Загружаем вакансии…
-Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку. -Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения.
Зарплата не указана
Компания "Урал Логистика" приглашает ML-инженера для участия в создании системы обработки документов и данных для грузовых железнодорожных перевозок. Задачи: — Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку — Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения — Создавать baseline для задач извлечения, классификации, определения сущностей и связей — Дообучать модели, готовить инструктивные наборы, обучать адаптеры и сравнивать результаты с базовыми моделями — Определять метрики, стратифицировать выборки и анализировать ошибки по типам документов, сценариям и полям — Работать с извлечением сущностей и связей для построения и обновления графового представления данных — Разворачивать локальный inference и оптимизировать его под доступную инфраструктуру — Работать с tensor parallelism, batching, длиной контекста, GPU-памятью и квантованием — Измерять задержку, пропускную способность, утилизацию и стоимость обработки документа — Версионировать данные, модели, конфигурации обучения и результаты экспериментов — Участвовать в интеграции моделей с прикладными AI-сервисами и production-конвейерами Требования: — Уровень middle+ и выше — Практический опыт построения ML-конвейеров, используемых в production — Уверенное владение Python, PyTorch и Hugging Face Transformers — Опыт fine-tuning языковых моделей, подготовки данных и работы с PEFT — Умение строить корректную оценку качества и контролировать утечки между обучающими и тестовыми данными — Опыт локального inference LLM и понимание устройства GPU-памяти — Знание компромиссов между качеством, скоростью, длиной контекста, batching и квантованием — Знание Linux, CUDA, SQL, Docker и Kubernetes — Способность довести модельное решение до устойчивой эксплуатации Условия: — Полная занятость — Возможность трудоустройства через российское юридическое лицо в штат или через согласованную аутстафф-модель — Основной формат — офис или гибрид — Для самостоятельных специалистов возможна распределённая работа из России — Итоговый грейд и масштаб ответственности определяются по результатам собеседования
Зарплата не указана
Задачи: — развитие и тюнинг моделей ранжирования и рекомендаций — разработка новых ML-решений и feature engineering — прототипирование и внедрение моделей в production на Python — работа с обучающими выборками и анализ результатов A/B-тестов — улучшение продуктовых метрик Требования: — опыт внедрения ML-моделей в production — знание основных методов и алгоритмов ML — понимание нейросетевых моделей для обработки текста — уверенный Python (NumPy, SciPy, PyTorch, scikit-learn) — знание алгоритмов и структур данных — опыт с A/B-тестами 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, пробовать новые технологии — процессы удаленной работы и просторные офисы с зонами коворкинга — возможность профессионального роста: стать тимлидом, архитектором, разработчиком full-stack — 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 внутри компании — уютный мерч — полный соцпакет и «белая» зарплата — корпоративная база знаний и социальная сеть для общения с 1500+ сотрудниками
Зарплата не указана
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи: — Руководить командой NLP-инженеров и backend-разработчиков. — Планировать и приоритизировать задачи, проводить ревью и контролировать качество решений. — Определять архитектуру и технологический стек LLM/NLP-разработки. — Вести ключевой проект направления — банковскую платформу парсинга документов. — Формулировать технические требования и декомпозировать задачи. — Вести технический бэклог и приоритизировать запросы от нескольких заказчиков. — Контролировать реализацию решений на всех этапах разработки. — Взаимодействовать с бизнес-заказчиками и смежными IT-командами. — Развивать экспертизу команды, организовывать обмен знаниями и формировать лучшие практики. — Заниматься наставничеством и профессиональным развитием сотрудников. — Участвовать в выборе, интеграции и оптимизации ML-, OCR-, LLM- и VLM-моделей. — Проектировать масштабируемые решения для промышленной эксплуатации моделей. Требования: — От пяти лет коммерческого опыта в NLP, LLM или backend-разработке на Python. — Не менее трёх лет опыта в роли Tech Lead. — Практический опыт управления инженерной командой и технической частью продукта. — Глубокое понимание ML-алгоритмов, OCR-моделей, архитектуры LLM и VLM-моделей. — Уверенное владение Python. — Практический опыт работы с PyTorch, Hugging Face, sentence-transformers и FastAPI. — Опыт интеграции и оптимизации моделей Qwen, DeepSeek, Llama, Mistral или аналогичных. — Понимание принципов оптимизации inference. — Знание подходов к масштабированию, кэшированию и распределённому inference. — Опыт взаимодействия с бизнес-заказчиками и смежными IT-командами. — Умение формировать и вести технический бэклог. — Навыки сбора, декомпозиции и приоритизации требований от нескольких заказчиков. Будет плюсом: — Опыт интеграции LLM с корпоративными системами и BI-платформами. — Знание инструментов мониторинга LLM по показателям latency, quality и cost. — Опыт работы с библиотеками Docling и Kreuzberg. — Опыт проектирования и разработки высоконагруженных систем. Условия: — Полный рабочий день. — Можно удалённо. — Работа в команде экспертов. — Широкий технологический стек, сотни проектов. — Гибкий график работы. — Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии. — Процессы удаленной работы и просторные офисы с зонами коворкинга. — Возможность профессионального роста: тимлид, архитектор, full-stack разработчик. — Система наставничества, сертификация, участие в конференциях, изучение английского. — Внутренние и внешние митапы, хакатоны, доклады по развитию hard и soft skills. — 50+ клубов по интересам и профессиональных сообществ. — Корпоративная база знаний и социальная сеть для сотрудников.
Зарплата не указана
You make huge models, up to 1T+ parameters, answer fast and cheap in production. SGLang, caching, distributed inference, post-training.
Зарплата не указана
💎 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.
Зарплата не указана
Стек: Python, SQL, Spark, PyTorch, ClickHouse, Redis, S3.
Зарплата не указана
Разработка и обучение ML/DL-моделей для задач NLP и Computer Vision. Возможен также classic ML;
Зарплата не указана
проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы (индексация, ретривал, ранжирование, генерация). разрабатывать автономных AI-агентов с использованием планирования, вызова инструментов (function calling) и мультиагентной оркестрации.
Зарплата не указана
-Разработка генеративных ИИ-моделей для синтеза визуального и проектного контента на основе структурированных данных товарного каталога в рамках проверки гипотез (PoC) внутри корпоративной платформы по оценке ИИ-инициатив. -Построение системы метрик: разработка офлайн- и онлайн-показателей, кросс-валидация, прямая оценка бизнес-эффекта.
260 000 – 300 000 ₽
As the Senior Staff Machine Learning Platform Engineer, you will own the technical vision and evolution of Faire’s ML platform. You will set standards, influence org-wide architecture, and lead complex, cross-functional initiatives that unlock data science velocity at scale.
248 000 – 341 000 $
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.
Зарплата не указана
• Own AI features from concept to production, integrating LLMs and custom models. • Work on real-time live-streaming problems — content moderation, recommendations, and more.
Зарплата не указана
— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования.
280 000 – 400 000 ₽
Задачи: - Разрабатывать, обучать и оптимизировать ML/AI-модели на PyTorch или TensorFlow - Проектировать end-to-end пайплайны обработки и подготовки данных - Работать с синтетическими данными и автоматизацией разметки - Интегрировать AI/ML-модели с backend и другими компонентами продукта - Подготавливать модели к production-деплою и масштабированию - Настраивать процессы мониторинга, версионирования и экспериментов с использованием MLOps-инструментов - Контейнеризировать ML-процессы с помощью Docker - Работать с облачной инфраструктурой AWS или аналогами - Участвовать в оптимизации inference и производительности моделей - Взаимодействовать с инженерами и другими участниками AI-команды на всех этапах разработки - Определять техническое направление AI-проектов, принимать ключевые архитектурные решения и обеспечивать техническое руководство командой на всех этапах разработки. Требования: - Опыт 4+ года коммерческого опыта в Machine Learning / AI Engineering - Практический опыт разработки и внедрения ML-моделей в production - Английский (свободный) - Уверенное понимание основ Machine Learning и Deep Learning - Знание методов оптимизации моделей и ключевых ML-метрик - Практический опыт с MLOps (MLflow/Kubeflow/AWS SageMaker или аналогичные) Условия: - Формат: Full-time - Локация: Ташкент (Офис) - Официальное трудоустройство по ТК УЗ - Занятость: полный рабочий день
Зарплата не указана
• Оптимизировать выдачу на страницах категорий, каналов и тегов. • Строить text-to-video поиск, embedding-модели, ранжирование, семантический поиск.
от 5 000 $
Fine-tuning Jarayonini Tushunish. 📚 Texnologiya: Python, Ml, Pytorch, Tensorflow, Hugging Face Transformers, Numpy, Pandas, Scikit-learn.
5 000 000 – 10 000 000 ₽
Constructor — инструмент AI-персонализации результатов поиска на e-com сайтах для роста конверсий в покупку и выручки. Среди клиентов — Sephora, American Eagle, Birkenstock и др. Требования: — 4+ года опыта — Знание Python — Опыт работы с PyTorch, Spark, Airflow — Отличное владение английским языком Формат работы: удалённо (EMEA)
Зарплата не указана