Вакансии

Location: Remote We are currently seeking a Deep Learning Researcher . You have stumbled upon a gem in Deep Learning vacancies. A place to put to use your hard-earned experience and show some state-of-the-art work in a highly competitive environment where all your skills will be put to test. Feel free to go through the details and learn more from our recruitment team. What You’ll Be Doing: The team you’ll join is working on developing solutions based on DL with state-of-the-art performance in terms of accuracy/speed/scalability. We expect you to have proficient skills in ML, in particular in one of Deep Learning domains. What We Look For In You: Proficient knowledge in one of Deep Learning domains (CV, NLP, TimeSeries, Audio, etc.) Experience in development scalable and reproducible ML pipelines Competency in conducting experiments to facilitate rapid iterations and validate hypotheses Nice-to-have: Top ranks in competitions with prizes and objective metrics (Kaggle, TopCoder, DrivenData, etc.) Experience in Time Series tasks Why Should You Join Our Team? Great challenges with fast feedback loops A welcoming group of highly qualified international professionals Cutting-edge hardware and technology Work remotely from anywhere in the world Access any of our global offices anytime Flexible schedule 40 paid days off Competitive salary

В этой роли вы будете руководить высокоэффективной командой Machine Learning Engineers, сосредоточенной на создании рекомендательных систем, которые поддерживают устойчивый рост пользователей, постов и сообществ. Ваша команда будет улучшать релевантность для новых, с низким сигналом и незарегистрированных пользователей;

Проектирование и развитие масштабируемой data-инфраструктуры (batch и streaming пайплайны); ClickHouse (MergeTree), S3 Data Lake, Kafka, Airflow (ETL/ELT);

Location: Москва; Санкт-Петербург Workplace: Офис, Гибридный Мы создаём новый сервис для ML-разработчиков Яндекса, которые обучают модели для Алисы, Нейро, Шедеврума и других сервисов. Ищем человека, который поможет нам выстроить процессы разработки и наладить взаимодействие между ML-инженерами и инфраструктурой. Яндекс — одна из немногих компаний в мире, оперирующих экcабайтами данных, которые нужно уметь эффективно хранить, обрабатывать и передавать между различными системами. Для решения этих задач мы создали и развиваем распределённую платформу хранения и обработки данных YTsaurus. Мы развиваем ML-платформу Яндекса на базе YTsaurus — инфраструктуру, на которой работают десятки команд машинного обучения и обучаются модели для ключевых продуктов компании. Пользователями платформы являются большинство ML-разработчиков Яндекса — сотни команд, которые обучают модели для Алисы, Нейро, Шедеврума. Платформа покрывает полный жизненный цикл ML-разработки — от подготовки датасетов и обучения моделей на больших GPU-кластерах до продакшен-инференса и эксплуатации моделей. Ключевые компоненты платформы * Managed DevCluster для удалённой разработки и тестовых запусков задач на GPU * Инструмент простого с точки зрения UX и эффективного запуска процессов обучения на гигантском кластере YTsaurus с тысячами GPU * Оркестратор, который позволит описывать графы подготовки данных на Python и SQL * Решение для трекинга ML-экспериментов (по смыслу похожее на Weights & Biases) * MLOps-система для управления жизненным циклом моделей Ищем Technical Product Manager, который будет помогать нам развивать платформу: формировать продуктовую стратегию, понимать потребности ML-инженеров и вместе с командами разработки создавать инструменты для эффективной работы ML-инженера. Обязанности Развитие продукта Формировать продуктовую стратегию и roadmap ML-платформы. Определять ключевые направления развития инфраструктуры для ML-разработки. Развивать платформу, покрывающую полный ML lifecycle, включая подготовку и хранение датасетов, обучение моделей, управление экспериментами, запуск inference, эксплуатацию моделей. Работа с пользователями Глубоко погружаться в задачи ML-команд Яндекса. Выявлять узкие места в инфраструктуре ML-разработки. Формировать требования к новым инструментам и сервисам платформы. Формирование решений Участвовать в проектировании ключевых компонентов ML-платформы. Переводить потребности пользователей в конкретные продуктовые решения. Приоритизировать развитие платформы на основе продуктовых метрик и обратной связи. Работа с командами Координировать несколько инженерных команд. Помогать командам поставлять сложные инфраструктурные фичи. Следить за тем, чтобы развитие платформы соответствовало продуктовой стратегии. Больше о создании продуктов в Яндексе — в канале Yandex for Products Требования * Работали с машинным обучением (обязательное требование) * Понимаете полный жизненный цикл ML-разработки * Запускали и развивали продукты (product management) * Умеете формировать roadmap и приоритизировать развитие продукта * Имеете сильную техническую базу и разбираетесь в ML-инфраструктуре, распределённых системах, GPU-обучении моделей * Умеете работать на стыке ML-инженерии, инфраструктурных команд и продукта Будет плюсом * Работали с ML-платформами или MLOps-инфраструктурой * Имели дело с большими распределёнными вычислительными системами * Строили developer platform или internal tools

Разработка и развитие компонентов ML-платформы и инфраструктурных сервисов. Автоматизация процессов запуска, сопровождения и мониторинга ML/HPC workloads.

Location: Москва AI-команда блока развития клиентского опыта B2C приглашает опытного AI-инженера для участия в создании AI-агентов и LLM-решений, которые улучшают взаимодействие с клиентами - как внешними, так и внутренними пользователями Сбера. Мы строим передовые AI-инструменты на основе LLM, автоматизируем процессы и делаем сервисы персонализированными. Вы станете ключевым участником команды, которая внедряет AI-решения в реальные бизнес-процессы. Наше управление состоит из 45+ специалистов: Data Scientists, AI и ML-инженеров, MLOps и Project-менеджеров. Мы активно развиваем решения на базе LLM, трансформируя клиентский опыт. Обязанности * разрабатывать и внедрять LLM-пайплайны и AI-агентов: от генерации идеи и сборки MVP до успешного запуска в продакшн * дообучать LLM (на базе GigaChat) под конкретные бизнес-задачи и предметные области (Fine-tuning, LoRA) * оборачивать разработанные модели и бизнес-логику в надежные микросервисы на Python * переводить бизнес-потребности на язык машинного обучения и предлагать оптимальные архитектурные решения. Требования * опыт: от 3 лет в Data Science или NLP с уверенным практическим применением LLM * LLM & Agents: опыт разработки LLM-пайплайнов, RAG-систем или AI-агентов. Знание основных фреймворков: LangChain, LangGraph или аналогов * NLP & ML: глубокое понимание NLP - от классических подходов (TF-IDF) до современных трансформеров и LLM; знание основных принципов и алгоритмов классического ML * Python Backend: понимание принципов проектирования микросервисной архитектуры (REST API); опыт написания асинхронных и многопоточных приложений (aiohttp, asyncio, multiprocessing) * Инженерная культура: умение писать чистый, поддерживаемый и тестируемый код на Python * Владение Git, SQL, Bash, Docker. будет плюсом: * опыт интеграции AI-агентов и ML-моделей в высоконагруженные сервисы * интерес к SOTA-подходам в агентной разработке * практическое применение фреймворка DeepAgents в PET проектах * опыт работы с Kubernetes. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты, квартальная и годовая премия * корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета 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.

Location: Москва Workplace: гибкий Группа разработки HPC-инфраструктуры занимается созданием суперкомпьютера, на котором обучается вся компания. Мы строим HPC-сегменты с использованием технологий InfiniBand и RoCE, а поверх них — ML-платформу на базе Kubernetes. Задачи Разработка и развитие компонентов ML-платформы и инфраструктурных сервисов Автоматизация процессов запуска, сопровождения и мониторинга ML/HPC workloads Повышение надёжности, производительности и масштабируемости платформы Развитие CI/CD и внутренних инструментов для эксплуатации платформы Взаимодействие с командами разработки и ML-инженерами по вопросам платформы и инфраструктуры Требования Опыт разработки инфраструктурных и platform-компонентов на Go Углубленные знания Linux, включая понимание работы ОС, сетевого стека и механизмов контейнеризации Хорошее понимание сетей, сетевых протоколов и диагностики проблем связности Знание архитектуры и принципов работы Kubernetes Навыки troubleshooting на всех уровнях инфраструктуры: хост, контейнеры, runtime, сеть Опыт автоматизации инфраструктурных процессов и разработки внутренних инструментов Понимание принципов надёжности, масштабируемости и observability production-систем Будет плюсом Опыт работы с ML / MLOps / HPC workloads Опыт разработки на Python Опыт работы с CI/CD, monitoring и platform tooling

• Lead the technical direction for ML-driven tools and systems that support the development of CD PROJEKT RED games, with a focus on Unreal Engine workflows, production pipelines, developer.

As the Engineering Manager for the AirCover Insurance Platform, you will lead the system that lets Airbnb launch, price, enroll and service insurance products in new regions, and that lets the business test what drives Hosts and guests to be covered. Depth in backend platforms, with experience in distributed systems and high-availability services.

Задачи: — Повышение эффективности утилизации GPU: формирование гипотез, исследование способов повышения эффективности, участие в реализации и внедрении решений. — Формирование рекомендаций и лучших практик по повышению производительности GPU-инфраструктуры. — Оптимизация и профилирование: поиск узких мест в производительности и их устранение с помощью профилировщиков, оптимизация доступа к памяти, ядрам, времени ожидания и пропускной способности. — Развитие инструментов диагностики: создание и улучшение инструментов для выявления и устранения инфраструктурных проблем, влияющих на эффективность утилизации, стабильность и скорость GPU-вычислений для обучения и инференса. — Исследование и внедрение современных решений: изучение новейших подходов к организации инфраструктуры для обучения и инференса, оценка их эффективности и внедрение в проекты. — Анализ архитектуры, тестирование, интеграция: взаимодействие с разработчиками, ML-инженерами и системными архитекторами, участие в оценке аппаратных решений, предложение улучшений для будущих поколений GPU, разработка планов тестирования, формирование бенчмарков, анализ регрессий производительности. Требования: — Знание Python и опыт системного программирования, разработка библиотек или фреймворков. — Опыт работы с PyTorch и распределённым обучением через torch.distributed. — Применение подходов параллелизации (data parallelism, tensor parallelism, pipeline parallelism, expert parallelism) для распределённого инференса или обучения. — Интерес к LLM и MLOps, понимание задач и вызовов эксплуатации больших моделей в продакшене. — Опыт работы с GPU (NVIDIA) и CUDA: понимание архитектуры GPU, разработка или оптимизация алгоритмов под CUDA, использование Nsight, nvprof или аналогов. — Умение оптимизировать производительность GPU-приложений и повышать эффективность утилизации GPU. — Способность анализировать профили и метрики производительности. — Навыки чтения и оптимизации сложного кода. — Эффективная командная работа и готовность делиться знаниями. Будет плюсом: — Уверенное владение C/C++ или аналогичными низкоуровневыми языками. — Опыт работы с библиотеками RL-обучения для LLM: veRL, slime, NeMo-RL, SkyRL и другими. — Опыт работы с библиотеками инференса: vLLM, SGLang, TRTLLM. — Опыт оптимизации под реальные продакшен-нагрузки, работа с low-latency- или real-time-системами.

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.

Мы занимаемся развитием и поддержкой системы класса BPM, автоматизирующей задачи Юридического департамента. В системе реализованы как правовые (автоматизированная оценка заемщика, правовые заключения и др.), так и судебные бизнес-процессы юридической службы. Для реализации этих процессов широко используются технологии искусственного интеллекта (AI), OCR компоненты. Мы используем самые современные технологии: Jenkins, Ansible, Groovy Git (BitBucket), SonaQube, Nexus Maven, Gradle, NPM Docker, оркестраторы Kubernetes/OpenShift Istio PostgreSQL Linux SberOS, Ubuntu based. Задачи: — автоматизировать процессы сборки, деплоя и конфигурирования приложений с помощью Jenkins, Helm, Kustomize и ArgoCD — поддерживать релизные процессы, DevSecOps — подготавливать, настраивать и эксплуатировать тестовые стенды — настраивать мониторинг работы серверов — решать нетривиальные задачи по настройке процессов CI/CD — работать вместе с разработчиками, ML-инженерами и аналитиками для оптимизации рабочих процессов — консультировать, обучать коллег. Требования: — опыт в роли devops инженера от 5 лет — знание SQL на уровне написания простых запросов — опыт построения CI/CD на техстэке Groovy, Helm, Python, Bash — опыт использования и понимание работы систем контроля версий Git — опыт работы с СУБД Postgresql — опыт настройки веб-сервера Nginx — опыт контейнеризации: Docker и/или Podman (Containerfile/Dockerfile, volumes, networking, registry). Будет плюсом: — опыт работы с Kubernates/Openshift — опыт работы с Ansible — опыт работы и настройки ALG (NGINX, IBM DataPower, SOWA.) Условия: — гибридный формат работы (2-3 дня в офисе) — годовой бонус и ежегодный пересмотр — расширенный ДМС с первого дня + стоматологию и льготное страхование для семьи — корпоративный университет Сбера, внутреннюю образовательную платформу, участие в IT-конференциях — офис на Ленинском проспекте с зонами отдыха и спортзалом — льготную ипотеку в Сбере, корпоративную пенсионную программу, подписку СберПрайм с возможностью совместного использования на трёх близких, скидки от партнеров и сервисов группы компаний.

Задачи: — Развивать и сопровождать инфраструктуру AI-платформы. — Разворачивать и поддерживать сервисы в Kubernetes. — Контейнеризировать приложения и инфраструктурные компоненты с использованием Docker. — Разрабатывать и поддерживать CI/CD-пайплайны. — Автоматизировать рутинные операции с помощью Python и Bash. — Работать с ArgoCD и IaC-инструментами. — Настраивать мониторинг, логирование и health-checks. — Работать с persistent storage и S3/object storage. — Участвовать в эксплуатации AI/ML-сервисов и LLM inference, администрировать AI системы. — Постепенно осваивать GPU-инфраструктуру и особенности запуска AI-сервисов на GPU. — Участвовать в развитии внутренних стандартов deployment и эксплуатации AI-сервисов. — Разбираться в инцидентах и самостоятельно доводить технические задачи до результата. — Взаимодействовать с архитекторами, разработчиками, специалистами по кибербезопасности, ML-инженерами и системными администраторами. Требования: — Уверенное владение Linux и командной строкой. — Практический опыт с Docker и Docker Compose. — Базовый практический опыт работы с Kubernetes. — Понимание основных Kubernetes-объектов: Pod, Deployment, Service, ConfigMap, Secret, Ingress, PVC. — Опыт работы с Git. — Понимание принципов CI/CD и практический опыт работы хотя бы с одним CI/CD-инструментом. — Bash на уровне написания небольших скриптов автоматизации. — Python на уровне написания automation scripts и небольших сервисных утилит. — Базовое понимание сетей: TCP/IP, DNS, HTTP/HTTPS. — Понимание принципов мониторинга и логирования. — Понимание разницы между файловым, блочным и объектным хранилищем. — Понимание базовых принципов работы AI/ML-сервисов: model, training, inference, embeddings, LLM. — Понимание базовых принципов применения мер защиты от киберугроз. — Будет плюсом: Helm, Ansible, ArgoCD / GitOps, Prometheus / Grafana / Loki, S3 / MinIO, PostgreSQL / Redis, опыт работы с GPU и NVIDIA, NVIDIA Container Toolkit / CUDA, vLLM, SGLang, Triton или другие inference engines, MLflow, Airflow, Kubeflow или другие MLOps-инструменты, RAG, vector databases, embeddings, непосредственный опыт эксплуатации AI/ML или LLM-сервисов, опыт работы в инфраструктурной или DevOps-команде, опыт эксплуатации production-систем, опыт работы с on-premise инфраструктурой, опыт работы с Linux-серверами и Kubernetes-кластерами, понимание принципов отказоустойчивости и масштабирования. — Английский язык на уровне чтения технической документации. — Не требуется глубоких знаний ML и разработки нейронных сетей. — Не требуется самостоятельно обучать модели или разрабатывать ML-алгоритмы. — Важнее хорошая инженерная база, способность самостоятельно разбираться в проблемах и готовность постепенно углубляться в AI infrastructure. Условия: — Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + премия по результатам KPI. — Сложные и интересные задачи, современный стек технологий. — Забота о здоровье: программа ДМС с первых дней работы, включая стоматологию и обслуживание в лучших клиниках города. — Возможность вертикального и горизонтального карьерного роста: регулярные тренинги, вебинары, митапы и демо-дни. — Корпоративные предложения от партнёров группы АЛЬФА-БАНК. — Бесплатная мобильная связь Альфа-Мобайл.

Задачи: — подготовить инженерную организацию и технологии к росту числа продуктов и команд — работать в тесном партнёрстве с CEO и продуктовой командой Требования: — управление несколькими инженерными командами через руководителей и развитие лидов — рост инженерной организации: найм, формирование команд и изменение структуры под задачи бизнеса В компании сейчас три тимлида, около 12 разработчиков, два ML-инженера и QA. В работе используются Go, Ruby, Python, React, ClickHouse, Kafka и другие технологии.

Задачи: — Разработка инфраструктуры для сбора и обработки финансовых данных — Интеграция ML-моделей в торговые системы — Backend-разработка на Python (Django) — Взаимодействие с ML-инженерами, аналитиками и frontend-командой — Масштабирование и повышение надежности систем Требования: — 5+ лет опыта в software engineering — 3+ года опыта в разработке высоконагруженной инфраструктуры — Отличное понимание алгоритмов, структур данных и архитектуры систем — Опыт оптимизации производительности, масштабируемости и стабильности — Bachelor в CS / Engineering / Math или смежной области — Будет плюсом: Master’s / PhD — Опыт технического лидерства или менторства Условия: — Полный remote, с возможной релокацией в будущем (Лимассол, Кипр или Цуг, Швейцария) — Конкурентная компенсация — Работа напрямую влияющая на торговую прибыль фонда