Вакансии

Задачи: — Разработка и оптимизация алгоритмов маршрутизации и построения маршрутов (VRP, TSP, роутинг с ограничениями по времени / весу / зонам); — Работа с геоданными: геокодирование, map matching, построение изохронов, расчёт ETA; — Проектирование и оптимизация графов дорожной сети, работа с роутинг-движками (OSRM, GraphHopper, Valhalla или аналогами); — Анализ и улучшение метрик качества маршрутизации: точность ETA, эффективность маршрутов, загрузка транспорта / курьеров; — Построение ML-моделей поверх геоданных: предсказание времени в пути, спроса по зонам, оптимальное распределение заказов; — Работа с большими объёмами геопространственных данных (PostGIS, H3/S2, GeoJSON), оптимизация запросов; — Проведение экспериментов, A/B-тестов и итеративное улучшение алгоритмов на реальных данных. Обязательные требования: — Опыт в решении задач Geo ML; — Сильный практический опыт в геоаналитике и/или маршрутизации: VRP/TSP, роутинг-движки, работа с картографическими данными (приоритетное требование); — Уверенное владение Python, опыт с геопространственными библиотеками (GeoPandas, Shapely, PostGIS); — Понимание графовых алгоритмов (Dijkstra, A*, contraction hierarchies и т.п.); — Опыт работы с ML на табличных / пространственных данных: feature engineering, оценка качества моделей; — Уверенное владение SQL, опыт работы с большими датасетами; — Умение работать с зашумлёнными и неполными GPS / трек-данными; — Опыт вывода решений в production; — Опыт с OSRM / GraphHopper / Valhalla / OpenStreetMap

Задачи: — Создавать систему эффективного хранения больших данных и доступа к ним для ML-разработчиков. — Улучшать пропускную способность пайплайнов сбора данных, работать с разнородными источниками и строить процессы майнинга аудиоданных. — Работать с процессами оценивания параметров данных, разрабатывать ML-модели детекции шума, музыки, языка, синтетической речи, несовпадения текста и аудио. Требования: — Писать на Python. — Строить пайплайны сбора данных для ML. — Понимать, как работать с большими объёмами данных. — Применять на практике, а лучше — обучать ML-модели. Условия: — Ежегодные медицинские чекапы, йога и психотерапия. — Другие бонусы, полный список доступен на сайте компании.

Location: Москва Мы - Управление развития искусственного интеллекта блока "Развитие клиентского опыта B2C". В нашей зоне ответственности ML-решения, результаты работы которых ежедневно влияют на поведение десятков миллионов клиентов. Развитие клиентского опыта – динамический и активно развивающийся процесс. Совместно с бизнесом мы проводим десятки различных экспериментов ежемесячно, и лучшие из них оформляем в полноценные ML продукты. Совокупные финансовые эффекты от наших продуктов > 1 млрд. руб. в год. Обязанности * проектировать и развивать end-to-end пайплайны для ML-решений в рамках программы Лояльности: от поставки данных и обучения до A/B-тестирования и вывода моделей в production * декомпозировать и рефакторить существующие решения (в том числе полу-ручные MVP) в высоконагруженные, отказоустойчивые микросервисы на Python * тестировать и оптимизировать PySpark ETL/ELT-пайплайны: профилировать узкие места, настраивать джобы, работать с партиционированием и форматом хранения данных для обеспечения производительности на больших объёмах * разрабатывать внутренние Python-библиотеки и стандарты разработки для переиспользования кода командами Data Science. Требования * опыт от 3 лет в разработке на Python, из них от 2–3 лет в роли MLOps Engineer, Data Engineer или Backend-разработчика в ML-платформах * уверенная работа с экосистемой Big Data: опыт работы, тестирования и оптимизации PySpark-пайплайнов, Apache Airflow (или аналоги), Kafka, Docker/Kubernetes (K8s), S3/HDFS * опыт проектирования архитектуры ML-решений: понимание микросервисов, асинхронности, паттернов проектирования * понимание полного цикла жизни ML-модели: от подготовки данных и feature engineering до мониторинга в проде (MLflow, Prometheus/Grafana или аналоги). будет плюсом: * опыт автоматизации CI/CD для полного цикла ML (обучение, валидация, развёртывание моделей) с использованием GitLab CI или Jenkins * понимание PySpark на уровне администратора/архитектора: тонкая настройка кластеров, управление ресурсами (динамическое распределение _Dynamic Allocation_), работа с _executors_, _partitions_, управление памятью (_spark.memory.fraction_, _spark.memory.storageFraction_), тюнинг _shuffle_ * опыт работы с Feature Store, MLflow, ClickHouse. Условия * комфортный современный офис рядом с м. Кутузовская  * офисный формат работы * ежегодный пересмотр зарплаты, 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.

Задачи: — Реформировать и развивать команду ML/MLops вместе с промпт инженерами. — Структуризировать и автоматизировать все требующие того процессы. — Оптимизировать генеративные пайплайны для сокращения расходов отдела. — Самолично ставить продуктовые цели и вести отдел на острие технологий, методологий и трендов для их достижения. — Вести задачу целиком — от запроса продукта до оценки результата после релиза. — Управлять командой: ставить задачи, контролировать прогресс, помогать в сложных кейсах, проводить one-to-one и ревью. — Участвовать в найме и онбординге новых инженеров, помогать им быстрее выходить на результат. — Выстраивать и улучшать процессы внутри команды: стандарты, шаблоны, документация. — Работать с LoRA: подбирать, тестировать и при необходимости обучать модели. — Самостоятельно разворачивать staging, включая нестандартные ноды, и поддерживать его паритет с production. — Создавать и дорабатывать промпты и workflow, проводить тестовые генерации и сверять результат с эталоном. — Готовить превью, карточки и выкладывать готовый контент. — Автоматизировать рутинные процессы с помощью AI-агентов. — Контролировать метрики своих позиций, проводить эксперименты и принимать решения по их результатам. Требования: — Опыт работы в ML/AI от 3 лет. — Опыт руководства командой — умение ставить задачи, распределять нагрузку, проводить ревью и развивать сотрудников. — Опыт выстраивания процессов разработки: планирование, декомпозиция задач, код-ревью, контроль качества и сроков. — Опыт работы с ComfyUI и собственными workflow, уверенный Python на уровне скриптов и API. — Готовность работать с Wan 2.2, i2v, LoRA и генеративными пайплайнами. — Умение получать рабочий результат с помощью AI-агентов и проверять его качество. — Готовность самостоятельно разбираться в новых этапах процесса и отвечать за задачу целиком. — Портфолио или репозиторий с примерами работ и разбором решений. Условия: — Работа с уникальными и технически сложными AI-проектами. — Реальное влияние на развитие ML-продуктов и команды. — Гибкий график и удалённый формат работы. — Среда, где решения принимаются на основе экспертизы и Data-driven подхода.

Задачи: — Владеть и внедрять AI-функции в продакшн, используя LLM и собственные модели. — Обучать специализированные модели для задач, таких как модерация контента и рекомендации. — Сотрудничать с продакт-менеджерами для превращения целей в масштабируемые решения. — Оценивать и принимать решения по стратегиям разработки или покупки на основе качества и стоимости. — Мониторить производительность развернутых моделей и вносить необходимые корректировки. Требования: — Опыт работы инженером 5+ лет, с практическим опытом работы с LLM и обучением моделей. — Подтвержденная способность развертывать модели под реальной нагрузкой и оптимизировать задержки. — Сильные навыки Python и PyTorch, а также твердые знания в области машинного обучения. — Опыт мониторинга и версионирования моделей в продакшне. — Владение английским языком на уровне Intermediate или выше. Плюсом будет: — Опыт работы с инференсом в реальном времени на живом видео/аудио. — Знакомство с рекомендательными системами и мультимодальной работой. — Знание Docker, Kubernetes и облачных сред. Условия: — Конкурентная зарплата, бонусы и опционы (все являются партнерами). — Официальное трудоустройство на Кипре с поддержкой визы для сотрудника и супруга. — Офис в центре Лимассола с питанием и корпоративной культурой. — Медицинская страховка (100% для сотрудника, 75% для семьи). — Доступ к матчам и мероприятиям Aris Limassol F.C. — Возможности профессионального роста и корпоративные семейные мероприятия. Формат работы: в офисе (Лимассол).

Задачи: — Развивать модели прогнозирования спроса и ценовой эластичности; — Исследовать подходы к causal inference, uplift-моделированию и оценки эффекта изменения цены; — Проектировать временную валидацию, backtesting и бизнес-метрики качества; — Работать с uncertainty, confidence, intermittent demand, cold start и long-tailSKU; — Разрабатывать логику выбора оптимальной цены с учётом бизнес-ограничений; — Организовать оценку plan/fact и мониторинг качества моделей; — Участвовать в проектировании feature engineering, batch training и batchinference на больших объёмах данных; — Проводить design review, code review и менторить ML-специалистов команды. Обязательные требования: — Опыт в классическом ML от 3 лет; — Сильная база в классическом ML, статистике и работе с табличными данными; — Опыт с forecasting, временными рядами и gradient boosting: LightGBM,CatBoost или XGBoost; — Понимание causal inference и экспериментального дизайна; — Опыт доведения ML-моделей до production; — Уверенное владение Python и SQL; — Понимание временной валидации, data leakage, calibration и uncertaintyestimation; — Опыт работы с Airflow или аналогичным оркестратором; — Понимание принципов распределённой обработки данных, партиционирования и оптимизации вычислений; — Умение связывать ML-метрики с измеримым бизнес-эффектом; — Опыт в retail, e-commerce, pricing или demand forecasting; — Практический опыт с PySpark, Trino, Iceberg, S3, dbt или ClickHouse; — Опыт с price optimization, hierarchical forecasting или operations research; — Опыт построения ML-мониторинга и проведения A/B-тестов. Компания рассматривает кандидатов только из России. Формат работы: Удаленка, Гибрид, Офис(Москва, Краснодар) Уровень позиции: Senior

Location: Москва Наша команда отвечает за качество моделей TTS в SaluteSpeech – той части GigaChat, которая занимается звуком. Наш синтез можно услышать у ассистентов Салют, в колл-центре по номеру 900, в Сболе. Сейчас мы ищем ребят, которые будут работать над базовым качеством, мультимодальным Гигачатом и другими классными проектами. Как у нас все устроено: * команда живет в 4 городах, общаемся текстом и по видео, иногда встречаемся очно; * работать можно в удобное время, обязательных созвонов 1-3 в неделю; * очень много данных и карточек для обучения; * работа обычно происходит так: формулируем гипотезу, улучшаем модель, обгоняем прод по метрикам, показываем команде runtime, помогаем им затащить в прод; * чаще всего успешные модели – это улучшенные старые, в итоге развиваем свой звездолет Вся работа с разметкой для обучения и подсчет метрик уже автоматизированы, очень удобно. Можно прийти на нашу студию, поговорить в микрофон 3 часа и обучить свой синтез. _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 * улучшать модели; * обгонять прод по метрикам; * помогать внедрять; * фантазировать, экспериментировать, читать статьи; * заниматься проектами, например ускорение обучения, voice cloning, low resource, rl; * рассказывать о решении задач на внутренних семинарах, а также на хабре и в нашем чатике в тг. Требования * python, алгоритмы, математика; * знания в DL, особенно про звук; * опыт обучения моделей для прода; * кругозор (nlp, лингвистика, русский язык, биология, физика -- что имеет отношение к речи); * c++; * публикации. Условия * задачи, которые еще никто не делал; * команда отзывчивых профи, которые всегда помогут; * фидбек и возможность увидеть результаты своей работы в продуктах; * много корпоративных плюшек: расширенная программа ДМС (возможность подключения родственников), страхование жизни, специальные условия по кредитам/ипотеке, скидки от компаний-партнёров; * офис на Кутузовском проспекте с парковкой, спортзалом, массажными креслами и возможностью выбора формата работы (офис, гибрид или удалёнка).

Location: Remote - United States Reddit is a community of communities. It’s built on shared interests, passion, and trust, and is home to the most open and authentic conversations on the internet. Every day, Reddit users submit, vote, and comment on the topics they care most about. With 100,000+ active communities and approximately 130 million daily active unique visitors, Reddit is one of the internet’s largest sources of information. For more information, visit www.redditinc.com . Location: Reddit has a flexible first workforce. Don't live near our office? No worries: you can work remotely from anywhere in the US or Canada. About the Team The ML Efficiency team builds the infrastructure, tooling, and optimization systems that enable machine learning engineers and researchers to train, evaluate, deploy, and operate models efficiently at scale. We focus on improving developer productivity, reducing infrastructure costs, increasing hardware utilization, and accelerating experimentation across the company’s ML ecosystem. Responsibilities Design and build systems that improve the efficiency of ML training and inference workloads. Develop tooling that helps ML engineers debug, profile, optimize, and monitor model performance. Improve GPU and general resource utilization through scheduling, resource management, caching, and workload optimization. Partner with ML researchers and product teams to identify bottlenecks and drive performance improvements. Build benchmarking frameworks and performance dashboards for training and serving systems. Optimize distributed training infrastructure, data pipelines, and model serving architectures. Lead cross-functional initiatives that improve the productivity of Reddit ML engineers. Drive technical strategy for ML platform scalability, reliability, and cost efficiency. Qualifications Required BS, MS, or PhD in Computer Science or a related field. 5+ years of software engineering experience. Strong proficiency in Python Profiency in at least one systems language (Go, C++, Rust, or Java) preferred Experience building distributed systems at scale. Experience with machine learning infrastructure, training systems, or model serving platforms. Deep understanding of performance engineering and systems optimization. Strong debugging and profiling skills. Preferred Experience with large-scale recommendation, ranking, generative AI, or foundation model systems. Experience with distributed training frameworks such as PyTorch Distributed, Ray, Tensorflow, Spark Familiarity with GPU architectures and performance analysis tools. Experience optimizing cloud infrastructure costs across large ML workloads. Contributions to internal platforms used by multiple ML teams. Experience with building real time ML inference applications What Success Looks Like ML engineers can move from idea to experiment faster. Training and inference costs decrease, performance increases, while model quality is maintained or improved. GPU utilization and cluster efficiency increase. Platform reliability improves as ML workloads scale. Teams spend less time managing infrastructure and more time building models. Average recommendation model size increases. Benefits: Global Benefit programs that fit your lifestyle, from workspace to professional development to caregiving support Family Planning Support Gender-Affirming Care Mental Health & Coaching Benefits Group Personal Pension Scheme with Employer match Private Medical and Dental Scheme Income Replacement Programs Bike to Work scheme Flexible Vacation & Paid Volunteer Time Off Generous Paid Parental Leave Pay Transparency: This job posting may span more than one career level. In addition to base salary, this job is eligible to receive equity in the form of restricted stock units, and depending on the position offered, it may also be eligible to receive a commission. Additionally, Reddit offers a wide range of benefits to U.S.-based employees, including medical, dental, and vision insurance, 401(k) program with employer match, generous time off for vacation, and parental leave. To learn more, please visit https://www.redditinc.com/careers/ . To provide greater transparency to candidates, we share base salary ranges for all US-based job postings regardless of state. We set standard base pay ranges for all roles based on function, level, and country location, benchmarked against similar stage growth companies. Final offer amounts are determined by multiple factors including, skills, depth of work experience and relevant licenses/credentials, and may vary from the amounts listed below. The base salary range for this position is: $230,000 — $322,000 USD In select roles and locations, the interviews will be recorded, transcribed and summarized by artificial intelligence (AI). You will have the opportunity to opt out of recording, transcription and summarization prior to any scheduled interviews. During the interview, we will collect the following categories of personal information: Identifiers, Professional and Employment-Related Information, Sensory Information (audio/video recording), and any other categories of personal information you choose to share with us. We will use this information to evaluate your application for employment or an independent contractor role, as applicable.  We will not sell your personal information or disclose it to any third party for their marketing purposes.  We will delete any recording of your interview promptly after making a hiring decision.  For more information about how we will handle your personal information, including our retention of it, please refer to our Candidate Privacy Policy for Potential Employees and Contractors . Reddit is proud to be an equal opportunity employer, and is committed to building a workforce representative of the diverse communities we serve.  Reddit is committed to providing reasonable accommodations for qualified individuals with disabilities and disabled veterans in our job application procedures. If, due to a disability, you need an accommodation during the interview process, please let your recruiter know.

Задачи: — участие в проекте по обучению AI-моделей; — разработка и обучение моделей, системы инференса, численные вычисления, оптимизация производительности; — программирование на Python; — создание, решение, проверка и валидация сложных задач в области ML Engineering; — реализация или модификация ML-модели; — создание воспроизводимого процесса обучения или инференса; — оптимизация использования памяти или производительности; — поиск и исправление численных или системных ошибок; — проверка соответствия реализации требованиям по корректности и производительности. Требования: — опыт использования coding agents с Python в рабочем процессе; — степень магистра или PhD; — уровень английского языка C1. Условия: — 15 часов в неделю; — полностью удалённая работа (Global); — гибкий график, специалист самостоятельно выбирает дни и часы работы, включая выходные при желании; — оплата $80–$150 в час.

Задачи: — участие в долгосрочном проекте по обезличиванию данных в формате ИП Требования: — опыт работы от 3 лет в роли ML-инженера / Data Scientist — опыт разработки и внедрения ML-моделей в продакшен — знание Python, pandas, numpy, scikit-learn — опыт работы с NLP-инструментами: SpaCy, Hugging Face Transformers — практический опыт построения пайплайнов обработки неструктурированных данных — очистка, нормализация, feature engineering — извлечение сущностей (NER) — понимание и опыт применения деревьев решений и ансамблей (Random Forest) — умение интерпретировать результаты, подбирать гиперпараметры, оценивать риски переобучения — опыт работы с CTGAN и TVAE (библиотека SDV или аналоги): обучение, подбор гиперпараметров — проведение privacy-проверок — контейнеризация (Docker) — развертывание моделей через API (FastAPI/Flask) — версионирование моделей и данных (MLflow/DVC) — понимание CI/CD-процессов Условия: — формат сотрудничества: ИП — тип занятости: долгосрочный проект

Задачи: — Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования. — Встраивать псевдоанонимизацию и проверки качества в потоки данных. — Готовить признаки и версионируемые train/validation/test-выборки. — Обеспечивать прослеживаемость и воспроизводимость ML / LLM-экспериментов. — Вместе с ML-командой развивать оценку моделей, подготовку данных для RAG и дообучения. Требования: — Уверенные Python и SQL, поддерживаемый код за пределами ноутбуков. — Практический опыт ETL / ELT: оркестрация, инкрементальная обработка, повторные запуски. — Опыт с S3, Parquet, pandas / Polars / PyArrow. — Понимание жизненного цикла ML: выборки, baseline, метрики, проверка утечек. — Опыт с MLflow, ClearML или аналогами. — Linux, Git, Docker, CI/CD. — Умение работать с чувствительными данными. Будет плюсом: — Опыт с медицинскими данными, МИС и клиническими справочниками. — Практический NLP / LLM: извлечение данных из текста, embeddings, RAG. — PyTorch / Hugging Face, дообучение и inference на GPU. — Опыт превращения исследовательского прототипа в регулярный пайплайн. Условия: — Гибридный / удаленный по РФ формат работы. Дополнительно: — Проект в HealthTech, поддержка врачебных решений. — Возможность строить платформу с нуля и влиять на архитектуру. — Работа на стыке Data Engineering, MLOps и LLM с современным стеком.

По сотрудничеству в формате ИП ищем на проект ML-инженера (проект по обезличиванию данных), проект долгосрочный. Требования: — Опыт работы от 3 лет в роли ML-инженера / Data Scientist. — Опыт разработки и внедрения ML-моделей в продакшен. — Знание Python, pandas, numpy, scikit-learn. — Опыт работы с NLP-инструментами: SpaCy, Hugging Face Transformers. — Практический опыт построения пайплайнов обработки неструктурированных данных. — Очистка, нормализация, feature engineering. — Извлечение сущностей (NER). — Понимание и опыт применения деревьев решений и ансамблей (Random Forest). — Умение интерпретировать результаты, подбирать гиперпараметры, оценивать риски переобучения. — Опыт работы с CTGAN и TVAE (библиотека SDV или аналоги): обучение, подбор гиперпараметров. — Privacy-проверки. — Контейнеризация (Docker). — Развертывание моделей через API (FastAPI/Flask). — Версионирование моделей и данных (MLflow/DVC). — Понимание CI/CD-процессов.

Location: Remote - United States Reddit is a community of communities. It’s built on shared interests, passion, and trust, and is home to the most open and authentic conversations on the internet. Every day, Reddit users submit, vote, and comment on the topics they care most about. With 100,000+ active communities and approximately 130 million daily active unique visitors, Reddit is one of the internet’s largest sources of information. For more information, visit www.redditinc.com . We’re looking for a Senior Staff Machine Learning Engineer to lead Reddit’s next-generation user understanding initiative: building a unified, high-fidelity representation of each user that powers personalization across the platform. This role requires deep expertise in mainstream ML user modeling approaches (e.g., large-scale embeddings, user interest modeling, affinities, behavioral signals) and the ability to reimagine these systems in the GenAI era—leveraging LLMs and foundation models to unlock step-change improvements in fidelity, adaptability, and expressiveness. You will set the technical direction for this space, leading the design and implementation of Reddit’s core user representation layer—spanning embeddings, interest modeling, and key user attributes. You’ll ensure this foundation is scalable, reliable, and widely adopted across Feeds, Search, Notifications, and Ads, partnering closely with product, infrastructure, and downstream ML teams to drive measurable impact. This is a high-impact role. The systems you build will shape how hundreds of millions of people experience Reddit every day—what they see, what they discover, and the communities they connect with. Your work will directly advance personalization and relevance at global scale, strengthening Reddit as a platform for meaningful connection and belonging. What you'll do: Design User Understanding Strategy: Define a unified user understanding framework and strategy: how users are represented (embeddings, tags, attributes, LLM-based user profile), how they are computed, stored, and exposed. Provide thought leadership in user understanding and user modeling by setting a long-term technical vision and advancing the state-of-the-art in the field. Build Foundational User Models: Lead design and implementation of advanced user models, e.g. large-scale user representation learning (sequence-based, multi-interest, multi-task) that share representations across surfaces to improve personalization experience across key Reddit products e.g. Feeds, Notification, Search and Ads, balancing latency, cost, and performance. Reimagine user understanding with LLM/Gen-AI: Evolve user modeling beyond traditional representations by leveraging LLMs to build richer user understanding (e.g., dynamic user profiles, intent inference, semantic reasoning over user behavior). Explore how LLMs can augment or unify embeddings, attributes, and taxonomies to enable more adaptive, interpretable, and context-aware personalization. Ship Large Scale User Understanding as a System: Partner with platform teams to design and build core components for large-scale learning and serving: storage/retrieval for embeddings, feature pipelines, and APIs. Collaborate with ML/Ranking infra to ensure low-latency serving, high availability, and integration with MLOps systems. Drive Cross-Team Integration & Impact: Partner with Feeds, Notification, Search and Ads teams to drive experimentation and adoption of new user understanding models with product teams across Reddit, ensuring measurable end-to-end impact on key metrics. Set Technical Bar & Mentor: Mentor senior to staff engineers, lead design reviews, steward technical decisions across the user understanding domain, and champion and drive engineering processes and best practices Who you might be: You have at least 10 years experience building and scaling production-grade ML systems, particularly in user modeling, large-scale representation learning, or recommender systems. You have a track record of driving ambiguous, high-impact initiatives from concept to production, shaping both technical direction and execution. You are product- and impact-oriented: you care deeply about how your work moves real metrics (e.g., engagement, retention, revenue), not just model quality. You bring strong fundamentals in mainstream user understanding ML approaches (e.g., representation learning, behavioral modeling, user clustering), and understand their trade-offs in real-world systems. You are excited about the GenAI shift and have experience (or strong intuition) applying LLMs or foundation models to evolve existing systems,  going beyond incremental improvements. You think in systems, not just models: you consider data, training, evaluation, serving, and adoption as a cohesive whole, and design with end-to-end impact in mind. You influence beyond your immediate team: partnering effectively with product, infra, and other ML teams, and driving alignment across multiple stakeholders. You raise the technical bar: mentoring senior engineers, leading design reviews, and establishing best practices for building reliable, scalable ML systems. You are comfortable navigating trade-offs across quality, latency, cost, and safety, especially in large-scale, user-facing systems. Benefits: Comprehensive Healthcare Benefits and Income Replacement Programs 401k with Employer Match Global Benefit programs that fit your lifestyle, from workspace to professional development to caregiving support Family Planning Support Gender-Affirming Care Mental Health & Coaching Benefits Flexible Vacation & Paid Volunteer Time Off Generous Paid Parental Leave #LI-remote, #LI-JS5 Pay Transparency: This job posting may span more than one career level. In addition to base salary, this job is eligible to receive equity in the form of restricted stock units, and depending on the position offered, it may also be eligible to receive a commission. Additionally, Reddit offers a wide range of benefits to U.S.-based employees, including medical, dental, and vision insurance, 401(k) program with employer match, generous time off for vacation, and parental leave. To learn more, please visit https://www.redditinc.com/careers/ . To provide greater transparency to candidates, we share base salary ranges for all US-based job postings regardless of state. We set standard base pay ranges for all roles based on function, level, and country location, benchmarked against similar stage growth companies. Final offer amounts are determined by multiple factors including, skills, depth of work experience and relevant licenses/credentials, and may vary from the amounts listed below. The base salary range for this position is: $266,000 — $372,400 USD In select roles and locations, the interviews will be recorded, transcribed and summarized by artificial intelligence (AI). You will have the opportunity to opt out of recording, transcription and summarization prior to any scheduled interviews. During the interview, we will collect the following categories of personal information: Identifiers, Professional and Employment-Related Information, Sensory Information (audio/video recording), and any other categories of personal information you choose to share with us. We will use this information to evaluate your application for employment or an independent contractor role, as applicable.  We will not sell your personal information or disclose it to any third party for their marketing purposes.  We will delete any recording of your interview promptly after making a hiring decision.  For more information about how we will handle your personal information, including our retention of it, please refer to our Candidate Privacy Policy for Potential Employees and Contractors . Reddit is proud to be an equal opportunity employer, and is committed to building a workforce representative of the diverse communities we serve.  Reddit is committed to providing reasonable accommodations for qualified individuals with disabilities and disabled veterans in our job application procedures. If, due to a disability, you need an accommodation during the interview process, please let your recruiter know.

Задачи: — Развивать модели прогнозирования спроса и ценовой эластичности; — Исследовать подходы к causal inference, uplift-моделированию и оценки эффекта изменения цены; — Проектировать временную валидацию, backtesting и бизнес-метрики качества; — Работать с uncertainty, confidence, intermittent demand, cold start и long-tail SKU; — Разрабатывать логику выбора оптимальной цены с учётом бизнес-ограничений; — Организовать оценку plan/fact и мониторинг качества моделей; — Участвовать в проектировании feature engineering, batch training и batch inference на больших объёмах данных; — Проводить design review, code review и менторить ML-специалистов команды. Требования: — Опыт в классическом ML от 3 лет; — Сильная база в классическом ML, статистике и работе с табличными данными; — Опыт с forecasting, временными рядами и gradient boosting: LightGBM, CatBoost или XGBoost; — Понимание causal inference и экспериментального дизайна; — Опыт доведения ML-моделей до production; — Уверенное владение Python и SQL; — Понимание временной валидации, data leakage, calibration и uncertainty estimation; — Опыт работы с Airflow или аналогичным оркестратором; — Понимание принципов распределённой обработки данных, партиционирования и оптимизации вычислений; — Умение связывать ML-метрики с измеримым бизнес-эффектом; — Опыт в retail, e-commerce, pricing или demand forecasting; — Практический опыт с PySpark, Trino, Iceberg, S3, dbt или ClickHouse; — Опыт с price optimization, hierarchical forecasting или operations research; — Опыт построения ML-мониторинга и проведения A/B-тестов. Условия: — Занятость full-time — Формат работы: удалённая, гибридная или офис (Москва, Краснодар)

Location: Limassol, Cyprus Workplace: on-site Mayflower is a technology company building high-load products used by millions of people worldwide. Operating at the scale of one of the world's top-50 websites, we solve complex engineering challenges and create solutions that power real-time entertainment for a global audience. We are looking for a Lead ML Engineer to own a new ML stream focused on fast delivery of applied machine learning solutions across different product and business domains. The stream will work with a broad range of ML challenges. Some initiatives may be relatively small and delivered within a few weeks, while others may prove their value and grow into larger dedicated projects. This role combines hands-on ML engineering with end-to-end technical delivery ownership. You will receive product problems and expected outcomes from Product or internal stakeholders, clarify the technical requirements and constraints, define the implementation approach, coordinate execution within the stream, and bring solutions to production readiness and launch. This is a highly hands-on role. The stream will not have a dedicated software engineer for every initiative, so we expect Data Scientists and ML Engineers to be comfortable working beyond experimentation and contributing directly to production code. The role is not tied to a single ML domain. We value strong ML fundamentals, engineering skills, pragmatism, and the ability to quickly understand new problem areas more than deep specialization in one particular class of models. Job Responsibilities Technical Delivery Ownership Turn product and business problems into concrete ML implementation plans. Clarify requirements, constraints, available data, integrations, and success criteria together with Product and relevant stakeholders. Define technical scope, milestones, dependencies, risks, and delivery estimates. Select appropriate ML approaches and determine the fastest reliable way to validate and implement them. Drive technical delivery through experimentation, implementation, integration, deployment, and launch readiness. Keep delivery on track, proactively identify blockers, and coordinate dependencies with other teams. Provide Product with clear technical options, trade-offs, estimates, risks, and experiment results required for product decisions. Support production rollout and iteration based on observed results. Hands-on ML & Engineering Design, train, evaluate, and deploy ML models across different domains and problem types. Write production-quality Python and contribute directly to implementation. Build APIs, batch jobs, data-processing pipelines, and ML services required to deliver solutions where appropriate. Work with classical ML, deep learning, and foundation-model-based approaches depending on the problem. Process and transform large production datasets using Python and SQL. Integrate models into existing production systems. Implement appropriate testing, monitoring, logging, and observability for delivered ML solutions. Work within the shared ML infrastructure, architecture, and engineering practices used across the company. Collaborate with Data Science, Backend, Data Engineering, and MLOps specialists when deeper domain expertise or infrastructure changes are required. Stream Execution Break initiatives down into concrete technical tasks and coordinate execution within the stream. Coordinate the work of Data Scientists and ML Engineers contributing to stream initiatives. Review technical approaches, experiments, and implementation. Keep the team focused on the agreed scope, priorities, and delivery timeline. Identify technical risks and dependencies early and drive them to resolution. Escalate architectural, infrastructure, or methodological questions when broader alignment is required. Help prepare successful initiatives for scaling or transition into longer-term ownership if they grow beyond the scope of the stream. Cross-functional Collaboration Work closely with Product throughout the delivery lifecycle. Independently gather the technical details and constraints required to execute on a product request. Communicate estimates, dependencies, technical trade-offs, and delivery status clearly. Work directly with Engineering and other internal teams to unblock implementation. Challenge technically unclear, contradictory, or infeasible requirements and propose practical alternatives. You’ll thrive here if you have 5+ years of commercial experience in Machine Learning, Data Science, or ML Engineering. Strong hands-on Python programming and software engineering skills. Experience taking ML solutions from a product requirement through experimentation, implementation, integration, and production. Strong understanding of machine learning methods, statistics, experimentation, and model evaluation. Experience writing maintainable production code rather than working exclusively in notebooks. Experience building APIs, services, batch processing, or data pipelines. Strong SQL skills and experience working with large production datasets. Practical experience with Docker and production deployment environments. Ability to turn partially defined problems into concrete technical plans. Ability to estimate work, identify dependencies and risks, and drive technical execution against a timeline. Experience owning technical delivery involving several contributors and coordinating work across dependencies. Experience reviewing code and technical approaches. Ability to work effectively within established engineering and ML practices while independently owning delivery within a stream. Strong communication skills and the ability to work directly with Product and technical stakeholders. Ability to balance speed and engineering quality: validate ideas quickly when uncertainty is high and build robust solutions when moving towards production. Nice to Have Previous experience as a Tech Lead, Stream Lead, or technical owner of ML initiatives. Experience with Kubernetes and CI/CD. Experience with Kafka or other streaming platforms. Experience with Airflow, MLflow, experiment tracking, model monitoring, or similar tooling. Experience building real-time or high-load ML services. Experience with FastAPI or similar Python service frameworks. Experience across several ML domains, such as recommendation systems, ranking, NLP/LLMs, Computer Vision, anomaly detection, forecasting, or classification. Experience with LLM inference, fine-tuning or other GenAI systems. Experience in teams where Data Scientists and ML Engineers own a substantial part of production implementation themselves.

Joi Lab (joilab.ai) is an open research arm building open-source generative models, agent architectures, and training infrastructure. All code, weights, and data are public. The focus is on true AI agency with persistent memory, self-modification, and self-authored capabilities, not just ChatGPT wrappers. The role involves working with huge models up to 1 trillion+ parameters, ensuring fast and cheap production inference, and technologies like SGLang, caching, distributed inference, and post-training. The candidate will also set the technical direction for NLP and CV engineers. Требования к кандидату: — 5+ years of experience in ML engineering — Deep hands-on experience optimizing LLM inference — Proficiency with PyTorch and related libraries — Experience with distributed inference/training of large models — Strong understanding of inference optimization techniques — Proven technical leadership in guiding engineers — Backend engineering experience (Python, Go, C#) — Advanced English or Russian language skills

Компания ИВИ — онлайн-кинотеатр с библиотекой из десятков тысяч фильмов, сериалов, ТВ-каналов и оригинальных проектов собственного производства. Стек: Python, SQL, Spark, PyTorch, ClickHouse, Redis, S3.

Требуется ML Ops-инженер, который возьмёт на себя задачи автоматизации полного жизненного цикла машинного обучения. В обязанности входит организация процессов разработки, тестирования, развертывания моделей, а также их мониторинг и поддержка в рабочей среде.