Вакансии

Location: Москва Мы создаем сервисы кредитования в Сбербанке, позволяющие клиентам быстро и удобно получать кредиты онлайн. Клиент может подать заявку на получение кредита через мобильное приложение или WEB, получить одобрение всего за две минуты и мгновенно перевести средства на свою банковскую карту или счет, без необходимости посещать отделение банка лично. Наш проект постоянно развивается. Мы планируем улучшать клиентский опыт и развивать наши сервисы внедряя механики динамического ценообразования. Работа в нашей команде позволит вам принять участие во всех этапах разработки высоконагруженных распределённых систем, начиная от проектирования и заканчивая внедрением в промышленную эксплуатацию. Вы сможете активно влиять на создание новых продуктов и улучшение существующих бизнес-процессов, применяя современные технологии и подходы. Возможность углублять знания и улучшать навыки в области современного программирования и управления проектами. Комфортные условия труда - современное оборудование и стабильность занятости в одной из крупнейших финансовых организаций страны. Присоединяйтесь к нашей команде и станьте частью инновационного процесса, создающего удобные решения для миллионов пользователей по всей России! 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 * исследование и разработка новых методов и алгоритмов машинного обучения * эксперименты в области глубинного обучения, обучения с подкреплением, байесовских методов, VAE и других прикладных направлений * исследование и применение современных NLP-методов: трансформеры, LLM API, LangChain * анализ данных для проверки исследовательских гипотез * проектирование и проведение экспериментов, оценка результатов * подготовка прототипов для тестирования новых подходов * анализ применимости новых методов к задачам компании * подготовка предложений по архитектуре моделей и выбору методов * подготовка отчётов и презентация результатов исследований. Требования * опыт работы на позиции Data Scientist / исследователя — от 2 лет, в том числе в исследовательских задачах * Python — уверенное владение, включая фреймворки для ML и DL: PyTorch, scikit-learn, pandas, numpy * SQL — составление запросов; опыт работы с PostgreSQL * глубокое знание классических и современных методов ML * понимание глубинного обучения, обучения с подкреплением, байесовских подходов, VAE * опыт проведения исследований: формулирование гипотез, дизайн экспериментов, статистическая оценка * математическое моделирование, статистика, системный анализ * опыт экспериментальной работы с NLP-моделями и трансформерами. Будет плюсом: * опыт работы с Hugging Face Transformers, LangChain, LLM API * опыт контейнеризации и запуска экспериментов в Docker * опыт работы с большими данными (PySpark, Hive, HDFS) * опыт работы в банковской / финансовой сфере * навыки работы с генеративными AI-моделями * опыт создания AI-агентов и использования их в работе * опыт использования GigaChat, Kandinsky и аналогов в продуктах * навыки создания и использования AI-агентов * инструментальное владение AI для анализа, генерации и автоматизации. Условия * гибридный формат работы (4 дня офис) на Кутузовском, 32к1 * ежегодный пересмотр зарплаты, квартальная и годовая премия * 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.

Общие условия: — 5/2, полная занятость — Официальное трудоустройство по ТК РФ — Для научных сотрудников: зарплата 100 000–150 000 руб. (в зависимости от наукометрии) — Комфортное проживание для иногородних в отелях Sirius Hotels — Фитнес-залы, спортивные секции, открытая современная спортивная инфраструктура — Обучение, конференции, программы развития — Забота о здоровье: обслуживание в Медицинском центре «Сириус» — Корпоративные льготы и скидки: специальные условия от партнёров на посещение культурных, развлекательных и спортивных мероприятий. Вакансии: Научный сотрудник / Старший научный сотрудник (Химик-синтетик / Специалист по наноматериалам) Задачи: — Синтез и функционализация наноматериалов (белковые наночастицы, МОФ, полимерные матрицы) — Инкапсуляция терапевтических агентов — Физико-химическая характеризация наночастиц: структура, размер, морфология Требования: — PhD / к.н. — Опыт органического/неорганического синтеза — Навыки работы на аналитическом оборудовании (спектроскопия, хроматография, электронная микроскопия) — Индекс Хирша WOS/Scopus ≥ 1 Научный сотрудник / Старший научный сотрудник (Молекулярный биолог) Задачи: — Разработка рекомбинантных конструкций для экспрессии биомиметических носителей (ферритин и другие белки) — Генетическая модификация клеточных линий: лентивирусная трансдукция, редактирование генома — Дизайн и сайт-специфичная конъюгация биомолекул (антитела, DARPin, пептиды) — Клеточные, молекулярные и физиологические методики, анализ биомаркеров — Сбор и статистический анализ данных, публикации и патенты Требования: — PhD / к.н. — Опыт в молекулярном клонировании и белковой инженерии — Уверенная работа с клеточными культурами — Опыт хроматографической очистки белков — Хирш ≥ 1 Научный сотрудник / Старший научный сотрудник (Микробиолог / Специалист по клеточным технологиям) Задачи: — Оценка влияния наночастиц на жизнеспособность, метаболизм и механизмы апоптоза/ферроптоза в клеточных моделях — Исследование процессов адсорбции и интернализации наночастиц с использованием опухолевых клеток — Участие в планировании и проведении экспериментов по разработке сингенных моделей Требования: — PhD / к.н. — Уверенная работа с клеточными культурами — Опыт с патогенными/условно-патогенными микроорганизмами — Навыки анализа иммунологических тестов и проточной цитометрии — Хирш ≥ 1 Старший научный сотрудник — мРНК-вакцины и онкоиммунология Задачи: — Планировать и самостоятельно проводить исследования в области мРНК-вакцин и опухолевых неоантигенов — Разрабатывать и оптимизировать экспериментальные подходы для оценки иммуногенности мРНК-конструкций и презентации кодируемых антигенов — Исследовать клеточные и иммунные ответы, участвовать в разработке и валидации вакцинных кандидатов — Участвовать в подготовке отчетов по проекту — Готовить статьи для научных журналов, презентации, патентные заявки для защиты интеллектуальной собственности — Руководить дипломными проектами студентов и помогать формировать новое поколение исследователей Требования: — PhD / к.н. в молекулярной биологии, генетике, биохимии или медицине — 3+ года лабораторного опыта — Владение молекулярно-генетическими методами: qPCR, клонирование, IVT — Опыт работы с клеточными культурами — Умение выполнять и интерпретировать иммунологические тесты: ELISA, ELISpot, проточная цитометрия — Понимание MHC I/II, HLA-типирования, CD8+/CD4+ ответов.

➡️ Делать презентации для внутренних и внешних мероприятий. ➡️ Работать с digital: макеты для соцсетей.

Location: Москва Мы ищем талантливого и опытного MLOps, который сможет выстроить технически современную, удобную и прозрачную практику MLOps, оказывающую влияние на весь Сбербанк Страхование. Наша задача - развить MLOps практику в команде для вывода ML моделей в прод. Обязанности * Создание/Внедрение MLOps-практик (стенды, процессы, DevOps) для исследований в направлениях: среды разработки, тестирования, инференса и мониторинга моделей в различных режимах работы (Batch, Streaming) и использования ресурсов (CPU, GPU); * Помощь команде Исследователям в выводе моделей в прод; * Взаимодействие с Data Scientists, ML Engineers, инженерами данных и DevOps для создания эффективных ML-решений; * Обеспечение высокой доступности и отказоустойчивости ML-систем; * Внедрение систем мониторинга качества моделей в production. Требования * Знание инструментов MLOps (MLflow, Kubeflow, Airflow и др.); * Опыт работы с контейнеризацией и оркестрацией (Docker, Kubernetes); * Навыки программирования на Python, Bash; * Знание SQL; * Уверенный пользователь Linux; * Понимание CI/CD-практик; * Понимание процессов машинного обучения и Data Science; * Инструментальное владение AI для анализа, генерации и автоматизации. Условия * Гибридный формат работы (офис м.Проспект Мира); * Выгодные ипотечные льготные условия кредитования; * Подписка Прайм с возможностью совместного использования на трёх близких, скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Delivery Club, Самокат, Ситимобил, Сбер Еаптека и другие; * ДМС с первого дня и льготное страхование для близких; * Корпоративная пенсионная программа; * Детский отдых и подарки за счет Компании; * Обучение за счет Компании: онлайн курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию; * Скидки на отдых в лучшем в мире курортном комплексе «Mriya Resort & SPA» в Ялте.

Монтаж образовательных видео для YouTube (спикер + презентация + B-roll). Ищу монтажёра для регулярного монтажа образовательных видеороликов по обществознанию.

Location: Москва Данные — главный рычаг качества фронтирной модели. Станьте тем, кто его держит ------------------------------------------------------------------------------ GigaChat обучает одна из крупнейших ML-команд страны. Мы знаем то же, что знают OpenAI и Anthropic: качество следующей версии модели определяют претрейн-данные. Поэтому мы ищем не «инженера по датасетам», а исследователя, который будет владеть данными как рычагом роста модели — от стратегии сбора до измеримого прироста на бенчмарках. Контур влияния короткий и прямой: ваша гипотеза → эксперимент → обучающий прогон → прирост метрик модели, которой пользуются миллионы людей. Обязанности * Вести программу экспериментов с данными. * Планировать, запускать и анализировать ablation-эксперименты: сравнивать версии смеси данных, фильтров и порядка обучения при фиксированном вычислительном бюджете. Вы автор эксперимента, а не исполнитель. * Оптимизировать смесь и порядок использования данных. * Отвечать на главный вопрос претрейна: какие данные, в какой пропорции и в каком порядке должна видеть модель. Применять интуицию scaling laws к распределению токенов. * Измерять качество данных. * Превращать расплывчатые «хорошие данные» в конкретные измеримые сигналы: классификаторы для отбора документов, насыщенных рассуждениями, кодом и знаниями. * Курировать корпус на масштабе триллионов токенов. * Проводить точную и fuzzy-дедупликацию, фильтрацию, очистку от утечек бенчмарков, html2text. * Собирать данные для agentic-pretrain. * Проводить поиск, сбор и генерацию траекторий использования инструментов, многошаговых рассуждений и взаимодействия со средой — чтобы агентные способности закладывались в модель уже на этапе претрейна, а не только в пост-обучении. * Создавать рецепты подготовки синтетических данных. * Генерировать синтетику под дефицитные способности модели (длинный контекст, рассуждения, код) — с количественной проверкой через эксперименты. * Замыкать петлю: «данные → обучение → оценка». * Развивать контур бенчмарков и сетапов экспериментов для измерений, чтобы каждое изменение данных имело измеримый ответ. Требования * Нам нужны сильные исследователи, а не исполнители. Главное — умение самостоятельно задавать правильные вопросы, проектировать эксперименты и доводить гипотезы до измеримого результата. * Опыт именно с LLM не обязателен, если у вас сильная экспериментальная практика в любой области ML — компьютерное зрение, рекомендательные системы, классический ML, наука — специфике больших языковых моделей мы научим. * Сильные основы ML и статистики, культура контролируемого эксперимента: гипотеза → дизайн → измерение → вывод. * Уверенный Python и опыт обучения моделей на PyTorch или аналогах. * Самостоятельность в исследованиях: умение вести направление от вопроса до результата, а не ждать постановки задачи. * Понимание цикла обучения LLM хотя бы на уровне теории: токенизация, scaling laws, влияние состава данных на качество. * Знакомство с распределённой обработкой данных (Spark, Dask, Airflow, Kubernetes) и открытыми data-проектами (FineWeb, OLMo, Dolma) — как минимум представление о том, как это устроено. Не обязательно закрывать все вышеперечисленные пункты. Если вы сильный экспериментатор и хотите дорасти до владения всем циклом данных фронтирной модели — давайте поговорим. Условия * Вычислительные ресурсы под ваши эксперименты. * Один из крупнейших GPU-кластеров в стране. * ablation-эксперименты — это обучающие прогоны, и вы сможете запускать их регулярно, а не «раз в квартал, если повезёт». * Претрейн с нуля, а не дообучение чужих весов. * Мы обучаем собственную модель с первого токена — это значит, что ваши решения по данным определяют фундамент модели, а не косметику поверх чужого претрейна. Сейчас мы учим модели размером 400–700B параметров, и у нас есть амбиции выйти на масштаб 1.5–2T. * Опенсорс и мировая планка. Мы выкладываем модели в открытый доступ, и наша цель — достичь мирового уровня среди опенсорс-моделей. Ваша работа будет видна всему сообществу и будет сравниваться с лучшими открытыми моделями мира. * Полная ориентация на результат. * Минимум бюрократии, максимум ответственности и свободы. Работу меряем не количеством задач, а приростом модели на бенчмарках при том же бюджете. Подтверждённая гипотеза попадает в обучение следующей модели. * Развитая инфраструктура. * Зрелый стек для работы с данными и экспериментами: S3, YTsaurus, Airflow, DataLens, GitLab CI, wandb. * Вы приходите не строить платформу с нуля, а исследовать — пайплайны, оркестрация, трекинг экспериментов и визуализация уже работают.

Компания Marvell ищет стажера-исследователя с уровнем PhD для работы в области FPGA и прототипирования на кремнии. Кандидат должен быть зачислен в программу PhD, MS by Research или MTech by Research по направлениям компьютерных наук, компьютерной инженерии, электроники, электротехники, робототехники или смежным дисциплинам.

to join our Research team, developing and improving the systems behind large-scale distributed training, data processing, and inference. Raise the team's experimental velocity — make it faster to launch an experiment job, get a number back you can trust, and know what to try next.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM моделей, включающий в себя стадии pre-training, SFT и DPO/RL. Мы ищем сильных инженеров и исследователей, которые будут двигать вперед качество мультимодального GigaChat. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Самостоятельная работа в рамках заданного направления развития качества VLM: от планирования, до выкатки в прод; * Планирование и работа над исследовательскими задачами по архитектуре модели, стратегии и данным обучения; * Формирование гипотез по улучшению качества модели, самостоятельное планирование экспериментов по их подтверждению и постановка multi-node обучений на большом количестве GPU (тысячи A100/H100); * Решение сложных инженерных задач, развитие и оптимизация кодовой базы обучения и эвала VLM, написание чистого кода и проведение code review; * Анализ точек роста и определение способов их закрытия. Требования * Сильный технический бэкграунд в modern ML: понимание того, как данные, архитектура и стратегии обучения влияют на итоговое качество модели; * Опыт полного цикла обучения VLM или LLM; * Глубокие знания или опыт работы в области computer vision; * Понимание принципов работы распределенного обучения (FSDP) или опыт обучения моделей на больших GPU кластерах; * Наличие навыков технического лидерства: проведение code-review, помощь и менторинг младших сотрудников; * Умение работать, принимать решения и выстраивать процессы в условиях неопределенности; * Умение и желание взаимодействовать с коллегами, вносить собственные идеи и предлагать пути достижения общих целей. Условия **Будет плюсом:** * Опыт полного цикла обучения VLM; * Наличие публикаций в области NLP или CV; * Опыт решения задач по оптимизации обучения; * Опыт участия в соревнованиях по машинному обучению или программированию.

Location: Москва В этой роли вы будете работать над задачами на стыке машинного обучения, обработки сигналов и production engineering: от детекции шума, шепота и голосовой активности до диаризации, споттинга, биометрии, EOU и routing-логики. Это возможность не просто решать сложные прикладные ML-задачи, а строить и улучшать реальные системы, которые работают в проде, выдерживают требования по latency и качеству и становятся важной частью пользовательского опыта. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Разрабатывать, обучать и улучшать ML-модели для аудио- и speech-задач * Работать с полным циклом разработки моделей: от постановки задачи, анализа данных и построения пайплайнов до внедрения, мониторинга и итеративного улучшения в production * Проектировать решения для real-time и streaming-сценариев с жёсткими требованиями к latency, стабильности и качеству * Исследовать и внедрять современные подходы в audio ML и speech ML, выбирая между классическими методами, deep learning и hybrid-подходами в зависимости от задачи и продуктового эффекта * Строить и улучшать системы оценки качества: offline-метрики, тестовые наборы, error analysis, A/B-подходы и другие способы объективно измерять качество моделей * Работать с данными: формировать обучающие выборки, улучшать разметку, искать источники деградации качества, повышать устойчивость моделей к шуму, акцентам, каналам связи и другим вариациям реального мира * Оптимизировать модели и inference-пайплайны для эффективной работы в production-среде * Плотно взаимодействовать с инженерами, исследователями, продуктом и смежными командами, чтобы быстро доводить сильные ML-идеи до рабочего решения * Вносить вклад в техническое направление команды, предлагать новые подходы, поднимать планку качества и помогать принимать архитектурные решения. Требования * Высшее образование в области математики, computer science, физики, статистики, data science * Уверенный senior-уровень в machine learning и практический опыт построения и внедрения ML/DL-моделей в production * Сильная экспертиза в одном или нескольких направлениях, связанных с audio, speech или signal processing * Отличное знание Python и уверенная работа с основным ML-стеком: PyTorch, NumPy, Pandas, Scikit-learn, а также инструментами для обучения, экспериментов и production deployment * Опыт работы с метриками качества * Сильные коммуникационные навыки и способность ясно объяснять сложные технические вещи как инженерам, так и нетехническим стейкхолдерам * Проактивность и желание двигать вперёд не только свою задачу, но и весь ML-контур команды. Условия * Крупнейшее DS&AI community — более 600 DS-специалистов банка * Дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * Возможность быть соавтором НИРов и статей для международных конференций * Возможность выбрать удобный формат работы: гибрид или офис * Ежегодный пересмотр зарплаты, 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 выгоднее до 7% для каждого сотрудника * Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * Вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы ищем Data Engineer, который будет отвечать за инфраструктуру, пайплайны и качество данных для обучения современных Vision-Language Models. Роль находится на стыке data engineering и ML: нужно будет работать с большими мультимодальными датасетами, понимать потребности исследователей и ML-инженеров, строить пайплайны очистки, фильтрации, категоризации и генерации данных, а также обеспечивать воспроизводимый экспорт данных в формат для обучения моделей. Обязанности * Собирать и структурировать потребности ML-команды в данных: какие данные нужны для обучения, дообучения, оценки и улучшения VLM. * Предлагать и реализовывать идеи пайплайнов очистки, фильтрации, дедупликации, категоризации и генерации данных. * Ориентироваться в современных практиках построения датасетов для Vision-Language Models: image-text pairs, synthetic data, filtering, quality scoring, data mixture design, dataset versioning. * Отвечать за инфраструктуру хранения и подготовки данных, включая: * 1. импорт данных из различных источников: production, Common Crawl, open-source datasets, generated data; 2. валидацию и контроль качества данных; 3. хранение и версионирование датасетов; 4. экспорт данных в форматы, пригодные для обучения моделей. * Проектировать и реализовывать пайплайны обработки данных на большом масштабе, включая десятки миллиардов изображений. * Разрабатывать пайплайны генерации синтетических данных для обучения и улучшения VLM. * Собирать статистику по данным, строить отчёты и визуализации для анализа состава, качества и покрытия датасетов. * Обеспечивать воспроизводимость, наблюдаемость и надёжность data-процессов. * Работать в тесной связке с ML-инженерами, исследователями и инфраструктурной командой. Требования * Сильный опыт в data engineering и построении production-grade data pipelines. * Уверенное владение Python, включая multiprocessing, multithreading и async-подходы. * Опыт работы с большими объёмами данных и распределённой обработкой. * Практический опыт с объектными хранилищами, в частности S3 или аналогами. * Опыт работы с YTsaurus или похожими системами для распределённого хранения и обработки данных. * Понимание принципов валидации, очистки, дедупликации и версионирования датасетов. * Опыт работы с DVC, Git, Docker. * Опыт работы с PostgreSQL или другими реляционными базами данных. * Умение проектировать устойчивые пайплайны: от импорта данных до финального экспорта в training-ready формат. * Способность самостоятельно разбираться в нечетко сформулированных задачах и доводить их до работающего решения. * Готовность работать на стыке engineering и ML research. Будет плюсом ------------ * Опыт работы с мультимодальными данными: изображения, текст, image-text pairs, captions, OCR, metadata. * Понимание того, как устроены современные датасеты для обучения VLM / LMM / multimodal models. * Опыт построения пайплайнов для synthetic data generation. * Опыт реализации quality scoring, filtering, semantic deduplication, clustering или data attribution. * Опыт визуализации статистики по большим датасетам и построения внутренних аналитических дашбордов. * Опыт работы с Common Crawl, LAION-подобными датасетами, open-source vision-language datasets. * Базовое понимание ML training pipeline и того, как качество данных влияет на качество модели. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, 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 выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM моделей, включающий в себя стадии pre-training, SFT и DPO/RL. Мы ищем сильных инженеров и исследователей, которые будут двигать вперед качество мультимодального GigaChat. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Самостоятельная работа в рамках заданного направления развития качества VLM: от планирования, до выкатки в прод; * Планирование и работа над исследовательскими задачами по архитектуре модели, стратегии и данным обучения; * Формирование гипотез по улучшению качества модели, самостоятельное планирование экспериментов по их подтверждению и постановка multi-node обучений на большом количестве GPU (тысячи A100/H100); * Решение сложных инженерных задач, развитие и оптимизация кодовой базы обучения и эвала VLM, написание чистого кода и проведение code review; * Анализ точек роста и определение способов их закрытия. Требования * Сильный технический бэкграунд в modern ML: понимание того, как данные, архитектура и стратегии обучения влияют на итоговое качество модели; * Опыт полного цикла обучения VLM или LLM; * Глубокие знания или опыт работы в области computer vision; * Понимание принципов работы распределенного обучения (FSDP) или опыт обучения моделей на больших GPU кластерах; * Наличие навыков технического лидерства: проведение code-review, помощь и менторинг младших сотрудников; * Умение работать, принимать решения и выстраивать процессы в условиях неопределенности; * Умение и желание взаимодействовать с коллегами, вносить собственные идеи и предлагать пути достижения общих целей. **Будет плюсом:** * Опыт полного цикла обучения VLM; * Наличие публикаций в области NLP или CV; * Опыт решения задач по оптимизации обучения; * Опыт участия в соревнованиях по машинному обучению или программированию. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, 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 выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Humanoid AI — первая компания в Великобритании, которая создает человекоподобные роботы. Уже создан робот HMND 01, используемый в промышленности, логистике и сервисе. Компания оценивается в $1.35B при инвестициях в $152M. Команда — 101-250 человек. Задачи: — Полный цикл работы над проектами: от концепции до финальной сдачи, арт-дирекшн и управление процессом с минимальным контролем — Воплощение бренда Humanoid через смелый, точный и продуманный визуальный дизайн на всех каналах — Поддержка и развитие бренд-гайдов и дизайн-систем для сохранения консистентности при масштабировании и запуске новых продуктов — Перевод сложных технических и продуктовых задач в четкие, уверенные и понятные визуальные решения — Дизайн в широком спектре: фирменный стиль, презентации, мерч, упаковка, веб, соцсети, оформление пространства — Тесное сотрудничество с креативным директором и командой для единства и соответствия бренду — Взаимодействие с командами аппаратного дизайна и продуктов для сохранения визуального языка, соответствующего роботам — Работа с motion-специалистами (внутренними или фрилансерами) для создания раскадровок и анимационных материалов Требования: — Опыт работы в дизайне 6+ лет, желательно с опытом в технологиях, продуктах или ведущем креативном агентстве — Портфолио, демонстрирующее системное мышление, сильную верстку и разнообразие: брендинг, цифровой дизайн, печатная продукция, желательно анимация или моушн — Владение Adobe Creative Suite и Figma — Опыт работы с After Effects или аналогичными инструментами для моушн-дизайна будет преимуществом — Самостоятельность, умение брать ответственность и продвигать проекты без постоянного контроля — Практичный подход: сочетание амбициозного творческого видения с соблюдением жестких сроков — Внимание к деталям и стремление к качеству выше среднего — Умение работать кросс-функционально с аппаратными и продуктовыми командами, переводя технические ограничения в креативные решения — Уверенность в презентации и защите своих работ перед старшими руководителями, включая CEO и исполнительную команду Условия: — Конкурентные опционы с потенциалом роста стоимости — Более 30 оплачиваемых дней отпуска, включая 23 дня ежегодного отпуска, все банковские праздники Великобритании и дополнительные дни закрытия компании (включая рождественские и новогодние каникулы) — Частное медицинское обслуживание, включая виртуальную и очную помощь — Пенсионная программа с общим взносом 8% (5% сотрудник, 3% работодатель) от полной заработной платы — Бесплатный ежедневный завтрак, обед и перекусы в офисе — Работа на переднем крае технологий с мировыми инженерами, исследователями и экспертами по продукту в области ИИ и гуманоидной робототехники — Реальная возможность влиять на продукт и принимать участие в ключевых инициативах с первого дня

– Ведение переговоров с зарубежными блогерами, проверка ценности предложения. – Организация и контроль интервью с аудиторией, самостоятельный анализ материалов и подготовка выводов.

Location: Москва Мы в Kandinsky строим платформу для генерации изображений и видео. Команда Harness отвечает за слой инструментов и пайплайнов вокруг моделей: он превращает исследовательские чекпоинты в решения, которыми пользуются миллионы пользователей. Мы ищем ML-инженера, который будет развивать этот слой, автоматизировать сценарии работы с визуальным контентом, влиять на выбор моделей и подходов и помогать командам доводить модели до продукта. Обязанности * разрабатывать агентные системы: сценарии, инструменты, оркестрация вызовов * решать прикладные задачи с помощью CV- и генеративных моделей: от постановки до работающего в проде решения * собирать пайплайны обработки и генерации изображений и видео, автоматизировать сценарии работы с визуальным контентом * адаптировать модели под конкретные домены и продуктовые кейсы * искать причины деградаций качества и предлагать способы их устранения * работать в связке с исследователями, продуктом и бэкендом, переводя продуктовые требования в технические решения. Требования * уверенное владение Python и фреймворками глубокого обучения (PyTorch) * понимание разницы между agentless- и agentic-решениями, опыт написания обоих и умение понимать, когда что уместно * понимание устройства актуальных CV- и GenCV-моделей * умение работать с контейнеризацией (Docker, Kubernetes) * опыт интеграции генеративных моделей * понимание бизнес-метрик и их переноса на модельные метрики * опыт работы с opensource-моделями: выбор под кейс, настройка гиперпараметров, дообучение Условия * комфортный современный офис рядом с м. Кутузовская * 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 * льготная программа ипотеки для сотрудников * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

What you will do Take ownership of the existing AI platform for predicting clinical trial and drug development outcomes. Define prediction tasks, connect evidence available at decision time to later outcomes, and build the measurement programme.

Задачи: — Производить научные и технические обзоры новых AI моделей, архитектур, статей, внутренних исследований и трендов. — Превращать архитектуры моделей и сложные технические идеи в понятные визуальные нарративы, создавая инфографику, диаграммы, графики и другие мультимедийные компоненты. — Проводить интервью с исследователями, инженерами, основателями и научными лидерами. — Освещать основные исследовательские конференции, новые области и важные дискуссии в AI экосистеме. — Писать и редактировать материалы в различных форматах: аналитические отчёты, статьи, интервью, объяснительные тексты, рассылки, сценарии вебинаров и контент для соцсетей. — Вести или модерировать исследовательские вебинары, интервью и другие форматы с участием на камеру. — Работать с исследователями для проверки технических утверждений, сохраняя при этом ясный редакторский стиль. — Сотрудничать с дизайнерами и мультимедийными продюсерами для создания сложных визуальных историй. — Экспериментировать с моделями, агентами, кодированием и автоматизацией для улучшения исследовательских, редакторских и визуальных рабочих процессов. Требования: — Профессиональный или академический опыт в AI/ML исследованиях, инженерии машинного обучения или близкой технической области. — Диплом в области компьютерных наук, машинного обучения, математики, физики, инженерии, вычислительной науки или другой релевантной технической дисциплины. — Умение читать статьи, анализировать архитектуры моделей, сравнивать результаты и обсуждать технические детали с исследователями. — Сильные визуальные навыки, способность объяснять технические механизмы через диаграммы, инфографику, графики и другие мультимедийные форматы. — Точное и выразительное письмо, использование больших языковых моделей (LLM) для поддержки работы, но не для написания текста. Условия: — Конкурентная компенсация. — Возможности карьерного роста и обучения. — Гибкость и самостоятельность в работе. — Международная среда и талантливые команды. — Возможность работать над значимыми AI проектами. — Роль является контрактной с фиксированным ежемесячным вознаграждением и возможностью перехода на полную занятость. — Работа удалённая, базируется в ЕС. Описание команды: Роль входит в состав Nebius Academy и Nebius Science — образовательной и исследовательской инициативы Nebius, а также исследовательской медиа-лаборатории, фокусирующейся на AI исследованиях, науке, управляемой AI, и людях и идеях, формирующих эти области. Команда выпускает статьи, технические объяснения, еженедельные обзоры статей, исследовательские вебинары и редакционные проекты с получателями грантов Nebius.

— Ведёшь переговоры с зарубежными блогерами, проверяешь ценность предложения. — Организуешь и контролируешь интервью с аудиторией, сам анализируешь материалы и готовишь выводы.