ФКН: Вакансии

tldr: Junior NLP, CV в сеть автодилеров Fresh Auto, 150-250 руб./мес на руки Ищу Junior ML Engineer к себе в команду! Мы новая AI-лаборатория, созданная совместно с Fresh Auto (одной из крупнейших сетей автодилеров). Наша глобальная цель — создать мощное единое AI-ядро, которое полностью оцифрует и автоматизирует операционные процессы автодилеров. Сейчас мы собираем команду для внедрения ИИ во все этапы воронки контактов с клиентом: от первого касания в чате до очной продажи в автосалоне. Мы делаем международный проект: начинаем с внедрения в дилеров в РФ с перспективой выхода на СНГ, MENA и Азию. Что мы делаем: • AI-агенты для классифайдов и звонков. Боты, которые общаются с клиентами, назначают встречи, ищут машины под выкуп и автоматически ведут CRM • AI Native CRM дилера. Оцифровка оффлайн-продаж. Клиент приходит в салон, менеджер общается с ним через специальный смарт-бейдж. Система в реальном времени транскрибирует диалог, сумаризирует его в CRM и прямо во время встречи диктует менеджеру подсказки в микронаушник. Твои предстоящие задачи: • участвовать в разработке архитектуры ML-решений для задач заказчиков (CV, NLP, LLM) • помогать в экспериментах с LLM: реализовывать базовые техники промптинга, оценка результатов • переключение между разными проектами, готовность работать в формате proof-of-concept Что мы ожидаем от кандидата: • Вайбкодинг головного мозга • Владение Python • Опыт работы с фреймворками для создания AI-агентов • Понимание работы STT-моделей и опыт работы с обработкой аудио/текста Будет плюсом: • Опыт работы с потоковым аудио, понимание работы IoT/железа, а также базовые знания CV Что мы предлагаем: • Зарплата: до 250 000 рублей на руки • Это стартап внутри крупного бизнеса. Прямая работа с фаундерами • Мы открываем юр лицо в Алматы. Будем внедрять наше решение в дилеров СНГ, ОАЭ, в Азии • Работа преимущественно в офисе. Нужно будет фигачить. Наша цель - забрать мировой рынок авторитейла Резюме присылать: @alyonkinn

В последние годы ко мне всё больше приходят разные трейдинги со своими вакансиями. В чате, где мы голосуем за публикацию вакансии сюда, к ним сформировалось особенное отношение — консенсус там стал такой, что работать в трейдинге можно либо за большие деньги…

tldr: product manager, b2b-кредитование Т-Банк + банк Точка, 300-450к руб/мес + бонусы Ищем продакт менеджеров в команду B2B-кредитования Т-Банка для кредитования клиентов банка Точка Уровень кандидата: Middle/Senior (300к - 450к руб + бонусы) Формат: Гибрид/Офис (Москва) Мы одна из самых прибыльных команд всего Т-банка и одно из самых важных направлений для всего банка Точка. Работаем на совместном проекте Т-Банка и банка Точка — клиенты Точки могут пользоваться кредитными продуктами прямо в своём интерфейсе, а мы выдаём эти кредиты со своего баланса. Команда с сильной экспертизой в одном из самых востребованных направлений финтеха, где каждая инициатива напрямую влияет на кредитный портфель и его доходность. На какие позиции ищем: №1 Продакт менеджер ВКЛ • С нуля сформировать концепцию нового продукта, запустить его и развивать • Продукт имеет потенциал стать самым большим по объему прибыли в кредитовании Точки №2 Продакт менеджер команды экспериментов • Формировать и управленять бэклогом инициатив по запуску новых продуктов или продуктовых решений внутри готовых продуктов, чтобы увеличивать LTV клиентов Точки • Первый "экспериментальный" продукт уже запускается ресурсом смежных команд, ищем человека, который возглавит Требования: • Опыт управления продуктом или значимой частью • Хорошая аналитическая подготовка Будет плюсом: • опыт в кредитовании или финансовом моделировании; • опыт работы в B2B-продуктах или партнёрских интеграциях. Писать можно в личку в ТГ: @davedeneev

Международные проекты для разработчиков и IT-специалистов EasyStaff Connect — международная биржа фриланса, где заказчики размещают удалённые задачи для разработчиков, аналитиков, тестировщиков и других digital-специалистов. На платформе можно найти дополнительный проект, получить опыт работы с зарубежным заказчиком или расширить портфолио. Как начать: • зарегистрироваться и заполнить профиль • указать стек, опыт и доступную загрузку • добавить GitHub, портфолио или описание реализованных проектов • откликаться на подходящие задачи или получать приглашения от заказчиков Платить за регистрацию, публикацию профиля и отклики не нужно. После того как заказчик примет результат, средства станут доступны в личном кабинете для легального вывода на карту, счет или криптокошелек. Создать профиль на EasyStaff Connect

В последние годы ко мне всё больше приходят разные трейдинги со своими вакансиями. В чате, где мы голосуем за публикацию вакансии сюда, к ним сформировалось особенное отношение — консенсус там стал такой, что работать в трейдинге можно либо за большие деньги, либо в больших известных фондах типа Jane Street, Citadel, Jump Trading и т.д. Моя личная позиция более прагматичная: хоть я сам и люблю работать в стартапах, но в целом могу понять людей, которые выбирают финансы, там бывает много драйва, крутые маленькие команды и вполне себе не токсичная атмосфера. И такие команды совершенно не обязательно много зарабатывают или находятся в больших фондах, некоторые большие фонды наоборот известны своей токсичностью. У меня достаточно знакомых, работающих в трейдингах абсолютно разного калибра и большинство из них по-своему довольны выбором. И вообще, чтобы попасть как в финансы, так и в топовые стартапы, надо с чего-то начинать. И не так важно с чего, намного важнее этот опыт получать, в т.ч. учиться конфликтовать, увольняться из токсичных мест или наоборот строить дружеские отношения в хорошем коллективе, если повезло Короче, я завел отдельный канал для вакансий в трейдинг, и в него не будет отбора голосовалкой, будет только мой субъективный фильтр: @vacancy_trading, если хотите опубликоваться, пишите в лс каналу. В нём точно так же остаются свободные реакции и комментарии. Скам не публикуем, но противоречивые компании там могут появляться, feel free написать что хотите в комментариях, если посчитаю нужным — я подсвечу такую информацию в преамбуле к вакансии. В этом канале вакансий в трейдинг больше не планируется, возможно за редкими исключениями.

tldr: аналитики/MLE, middle/senior/staff в команду эффективности Т-банка, ~400k–800k/мес gross + годовые премии (со звездами условия можем обсудить отдельно), офис/гибрид/удаленка, мск/спб Сейчас команда активно растет, поэтому ищем заряженных DA / DS / MLE от middle и выше в команду эффективности Нефинансовых сервисов Т-Банка. Мы создаём и внедряем алгоритмы, которые улучшают экономику экосистемы, делая её выгоднее для клиентов, прибыльнее для бизнеса и эффективнее для партнёров с помощью кешбэка, ценообразования, рекламы и финтеха. Основные направления: 1. Динамическое Ценообразование и Оптимизация Промо: определять кому, на что и сколько кешбэка / скидок дать, опираясь на цели бизнеса (например чтобы вырастить выручку без просадки маржи). Вам предстоит перейти от простых эвристик к алгоритмам, uplift-моделям и RL, а также выстроить инфраструктуру вокруг этих решений. 2. Рекламные алгоритмы: развивать аукцион и алгоритмы принятия решений внутри него, а также внедрять CPA-модель в партнерских размещениях (рекомендовать ставку и лимиты на кешбэк). 3. Оптимизация маркетингового бюджета: развивать МММ, модели атрибуции и causal-подходы для оценки инкрементальности каналов, понимать реальный вклад маркетинга в рост и перераспределять бюджеты в точки с максимальным ROI. 4. Поиск и создание новых механик роста: генерировать гипотезы на основе продуктовых исследований и A/B-экспериментов, лидировать создание новых фич и механик, доводить лучшие из них до прода. Что предлагаем: — Сплоченная команда 30+ человек из ШАД/ФКН/МФТИ/РЭШ — Задачи с околонулевым легаси на стыке продукта, ML, оптов и разработки — Прямое влияние на ключевые метрики бизнеса — Быстрый путь от гипотезы до продакшена Что ожидаем от кандидата: — Хорошего знания математики и применения в рабочих задачах математической статистики — Хорошего знания ML (для аналитики/DS достаточно понимать базовые принципы) — Базовую инженерную грамотность — Уверенный SQL и Python — Для Lead: опыт руководства командой 2-5 человек от года Будет плюсом: — Опыт uplift-моделирования — Знание базовых RL-алгоритмов — Опыт внедрения ML-моделей в продакшн — Знакомы с дискретной оптимизацией — Понимание unit-экономики и PNL — Опыт работы в командах эффективности / рекламы / рексис Если интересно или есть вопросы – пишите в @piereeduck, расскажу подробнее

tldr: MIND Software, Senior/Lead C++ Engineer (Database Core), 450k+ gross ₽/месяц, Москва (гибрид) или удалёнка по РФ, full-time Мы делаем высоконагруженную СУБД, в которой полнотекстовый поиск, векторный поиск и аналитика живут в одной системе. Аналитический движок и хранение построены на DuckDB, поиск — на IResearch, нашем собственном C++-движке, который core-команда пилит уже не первый год. Ищем сильного C++ инженера в core-команду: работать со слоем хранения, исполнением запросов на DuckDB и поисковым движком. Это не «прикрутить фичу сбоку» — это лезть в самое ядро. Стек: modern C++, Linux, DuckDB, полнотекстовый и векторный поиск, векторизованное исполнение, колоночное хранение, инвертированные индексы, многопоточность и concurrency, performance optimization, low-level profiling. Чем предстоит заниматься — Глубоко разбираться в кодовой базе: storage, query engine, поисковый слой. Reverse engineering архитектуры, поиск узких мест, документирование ключевых компонентов — Развивать слой на DuckDB: планирование и исполнение запросов, хранение, catalog/store, апстрим-бампы и расширения — Развивать свой поисковый движок: инвертированный индекс и columnstore, скоринг (BM25, WAND/MaxScore), векторные индексы (IVF, квантизация), токенизаторы, компрессия постинг-листов — Развивать протоколы и коннекторы: foreign servers, форматы и источники (Parquet, Iceberg, CSV, JSON на S3/HDFS), совместимость с ClickHouse/Elasticsearch — Профилировать CPU/память/диск, оптимизировать критические участки, гонять бенчмарки (ClickBench, ann-benchmarks, FTS) — Писать модульные, интеграционные и нагрузочные тесты, участвовать в SQL-фаззинге и код-ревью Кого мы ищем — Уверенно владеете современным C++ — От 3 лет системного программирования — Сильные алгоритмы, структуры данных, многопоточность и concurrency — Есть опыт с высоконагруженными системами — Умеете разбираться в сложном чужом коде — Понимаете, как работает ОС: память, диск, сеть Будет плюсом — DuckDB, ClickHouse, Elasticsearch/Lucene — Разработка баз данных, поисковых систем или query engines — Полнотекстовый поиск / IR (инвертированный индекс, BM25) — Векторный поиск / ANN (IVF, HNSW, квантизация) — Колоночное хранение, векторизованное исполнение, query planning Условия — 450k+ gross ₽, обсуждаем по итогам собеседования — Москва — гибрид, либо полная удалёнка по РФ — Сильная инженерная команда, у которой есть чему поучиться — Реальное влияние на архитектуру продукта, а не тикеты из бэклога Задачи честно сложные, но и скучно точно не будет. Подавайтесь, даже если совпадаете не на 100% — если базовый C++ и системка на месте, остальное добирается в процессе. Резюме и вопросы — в личку @vladkrytoi, расскажем подробнее.

tl;dr: аналитик-разработчик, Яндекс Лавка, ценообразование, Python + SQL, Москва (гибрид), full-time, 210-400k Вакансия: Аналитик-разработчик в команду ценообразования Яндекс Лавки Мы отвечаем за то, как формируются цены и скидки в Лавке. Для нас понятие эластичности не умерло после курса микроэкономики: мы действительно исследуем ее и натягиваем сложную теорию на реальный мир. Для этого запускаем эксперименты и измеряем эффекты изменения цен, исследуем размены между спросом, прибылью и ростом, а полученные знания используем при разработке новых алгоритмов ценообразования У нас молодое и амбициозное направление с большим влиянием на ключевые метрики, и сейчас мы очень ищем тех, кто тоже готов погрузиться в этот сложный мир) Что предстоит делать: • проектировать, запускать и анализировать эксперименты для оценки ценовой эластичности; • исследовать поведение спроса и оценивать размены между прибылью и ростом; • разрабатывать и проверять новые подходы к ценообразованию и скидкам; • превращать результаты исследований в новые алгоритмы ценообразования Мы ждем, что вы: • критически смотрите на метрики и видите за ними физический смысл  • сильны в Python и SQL; • хорошо владеете математической статистикой; • готовы погрузиться в сложные исследовательские задачи и доводить их до работающих решений Формат работы: full-time; Москва, офис или гибрид; Вакансия: https://yandex.ru/jobs/vacancies/analitikrazrabotchik-v-komandu-tsenoobrazovaniya-lavki-39101 Можно откликаться напрямую по ссылке или писать мне @cutre_sa или @Popovaelizaveta_hr

Открыта регистрация на E-CUP 2026 Students — ежегодное соревнование от Ozon Tech. В этом сезоне — для студентов, которые интересуются ML, Data Science, Big Data и аналитикой данных. Участников ждут три трека: поиск дубликатов товаров, ИИ-модерация карточек маркетплейса и прогнозирование поведения пользователей. Все задачи основаны на реальных обезличенных данных Ozon. Участвовать можно по одиночке или в команде до пяти человек. Соревнование проходит онлайн с финалом на масштабной конференции E-CODE. Призовой фонд 7 200 000 ₽, по результатам некоторые участники получат билеты на конференцию E-CODE, где в числе прочего наградят победителей. Подробнее — на сайте E-CUP 2026 Students. Присоединяйтесь, чтобы выйти за рамки учебных проектов, попробовать свои силы в задачах настоящего бигтеха и сравнить своё решение с лучшими участниками.

tldr: GenCV MLE Senior, Snap, 150-200£/year, Лондон, гибрид 4 дня в офисе Ищу L4 Machine Learning Engineer к себе в команду Consumer GenAI product Engineering в Snap. Наша команда очень плотно работает с продуктом и катит самые новые и самые модные AI фичи напрямую в приложение. Мы работаем с визуальной частью GenAI движа (фото/видео), иногда аудио и VLM/LLM. У нас не очень много внутреннего RnD, но много внутренних эвалов, бенчмарков, работы с опенсорсом. В первую очередь ищем людей уже находящихся в Лондоне (визу спонсируем). Чем предстоит заниматься: - Работать со свежим опенсорсом в GenCV домене — Flux, Qwen, Wan, etc. - Создавать внутренние эвалы, проверять клеймы авторов новых статей на настоящих данных. - Очень близко общаться с продуктом, думать про счастье пользователей, катить новые фичи. - [Возможно] Оптимизировать инференс и работать над дистилляцией, квантизацией - [Возможно] Посттрейнить картиночные/видео модели под наши юзкейсы. Кого мы ищем: - Работаете с генеративными картиночными и видео диффузионными моделями. - Работаете на PyTorch, знаете как работает аттеншн, что такое диффузия и чем она отличается от flow matching. - Знаете как работают text2image, image2image, image2video пайплайны. - Любите быстро прототипировать MVP и тестировать результаты на реальных пользователях Условия: - офис в Лондоне, гибрид, 4 дня в офисе. - L4 в снапе это L4-L5 в гугле, много автономности и овнершипа. - Стандартная L4 вилка рисуется 150-200к фунтов, в нищете не останетесь. - Есть прикольные бенефиты про оплату транспорта (300 фунтов/м) и спорта (180 фунтов/квартал) - Совершенно точно не 996, у нас в целом довольно чиллово (не говорите моему менеджеру что я это сказал) В целом мы ищем бодрых ребят готовых быстро итерироваться, брать опенсорс и делать из него конфетку, катить прикольные фичи на миллионы пользователей и растить стоки обратно вверх. Команда новая и свежая, много шансов взять много овнершипа и сделать импакт. Подавайтесь даже если не подходите на 100%, 80% вполне должно хватить :) На эту позицию я реферю руками, поэтому пожалуйста присылайте мне свое CV на martemev@snapchat.com, с темой письма MLE-R0046209.

tldr: ML Research (junior-senior), Higgsfield AI, 100-350k$/year, офис в Алматы с последующим переездом в США, полная поддержка переезда Higgsfield AI — одна из самых быстрорастущих GenAI-компаний в мире. Сейчас мы строим новую research-лабораторию, полностью сфокусированную на Diffusion Models, Multimodal AI и Reinforcement Learning. Начинаем с бюджетом $100M и дальше масштабируемся до $1B. Сейчас вход в LLM frontier стоит сотни миллиардов долларов, тогда как в диффузионных моделях индустрия только начинается и foundation-лабораторию можно построить с нуля. Ни OpenAI (Sora), ни Google (Veo), ни Meta не смогли обогнать китайские компании. На данный момент frontier открыт, и мы видим возможность создать лучшую research-лабораторию в мире. Мы считаем, что следующий скачок в генерации видео придет благодаря Reinforcement Learning поверх диффузионных трансформеров, так же как RLVR изменил развитие LLM. Мы создаем первую подобную лабораторию в русскоязычном пространстве. Сегодня ведущие research-центры находятся в США и Китае, при этом существует сильное сообщество русскоязычных исследователей, которое пока не объединено вокруг собственной frontier-лаборатории. Чем предстоит заниматься - Исследовать архитектуры Diffusion Models, Multimodal AI и MoE. - Работать с Reinforcement Learning для генеративных моделей. - Проектировать отказоустойчивые training pipelines с максимальной утилизацией GPU на больших кластерах. - Тренировать модели для фильтрации и оценки мультимодальных данных для обучения. - Ускорять инференс и улучшать модели с помощью дистилляции, alignment и квантизации. Кого мы ищем - Работаете в области Diffusion Models, Multimodal AI или Reinforcement Learning. - Уверенно владеете PyTorch, включая torch.distributed. - Работали с распределённым обучением, большими моделями или современным ML-стеком (DeepSpeed, FSDP и др.). - Любите исследования и хотите превращать идеи в работающие модели. Будет большим плюсом - Публикации на NeurIPS, ICML, ICLR. - Обучение или выпуск из ШАД, ФКН ВШЭ (ПМИ) или других сильных технических школ. - Участие в олимпиадах или сильный исследовательский и инженерный бэкграунд. Условия: - офис в Казахстане, Алматы - последующий переезд в США - вилки junior-senior 100-350k USD/year Не обязательно соответствовать каждому пункту. Если у вас сильная математическая база, исследовательское мышление и желание строить новое поколение ML-моделей — будем рады познакомиться. Контакт: @Dtrish

tldr: data science, healthtech startup, Dubai, $100-175k /year + бонусы + equity Elixi (elixi.com) - healthtech стартап на ранней стадии, который использует AI и данные для персонализированных рекомендаций в сфере здоровья и долголетия. Наша цель — сделать осознанное управление здоровьем доступным и понятным, опираясь на современные технологии, медицинские данные и машинное обучение. Проект основан серийным tech-фаундером, который уже прошёл путь от идеи до глобального бизнеса с оценкой $10B+. Сейчас мы находимся в активной фазе построения продукта. Роль: Senior LLM Engineer Занятость: full-time Локация: предпочтительно релокация в Дубай Вилка: $100–175K в год + бонусы + equity Базовые требования: 5+ лет опыта в data science, опыт с LLM APIs (+ orchestration frameworks) и понимание RAG систем Фокус на работе с LLM и AI-моделями: разработка интеллектуальных механизмов анализа данных, участие в создании AI-ассистента и рекомендательных систем, ownership LLM-платформы: модели, orchestration, evals, prompts и RAG. Отправляйте CV: @anneyh

tl;dr: senior/staff SWE, agentic search; relocation to Amsterdam/London/NY or remote Хотите быстро делать крутые фронтирные штуки в стартапе, но немного скучаете по ДМС, сыркам на кофепойнте и ликвидным стокам? Принесли вам лучшее из двух миров: стартап внутри Nebius🧪 Стартап — это Tavily. В те далёкие времена, когда чатгпт ещё не умел ходить в интернет (то есть где-то в 2023), он появился как едва ли не первая опенсорсная реализация дипресёрча. А потом вырос в полноценный слой доступа к информации в интернете для агентов — со своим веб-индексом и ранжированием, заточенным не под людей, а под AI. За два года Tavily успел собрать миллионы пользователей, стать практически дефолтным поисковиком в LangChain, поднять $25M, и недавно — влиться в Nebius ❤️ Про Небиус вы и так знаете. Амстердамский AI cloud, который предоставляет компаниям GPU-инфраструктуру. Инженерное наследие Яндекса, $2B инвестиций от NVIDIA, а среди клиентов — Meta, Microsoft и Cursor. Теперь, чтобы стать топ-1 агентским поиском, у них есть почти всё. Нужны только ещё несколько офигенных senior / staff инженеров: ⚙️ те, кто делает рантайм-часть — принимает запрос, достаёт, ранжирует и отдаёт документы под жёсткими требованиями к latency и throughput; 📁 те, кто отвечает за индексинг — строит сам индекс, считает фичи для ранжирования, занимается форматами хранения; 📍 те, кто знает, как обойти весь интернет, и обрабатывает данные в реалтайме. Поэтому, если вы строили: ⭕очень высоконагруженные, low-latency системы (например, DBMS, query-движки, storage, HFT-инфру); ⭕или рекомендательные системы и рекламными движки; ⭕или веб-кроулеры; ⭕или большие оффлайн дата-пайплайны (поисковики, соцсети, маркетплейсы; Spark, MapReduce и вот это всё); ⭕или датасеты для претрейна LLM, или онлайн-датапайплайны (Apache Beam, Kafka, Flink); ⭕или делали что-то ещё, что вам кажется релевантным — напишите нам! Если сомневаетесь, напишите тоже, и мы разберёмся вместе. На все роли нужны минимум 5 лет опыта (лучше больше) с C++, Rust и/или Golang и готовность много делать руками. Можно переехать в Амстердам, Лондон, NY или Тель-Авив; если вы очень хороши и находитесь в другой части Европы или США — можно иногда обсудить и удалёнку. Пишите Феде @owlkov 😏

tldr: C++ Backend Engineer, от стажёра до Senior, Яндекс Поиск Привет! Меня зовут Тимофей. Мы тут с нуля пилим новый поиск — общую платформу под Веб, Картинки, Видео, Маркет и всё остальное. Ищу C++-инженеров от стажёра до сеньора. Команда молодая и сильная — ШАД, ВШЭ, Физтех. Дальше чуть подробнее, почему это редкая тема. Яндекс Поиск строит поисковую систему нового поколения — общую технологическую платформу для Веб-поиска, Картинок, Видео, Еды, Музыки, Маркета и других сервисов. Сейчас разные поиски внутри компании развиваются во многом независимо. Мы хотим изменить это: создать единую распределённую отказоустойчивую систему, которая позволит запускать поисковые и рекомендательные сценарии поверх общей технологической базы. Концептуально это похоже на Elasticsearch, но на масштабе Яндекса, с большей модульностью, разными форматами индексов и возможностью описывать запросы через простой SQL-like-язык. Проект стартует сейчас: мы проектируем Search-as-a-Service нового поколения и внедряем MVP. Это возможность присоединиться на раннем этапе и повлиять на архитектуру системы, которая определит развитие поиска в Яндексе на годы вперёд. Что предстоит делать: • проектировать новую распределённую поисковую систему; • разрабатывать поисковые индексы, кодеки сжатия и компактные структуры данных; • строить эффективный runtime и процессы индексации; • работать с системами, которые хранят десятки петабайт данных, используют сотни тысяч CPU-ядер и обрабатывают сотни миллионов запросов в секунду; • изучать существующие поисковые проекты и переносить лучшие решения в общую платформу. Что важно: • уверенный C++ и желание писать на нём; • хорошее знание алгоритмов и структур данных; • глубокое понимание многопоточности; • опыт с распределёнными системами; • понимание устройства поисковых систем и поисковых индексов будет преимуществом. Формат: • full-time; • Москва / hybrid / online — обсуждаем. Если интересно или остались вопросы — пишите: @h0tmi

tldr: Senior LLM Engineer в крупный банк. Внутренняя AI Platform, open-source LLM, агенты/RAG. Гибрид, Москва. [вилки нет, но вакансия прошла голосование на высоком доверии к автору, деньги есть] Мы в команде CIB LLM Team отвечаем за AI Platform для корпоративного бизнеса банка: LLM API Gateway, AI Chat, агентные решения, инфраструктуру для моделей и агентов, инструменты для создания AI-продуктов. Ищем LLM-инженера, который усилит нашу команду в направлении внутренних AI-продуктов, агентов, RAG и оптимизации инференса. Что делать: * отвечать за внутреннюю AI Platform и инструменты для AI-приложений; * проектировать агентов для автоматизации бизнес-процессов; * работать с RAG, tool calling и корпоративными знаниями; * оптимизировать качество, стоимость и latency инференса; * участвовать в выборе и эксплуатации open-source LLM; * доводить гипотезы и прототипы до production. Что важно: * уверенный Python; * опыт ML/DL от 2 лет; * понимание современных LLM/NLP/GenAI; * опыт production-систем на базе LLM; * понимание retrieval, routing, tool calling, memory, evaluation; * опыт с Docker/Kubernetes и микросервисной архитектурой. Будет плюсом: * глубокое понимание эвалов для LLM-систем; * опыт в self-hosted инференсе; * опыт промышленной разработки. Мы предлагаем: * возможность работать над AI Platform для крупного корпоративного бизнеса; * работу над продуктами, которыми ежедневно пользуются сотрудники банка; * сильную инженерную команду, автономность и влияние на архитектуру; * возможность работать с современными open-source моделями и GPU-кластером; * ДМС, обучение, конференции, гибрид и офис в центре Москвы. Откликнуться: присылайте резюме Камиле — @kamila_bgsh

tldr: Full-stack ML Engineer, Food2Mood, AI x foodtech, 400k–600k gross Food2Mood — AI-стартап, который строит персонализацию еды для ресторанов и food-retail: от цифрового вкусового профиля гостя до ML-рекомендаций в меню, CRM, loyalty и кассовых системах. Мы ищем сильного Full-stack ML Engineer, который готов стать технологическим лидером и возглавить существующую инженерную команду. Сейчас Food2Mood переходит от пилотов к масштабируемой платформе. Нам нужен человек, который умеет мыслить архитектурно, быстро доводить задачи до production-ready и превращать сложные интеграции в единый архитектурный рабочий продукт. Что предстоит делать: • строить архитектуру ML-рекомендаций и цифрового вкусового профиля; • развивать backend, API и data/ML pipelines; • интегрироваться с POS, CRM, CDP, loyalty и ресторанными системами; • отвечать за качество, стабильность и масштабируемость платформы. Что важно: • сильный engineering background: backend / full-stack / ML; • опыт в RecSys, LLM; • опыт работы с данным и продуктовой аналитикой • умение работать в ранней стадии, где нет готового ТЗ, есть запросы бизнеса; • готовность общаться с tech-партнерами и влиять на стратегию продукта. Особенно интересен опыт в BigTech, foodtech, retailtech, adtech, fintech, CRM/CDP, loyalty, recommendation systems или enterprise SaaS. Почему может быть интересно: Если есть опыт в построении больших RecSys систем внутри корпорации и сейчас хочется больше влияния, скорости и ownership. Условия: • 400k–600k ₽ gross; • full-time; • Москва / hybrid / online — обсуждаем Пишите и присылайте резюме: @jul_lut

tldr: Сбер, стажёр Deep Learning  (RecSys для Anti‑Fraud), 81к руб/мес 👨‍💻 Мы делаем модели против мошенничества, которые работают в real-time под high load, давай с нами! 🎯 Задача: адаптировать SASRec/HSTU/двухбашенные под антифрод. Вход: цепочка транзакций + профиль клиента, предикт на последнюю транзакцию. 🛠 Нужно: • уверенный Python, PyTorch (делал модели с нуля); • знаешь архитектуры: Transformer, YouTubeDNN, SASRec, Bert4Rec, HSTU, ARGUS - хотя бы пару; • умеешь работать с табличными признаками для DL; • понимание стратегий Negative sampling и loss-функций для задач ранжирования/классификации. ➕ Плюсы: курс RecSys с DL, экспериментировал с разными трансформерами, интерес к антифроду и BigData. 💼 Условия: оплачиваемая стажировка 3–6 мес, зп 81 тыс, занятость от 20 ч/нед, офис СберСити. 📩 Отклик: @shalamaeva В сообщении: о себе, опыт в PyTorch/RecSys, GitHub (если есть). Ловим мошенников вместе 🧑‍💻

Tldr: on-device AI lab, от фаундеров Prisma / Reface (100+ mln users), $10 mln raised, fully remote. 2 роли - ML Research Engineer, Inference Engineer Про компанию: Mirai — AI lab, разрабатывающая фундаментальную модель и инфраструктуру инференса для AI на устройствах пользователя (on-device AI), что позволяет запускать LLM локально с ультранизкой задержкой. 📱Сегодня экономика AI плохо масштабируется через облачные вычисления и GPU-инференс. Со временем значительная часть AI-нагрузок переместится с серверов непосредственно на устройства пользователей. 🔝Компания основана фаундерами Prisma labs (одними из пионеров on-device ML) и Reface (100+ млн пользователей), а также привлекла $10 млн в рамках seed-раунда. Fully remote, distributed-команда (от Лондона до Токио), английский — основной рабочий язык. Позиция - ML Research Engineer Основные направления: — quantization — speculative decoding — optimization для LLM inference — NLP / transformer research Что предстоит делать: — исследовать и внедрять новые подходы к оптимизации моделей — читать и адаптировать research papers по NLP / LLM systems — писать production-quality ML systems Нам интересны кандидаты с опытом в: — Deep Learning / NLP / transformers / LLMs — ML research / publications / open-source projects — training, fine-tuning или оптимизации моделей Будет плюсом: — research labs / Kaggle / ICPC / олимпиады — опыт реализации paper → production pipeline Контакт - @ann_rish Позиция - Inference Engineer Обязанности — Разрабатывать и оптимизировать основной inference stack, включая низкоуровневые compute kernels. — Добавлять поддержку новых model architectures, modalities, а также различных hardware/software backends. — Разрабатывать продвинутые возможности инференса, такие как KV cache paging, continuous batching, quantization. — Создавать tooling вокруг inference stack, чтобы систему было проще тестировать, понимать и надежно выводить в продакшен. Требования — Сильный опыт в low-level systems engineering — вы должны понимать, как работают компьютеры на уровне ниже прикладного программирования (application-level programming). — Уверенное владение одним из systems languages: Rust, C, C++ или аналогичными. Будет плюсом — Качественные open-source contributions. — Опыт написания высокопроизводительных GPU kernels или работы с Metal, Vulkan, CUDA и аналогичными технологиями. Контакт - @armantg

tldr: rl hackathon reinforce.fi, prizes 1000-2500$ Команда Reinforce.fi (ex-Overnight.fi) запускает хакатон по построению модели, которая выбирает самое прибыльное действие на каждом шаге на основе рыночных данных. Что внутри: — реальные market-like данные — последовательности по 1000 шагов — скоринг = суммарный PnL — до 3 сабмитов в день Победители получают призы: 1 место — $2,500 2 место — $1,500 3 место — $1,000 Старт хакатона в конце июня (точная дата будет после 23 июня), регистрация уже открыта: https://forms.gle/UB71QuyUvp8mSBRo9 Подробности на странице хакатона Чат хакатона для ответа на вопросы сейчас и в ходе хакатона: https://t.me/+R6lMJ10VXP5hOTI0

tldr: продуктовый аналитик, Яндекс Лавка, поиск и AI-сценарии, 250-400к gross, Москва Ищем аналитика в команду продуктовой аналитики Яндекс Лавки — будем вместе развивать поиск и AI-сценарии в приложении 💙 Чем предстоит заниматься: - Развивать систему метрик качества поиска: находит ли нужные товары, как влияет на конверсию в покупку и сборку корзины - Анализировать поисковые запросы, находить проблемные сегменты (запросы без выдачи, с низкой конверсией, неоднозначные формулировки) и предлагать улучшения - Оценивать качество умного ассистента: как понимает запросы, где ошибается, как улучшить ответы - Проводить A/B-тесты — от формулирования гипотез до рекомендаций по запуску - Работать в связке с продактом, ML-инженерами и разработчиками Ожидаем от кандидата: - Уверенный SQL и Python - Опыт с A/B-тестами - Умение переводить аналитические выводы в продуктовые рекомендации - Интерес к поисковым технологиям и AI Что предлагаем: - ДМС с первого месяца (стоматология, чекапы, онкология, НС), психотерапия, спорт, программы для семьи и другие бенефиты Яндекса - Работу на стыке продукта, данных и технологий с заметным влиянием на то, чтобы каждый пользователь нашёл в Лавке то, что ему нужно Резюме и вопросы сюда: @avorus