Вакансии

Location: Москва, удалённая работа или гибрид, RU; Россия О команде Мы — команда DS в направлении новостроек Авито Недвижимости. Помогаем находить потенциальных покупателей новостроек среди пользователей Авито и предлагать им помощь в выборе жилья в подходящий момент. Для этого используем данные о поведении пользователей на платформе и превращаем их в ML-решения для поиска и привлечения покупателей. Наши модели уже работают в продакшене и влияют на качество лидов, конверсию и выручку направления. Сейчас мы развиваем скоринг в реальном времени, ищем новые аудитории и строим систему управления потоком лидов. Нам важно, чтобы каждая коммуникация была полезна покупателю, а улучшения моделей приносили измеримый дополнительный результат бизнесу. Какие задачи вас ждут: — создавать ML-модели для точного определения заинтересованных покупателей, чтобы релевантные предложения доходили до подходящих пользователей в нужный момент: строить look-alike-модели, модели отклика, uplift-модели и DL-модели; — проверять продуктовый эффект моделей: вместе с аналитиками проводить A/B-тесты, оценивать прирост целевых обращений и выручки, учитывать влияние на органические обращения и пользовательский опыт; — исследовать и разрабатывать модели распределения трафика между разными сегментами поиска лидов, в том числе с помощью bandit algorithms и RL; — снижать количество нерелевантных коммуникаций, чтобы сделать путь пользователя к покупке удобнее; — применять LLM и NLP в речевой аналитике, чтобы лучше понимать потребности покупателей; — повышать конверсию в сделки с помощью алгоритмов; — работать с разнородными данными: табличными данными, текстом и речью. Мы ждём, что вы: — имеете опыт работы в Data Science / Machine Learning от 3 лет; — умеете самостоятельно работать в продуктовой среде: формулировать задачу из бизнес-проблемы, приоритизировать и доводить решения до продакшена; — имеете опыт написания продакшен-кода с покрытием тестами и мониторингом; — отлично знаете классические алгоритмы и понимаете границы их применимости; — свободно пишете на Python и SQL, работаете с большими данными в DWH. Будет здорово, если вы: — имеете практический опыт работы с NLP; — имеете опыт работы с LLM. Работа у нас — это: — возможность влиять на бизнес и развитие продукта; — много качественных данных, развитая инфраструктура, инструменты и оборудование для продуктивной работы; — команда с сильной экспертизой и развитое профессиональное сообщество; — прозрачная система премий и зарплата, размер которой обсудим на собеседовании; — личный бюджет на обучение: книги, курсы и конференции; — расширенная забота о здоровье: ДМС, страхование жизни, онкострахование; — сервис психологической поддержки, а также финансовые, юридические и ЗОЖ-консультации для вас и ваших близких; — корпоративный спорт: групповые тренировки, велбиинг-приложение; — спецпредложения от партнёров и скидки на сервисы Авито: бронирование жилья, услуги продвижения, ипотечное страхование; — компенсация питания; — возможность работать удалённо или из офиса в 2 минутах от метро «Белорусская»: есть места для уединённой работы и зоны отдыха.

Location: Москва; Санкт-Петербург Workplace: Офис, Гибридный В Yandex Crowd мы создаём генеративного агента поддержки для продуктов Яндекса и ищем ML-тимлида, который возглавит эту работу. Откликайтесь, если руководили ML-командой от пяти человек и помогали сотрудникам развиваться и умеете строить RAG-пайплайны и агентов. В Yandex Crowd мы создаём генеративного агента поддержки для продуктов Яндекса и ищем ML-тимлида, который возглавит эту работу. Вы будете отвечать за техническое направление — от выбора архитектуры и исследований до запуска в продакшен. Предстоит выстроить систему улучшения агента на основе реальных диалогов и опыта операторов, сохраняя баланс качества, надёжности, скорости ответа и стоимости. Агент поддержки должен разбираться в обращении не хуже оператора, учитывать историю диалога, находить знания и использовать инструменты сервисов, чтобы помогать пользователю решить проблему. Yandex Crowd — крупный инфраструктурный сервис Яндекса. Мы используем краудсорсинг, чтобы расширять бизнес-процессы: разметку данных, модерацию контента, полевые исследования, тестирование. Также разрабатываем для наших продуктов внутренние функции: клиентский сервис, телемаркетинг, локализацию и документирование. Обязанности Развитие архитектуры агента Вы будете определять, как агент управляет контекстом, ищет информацию, вызывает инструменты и решает многошаговые задачи. Нужно будет внедрять лучшие подходы по работе с поиском по базе знаний, определению проблемы пользователя, long-term и short-term memory, обеспечивать высокое качество агента при минимальной скорости и стоимости. Построение оценки качества Вам предстоит собирать бенчмарки, настраивать среду для симуляции и регрессионные проверки, оценивать результат работы агента по обращению, корректность действий и своевременность передачи диалога человеку. Также нужно будет сочетать программные проверки, LLM-судей и экспертную оценку, настраивать критерии проверок, мониторить качество в пилотах и на проде. Автоматизация улучшения агента Вы будете превращать отобранные диалоги и исправления операторов в данные для обучения, новые критерии проверок и обновления базы знаний. Кроме того, предстоит настроить feedback loop для регулярного автоматического улучшения харнесса агента. Развитие автоматизированных исследований Нужно будет создавать исследовательских агентов, которые анализируют ошибки, предлагают гипотезы и запускают воспроизводимые эксперименты с промптами, поиском, контекстом и моделями, а также доводить лучшие решения до продакшена и контролировать качество после запуска. Руководство ML-командой Вам предстоит планировать работу, нанимать и развивать сотрудников, помогать решать сложные технические задачи и поддерживать обмен знаниями. Вместе с продуктовой командой вы будете определять приоритеты и участвовать в формировании AI-стратегии Crowd. Больше об ML в Яндексе — в канале Yandex for ML Требования * Руководили ML-командой от пяти человек и помогали сотрудникам развиваться * Запускали ML-модели в продакшен и поддерживали их стабильную работу * Строили RAG-пайплайны и агентов, глубоко разбираетесь в современном NLP и DL * Уверенно владеете Python, разбираетесь в MLOps и умеете выстраивать CI/CD для ML * Проектируете решения целиком, умеете декомпозировать задачи и отвечать за сроки и качество * Готовы погружаться в продуктовые задачи, делиться знаниями и развивать инженерную культуру Будет плюсом * Внедряли Spec-Driven Development в команде, имеете опыт AI-first-разработки * Обладаете опытом LLMOps, настройки внутреннего инференса для LLM/VLM

- Разработка архитектуры агентов: управление состоянием диалога и контекстом, динамический выбор инструментов (tool calling), настройка уровней автономности и сценариев human-in-the-loop; - Глубокое понимание жизненного цикла ML-модели: от подготовки признаков до интерпретации результатов;

Workplace: Москва и Краснодар (гибрид/офис), другие города - удаленно О продукте Новое направление для ускоренного прототипирования и внедрения AI/ML-решений внутри Магнита. Заказчики — команда стратегии и аналитики. Модель работы: бизнес приносит POC и решения, а мы дорабатываем их до продуктового состояния и запускаем в production. Задачи Развивать ML/AI-компоненты для прикладных бизнес-задач в направлениях классического ML, NLP/LLM, RAG и агентных сценариев, компьютерного зрения, речевых и мультимодальных технологий. Проводить эксперименты по улучшению существующих моделей и сценариев: изменять подготовку данных, архитектуру или параметры моделей, подходы к retrieval и reranking, промпты, логику оркестрации, алгоритмы постобработки результатов. Подготавливать, очищать, размечать и анализировать данные для обучения, дообучения и оценки моделей: текстовые, табличные, изображения, видео, аудио, транскрипты и иные данные в зависимости от решаемой задачи. Разрабатывать и поддерживать пайплайны подготовки данных, обучения, inference и evaluation; обеспечивать воспроизводимость экспериментов, версионирование данных и моделей, логирование результатов. Оценивать качество ML/AI-решений: формировать тестовые и evaluation-наборы, выбирать и рассчитывать профильные метрики, проводить анализ ошибок, выявлять причины деградации качества и предлагать улучшения. Оптимизировать производственные решения по качеству, latency, throughput, потреблению GPU/CPU-ресурсов и стоимости эксплуатации; участвовать в интеграции моделей в прикладные сервисы, релизах и мониторинге после запуска. Требования Высшее техническое образование либо подтверждённый практический опыт разработки и внедрения ML/AI-решений. Опыт коммерческой разработки на Python от 2 лет; для кандидатов с общим опытом разработки от 3 лет допустим опыт в ML/AI от 1–2 лет при наличии практических проектов. Уверенное знание Python и основных библиотек для анализа данных и машинного обучения: NumPy, pandas, scikit-learn; практический опыт работы с PyTorch или аналогичным DL-фреймворком. Знание базовых методов машинного обучения и глубокого обучения: подготовка и анализ данных, обучение и валидация моделей, выбор метрик, борьба с переобучением, анализ ошибок и интерпретация результатов экспериментов. Практический опыт работы как минимум с одним из направлений: классический ML, NLP, LLM/RAG-системы, компьютерное зрение, речевые технологии, рекомендательные системы или мультимодальные модели. Понимание полного жизненного цикла ML/AI-решения: сбор и подготовка данных, разработка и проверка гипотез, обучение или адаптация модели, оценка качества, inference, интеграция в сервис, мониторинг и последующее улучшение. Опыт проведения воспроизводимых экспериментов: фиксация конфигураций, версий данных и моделей, метрик и результатов; знание MLflow, ClearML, DVC или аналогичных инструментов будет преимуществом. Навыки работы с SQL и реляционными базами данных; понимание принципов хранения, выборки и проверки качества данных. Понимание принципов разработки и интеграции сервисов: REST API, JSON, FastAPI или аналогичные фреймворки, обработка ошибок, логирование, тестирование. Базовые практические знания Docker, Linux, Git и CI/CD; понимание особенностей запуска и отладки ML-нагрузок в контейнерах. Понимание принципов работы с GPU и ограничений inference-нагрузок: latency, throughput, потребление памяти, стоимость вычислений. Умение формализовать бизнес-задачу в виде ML/AI-сценария: определить входные и выходные данные, целевую метрику, ограничения, риски, критерии приемки и способ оценки результата. Навыки взаимодействия с Product-, Backend-, Data- и MLOps-разработчиками; умение понятно документировать результаты экспериментов, технические ограничения и ожидаемый эффект от изменений. Условия Трудоустройство в аккредитованную IT‑компанию ДМС со стоматологией и льготными условиями для членов семьи Работу в максимально уютном офисе в центре Москвы (ст. м. Савеловская), в Краснодаре или удаленно из других городов РФ, так же есть офисы в Санкт-Петербурге (ст. м. Балтийская) и в Иннополисе Корпоративные скидки от компании и партнеров, бесплатная подписка Магнит Премиум с повышенным кешбэком по программе лояльности М+ Ежегодная программа признания с ярким праздником и впечатляющим подарком Поддержку в развитии через обучение, конференции и митапы, а также программу для руководителей — Leadership club IT‑комьюнити — среда, где быстрее находишь решения, делишься практиками, пробуешь новые роли и растешь от эксперта в стекe до лидера инициатив Мы являемся партнером Минцифры России по проекту Национальная система подтверждения IT‑компетенций Работа над масштабными продуктами и проектами (Умный магазин, роботизация, беспилотность, GenAI и другое) Социально– психологическая поддержка от >370 специалистов по направлениям: юристы, психологи, врачи, финансовые и ЗОЖ советники Формат работы Москва и Краснодар (гибрид/офис), другие города - удаленно

Workplace: Удаленно Объединённая компания Wildberries и Russ — это международная технологическая компания, образованная в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ. Мы - Startups Platform, команда в департаменте Trust & Safety. Берём задачу, у которой ещё нет решения, и доводим её до работающего сервиса. Проекты у нас разные: от распознавания документов и детекции ИИ-контента до LLM-агентов. Обязанности Проверкой качества моделей и агентов: датасеты и метрики, LLM-as-judge, разбор ошибок по логам. Выводом решений в прод и наблюдением за ними: задержки, стоимость, поведение при сбоях. В проде работают модели, которые мы разворачиваем сами. Поэтому много работы с open-weight моделями: дообучение, инференс, промпты, архитектура агента. Внешние LLM тоже используем, например для разметки. Задачи чаще приходят как проблема, а не как готовое ТЗ. Постановку вы будете уточнять сами вместе с заказчиком. Требования Имеете от трёх лет коммерческого опыта в ML; Глубоко знаете NLP и понимаете, как трансформеры и LLM устроены внутри; Cтроили системы на LLM: агентов с инструментами, RAG, многошаговые пайплайны. Подойдёт и рабочий опыт, и собственные проекты, если они доведены до конца; Ведёте задачу сами: разбираете размытую постановку, предлагаете подход, объясняете заказчику, почему выбрали именно его, и вовремя бросаете то, что не работает; Каждый день работаете с Claude Code, Codex, Cursor или похожими инструментами: умеете поставить задачу агенту и проверить, что он сделал. Условия Обучение и развитие: языковые клубы, собственный корпоративный университет, программы развития управленческих навыков и многое другое; Благополучие сотрудников: корпоративный пакет ДМС со стоматологией, корпоративный спорт, консультации психолога и дополнительные возможности аккредитованной IT-компании; Множество сообществ: клуб спикеров, футбола, йоги, шахмат и т.д.; Забота о семьях: создаем условия, в которых легко сочетать карьеру и заботу о близких – от гибкого подхода до масштабных проектов для детей сотрудников; Скидки и партнерские программы: на обучение, страхование, покупки и многое другое; Комфортная рабочая среда: бесплатное питание в офисе, современные офисы рядом с метро, корпоративная техника и портал для сотрудников.

Location: Москва Workplace: Гибрид, Удаленно RWB (Wildberries & Russ) — это международная технологическая компания, образованная в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ. Мы ищем Middle+ / Senior ML Engineer в команду Поиска для развития направления Спеллчека пользовательских запросов и карточек товаров. При этом мы занимаемся широким спектром задач, связанных с обработкой текста в движке Поиска. Обязанности Улучшать текущие и развивать новые пайплайны обработки текста в запросах и карточках товаров (исправление опечаток, синонимизация); Развивать направление онлайн-инференса в продуктах обработки текста; Разрабатывать пайплайн автоматического выделения текстовых синонимов для применения в ретривинге и ранжировании; Разрабатывать модель классификации запросов (текстовые, категорийно-атрибутивные, брендовые, нетекстовые); Исследовать методы кластеризации (IVF и др.) для ускорения и повышения качества векторного поиска. Требования Опыт работы в роли ML / NLP Engineer от 3 лет; Уверенное владение Python и стандартным ML/DS-стеком (polars, pytorch и т.д.); Опыт работы со Spark и Airflow (построение и поддержка пайплайнов обработки данных, ETL); Опыт разработки и внедрения трансформерных моделей (обучение, файнтюнинг, инференс — HuggingFace Transformers и т.п.); Опыт работы с табличными моделями (LightGBM, CatBoost, XGBoost) — построение ранжирующих/классификационных моделей; Опыт применения методов кластеризации (например, IVF и другие подходы для векторных индексов/ANN-поиска); Понимание задач NLP: нормализация текста, работа с опечатками, синонимия, классификация текстов; Опыт вывода моделей в продакшн, понимание требований к онлайн-инференсу (латентность, нагрузка); Умение работать с большими объёмами данных, оптимизировать пайплайны обработки; Опыт работы с поисковыми системами (retrieval, ranking, семантический поиск) и векторными базами данных / библиотеками ANN-поиска (FAISS, HNSW и т.п.) будет плюсом. Условия Обучение и развитие: языковые клубы, собственный корпоративный университет, программы развития управленческих навыков и многое другое; Благополучие сотрудников: корпоративный пакет ДМС со стоматологией, корпоративный спорт, консультации психолога и дополнительные возможности аккредитованной IT-компании; Множество сообществ: клуб спикеров, футбола, йоги, шахмат и т.д.; Забота о семьях: создаем условия, в которых легко сочетать карьеру и заботу о близких – от гибкого подхода до масштабных проектов для детей сотрудников; Скидки и партнерские программы: на обучение, страхование, покупки и многое другое; Комфортная рабочая среда: бесплатное питание в офисе, современные офисы рядом с метро, корпоративная техника и портал для сотрудников.

Location: Москва Наша NLP команда занимается задачами, связанными с извлечением информации из документов, диалогов, текстов различной природы. Главной задачей для нас является создание готовых продуктов с LLM под капотом, а также создание self-service для бизнеса, где каждый может создать нужный ему сценарий (скилл) в режиме No-code. Обязанности * разрабатывать и поддерживать бэкенд сервисов платформы (оценка полноты, читаемости, поиск дублей/противоречий, регресс-тесты, поиск неявных знаний) * проектировать и реализовывать интеграционные потоки между сервисами: очереди сообщений, оркестрация асинхронных пайплайнов * строить надёжные пайплайны вызовов LLM-as-judge: очереди, ретраи, кэширование, контроль стоимости и латентности * работать с Postgres (структура хранения) и Redis (кэш, очереди, rate-limiting) * участвовать в проектировании API сервисов (REST, документация через Swagger/OpenAPI) * писать поддерживаемый, тестируемый код, участвовать в код-ревью. Требования * знание python (уверенный уровень: асинхронность, типизация, тестирование) * опыт работы с брокерами сообщений (Kafka, RabbitMQ или аналоги) * Redis — практический опыт использования * Postgres — проектирование схем, написание и оптимизация SQL-запросов * Temporal (или готовность быстро войти в оркестрацию воркфлоу — Celery/Airflow опыт тоже подойдёт как база) * понимание интеграционной архитектуры. **Будет плюсом** * опыт работы с LLM API (OpenAI, Anthropic и т.д.) в проде * опыт проектирования пайплайнов оценки качества данных/контента * опыт в высоконагруженных или высоконадёжных интеграционных системах. Условия * гибридный формат работы * годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * регулярные митапы и развитое DS-community * 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 Сбер.

— Опыт в области качества данных от 2 лет.

Разрабатывать и развивать интеграцию 1С с AI-агентами через протокол MCP.

Location: Новосибирск Команда правового обеспечения кредитования корпоративного бизнеса в поисках ведущего специалиста. Нам нужен эксперт, который усилит направление юридического сопровождения кредитных сделок банка. Ключевая особенность роли — участие в обучении роботизированных моделей (_Legal Tech_). Вы будете помогать нашим AI-агентам корректно анализировать кредитные сделки, оценивать риски и автоматизировать рутинные проверки. Обязанности Функции в части правового сопровождения процесса кредитования бизнеса: * подготовка правовых заключений по кредитным заявкам, вопросам кредитования * сопровождение заключения кредитной документации * выявление и анализ возможных правовых и прочих рисков, рекомендации по их минимизациии пр. Функции в области цифровизации процессов: * обучение правовых роботизированных моделей, алгоритмизация правового анализа кредитных сделок * автоматизация юридической деятельности: знакомство с инструментами LegalTech — решение вопросов правовой экспертизы сделок, проверки рисков по сделкам, подготовка отчетов и презентаций с помощью специализированных платформ и приложений * работа с базами данных: умение эффективно искать нужную информацию в правовых системах («Консультант Плюс», «Гарант»), других электронных ресурсах и платформах, включая ИИ и нейросети. Требования * высшее юридическое образование * стаж работы в области права не менее 2 лет (в области корпоративного права), по правовому сопровождению банковской деятельности не менее 1 года * базовые знания теории машинного обучения: общее представление о методах классификации, распознавании образов, обработке естественного языка (NLP), автоматизации типичных задач * практический опыт автоматизации юридической деятельности * навыки применения ИИ в профессиональной деятельности (ChatGPT, GigaChat и др.) * владение MS Office (Word, Excel, PowerPoint): грамотная подготовка отчетности, создание презентаций, владение инструментами для визуализации данных. Условия * **временная ставка** * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * уникальная система обучения Сбера для профессионального и карьерного развития * расширенный ДМС и льготное страхование для семьи * корпоративное обучение * подписка Прайм с возможностью совместного использования на трёх близких * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ.

Location: Ukraine; Poland; Spain; Portugal; Romania; Czechia At SPD Technology, we bring together a team of like-minded people who are driven by the desire to bring value through their work, united in their commitment to high performance and delivering custom, cutting-edge tech solutions that drive clients’ growth. We empower our people with a culture of excellence and enable them with the opportunity to uphold their accountability to contribute on each level. We value humanity and collaboration, encourage professional and personal growth, and foster a supportive and flexible work environment where everyone’s contribution is welcomed. We are looking for a Middle ML & AI Engineer to join us as part of our team. About the role PitchBook’s Machine Learning Engineer is responsible for using machine learning, statistical modeling, and natural language processing (NLP) to collect a high volume of data for the PitchBook Platform and surface insights for the capital markets. This role will also serve as a resource and mentor for junior members of the team. A strong motivation to succeed is critical, and everyone has the opportunity to shape the long-term direction of our team. About the project PitchBook — a platform for investment professionals. Our software provides access to data and the analytical tools to get answers fast and discover promising opportunities. Uncovers actionable insights and trends hidden within the financial data of more than three million companies. Users all over the world include large corporations, start-ups, venture capital and private equity firms, investment banks, and many others. Features of PitchBook: Advanced search / Discovery & insights / Company profiles / Workflow & efficiency / Financials, and many more. Team: Engineering Manager, 6 MLE’s. Work Environment: The role offers a flexible work schedule, allowing you to adapt your working hours with the requirement to attend all team meetings. The team follows a Scrum-based Agile methodology. Technical Stack: Python, PyTorch, Scikit-Learn, Spacy, LangChain, LangGraph etc. As a qualified expert, You will Work with GenAI & LLMs: Design, develop, and fine-tune generative AI models using transformer architectures. Implement advanced techniques to create practical solutions for real-world challenges. Use Modern Toolkits: Leverage frameworks like LangChain, LangGraph, and LangSmith to build automated pipelines and intelligent agents. Integrate these tools with vector databases for efficient similarity search and real-time analysis. Extract Data Insights: Process and analyze large volumes of unstructured data using embeddings and statistical modeling to identify meaningful insights. Build Scalable Systems: Collaborate with cross-functional teams to create production-grade ML systems that handle real-time, high-volume data processing. Collaborate & Communicate: Work with Product and Engineering teams to improve data management and support innovation. Present complex analyses clearly and effectively. Tech Stack & Focus Areas: Work with generative AI and transformer models, integrating frameworks like LangChain, LangGraph, and LangSmith to automate workflows and build intelligent systems. Use PyTorch, Scikit-Learn, and Spacy to build NLP pipelines. Implement vector databases for high-dimensional data embeddings and develop hybrid models to extract insights from diverse data sources. We’re looking for you if you have Educational Background: You hold a Bachelor’s or Master’s degree in Computer Science, Machine Learning, Statistics, or a related field. Experience: You bring 4+ years of production experience in the ML field, with a track record in developing transformer-based models and deploying them in scalable systems. Technical Expertise: Proficient in Python and machine and deep learning frameworks like TensorFlow, PyTorch, ScikitLearn, Spacy, or others; experienced in natural language processing and modern LLM-based techniques; experience with full ML lifecycle, data preprocessing, training, evaluation stage, and monitoring techniques; skilled with SQL and data extraction methods. Innovative Thinker: You thrive on solving complex problems and are always exploring new trends in Generative AI. Collaborator & Communicator: You’re an excellent communicator able to collaborate and professionally express your thoughts to team members, other engineering teams, and stakeholders. Domain Knowledge: Exposure to financial services, investment banking, venture capital, or private equity is nice to have. Languages: English —Upper-Intermediate or higher; Ukrainian —fluent/native . What’s in it for You Reveal great tech solutions Join the team of experts who create custom, cutting-edge tech solutions for world-renowned businesses, fueling clients growth. Unleash your potential, tackle new challenges, and be part of a team that values your skills and contributions. Focus on long-term impact and building tailored, long-lasting partnerships with our clients. Experience an agile and flexible working environment Work fully remote around the globe, or in a hybrid work model from our office hubs which are equipped with everything needed for comfortable work. Enjoy a flexible working schedule and create work and rest balance for yourself. Empower yourself with a stable workload and a stable income, focusing on lasting cooperation and high-performance culture. Embrace the opportunity for personal and professional growth Take advantage of performance review and career path. Elevate your skills with mentorship program, personal development plan, and individual learnings through the corporate library, public speaking support, and more. Feel cared about Be among like-minded people and feel supported with collaboration, open communication and mutual respect. Join company-wide tech and cultural events, and contribute to meaningful CSR initiatives that resonate with your values. Interview steps Pre-Screening with the recruiter Technical interview (up to 90 min) System Design interview (up to 45 min) Final interview with Engineering Manager (60 min)

Разработка, развитие и обеспечение стабильности работы ИИ-сервисов; Интеграции со смежными внутренними системами компании по API;

Подготовкой математического ядра для сервисов, связанных с поиском на Фарпосте. Помогать улучшать инфраструктуру и внедрять современные инженерные практики для наших сервисов.

Location: Ukraine; Spain; Slovakia; Serbia; Yerevan; Slovenia; Poland Workplace: remote Provectus is an AWS Premier Partner and an Anthropic Strategic Partner, working at the frontier of applied AI. We help enterprises turn Claude, agentic systems, and their own data into measurable business outcomes — through bespoke applications, managed services, and advisory engagements. With offices in North America, LATAM, and EMEA, we partner with clients worldwide. Our work centers on two verticals — Financial Services & Insurance and Healthcare & Life Sciences — where we deploy five pre-built AI Blueprints: Submission Flow, Portfolio Lens, Asset Flow, Revenue Flow, and Evidence Lens. Each Blueprint rebuilds a critical business process front to back, shipped from working code and tuned to a client's specific book, regulators, and operating posture. Our team holds 100+ AWS certifications, is Claude Code certified, and co-delivers Anthropic's Agentic SDLC program, Cowork Activation, and AI Blueprint engagements. Where this role sits You will work in a small, senior pod alongside an FDE and an FDX,  Forward Deployed Executives (FDX) own the commercial relationship and the business outcome. Works alongside the client's leadership or C-suite level to move the client's KPIs. Forward Deployed Engineers (FDE) embed with a client, map the client workflow, identify the business problem underneath it, design and build a working AI solution, present to the client, and transfer the knowledge to the client's team. Owns technical direction of the whole solution. Senior AI Engineer. When an FDE comes back from the client with the business problem, you will help turn that into an agentic system that runs in production and will be responsible for evaluation, observability, and guardrails.  You'll have real ownership of components and of the technical decisions inside them. Requirements: Mindset Proactive and self-directed; you push for clarity rather than waiting for a ticket Excellent communication and problem-solving skills Comfort with ambiguity and ownership. B2+ English, comfortable collaborating across distributed, multicultural teams. Technical depth 5+ years in software or ML engineering, with production systems you were accountable for. Solid AI/ML foundations. You understand what the models do well enough to reason about failure modes. Shipped to production LLM applications and agentic workflows — not demos, not POCs, not notebooks. Agentic orchestration: multi-step workflows, graph-based orchestration, tool use, state management, and recovery from partial failure Experience with LLM APIs (Anthropic, AWS Bedrock, or OpenAI) and agent frameworks. Experience building and optimizing RAG systems in production. Strong engineering fundamentals. Full-stack mindset, comfortable across AI, backend development, and cloud infrastructure. Python and/or TypeScript proficiency; depth matters more than stack. Dropped into an unfamiliar codebase, you're productive. Hands-on AWS in production: Bedrock, Bedrock AgentCore, Lambda, ECS, S3, SQS, ECR, or similar. GCP or Azure is a plus. Cloud-native delivery: containers, ECS or Kubernetes, IaC, and CI/CD applied to AI pipelines. You evaluate. You have built or owned an eval suite for a non-deterministic system, and you can explain what you measured, how you produced ground truth, and what gated a release. Model and agent monitoring, drift detection. Cost and latency discipline: model tiering, caching, and the ability to say what a workload costs to run before it runs. Hands-on production experience with the Claude ecosystem —  Claude Code, CLAUDE.md, hooks, skills files.  Spec-driven development — writing the intent, constraints, and acceptance criteria before you let an agent build — is a strong plus. MCP: you can say why an agent would prefer it to a REST integration. Having authored a server is a plus. Nice to Have: Experience in one of the industries: financial services, insurance, healthcare. Consulting, professional services, or other embedded customer-facing delivery. AWS and Claude Code Certifications A2A: you can explain agent-to-agent interoperability CI/CD pipeline experience (GitHub Actions, GitLab CI) Practical experience with one or more use cases from the following: NLP, LLMs, and Recommendation engines. Experience in an additional language (Go, TypeScript, or Rust). Experience with Apache Spark, Apache Airflow, Kafkа Responsibilities: Work in a pair with an FDE and an FDX. Build and ship production GenAI systems into the customer’s environment (cloud-native data, LLM-based, and agentic AI solutions). Build and optimize RAG systems for production use cases Build the evaluation harness before you build the feature. Write production code across the stack — AI, backend services, data pipelines. We choose tools to fit the customer. Integrate AI components into backend services and RESTful APIs Take systems to production on AWS (GCP or Azure where the customer requires it): containerised, CI/CD. Implement LLMOps and AgentOps practices: agent tracing, prompt and version management, cost and latency monitoring, regression testing, drift detection Start from the blueprint, contribute to enablement and handover: clear documentation, runbooks, and pairing with the client engineers who will inherit the system. Feed reusable components and lessons back into the Provectus Blueprints Participate in technical discussions and architectural decisions Conduct model evaluation, improve failure modes you find, optimize model performance, efficiency, and reliability Mentor junior and mid-level AI engineers, conduct code reviews and share knowledge across the team through documentation, presentations, and workshops. What We Offer: The chance to shape how leading enterprises across LATAM, Europe, and North America adopt AI, from strategy through first deployment A forward-deployed model working in small, senior teams alongside FDE and FDX A growing AI delivery practice where you help build the tooling and frameworks, not just use them Remote-friendly culture Internal training programs with full support for Claude, AWS, and other professional certifications, conference attendance Career growth; we actively develop our engineers Access to the latest AI tools and premium subscriptions Long-term B2B collaboration Private medical insurance or a budget for your medical needs Paid sick leave, vacation, and public holidays Equipment and all the tech you need for comfortable, productive work How we hire: Intro conversation. The role, your background and aspirations, tech questions. Technical interview with live engineering sessions. Real problems, your own editor, you may use an LLM assistant HR Interview. Soft skills and expectations HM interview. Tech questions; a live engineering session is also possible

Location: North Macedonia; Bosnia and Herzegovina; Czechia; Croatia; Moldova; Bulgaria; Montenegro Workplace: remote Provectus is an AWS Premier Partner and an Anthropic Strategic Partner, working at the frontier of applied AI. We help enterprises turn Claude, agentic systems, and their own data into measurable business outcomes — through bespoke applications, managed services, and advisory engagements. With offices in North America, LATAM, and EMEA, we partner with clients worldwide. Our work centers on two verticals — Financial Services & Insurance and Healthcare & Life Sciences — where we deploy five pre-built AI Blueprints: Submission Flow, Portfolio Lens, Asset Flow, Revenue Flow, and Evidence Lens. Each Blueprint rebuilds a critical business process front to back, shipped from working code and tuned to a client's specific book, regulators, and operating posture. Our team holds 100+ AWS certifications, is Claude Code certified, and co-delivers Anthropic's Agentic SDLC program, Cowork Activation, and AI Blueprint engagements. Where this role sits You will work in a small, senior pod alongside an FDE and an FDX,  Forward Deployed Executives (FDX) own the commercial relationship and the business outcome. Works alongside the client's leadership or C-suite level to move the client's KPIs. Forward Deployed Engineers (FDE) embed with a client, map the client workflow, identify the business problem underneath it, design and build a working AI solution, present to the client, and transfer the knowledge to the client's team. Owns technical direction of the whole solution. Senior AI Engineer. When an FDE comes back from the client with the business problem, you will help turn that into an agentic system that runs in production and will be responsible for evaluation, observability, and guardrails.  You'll have real ownership of components and of the technical decisions inside them. Requirements: Mindset Proactive and self-directed; you push for clarity rather than waiting for a ticket Excellent communication and problem-solving skills Comfort with ambiguity and ownership. B2+ English, comfortable collaborating across distributed, multicultural teams. Technical depth 5+ years in software or ML engineering, with production systems you were accountable for. Solid AI/ML foundations. You understand what the models do well enough to reason about failure modes. Shipped to production LLM applications and agentic workflows — not demos, not POCs, not notebooks. Agentic orchestration: multi-step workflows, graph-based orchestration, tool use, state management, and recovery from partial failure Experience with LLM APIs (Anthropic, AWS Bedrock, or OpenAI) and agent frameworks. Experience building and optimizing RAG systems in production. Strong engineering fundamentals. Full-stack mindset, comfortable across AI, backend development, and cloud infrastructure. Python and/or TypeScript proficiency; depth matters more than stack. Dropped into an unfamiliar codebase, you're productive. Hands-on AWS in production: Bedrock, Bedrock AgentCore, Lambda, ECS, S3, SQS, ECR, or similar. GCP or Azure is a plus. Cloud-native delivery: containers, ECS or Kubernetes, IaC, and CI/CD applied to AI pipelines. You evaluate. You have built or owned an eval suite for a non-deterministic system, and you can explain what you measured, how you produced ground truth, and what gated a release. Model and agent monitoring, drift detection. Cost and latency discipline: model tiering, caching, and the ability to say what a workload costs to run before it runs. Hands-on production experience with the Claude ecosystem —  Claude Code, CLAUDE.md, hooks, skills files.  Spec-driven development — writing the intent, constraints, and acceptance criteria before you let an agent build — is a strong plus. MCP: you can say why an agent would prefer it to a REST integration. Having authored a server is a plus. Nice to Have: Experience in one of the industries: financial services, insurance, healthcare. Consulting, professional services, or other embedded customer-facing delivery. AWS and Claude Code Certifications A2A: you can explain agent-to-agent interoperability CI/CD pipeline experience (GitHub Actions, GitLab CI) Practical experience with one or more use cases from the following: NLP, LLMs, and Recommendation engines. Experience in an additional language (Go, TypeScript, or Rust). Experience with Apache Spark, Apache Airflow, Kafkа Responsibilities: Work in a pair with an FDE and an FDX. Build and ship production GenAI systems into the customer’s environment (cloud-native data, LLM-based, and agentic AI solutions). Build and optimize RAG systems for production use cases Build the evaluation harness before you build the feature. Write production code across the stack — AI, backend services, data pipelines. We choose tools to fit the customer. Integrate AI components into backend services and RESTful APIs Take systems to production on AWS (GCP or Azure where the customer requires it): containerised, CI/CD. Implement LLMOps and AgentOps practices: agent tracing, prompt and version management, cost and latency monitoring, regression testing, drift detection Start from the blueprint, contribute to enablement and handover: clear documentation, runbooks, and pairing with the client engineers who will inherit the system. Feed reusable components and lessons back into the Provectus Blueprints Participate in technical discussions and architectural decisions Conduct model evaluation, improve failure modes you find, optimize model performance, efficiency, and reliability Mentor junior and mid-level AI engineers, conduct code reviews and share knowledge across the team through documentation, presentations, and workshops. What We Offer: The chance to shape how leading enterprises across LATAM, Europe, and North America adopt AI, from strategy through first deployment A forward-deployed model working in small, senior teams alongside FDE and FDX A growing AI delivery practice where you help build the tooling and frameworks, not just use them Remote-friendly culture Internal training programs with full support for Claude, AWS, and other professional certifications, conference attendance Career growth; we actively develop our engineers Access to the latest AI tools and premium subscriptions Long-term B2B collaboration Private medical insurance or a budget for your medical needs Paid sick leave, vacation, and public holidays Equipment and all the tech you need for comfortable, productive work How we hire: Intro conversation. The role, your background and aspirations, tech questions. Technical interview with live engineering sessions. Real problems, your own editor, you may use an LLM assistant HR Interview. Soft skills and expectations HM interview. Tech questions; a live engineering session is also possible

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

Location: Turkey; South Korea; Dubai, UAE; Berlin, Germany; Remote - Europe; Remote; Remote, Worldwide Workplace: remote About Welo Global  Welo Global is a leader in multilingual AI, technology, and content solutions serving over 2,000 clients in 300 languages. The company combines globally scaled multilingual infrastructure, including a network of over 500,000 linguists and domain experts, with advanced NLP, computational linguistics, and best-in-class compliance backed by seven ISO certifications. Welo Global’s five brands—Welocalize (multilingual content and localization services for global enterprises), Park IP (intellectual property and patent translation services for law firms and corporate legal teams), Welo Life Sciences (regulated language and compliance-aligned content solutions for pharmaceutical, biotech, and medical device organizations), Adapt (multilingual performance-led digital marketing agency), and Welo Data (multilingual data generation, evaluation, and human data infrastructure for AI systems)—serve distinct customer segments with purpose-built expertise, fit-for-purpose solutions, and supporting technology. weloglobal.com  The Role  We are seeking an experienced English into Uzbek (Cyrillic) Review Lead to serve as the language quality owner and primary client-facing linguistic expert for a leading global technology client.  You will own the locale’s interpretation of the client’s quality standards and make sure that the Post-Editing Lead, Post Editors, and Reviewers all work to the same shared understanding of “good”. You will be the main point of contact for the client’s Language Manager on quality discussions, arbitration, and escalations, and you will drive consistency, quality governance, and continuous improvement across UI, marketing, product, informational, legal, and support content.  Project Details  - Location: Remote (based in one of the approved countries below) - Expected volume: Approximately 24 hours per month - Employment type: Freelance / Independent Contract - Task type: Language Lead Support - Content types: UI, Marketing, Informational, Legal, Product, Support - Language pair: English into Uzbek (Cyrillic) What You Will Do  -Analyse requirements: Review every style guide and glossary update, assess which quality categories and content types it affects, and record the changes. Track what the client’s Language Manager actually corrects and says in calibration and quality calls, not only what is written down. -Relay expectations: Run regular alignment roundtables with the language community and publish a structured monthly quality digest covering performance, priority improvement areas, style guide updates, and notable errors and arbitration outcomes. -Manage review quality actively: Coach Reviewers one-to-one using specific examples, run shadowing sessions from real alignment data. -Improve the standard: Turn recurring justification patterns into well-reasoned style guide proposals, and share cross-locale patterns with the Welocalize Quality Manager. -Maintain alignment with the client: Treat Language Manager decisions as the standard, raise concerns with evidence at the right forum, and aim for fewer surprises over time. What You Will Own -The locale’s review service score, including RQE audit and alignment performance -The community’s shared understanding of quality  -The integrity of the arbitration record, ensuring that every arbitration sent to the client is valid and well-evidenced -The working relationship with the client’s Language Manager, including clarifications, escalations, and expectation tracking Requirements - Experience: 3 to 5+ years in Localization Quality Assurance (LQA), Senior Language Lead, or Quality Governance roles - Client and stakeholder management: Direct experience as the primary point of contact for client Language Managers, managing formal arbitration or escalation processes, and facilitating conflict resolution - Quality audit frameworks: Deep, practical experience with localization evaluation frameworks, including RQE, LQE, error rubrics, and severity mapping - Style guide and expectation analysis: Ability to analyse style guide changes, identify implicit client expectations, and map tolerance by content type (for example, Marketing vs. Legal vs. UI) - Meeting facilitation: Hands-on experience with one-to-one coaching, shadowing sessions, alignment roundtables, and structured monthly quality reporting - Analytical approach: Skill in tracking error concentrations, severity drift, and alignment scores, and in converting justification patterns into style guide improvements - Language: Native-level Uzbek (Cyrillic) and professional-level English - Preferred: Prior experience supporting major technology localization programs and working with calibration or alignment tools Additional Key Information  - Successful candidates will be provided with a dedicated device for project work. - A background check is required as part of onboarding. - Candidates must be physically located in one of the approved countries. Approved countries: Argentina, Australia, Austria, Belgium, Brazil, Bulgaria, Canada, Chile, China, Colombia, Costa Rica, Croatia, Czech Republic, Denmark, Egypt, El Salvador, Finland, France, Germany, Ghana, Greece, Guatemala, Hong Kong, Hungary, India, Indonesia, Ireland, Israel, Italy, Japan, Kenya, Lithuania, Malaysia, Mexico, Netherlands, New Zealand, Nigeria, Norway, Peru, Philippines, Poland, Portugal, Qatar, Romania, Saudi Arabia, Singapore, South Africa, South Korea, Spain, Sweden, Switzerland, Taiwan, Thailand, Turkey, United Arab Emirates, United Kingdom, United States and Vietnam.   Why Join Us  This role offers a long-term partnership with global teams on high-visibility products. You will benefit from steady project volume, comprehensive onboarding and ongoing learning, and access to established linguistic resources.  If this sounds like the right opportunity, we would love to hear from you.  Beware of recruitment scams. Welo Global and all of its brands never recruit through direct messages on social media or WhatsApp, and never asks candidates to pay money for a job. Official emails come only from @welocalize.com, @welodata.ai, or @hire.lever.co, and all applications go through jobs.lever.co/weloglobal. Be wary of unexpected offers, generic email addresses (such as Gmail or Yahoo), and requests for fees or sensitive information. Report suspicious messages and learn more: Recognizing Scams and Confirming Legitimate Welocalize Communications – Welo Global Job Reference: #LI-JC1

Разработка и настройка AI системы, базирующиеся на текстовой корпоративной информации (включая обучение/fine-tuning моделей); Оценка и оптимизация AI-решения, модели машинного обучения, алгоритмы AI;