеджерами для трансформации целей в решения.
— Оценивать и внедрять мониторинг производительности моделей, отслеживать дрейф и регрессии.
Требования:
— Опыт работы инженером 5+ лет с практическим опытом LLM в продакшене.
— Умение обучать и выпускать модели на неструктурированных данных.
— Глубокое понимание оценки моделей и мониторинга в продакшене.
— Владение Python и основами машинного обучения.
— Английский язык на уровне Intermediate и выше.
Условия:
— Конкурентная зарплата, бонусы и опционы (каждый сотрудник — партнер).
— Официальное трудоустройство на Кипре с поддержкой визы для сотрудника и супруга.
— Комфортный офис в Лимассоле с питанием и перекусами.
— Медицинская страховка.
— Доступ к матчам и мероприятиям Aris Limassol F.C.
— Возможности профессионального роста и командных активностей.
Задачи:
— Разработка и масштабирование World Models: проектирование и обучение массивных 3D/видеотокенизаторов и бэкбонов на базе Diffusion Transformers (DiT), Flow Matching и других технологий.
— Построение пайплайнов для распределённого обучения тяжёлых foundation-моделей на вычислительном кластере.
— Обучение Model-Based RL (MBRL) и политик IL + RL внутри замороженной латентной симуляции World Model.
— Интеграция вспомогательных лоссов для perception-задач 3D-детекции, сегментации, трекинга.
— Создание надёжного safety-контура поверх выходов модели и подготовка конструкции к реалтайм-инференсу на edge-девайсах робота.
Требования:
— Экспертное владение JAX и PyTorch.
— Навыки масштабного распределённого обучения.
— Глубокая математическая и ML-база.
— Умение писать, генерировать и проверять быстрый оптимизированный код.
Будет плюсом:
— Опыт работы с Vision Foundation Models, генеративными видео- и image-моделями, синтезом лидарных облаков.
— Опыт в Reinforcement Learning.
— Опыт продвинутой квантизации тяжёлых трансформеров или диффузионных моделей для edge-девайсов.
— Оптимизация инференса на борту робота.
— Бэкграунд в Autonomous Driving, Motion Planning или Robotics.
Условия:
— Возможность обучения и компенсация 50% стоимости курсов по языку.
— Другие бонусы, полный список которых доступен на сайте компании.
Задачи:
— Классический ML на табличных данных: бустинги (CatBoost/XGBoost/LightGBM), feature engineering, работа с признаками и метриками, валидация
— Работа с Python и SQL на продовом уровне (не только ноутбуки)
— Понимание статистики, умение обосновать выбор модели и метрики
Плюсом будет:
— Опыт в графовом ML: GNN, graph embeddings, link prediction, PyG/DGL/NetworkX
— Опыт в смежных направлениях: сетевой анализ, антифрод, рекомендации, маршрутизация
— Работа с пространственными данными: OSM, PostGIS, H3/geohash, дорожные графы
junior
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— Управление командой из 4–6 человек: постановка масштабных целей, декомпозиция их в задачи, координация со смежными командами, контроль процесса от постановки задачи до внедрения в продакшен.
— Обучение моделей и работа с данными: превращение данных, размеченных с помощью LLM, в датасеты для ML-моделей ранжирования, создание корпусов синтетических данных, дообучение открытых и внутренних LLM.
— Создание пайплайнов для оценки обученных моделей, обеспечение многосторонней оценки моделей, работающих в продуктах с миллионами пользователей.
Требования:
— Опыт управления командой ML/DL-разработчиков.
— Опыт обучения DL-моделей и их внедрения в продакшен.
— Готовность работать руками, создавать прототипы и проверять гипотезы.
Будет плюсом:
— Опыт работы с высоконагруженными системами и создания моделей для них.
— Опыт работы в кросс-функциональных командах.
Условия:
— ДМС с регулярными чекапами и вакцинацией.
— Другие бонусы, полный список доступен по ссылке.
Задачи и требования:
— Классический ML на табличных данных: бустинги (CatBoost/XGBoost/LightGBM), feature engineering, работа с признаками и метриками, валидация
— Python и SQL на продвинутом уровне (не только ноутбуки)
— Понимание статистики, умение обосновать выбор модели и метрики
Плюсом будет:
— Опыт в графовом ML: GNN, graph embeddings, link prediction, PyG/DGL/NetworkX
— Опыт в смежных направлениях: сетевой анализ, антифрод, рекомендации, маршрутизация
— Работа с пространственными данными: OSM, PostGIS, H3/geohash, дорожные графы
Требуется специалист на позицию Senior AI/ML Engineer.
Требуемые навыки:
— Python
— OpenCV
— Deep Learning
— Компьютерное зрение
— Agentic systems
— FastAPI
— Langgraph
— DeepEval
— Langfuse
— vLLM
Вакансия предполагает полный рабочий день с возможностью удалённой работы.
Задачи:
— Техническое руководство ИИ-командой из 7 человек
— Разработка агентной системы для врачей, включающей сбор анамнеза, саммаризацию медицинских карт и создание драфтов заключений
— Опционально people management
Требования:
— Сильные технические навыки в области искусственного интеллекта
Условия:
— Удалённая работа
— Полная занятость
— Зарплата от 500 000 ₽ в месяц
Компания Лучи предоставляет ДМС, обслуживает более 1 млн застрахованных и имеет собственную телемедицинскую клинику.
Semantics Innovations — технологическая IT-компания, которая специализируется на разработке, тестировании и внедрении программного обеспечения для цифровой экономики и финансового сектора.
Офис в Астане, Казахстан.
Мы ищем: Талантливого ML-разработчика с временными рядами и классикой, в области прогнозирования в ритейле на стажировку, которому предстоит работать над интересными высоконагруженными проектами.
Требования:
— Опыт в Data Science / Machine Learning от 2 лет;
— Прагматизм: готовность искать рабочие решения, а не идеальные, но нереализуемые модели;
— Глубокое знание Python, SQL и PySpark;
— Разработка ETL-процессов для обработки больших данных (чтение, трансформация, агрегация, запись);
— Оптимизация Spark-запросов (партиционирование, кэширование, работа с broadcast-переменными);
— Знание основных ML-фреймворков (Scikit-learn, TensorFlow/PyTorch);
— Опыт работы с данными: обработка, анализ, feature engineering.
Будет плюсом:
— Опыт продакшн-разработки (не только исследования);
— Понимание, как устроены процессы в бизнесе, а не только в Jupyter Notebook;
— Умение запускать ML-модели в PySpark;
— Использование Spark MLlib для распределенного обучения;
— Работа с PySpark Pandas UDFs для эффективного применения ML-моделей к большим данным.
Условия:
— Работа в команде экспертов;
— Широкий технологический стек, сотни проектов;
— Гибкий график работы, который позволяет высыпаться и выделять время на хобби;
— Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии;
— Процессы удаленной работы и просторные офисы с зонами коворкинга;
— Возможность прокачаться во всех интересующих направлениях: стать тимлидом, архитектором, разработчиком full-stack;
— Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка;
— Активный обмен опытом, внутренние и внешние митапы, хакатоны, доклады по развитию hard и soft skills;
— 50+ клубов по интересам и профессиональных сообществ внутри компании;
— Корпоративная база знаний и социальная сеть для удобства общения с каждым из 1500+ сотрудников.
Дополнительно:
— Набор осуществляется по ИТ специальностям, указанным в Приказе Минцифры № 27 от 22.01.2026г.
— Решение Министерства цифрового развития, связи и массовых коммуникаций РФ о предоставлении государственной аккредитации организации от 10.03.2022 №АО-20220309-3771014210-3
Требования:
— Поддержка и доработка текущих приложений
— Разработка новых модулей и сервисов
— Обёртка моделей в API
— Контейнеризация (Docker)
— Мониторинг
— Участие в работе с большими языковыми и визуально-языковыми моделями.
Задачи:
— Разработка сервисов ИИ платформы для создания функциональных агентов и ИИ ассистентов.
— Подготовка бэк части для функциональных агентов, включая среду разработки агентов: тестирование фреймворков, opensource агенты.
— Разработка сервиса управления реестром и скиллами агентов.
— Создание отдельного единого сервиса для всех баз знаний, интеграция крупных корпоративных источников.
Требования:
— Понимание архитектуры, возможностей и ограничений современных языковых моделей.
— Опыт работы с embeddings, vector search, RAG, structured output и tool calling.
— Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop.
— Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы.
— Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента.
— Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков.
— Умение оценивать стоимость, latency и масштабируемость LLM-решений.
— Опыт работы в e-commerce, retail или других продуктовых highload-системах.
— Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.
— Опыт эксплуатации GPU-инфраструктуры и оптимизации inference.
— Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT.
— Опыт проектирования agentic workflows или multi-agent-систем.
— Понимание принципов информационной безопасности, privacy и работы с персональными данными.
Условия:
— full-time
Higgsfield AI — быстрорастущая платформа для AI-генерации видео с эффектами уровня киностудий. Компания является участником Google Cloud Program и получила инвестиции в размере $50M. Размер команды составляет от 11 до 50 человек.
Вакансия Product ML Engineer связана с направлениями Data Science, персонализации и монетизации. Требуются навыки работы с Python и SQL, а также знание английского языка на уровне B2+. Компания готова помочь с релокацией.
Фаундеры компании — Александр Машрабов, бывший Head of GenAI в Snap, и Ерзат Дулат.
Задачи:
— Проектирование, развёртывание и развитие инфраструктуры платформы искусственного интеллекта (on-prem и облако): Kubernetes-кластеры, GPU-ноды, storage, сети, безопасность.
— Построение и поддержка CI/CD/CT-пайплайнов для ML-моделей и сервисов: от артефакта DS до продакшн-инференса с откатами и канареечными релизами.
— Интеграция и эксплуатация LLM/ML-сервисов для внутренних команд и рыночных внедрений: упаковка моделей в сервисы, конфигурация autoscaling, SLA, observability.
— Настройка мониторинга и алертинга по инфраструктуре и моделям (метрики ресурсов, latency, ошибки, дрейф данных), реагирование на инциденты, участие в post-mortem.
— Автоматизация ML-пайплайнов: подготовка данных, обучение, переобучение, регистрация моделей, управление версиями и окружениями.
— Поддержка внедрений у клиентов: тиражирование платформенных компонентов, адаптация инфраструктуры под контур заказчика, участие в performance-оптимизации и cost-cutting (GPU/CPU).
Требования:
— Высшее образование.
— Опыт работы: 5+ лет.
— Глубокое понимание жизненного цикла ML-модели: от экспериментов до продакшн-инференса и мониторинга.
— Уверенный Linux, сетевые основы, безопасность, работа с контейнерами и оркестраторами.
— Опыт построения CI/CD-пайплайнов для сервисов и ML-артефактов (Docker images, модели, данные).
— Опыт с LLM/GenAI-платформами: vLLM, TGI, Hugging Face, Triton/ONNX Runtime, оптимизация инференса.
— Опыт построения feature store, model registry, ML pipelines (Kubeflow, MLflow, Airflow, Argo Workflows).
— Работа в гибридной инфраструктуре: on-prem кластеры + публичные облака (T1 Cloud, VK Cloud, Yandex Cloud и др.).
— Понимание cost-optimization: FinOps для GPU/CPU, автобалансировка нагрузок.
— Языки: Python (утилиты, обвязка) / Bash.
— Контейнеризация и оркестрация: Docker, Docker Compose, Kubernetes (Helm, Operators), желательно Kubeflow.
— CI/CD: GitLab CI / GitHub Actions / Jenkins / Argo CD.
— Инфраструктура: Terraform / Ansible, конфигурация Linux-серверов, Nginx, cert-manager.
— Data/ML-инфраструктура: Apache Kafka, Airflow/Argo Workflows, S3-совместимые хранилища, MLflow/Weights&Biases.
— Мониторинг и логи: Prometheus, Grafana, Loki/ELK, Sentry, alertmanager.
Профессиональные навыки:
— Проектирование и развёртывание инфраструктуры платформы ИИ (кластер Kubernetes, storage, сети, security) под LLM/ML-нагрузки.
— Построение воспроизводимых ML-пайплайнов: обучение, валидация, packaging модели, деплой в batch и real-time режимах.
— Настройка мониторинга моделей: метрики качества, дрейф данных, latency/throughput, автоматический rollback и retraining-триггеры.
— Совместная работа с DS/разработчиками и внедренцами: перевод экспериментальных ноутбуков в надёжные сервисы для внутренних и внешних клиентов.
Специализированные программы:
— GitLab / GitHub, Jira / Confluence/Сфера
— Kubernetes ecosystem: kubectl, Helm, K9s, Lens.
— ML-инструменты: MLflow / Weights & Biases, Kubeflow Pipelines / Airflow, model registry.
— Мониторинг: Prometheus, Grafana, Loki/ELK, Alertmanager, Sentry.
О нас:
Мы строим ведущую платформу классифайд объявлений Узбекистана. ML - ядро нашего продукта: поиск, ранжирование, модерация и рекомендации.
Команда находится на активной стадии построения ML-инфраструктуры с нуля: мы выбираем технологии, формируем процессы и закладываем фундамент для ML-платформы следующего поколения.
Чем предстоит заниматься:
- Развивать качество поиска: LTR-модели (LambdaMART/LightGBM), разрабатывать и интегрировать векторный поиск, улучшение поискового пайплайна (работа с саджестером, catpred).
- Строить ML-модели для Trust & Safety: обнаружение мошенничества, модерация объявлений, NER в мессенджерах, скоринг нарушений.
- Развивать систему рекомендаций - item2item, user2item рекомендации.
- Участвовать в проектировании и развёртывании ML-платформы (SageMaker, MLflow, Feast, Evidently, Airflow).
Задачи:
— Проектировать и разрабатывать multi-agent системы.
— Интегрировать LLM с внутренними инструментами и сервисами.
— Разрабатывать backend-сервисы и API для agent workflows.
— Реализовывать RAG pipelines и tool/function calling.
— Создавать CLI-based agent workflows и инструменты автоматизации.
— Разрабатывать Computer Vision pipelines: object detection, multi-object tracking, person re-identification.
— Разрабатывать multi-camera multi-person tracking для сетей камер.
— Работать с видеопотоками в реальном времени и оптимизировать GPU inference.
Требования:
— Опыт работы с Node.js ecosystem и Express.js.
— Уверенное владение Python.
— Опыт работы с LLM APIs и prompt engineering.
— Опыт работы с RAG, tool calling или agent frameworks.
— Знакомство с Docker, Linux и Git.
— Опыт работы с PyTorch и OpenCV.
— Опыт в object detection и multi-object tracking.
— Опыт работы с YOLO, ByteTrack / BoT-SORT или аналогами.
— Понимание person re-identification и vector search.
— Опыт работы с Milvus / FAISS.
— Опыт обработки видео с ffmpeg / GStreamer.
— Работа с RTSP и hardware decoding.
Будет плюсом:
— Опыт в NLP и ML.
— Опыт развёртывания open-source LLM.
— Опыт оптимизации inference.
— Опыт работы с Vision-Language Models.
— TensorRT / ONNX Runtime.
Условия:
— Удалённый формат работы.
— Заработная плата: 1.600–3.200 USD net в месяц.