Вакансии

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 Требования: — Стек: Python, PyTorch, Hugging Face Transformers, PEFT, pandas, SQL, PostgreSQL, Airflow (или аналог), MLflow (или аналог), vLLM, CUDA, Docker, Kubernetes

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

Location: United Kingdom Workplace: remote About Intermedia Are you looking for a company where YOUR VOICE is heard? Where can you MAKE A DIFFERENCE? Do you THRIVE in a FAST-PACED work environment? Do you wake every morning EXCITED to work with GREAT PEOPLE and create SUCCESS TOGETHER? Then Intermedia is the place for you. Intermedia has established itself as a leading provider of cloud communications and collaboration tech that allows companies to connect better. We have a strong track record of growth, profitability, and creating an environment where everyone matters. Everyone. While we are fast-paced and admittedly a bit intense, we promise that you won’t be bored. You will find Intermedia is a place where you can indulge your passion for creating and supporting great cloud technology. What’s more, we always look to promote from within and have many employees who have been with us 10, 15, and 20+ years! Culture at Intermedia is built on teamwork and transparency. We hold each other accountable and always have each other’s back! While primarily remote , this role requires occasional visits to the Bristol office or London. About the Role Intermedia is looking for a Data Scientist to join our AI Data Science team. In this role, you will develop and apply advanced machine learning, generative AI, and statistical techniques to improve the intelligence, effectiveness, and reliability of Intermedia's digital agents. You will work on challenging problems involving large language models, retrieval, agent behavior, experimentation, evaluation, and optimization to help create digital agents that can understand customer needs, access relevant knowledge, and successfully complete complex tasks. You will work closely with AI/ML engineers, software engineers, product managers, and other data scientists to take ideas from experimentation through production. You will have significant ownership of data science solutions while helping establish strong practices for measuring and continuously improving the quality of our AI-powered experiences. What You Will Be Doing Machine Learning & Agent Intelligence Develop, evaluate, and improve machine learning and generative AI solutions that power Intermedia's Digital Agent Platform. Apply large language models (LLMs), natural language processing, retrieval, and other advanced AI techniques to improve agent understanding and performance. Develop approaches that improve agent reasoning, tool selection, knowledge retrieval, context management, personalization, and task completion. Experiment with model, prompt, retrieval, and agent configuration strategies to identify approaches that deliver the best customer and business outcomes. Evaluate commercial and open-source models and recommend appropriate approaches based on quality, latency, scalability, and cost. Generative AI & RAG Design, develop, and optimize Retrieval-Augmented Generation (RAG) solutions that ground digital agents in relevant enterprise and customer information. Develop and evaluate embeddings, retrieval strategies, ranking approaches, semantic search, and other knowledge-retrieval techniques. Build and refine end-to-end pipelines that combine LLMs with retrieval systems, enterprise knowledge sources, and agent workflows. Develop approaches to improve the relevance, accuracy, and consistency of AI-generated responses. Identify and mitigate issues such as hallucinations, poor retrieval, inappropriate responses, and other failure modes in generative AI applications. Evaluation & Experimentation Develop rigorous evaluation frameworks for measuring digital agent quality, including accuracy, relevance, task completion, reliability, safety, and customer experience. Design offline and online experiments to compare models, prompts, retrieval strategies, agent configurations, and other AI approaches. Apply statistical analysis, hypothesis testing, segmentation, and other quantitative methods to evaluate AI performance and identify opportunities for improvement. Define appropriate metrics and benchmarks that connect model and agent performance to customer and business outcomes. Analyze production behavior and feedback to identify patterns, failure modes, and opportunities to continuously improve digital agents. Ensure data and model quality through comprehensive testing, validation, and performance evaluation. Data & Solution Development Gather, preprocess, analyze, and model large volumes of structured and unstructured data from multiple sources. Use Python, SQL, Spark, and other relevant technologies to build scalable analytical and machine learning solutions. Develop features, datasets, and analytical approaches that support model development, experimentation, and evaluation. Partner with data and engineering teams to build and maintain reliable pipelines for model training, evaluation, and production use. Contribute to scalable ML/AI pipelines that support experimentation, deployment, monitoring, and continuous improvement. Ensure solutions are reproducible, maintainable, and designed to operate effectively at production scale. Collaboration Partner with Product, AI/ML Engineering, Software Engineering, and other Data Science team members to translate customer and business problems into effective AI solutions. Communicate analytical findings, model performance, tradeoffs, and recommendations clearly to technical and non-technical stakeholders. Participate in technical and design reviews and help establish strong practices for AI experimentation, evaluation, and model development. Mentor and support less experienced data scientists and contribute to knowledge sharing across the team. What You Will Bring to the Role Bachelor's degree in Data Science, Statistics, Computer Science, Mathematics, Machine Learning, Analytics, or a related quantitative field; Master's degree preferred. 4+ years of professional experience in data science, machine learning, applied AI, or a related analytical field. Strong experience developing and applying supervised and unsupervised machine learning models to real-world problems. Hands-on experience with generative AI, large language models, NLP, or other modern AI technologies. Strong programming skills in Python and experience with SQL and large-scale data processing technologies. Experience with modern machine learning frameworks such as PyTorch, TensorFlow, scikit-learn, or equivalent technologies. Strong understanding of statistical analysis, experimentation, hypothesis testing, model evaluation, and performance measurement. Experience working with large volumes of structured and unstructured data. Demonstrated ability to independently frame ambiguous problems, develop analytical approaches, evaluate alternatives, and deliver actionable solutions. Experience taking machine learning or AI solutions beyond experimentation and contributing to their deployment and operation in production environments. Understanding of model quality, data quality, bias, reliability, and other considerations associated with production AI systems. Strong problem-solving and analytical skills with the ability to connect technical results to customer and business outcomes. Strong written and verbal communication skills with the ability to explain complex analytical and AI concepts to technical and non-technical audiences. Ability to collaborate effectively across Data Science, AI/ML Engineering, Software Engineering, Product, and business teams. Diversity, Inclusion, and Equal Opportunity We hire, promote, and compensate employees based on their ability to perform their job responsibilities, without regard to race, color, creed, religion, sex, gender, marital status, national origin, ancestry, age, citizenship, physical or mental disability, sexual orientation, or any other basis protected by applicable law (collectively referred to in our Code of Conduct as “Protected Classes”). We do not tolerate employment discrimination in the workplace, and we are committed to making reasonable accommodations for identified disabilities or other limitations as required by all applicable laws. We are an equal opportunity employer and value diversity at our company. We do not discriminate on the basis of race, religion, color, national origin, gender, sexual orientation, age, marital status, veteran status, or disability status.

Location: Portugal Workplace: remote About Intermedia Are you looking for a company where YOUR VOICE is heard? Where can you MAKE A DIFFERENCE? Do you THRIVE in a FAST-PACED work environment? Do you wake every morning EXCITED to work with GREAT PEOPLE and create SUCCESS TOGETHER? Then Intermedia is the place for you. Intermedia has established itself as a leading provider of cloud communications and collaboration tech that allows companies to connect better. We have a strong track record of growth, profitability, and creating an environment where everyone matters. Everyone. While we are fast-paced and admittedly a bit intense, we promise that you won’t be bored. You will find Intermedia is a place where you can indulge your passion for creating and supporting great cloud technology. What’s more, we always look to promote from within and have many employees who have been with us 10, 15, and 20+ years! Culture at Intermedia is built on teamwork and transparency. We hold each other accountable and always have each other’s back! While primarily remote , this role requires occasional visits to the office in Coimbra or in Aveiro. We plan to open an office in Porto in the future. This approach gives team members the flexibility to work remotely while also coming together in the office for collaboration and teamwork. About the Role Intermedia is looking for a Data Scientist to join our AI Data Science team. In this role, you will develop and apply advanced machine learning, generative AI, and statistical techniques to improve the intelligence, effectiveness, and reliability of Intermedia's digital agents. You will work on challenging problems involving large language models, retrieval, agent behavior, experimentation, evaluation, and optimization to help create digital agents that can understand customer needs, access relevant knowledge, and successfully complete complex tasks. You will work closely with AI/ML engineers, software engineers, product managers, and other data scientists to take ideas from experimentation through production. You will have significant ownership of data science solutions while helping establish strong practices for measuring and continuously improving the quality of our AI-powered experiences. What You Will Be Doing Machine Learning & Agent Intelligence Develop, evaluate, and improve machine learning and generative AI solutions that power Intermedia's Digital Agent Platform. Apply large language models (LLMs), natural language processing, retrieval, and other advanced AI techniques to improve agent understanding and performance. Develop approaches that improve agent reasoning, tool selection, knowledge retrieval, context management, personalization, and task completion. Experiment with model, prompt, retrieval, and agent configuration strategies to identify approaches that deliver the best customer and business outcomes. Evaluate commercial and open-source models and recommend appropriate approaches based on quality, latency, scalability, and cost. Generative AI & RAG Design, develop, and optimize Retrieval-Augmented Generation (RAG) solutions that ground digital agents in relevant enterprise and customer information. Develop and evaluate embeddings, retrieval strategies, ranking approaches, semantic search, and other knowledge-retrieval techniques. Build and refine end-to-end pipelines that combine LLMs with retrieval systems, enterprise knowledge sources, and agent workflows. Develop approaches to improve the relevance, accuracy, and consistency of AI-generated responses. Identify and mitigate issues such as hallucinations, poor retrieval, inappropriate responses, and other failure modes in generative AI applications. Evaluation & Experimentation Develop rigorous evaluation frameworks for measuring digital agent quality, including accuracy, relevance, task completion, reliability, safety, and customer experience. Design offline and online experiments to compare models, prompts, retrieval strategies, agent configurations, and other AI approaches. Apply statistical analysis, hypothesis testing, segmentation, and other quantitative methods to evaluate AI performance and identify opportunities for improvement. Define appropriate metrics and benchmarks that connect model and agent performance to customer and business outcomes. Analyze production behavior and feedback to identify patterns, failure modes, and opportunities to continuously improve digital agents. Ensure data and model quality through comprehensive testing, validation, and performance evaluation. Data & Solution Development Gather, preprocess, analyze, and model large volumes of structured and unstructured data from multiple sources. Use Python, SQL, Spark, and other relevant technologies to build scalable analytical and machine learning solutions. Develop features, datasets, and analytical approaches that support model development, experimentation, and evaluation. Partner with data and engineering teams to build and maintain reliable pipelines for model training, evaluation, and production use. Contribute to scalable ML/AI pipelines that support experimentation, deployment, monitoring, and continuous improvement. Ensure solutions are reproducible, maintainable, and designed to operate effectively at production scale. Collaboration Partner with Product, AI/ML Engineering, Software Engineering, and other Data Science team members to translate customer and business problems into effective AI solutions. Communicate analytical findings, model performance, tradeoffs, and recommendations clearly to technical and non-technical stakeholders. Participate in technical and design reviews and help establish strong practices for AI experimentation, evaluation, and model development. Mentor and support less experienced data scientists and contribute to knowledge sharing across the team. What You Will Bring to the Role Bachelor's degree in Data Science, Statistics, Computer Science, Mathematics, Machine Learning, Analytics, or a related quantitative field; Master's degree preferred. 4+ years of professional experience in data science, machine learning, applied AI, or a related analytical field. Strong experience developing and applying supervised and unsupervised machine learning models to real-world problems. Hands-on experience with generative AI, large language models, NLP, or other modern AI technologies. Strong programming skills in Python and experience with SQL and large-scale data processing technologies. Experience with modern machine learning frameworks such as PyTorch, TensorFlow, scikit-learn, or equivalent technologies. Strong understanding of statistical analysis, experimentation, hypothesis testing, model evaluation, and performance measurement. Experience working with large volumes of structured and unstructured data. Demonstrated ability to independently frame ambiguous problems, develop analytical approaches, evaluate alternatives, and deliver actionable solutions. Experience taking machine learning or AI solutions beyond experimentation and contributing to their deployment and operation in production environments. Understanding of model quality, data quality, bias, reliability, and other considerations associated with production AI systems. Strong problem-solving and analytical skills with the ability to connect technical results to customer and business outcomes. Strong written and verbal communication skills with the ability to explain complex analytical and AI concepts to technical and non-technical audiences. Ability to collaborate effectively across Data Science, AI/ML Engineering, Software Engineering, Product, and business teams. Diversity, Inclusion, and Equal Opportunity We hire, promote, and compensate employees based on their ability to perform their job responsibilities, without regard to race, color, creed, religion, sex, gender, marital status, national origin, ancestry, age, citizenship, physical or mental disability, sexual orientation, or any other basis protected by applicable law (collectively referred to in our Code of Conduct as “Protected Classes”). We do not tolerate employment discrimination in the workplace, and we are committed to making reasonable accommodations for identified disabilities or other limitations as required by all applicable laws. We are an equal opportunity employer and value diversity at our company. We do not discriminate on the basis of race, religion, color, national origin, gender, sexual orientation, age, marital status, veteran status, or disability status.

Задачи: построение ML-моделей, корректирующих оценки ETA маршрутизатора (от градиентного бустинга до нейросетей и архитектур на основе Transformer по мере роста данных); модели оценки трафика, превращающие GPS-данные в дорожные скорости и исторические профили трафика;

Разработка, обучение и оптимизация моделей машинного обучения для решения прикладных бизнес-задач; Разработка решений на базе LLM и VLM, включая мультимодальные системы обработки текста и изображений;

Location: Hamburg Workplace: Hybrid adjoe builds the technologies behind mobile apps growth and monetization. With our core product Playtime Arcade, we've become the global leader in rewarded advertising, an ad unit built on a simple premise: users earn real in-app rewards for engaging with new apps. The result is one of the most effective value exchanges in adtech, connecting advertisers and publishers with over 770 million users annually. Architecting Intelligence to Optimize 200M+ Daily Decisions As the intelligence core of our engineering organization, our Data Science team doesn't just deploy models, we engineer the fundamental decision engine that powers our platform. At a scale of 770 million users and 100,000+ predictions per second, we are solving a multi-objective optimization problem that balances user incentives, advertiser ROI, and long-term platform health in real time. Our architecture is built on a 1PB+ behavioral data lake, providing the high-fidelity input necessary to train deep learning models that predict individual user engagement with precision. We aren't just optimizing clicks, we are dynamically calculating optimal reward structures to sustain a global value exchange. Engineered for performance, our stack leverages PyTorch for model training, NVIDIA Triton to achieve sub-100ms inference. We own the full ML lifecycle from high-level research and feature engineering to deployment and A/B experimentation. Here, you will find the autonomy, the data depth, and the massive scale required to solve the most complex optimization challenges in the adtech ecosystem. The data infrastructure behind this runs at real scale: 2TB ingested in real time every day, 100+ Airflow jobs and data pipelines, and ML models handling p99 latency of 100ms across 100,000+ predictions per second. Your Mission & Who We Are Looking For - Quantitative Academic Foundation: You are currently pursuing a Bachelor’s or Master’s in Data Science, Computer Science, Mathematics, Statistics, or a related quantitative field. You are available to contribute up to 20 hours per week during the semester. - ML Model Prototyping: You will support the research and evaluation of deep learning and machine learning models that predict user behavior across our 770 million user base. We are looking for solid Python skills and hands-on familiarity with PyTorch, TensorFlow, scikit-learn, and gradient boosting libraries (LightGBM/CatBoost/XGBoost) to prototype new algorithms. - Large-Scale Data Exploration: Operating on our 1PB+ behavioral data lake, you will extract patterns from terabytes of data to engineer high-fidelity features for our training pipelines. This requires strong SQL fundamentals, an interest in distributed query engines (AWS Athena, Trino, Spark), and fluency with pandas, polars, and NumPy. - Experimentation & Validation: You will collaborate closely with our data scientists to test your fit-for-purpose solutions against our multi-objective optimization problem. We need someone who can rigorously evaluate models through offline experiments and A/B tests before they hit our 100,000+ predictions-per-second production environment. - Plus: ML Infrastructure Exposure: Any prior exposure to the systems that run our real-time scale—AWS, workflow orchestration (Airflow), containerization (Docker), or basic model deployment workflows—will accelerate your impact. What’s in It for You? At adjoe, you’re not here to just close JIRA tickets, you’re helping build the infrastructure behind one of the most impactful platforms in adtech. The systems you work on will reach hundreds of millions of users and power billions of decisions every day. - Go Big. Own projects with impact on 770M users and push adtech boundaries. - Move Fast. Ship solutions multiple times a day, learn from results, and keep momentum. - Be Direct. Solve problems openly and collaborate across teams. - Thrive Together. Grow with a diverse, global team of people from over 40 different countries that learn from each other. - Have Fun. Celebrate wins, enjoy daily victories, and bring your energy. Skip writing cover letters. Tell us about your most passionate personal project, your desired salary, and your earliest possible start date. We are looking forward to your application! We welcome applications from people who will contribute to the diversity of our Company. We welcome applications from people who will contribute to the diversity of our company.

Location: Москва Мы — команда GenBI and Agentization, разрабатывающая AI-ассистента для платформы Navigator BI — ключевой бизнес-аналитической системы банка. Наш проект уже решает задачи, значимые для всей экосистемы Сбера. Наша цель — создать интеллектуального помощника, который помогает пользователям: * находить нужные дашборды и отчёты * получать статистику и динамику показателей естественным языком * генерировать новые визуализации (графики, виджеты, таблицы) на основе сырых данных * отвечать на вопросы, касающихся бизнес-показателей. Обязанности * повышать метрики качества AI-сервиса: дообучать и адаптировать модели, улучшать пайплайны обработки запросов * лидировать выделенное направление в команде: проводить code review, предлагать архитектурные решения * тестировать гипотезы по улучшению пользовательского опыта — от качества поиска до точности генерации визуализаций * интегрировать LLM в существующие процессы, развивать RAG-компоненты и агентную логику * взаимодействовать с командой разработки и бизнес-заказчиками для уточнения требований и постановки задач. Требования * опыт разработки LLM-приложений и/или агентных систем * глубокое понимание современных NLP-архитектур (трансформеры, механизмы внимания) * уверенное владение PyTorch и LangChain Будет плюсом: * опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных * опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов * знание MLOps-практик (CI/CD для ML, мониторинг моделей) * понимание архитектуры агентных систем * умение самостоятельно вести задачи от гипотезы до внедрения * опыт использования GigaChat, Kandinsky и аналогов в продуктах. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный 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.

Location: Москва Мы создаем сервисы кредитования в Сбербанке, позволяющие клиентам быстро и удобно получать кредиты онлайн. Клиент может подать заявку на получение кредита через мобильное приложение или WEB, получить одобрение всего за две минуты и мгновенно перевести средства на свою банковскую карту или счет, без необходимости посещать отделение банка лично. Наш проект постоянно развивается. Мы планируем улучшать клиентский опыт и развивать наши сервисы внедряя механики динамического ценообразования. Работа в нашей команде позволит вам принять участие во всех этапах разработки высоконагруженных распределённых систем, начиная от проектирования и заканчивая внедрением в промышленную эксплуатацию. Вы сможете активно влиять на создание новых продуктов и улучшение существующих бизнес-процессов, применяя современные технологии и подходы. Возможность углублять знания и улучшать навыки в области современного программирования и управления проектами. Комфортные условия труда - современное оборудование и стабильность занятости в одной из крупнейших финансовых организаций страны. Присоединяйтесь к нашей команде и станьте частью инновационного процесса, создающего удобные решения для миллионов пользователей по всей России! Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности * исследование и разработка новых методов и алгоритмов машинного обучения * эксперименты в области глубинного обучения, обучения с подкреплением, байесовских методов, VAE и других прикладных направлений * исследование и применение современных NLP-методов: трансформеры, LLM API, LangChain * анализ данных для проверки исследовательских гипотез * проектирование и проведение экспериментов, оценка результатов * подготовка прототипов для тестирования новых подходов * анализ применимости новых методов к задачам компании * подготовка предложений по архитектуре моделей и выбору методов * подготовка отчётов и презентация результатов исследований. Требования * опыт работы на позиции Data Scientist / исследователя — от 2 лет, в том числе в исследовательских задачах * Python — уверенное владение, включая фреймворки для ML и DL: PyTorch, scikit-learn, pandas, numpy * SQL — составление запросов; опыт работы с PostgreSQL * глубокое знание классических и современных методов ML * понимание глубинного обучения, обучения с подкреплением, байесовских подходов, VAE * опыт проведения исследований: формулирование гипотез, дизайн экспериментов, статистическая оценка * математическое моделирование, статистика, системный анализ * опыт экспериментальной работы с NLP-моделями и трансформерами. Будет плюсом: * опыт работы с Hugging Face Transformers, LangChain, LLM API * опыт контейнеризации и запуска экспериментов в Docker * опыт работы с большими данными (PySpark, Hive, HDFS) * опыт работы в банковской / финансовой сфере * навыки работы с генеративными AI-моделями * опыт создания AI-агентов и использования их в работе * опыт использования GigaChat, Kandinsky и аналогов в продуктах * навыки создания и использования AI-агентов * инструментальное владение AI для анализа, генерации и автоматизации. Условия * гибридный формат работы (4 дня офис) на Кутузовском, 32к1 * ежегодный пересмотр зарплаты, квартальная и годовая премия * 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.

Требования: — Необходим опыт работы с Python, SQL, PyTorch, Scikit-learn и Pandas. — Практические навыки использования FastAPI и Pydantic. — Опыт полного цикла разработки ML-моделей: от постановки задачи и подготовки данных до внедрения в production и поддержки. — Знание техник оценки ML-моделей, включая time-aware validation, backtesting, holdout datasets, calibration и error analysis. — Опыт создания CI-based regression suites для контроля качества моделей. — Навыки работы с model serving, MLOps, experiment tracking, model registries и контейнеризацией. — Опыт мониторинга моделей, выявления data drift и model degradation, а также организации переобучения. — Понимание вопросов data privacy, PII и тестирования на утечку приватных данных. — Опыт uncertainty quantification и работы с prediction intervals. — Дополнительным плюсом будут знания embeddings, retrieval systems, synthetic data generation, differential privacy, geospatial data, LangGraph, Airflow, Step Functions, а также опыт в сфере недвижимости и финансов. Задачи: — Разработка и внедрение ML-моделей для прогнозирования occupancy, headcount, rent и финансовых показателей. — Оценка качества моделей, проведение backtesting и анализ ошибок. — Разработка и поддержка ML-сервисов, API и MLOps-процессов. — Мониторинг production-моделей, контроль drift и degradation, организация переобучения. — Работа с embedding и retrieval-системами, synthetic data pipelines. — Взаимодействие с командами Product, Platform Engineering и Data Platform. Условия: — Только для фрилансеров, аустафф и рекрутинговые компании не рассматриваются. Требуемый уровень английского языка: B2. Опыт работы: от 5 лет на позиции Senior с навыками Python и SQL. География: LATAM.

• Разработка и поддержка веб‑приложений на Python и React. • Проектирование и внедрение AI‑функций: интеграции LLM, RAG‑пайплайны, AI‑ассистенты и поиск по базе знаний.

Задачи: — Решение задач компьютерного зрения. — Разработка и обучение нейросетевых моделей, а также поддержка и улучшение существующих решений. Требования: — Опыт разработки от 3-х лет. — Уверенное знание Python, PyTorch, OpenCV. — Практический опыт в задачах машинного обучения и компьютерного зрения.

Задачи: — Разработка сервисов видеонаблюдения в рамках направления Медиа решения. — Разработка и поддержка библиотеки лицензирования. — Разработка сервисов видеоаналитики. — Работа преимущественно на языках C++ (80%) и C (20%) под Linux. Требования: — Опыт разработки сетевых и многопоточных приложений под Linux. — Опыт разработки на C++ стандарта 17 и новее. — Опыт работы с CMake, PostgreSQL, GIT, сетями. — Знание классических алгоритмов и структур данных. — Отличное знание стандартной библиотеки STD и понимание Unix-like систем. — Будет плюсом опыт работы с API TensorRT, OpenVINO. — Опыт работы с Python и PyTorch, а также с ONNX. — Понимание работы кодеков H.264, H.265/HEVC, VP9, AV1. — Опыт написания библиотек. — Опыт работы с OpenSSL или другими библиотеками для шифрования/дешифрования данных. — Опыт использования GDB для отладки приложений. — Понимание принципов работы аппаратных средств вычислительных систем. Условия: — Трудоустройство согласно ТК РФ. — Официальная заработная плата: оклад плюс система премирования. — Расширенный пакет ДМС. — Участие в профессиональных конференциях с софинансированием. — Скидки от компаний-партнеров (фитнес, развлечения). — Корпоративный английский с софинансированием. — Тренажерные залы, кикер и настольные игры в офисе. — Современное здание с парковкой для авто и велосипедов. — Парк и уличная спортивная зона. — Служебный транспорт от пл. Калинина и 4,5,6 микрорайонов. — Релокационный пакет для иногородних кандидатов.

Location: Москва Мы создаем сервисы кредитования в Сбербанке, позволяющие клиентам быстро и удобно получать кредиты онлайн. Клиент может подать заявку на получение кредита через мобильное приложение или WEB, получить одобрение всего за две минуты и мгновенно перевести средства на свою банковскую карту или счет, без необходимости посещать отделение банка лично. Наш проект постоянно развивается. Мы планируем улучшать клиентский опыт и развивать наши сервисы внедряя механики динамического ценообразования. Работа в нашей команде позволит вам принять участие во всех этапах разработки высоконагруженных распределённых систем, начиная от проектирования и заканчивая внедрением в промышленную эксплуатацию. Вы сможете активно влиять на создание новых продуктов и улучшение существующих бизнес-процессов, применяя современные технологии и подходы. Возможность углублять знания и улучшать навыки в области современного программирования и управления проектами. Комфортные условия труда - современное оборудование и стабильность занятости в одной из крупнейших финансовых организаций страны. Присоединяйтесь к нашей команде и станьте частью инновационного процесса, создающего удобные решения для миллионов пользователей по всей России!  Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности * руководство командой DS (продуктовый и исследовательский треки) плюс собственная инженерная работа — от архитектуры ML/AI-решений до инструментов для fine-tuning LLM * управление командой DS: постановка и декомпозиция задач, приоритизация, контроль качества * менторство, код-ревью, стандарты разработки и исследований; участие в найме * архитектура ML/AI-решений, обоснование выбора методов и моделей * разработка инструментов fine-tuning LLM (LoRA/QLoRA): подготовка датасетов, пайплайны обучения, оценка качества * разработка и валидация ML-моделей, feature engineering, вывод в production * исследовательские гипотезы, дизайн экспериментов, статистическая оценка, прототипы новых подходов * предложения по решению бизнес-задач аналитическими методами, консультирование заказчика, презентация результатов. Требования * одинаково уверенная работа как исследователь/моделист и как инженер, доводящий AI-решения до работающего продукта * алгоритмы и структуры данных на уровне понимания внутреннего устройства, а не вызова библиотек: базовые (сортировки, поиск, деревья, графы, динамическое программирование, оценка сложности), классический ML (линейные модели, градиентный бустинг, SVM, кластеризация), DL (обратное распространение, оптимизаторы SGD/Adam, механизмы внимания, трансформеры), LLM-инженерия (токенизация BPE, LoRA/QLoRA, ANN-поиск) * умение разобрать алгоритм по статье и реализовать в коде * готовность самостоятельно разрабатывать скиллы и тулы для LoRA/QLoRA-адаптации LLM * Data Scientist / ML-инженер — от 4–5 лет * техническое лидерство или менторство — от 1–2 лет * вывод моделей в production и их сопровождение; исследовательская работа * Python (scikit-learn, pandas, numpy, PyTorch), SQL/PostgreSQL * классический ML, валидация моделей, статистика, математическое моделирование * NLP/LLM: трансформеры, Hugging Face Transformers, LLM API, LangChain; промпт-инжиниринг, RAG * практический опыт обучения нейронных сетей: трансформеры + минимум 2–3 типа архитектур (CNN, RNN/LSTM, VAE, RL-агенты) * MLOps: ML-пайплайны, Docker, FastAPI, Git, воспроизводимость экспериментов * готовность проводить код-ревью и давать развивающую обратную связь * способность понятно объяснять технические решения нетехнической аудитории * постановка задач команде, оценка трудоёмкости; готовность развивать управленческие навыки в процессе. Будет плюсом: * XAI, большие данные (PySpark, Hive, HDFS), банковская / финансовая сфера * опыт построения модели, давшей измеримый бизнес-эффект (метрики, выручка, экономия ресурсов) * участие в соревнованиях Kaggle или аналогичных. Условия * гибридный формат работы (4 дня офис) на Кутузовском, 32к1 * ежегодный пересмотр зарплаты, квартальная и годовая премия * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Команда прикладных исследований Sber AI Lab Центра практического ИИ занимается исследованиями на пересечении больших языковых моделей, агентных систем и современных методов машинного обучения. Цель — разрабатывать новые методы, которые обладают научной новизной и могут применяться в реальных AI-системах. Команда публикует результаты на ведущих международных конференциях, развивает open-source проекты и внедряет разработки в продукты Сбера. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в Сберчате, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности ### Вы будете: * возглавлять исследовательские направления: формировать научную повестку, определять перспективные задачи и отвечать за достижение исследовательских результатов * предлагать оригинальные методы и алгоритмы, самостоятельно выстраивать исследовательский процесс от гипотезы до экспериментальной валидации * руководить исследовательскими проектами, координировать работу небольших групп и менторить младших исследователей * разрабатывать и исследовать современные LLM и агентные системы, включая fine-tuning, reinforcement learning и multi-agent workflows * публиковать результаты на ведущих международных конференциях и представлять работы научному сообществу * развивать open-source проекты и участвовать во внедрении исследовательских результатов в реальные AI-системы. Требования ### Мы ожидаем, у вас есть: * практический опыт разработки и исследования LLM-агентов и агентных систем (tool use, planning, memory, multi-agent orchestration, agentic RL, evaluation) * глубокие знания современных методов ML/DL, архитектур LLM, методов обучения и адаптации моделей * умение самостоятельно принимать исследовательские решения, критически оценивать результаты и аргументированно защищать научную позицию * подтверждённый опыт научного лидерства: самостоятельная постановка исследовательских задач, руководство проектами или группами * уверенное владение Python, PyTorch и современным стеком разработки и обучения LLM. Будет плюсом: * публикации на ведущих международных конференциях (NeurIPS, ICML, ICLR, ACL, EMNLP, NAACL, AAAI, IJCAI, KDD, SIGIR или сопоставимого уровня) * PhD в области Machine Learning, Computer Science или смежной дисциплине * опыт post-training LLM (SFT, RL), создания open-source проектов и внедрения исследований в промышленные системы. Условия ### Мы предлагаем: * комфортный современный офис г. Москва, рядом с метро Кутузовская * возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 3х дней в неделю) * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Remote Workplace: Remote We are building AI to simulate the world through merging art and science. We believe that world models are at the frontier of progress in artificial intelligence. Language models alone won’t solve the world’s hardest problems – robotics, disease, scientific discovery. Real progress requires models that experience the world and learn from their mistakes, the same way that humans do. And this kind of trial and error can be massively accelerated when done in simulation, rather than in the real world. World models offer the most clear path to general-purpose simulation, changing how stories are told, how scientific progress is made and how the next frontiers of humanity are reached. Our team consists of creative, open minded, caring and ambitious people who are determined to change the world. We aspire to continuously build impossible things and our ability to do so relies on building an incredible team. If you are driven to do the same, we'd love to hear from you. *Titles posted to our careers page are updated regularly to best advertise the role and expected seniority, but internally we have a flat titling system with two types of titles: one for individual contributors and one for people managers. ABOUT THE ROLE We're looking for an ML infrastructure engineer to own model evaluation at Runway, end to end. Every decision we make about a model – which checkpoint to keep training, what to ship to millions of users, which datamix and architecture shows the most promise – rests on evals. Today that work is spread across the organization. You'll turn it into one platform. Your job will be to design and build the systems that generate samples at scale, score them with automated metrics and human annotations, track results across checkpoints and releases, and put the answers in front of researchers in minutes rather than days. You'll define what "better" means operationally – how we measure it, how confident we are, and how a result becomes a ship/no-ship decision. You'll be embedded within research teams as a member of ML Platform, and you'll set the technical direction for evals across the company. This is an extremely high-leverage role: the quality of our models is bounded by how well we can measure them. A PEEK AT OUR TECHNICAL STACK Our inference and training code is written in Python (PyTorch) and is cloud-native. We leverage multiple clouds and use a combination of Kubernetes native and home-grown tooling for efficient job orchestration. We’re big users of agentic development and operations. We have a robust internal platform and provide broad access to the latest models and harnesses. You’ll have access to best-in-class models, agents, GPUs, storage and cloud services you need to drive a world class evaluation pipeline that helps us deliver frontier models. WHAT YOU'LL DO - Own the evaluation platform end to end: the tooling and systems required to generate, annotate, review and adapt at frontier scale - Define the CLIs, APIs, GUIs and storage layers required to make this process seamless, fast, sophisticated and collaborative - Work directly with research teams on video, image, audio, agents, and robotics to understand what they need to measure and build it, then generalize the result into the platform - Help set the standards for how we evaluate models at Runway: reproducibility, metric definitions, reporting formats, and when a result is trustworthy enough to act on - Support broad adoption of the platform and its integration throughout Runway’s research efforts across training, production model serving and more - Contribute broadly as a member of the ML Platform team to tools and systems that help Runway train and serve frontier models WHAT YOU'LL NEED - 5+ years of experience building ML infrastructure or data platforms in production environments, with at least some of that time spent on evaluation, experimentation, or benchmarking systems - Strong Python and PyTorch, and hands-on experience running large batch GPU workloads on Kubernetes - Experience designing data pipelines and storage for large volumes of media or model outputs, with attention to versioning and reproducibility - Familiarity with experimental statistics: paired comparisons, confidence intervals, multiple-comparison pitfalls, inter-rater agreement - Comfort building internal tools end to end, from the command line to the browser - Ability to lead a broad technical area: gather requirements from many teams, set direction, make tradeoffs, and drive a roadmap without waiting to be told - Familiarity with the full model development lifecycle: data, training, evaluation, serving - Self-starter who can work embedded with research teams and move fast - Strong systems thinking and pragmatic approach to production reliability - Humility and open mindedness; at Runway we love to learn from one another NICE TO HAVE - Track record of building evaluation suites for generative models - Hands-on work with LLM- or VLM-as-judge pipelines - Experience with online experimentation platforms and connecting offline metrics to product outcomes - Prior work evaluating agents or robotics policies Runway strives to recruit and retain exceptional talent from diverse backgrounds while ensuring pay equity for our team. Our salary ranges are based on competitive market rates for our size, stage and industry, and salary is just one part of the overall compensation package we provide. There are many factors that go into salary determinations, including relevant experience, skill level and qualifications assessed during the interview process, and maintaining internal equity with peers on the team. The range shared below is a general expectation for the function as posted, but we are also open to considering candidates who may be more or less experienced than outlined in the job description. In this case, we will communicate any updates in the expected salary range. Lastly, the provided range is the expected salary for candidates in the U.S. Outside of those regions, there may be a change in the range, which again, will be communicated to candidates. WORKING AT RUNWAY Great things come from great teams. https://www.youtube.com/watch?v=kwmj4ato2kw&ab_channel=Runway We’d love to hear from you. We’re committed to creating a space where our employees can bring their full selves to work and have equal opportunity to succeed. So regardless of race, gender identity or expression, sexual orientation, religion, origin, ability, age, veteran status, if joining this mission speaks to you, we encourage you to apply. More about Runway - Universal World Simulator https://runwayml.com/world-simulator.html - GWM-1 https://runwayml.com/research/introducing-runway-gwm-1 - Gen-4.5 https://runwayml.com/research/introducing-runway-gen-4.5 - General World Models https://runwayml.com/research/introducing-general-world-models - Robotics SDK https://runwayml.com/research/introducing-runway-gwm-1#robotics-section - Conversational Real-time Agents https://runwayml.com/research/introducing-runway-gwm-1#avatars-section - Runway Studios https://runwayml.com/studios We're excited to be recognized as a best place to work: Crain's https://www.crainsnewyork.com/awards/best-places-work-2023 | InHerSight https://www.inhersight.com/companies/best/city/new-york-city-ny | BuiltIn NYC https://builtin.com/awards/new-york-city/2024/best-places-to-work | INC https://www.inc.com/best-workplaces/2024

Design, develop, and maintain software applications for robotic and autonomous systems. Develop robotics algorithms using C++, Python, and ROS/ROS2.

Location: Москва Приглашаем студентов на стажировку по направлению машинного обучения. Вам предстоит работать с данными, участвовать в разработке и улучшении ML-моделей, проводить эксперименты и применять знания для решения практических задач. Обязанности Подготовка, обработка и анализ данных. Обучение и тестирование моделей машинного обучения. Оценка качества моделей и поиск способов их улучшения. Проверка гипотез и проведение экспериментов. Анализ и описание полученных результатов. Требования Курс обучения: 3-6 курс бакалавриата и специалитета или 1-2 курс магистратуры. Знание Python, опыт работы с NumPy, Pandas и Scikit-learn. Понимание основных алгоритмов машинного обучения и метрик качества моделей. Базовые знания математической статистики, теории вероятностей и линейной алгебры. Базовое знание SQL и Git. Готовность разбираться в новых задачах и работать в команде. Будет преимуществом: опыт учебных или личных ML-проектов, знание основ Deep Learning и опыт работы с PyTorch или TensorFlow. Условия Оплачиваемая стажировка. Длительность стажировки: 3-6 месяцев. формат работы: офис в г. Москва, рядом с м. Кутузовский пр. гибкий график и возможность совмещать с учебой: от 20 до 40 часов в неделю возможность заниматься спортом в одном из спортзалов банка бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.