Задачи:
— Работа с NLP и AI-проектами, запуск AI-проектов в продакшн и построение архитектуры вокруг сторонних LLM-решений.
— Обучение нейросетевых моделей на GPU-кластере.
Требования:
— Большой опыт разработки на Python с использованием Pandas, NumPy, Scikit-learn.
— Опыт работы с LangChain, vLLM.
— Опыт работы с PyTorch, Hugging Face Transformers.
— Глубокое понимание машинного обучения, глубокого обучения и NLP.
— Опыт запуска AI-проектов в продакшн и построения архитектуры вокруг сторонних LLM-решений.
— Опыт обучения нейросетевых моделей на GPU-кластере.
— Знание SQL.
— Владение Git.
— Высшее техническое образование в области Computer Science, прикладной математики, AI/ML или смежных областях.
Условия:
— Работа в команде экспертов.
— Широкий технологический стек, сотни проектов.
— Гибкий график работы.
— Льготы и меры господдержки, предусмотренные для IT-компаний (аккредитованы Минцифры).
— Возможность разрабатывать IT-решения для разных отраслей и пробовать новые технологии.
— Возможность работать удалённо с доступом к просторным офисам с зонами коворкинга.
— Возможность профессионального роста: стать тимлидом, архитектором, full-stack разработчиком.
— Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка.
— Активный обмен опытом, митапы, хакатоны, доклады по развитию hard и soft skills.
— 50+ клубов по интересам и профессиональных сообществ.
— Уютный мерч.
— Полный соцпакет и официальная "белая" зарплата.
— Корпоративная база знаний и социальная сеть для сотрудников.
— Гибкий ДМС с возможностью подключения родственников.
Ищем ML-разработчика, который будет улучшать качество претрейна Alice AI LLM — направление, отвечающее за умность базовой модели и качество данных.
Задачи:
— Эксперименты с претрейн-моделями: ставить и анализировать вычислительно тяжёлые эксперименты с претрейн-стадией, проверять гипотезы об источниках прироста ризонинг-способностей, постановка и выбор сетапа эксперимента.
— Пайплайны данных: строить эффективные пайплайны сбора, синтеза, обработки и фильтрации обучающих данных в новых доменах, масштабировать и оптимизировать их.
— Изменение процесса обучения: модифицировать процесс обучения модели для улучшения ризонинга, внедрять изменения в обучающий пайплайн и оценивать их влияние.
— Экспертные модели: обучать модели-верификаторы для проверки качества данных и ответов, модели для генерации обучающих данных SOTA в узком домене, модели-фильтры для отсева некачественных данных.
— Исследование скейлинга: исследовать законы скейлинга качества модели с точки зрения данных и вычислений, определять влияние масштабирования на рост рассуждающих способностей в разных доменах.
Требования:
— Глубокое понимание NLP.
— Знание Python и опыт разработки на нём.
Будет плюсом:
— Опыт обучения претрейн-моделей в любой из модальностей (NLP, CV, звук, рекомендации).
— Опыт построения эффективных CPU/GPU-пайплайнов.
— Погружение в области исследования языковых моделей (RL, архитектуры или данные для LLM).
Мы ищем: Талантливого NLP-разработчика на стажировку, которому предстоит работать над интересными высоконагруженными проектами.
Требования:
— Опыт разработки на Python от 1–2 лет;
— Базовое понимание LLM и AI-агентов;
— Практический опыт или уверенное понимание RAG-подхода;
— Опыт работы с векторными БД или embeddings (FAISS / Qdrant / аналоги — базовый уровень);
— Опыт backend-разработки (FastAPI / Flask);
— Понимание REST API, JSON, асинхронности;
— Готовность развиваться в AI-направлении.
Будет плюсом:
— Опыт работы с LLM API (OpenAI / open-source модели);
— Знакомство с LoRA / PEFT (pet-проекты, эксперименты);
— Базовый опыт работы с брокерами сообщений (Kafka, RabbitMQ, NATS);
— Docker (базовый уровень);
— Pet-проекты с AI-агентами или RAG.
Условия:
— Работа в команде экспертов;
— Широкий технологический стек, сотни проектов;
— Гибкий график работы, который позволяет высыпаться и выделять время на хобби;
— Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии;
— Организована удалённая работа, при этом есть просторные офисы с зонами коворкинга;
— Возможность прокачаться во всех интересующих направлениях: стать тимлидом, архитектором, разработчиком full-stack;
— Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка;
— Активный обмен опытом, внутренние и внешние митапы, хакатоны, доклады по развитию hard и soft skills;
— 50+ клубов по интересам и профессиональных сообществ внутри компании;
— Корпоративная база знаний и социальная сеть для удобства общения с каждым из 1500+ сотрудников.
Дополнительно:
— Решение Министерства цифрового развития, связи и массовых коммуникаций РФ о предоставлении государственной аккредитации организации, осуществляющей деятельность в области информационных технологий от 10.03.2022 №АО-20220309-3771014210-3
• Улучшать базовую самостоятельность модели. Продумывать решения, методы оценки и ревардинга модели, подходы к агентности и интеграции с сервисами, улучшать качество ответов как таковое.
We are looking for a Middle / Strong Middle NLP / LLM Engineer to develop production AI solutions across RAG, LLM applications, AI assistants, document processing and multilingual NLP, working closely with senior engineers. -Develop and improve RAG applications: chunking, embeddings, retrieval and reranking.
Разработка ML-моделей/rule-based/иных решений под поставленные задачи, поиск/лидирование разметки данных для обучения, покрытие мониторинговыми метриками, близкими к продуктовым. Классификация позиций в чеках по древовидному каталогу.
Компания Dandelion, специализирующаяся на разработке продуктов в области клинического искусственного интеллекта, ищет специалиста по обработке естественного языка и большим языковым моделям (NLP / LLM Data Scientist). В рамках работы необходимо использовать возможности медицинских данных для создания инновационных решений, которые принесут пользу пациентам и сообществам. Работа предполагает удалённый формат для сотрудников из США с гибким графиком. Кандидат должен обладать навыками в области анализа и обработки данных, связанных с NLP и большими языковыми моделями, а также иметь опыт работы с медицинскими данными и соответствующими технологиями.
Задачи:
— исследование данных с использованием state-of-the-art (SOTA) подходов
— разработка моделей машинного обучения в области NLP и NER
— автоматизация и оптимизация процесса продаж инструментов глобальных рынков
— осуществление fine-tuning’a LLM
— имплементация RAG’ов на основе данных Банка
— развитие платформы по использованию и развитию LLM
— интеграция LLM в бизнес-процессы подразделения
— интеграция API, сервисов, построение пайплайнов моделей.
Требования:
— высокий уровень математического аппарата - математический анализ, линейная алгебра, теория вероятностей
— предпочтителен опыт в финансовой сфере, финтехе или области анализа данных (от 3- х лет)
— детальное понимание моделей машинного обучения и алгоритмов
— опыт управления проектами и взаимодействия со смежными командами
— глубокое понимание инструментов финансового рынка является дополнительным преимуществом
— уверенное владение Python
— опыт в разработке NLP моделей или компьютерной лингвистике
— инструментальное владение AI для анализа, генерации и автоматизации.
Условия:
— формат работы - офис (ст.м. Ленинский проспект)
— ежегодный пересмотр зарплаты и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
— расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
— бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— разработка и внедрение LLM моделей для решения NLU задач бизнеса (SFT, RAG (Retrieval Augmented Generation), Agents, Summarization, Text Ranking, Text Matching, Language Modeling)
— дообучение LLM моделей
— разработка подходов и процессов разметки данных для оценки качества работы LLM
— формирование и работа с ML пайплайнами: работа с данными, обучение/дообучение NLP моделей, оценка качества решений, поддержка/автоматизация решений
— оптимизация работы моделей для промышленного контура на CPU/GPU
— работа с командой бизнес-представителей, DS-разработчиками
— организация проверки и генерация гипотез для решения технических и бизнес-задач.
Требования:
— опыт разработки на python, numpy, sklearn, pandas + библиотеки обработки текстовых данных
— опыт работы с Pytorch для построения DL текстовых моделей
— опыт работы с библиотеками LangChain/LangGraph
— опыт практической работы с LLM через API
— отличные теоретические знания классического и нейросетевого NLP, в тч LLM
— опыт дообучения классических трансформеров и LLM
— практический опыт, эксперименты, внедрение в ПРОД LLM решений
— опыт prompt-engineering
Будет плюсом:
— работа с инструментами Hadoop (HDFS, Hive), Spark
— опыт постановки и проведения a/b тестов
— опыт работы с распределенным обучением, глубокое знание GPU архитектуры.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможен 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.
Задачи:
— Улучшение текущих моделей и обучение новых, включая классификаторы, генеративные модели, сложные сценарии на основе агентов и пайплайнов.
— Сбор и анализ данных для дообучения, обучение с использованием SFT- и RL-подходов.
— Быстрая разработка прототипов и MVP для новых проектов, с фокусом на агентах и RAG для обработки большого контекста.
— Автоматизация валидации ML-моделей, внедрение систем автоматической оценки качества моделей в продакшен.
Требования:
— Опыт в машинном обучении.
— Хорошее знание Python.
— Уверенное владение классическими алгоритмами и моделями.
— Глубокие знания в NLP и LLM.
Будет плюсом:
— Опыт работы с агентами и RAG-пайплайнами.
Условия:
— Расширенная медицинская страховка с первого месяца, включая стоматологию, ежегодные чекапы, неотложную помощь за рубежом, лечение критических заболеваний и страхование от несчастных случаев.
— Психотерапия в офисе или онлайн.
— Лазерная коррекция зрения через год работы.
— Ведение беременности и роды через два года.
— Страховка для родственников по системе 80/20 (80% оплачивает компания).
— Внутренняя образовательная платформа, менторство, программы для руководителей.
— Оплата участия в профильных конференциях.
— Внутренние проекты для обмена экспертизой.
— Гибкий график без фиксированного времени начала и конца рабочего дня.
— Льготные жилищные займы для сотрудников российских офисов.
— Программы поддержки для детей: страхование, детские дни в офисе, подарки на рождение, чекапы при планировании беременности.
Задачи:
— Развитие моделей поискового ранжирования и рекомендательных систем.
— Тюнинг моделей и feature engineering.
— Разработка новых ML-решений с нуля.
— Вывод моделей в production.
— Анализ A/B-тестов и результатов экспериментов.
Требования:
— 6+ лет опыта.
— Опыт внедрения ML-моделей в production.
— Знание ML и нейросетей для обработки текста.
— Опыт в ranking, recommendations или NLP.
— Уверенный Python: NumPy, SciPy, PyTorch, Scikit-learn.
— Знание алгоритмов и структур данных.
— SQL и опыт работы с большими данными.
— Понимание A/B-экспериментов.
Будет плюсом:
— Java.
— Cassandra, Hive, Presto, Kafka.
— Hadoop.
— LightGBM.
Условия:
— Полная занятость.
— График 5/2, 8 часов в день.
— Удалённая работа или офис.
— Гибкий график.
— Оформление по ТК РФ.
— «Белая» зарплата.
— ДМС с первого месяца.
— Обучение и конференции за счёт компании.
— Well-being программа.
— Офисы в 10 городах России.
Основные задачи проекта:
— Развитие поиска и рекомендаций.
— Улучшение продуктовых метрик через ML-модели.
— Работа с высоконагруженным поисковым кластером.
— Полный цикл ML: данные → модель → production → A/B-тест.
О компании:
— Крупный технический департамент.
— Около 600 специалистов в IT, Data и Product.
— 60+ команд.
— ML-продукты используются миллионами пользователей.
Ищем Tech Lead для руководства командой NLP-инженеров и backend-разработчиков, которая развивает платформу парсинга документов в банке. Специалист будет отвечать за техническое развитие продукта, архитектуру LLM/NLP-решений, управление бэклогом и качество реализации.
Проект по созданию аналитической платформы на базе ИИ — единая экосистема для работы с данными. Продукт собирает информацию из разных источников, обрабатывает её и предоставляет руководству и аналитикам инструменты мониторинга, поиска и прогнозирования (включая чат-ботов).
Задачи:
— Анализировать и исследовать данные — проводить первичный EDA, выявлять закономерности и аномалии в данных
— Предобрабатывать и очищать данные — разрабатывать скрипты для трансформации, нормализации и feature engineering, подготавливать датасеты для обучения моделей
— Разрабатывать, настраивать и оптимизировать LLM-пайплайны
— Обучать и дообучать ML-модели
— Оценивать и интерпретировать результаты — анализировать метрики качества моделей, выявлять причины ошибок и предлгать пути улучшения
— Генерировать гипотезы, проверять их значимость и внедрять в рабочие процессы
Требования:
— Знание языков программирования (Python)
— Навыки применения numpy, pandas, scikit-learn, tensorflow или pytorch, опыт решения NLP задач, знание статистики и линейной алгебры, трансформация и подготовка данных
— Будет преимуществом: Опыт участия в ML соревнованиях, курсы DS школ
Условия:
— Возможность работы в комфортном офисе г. Москва
— Внутренние семинары, внутренние митапы
— Техника для комфортной работы
— ДМС со стоматологией для сотрудников и скидку на покупку ДМС для ближайших членов семьи
— Сессия профессионального развития с планом индивидуального развития для каждого сотрудника
💎 Создание и развитие собственных базовых языковых моделей Авито: проверка гипотез в области претрейна, continual pre-training, post-training, RL и синтетических данных, масштабирование обучения и оптимизация инференса (квантование, speculative decoding), построение процедур оценки качества моделей, написание продакшен-кода на Python и PyTorch.
разработка PoC и MVP AI-агентов с использованием фреймворков для работы с LLM. адаптация и дообучение LLM на внутренних и внешних данных (SFT, LoRA, DPO, GRPO).