Разработчик ИИ
Разработка и внедрение ML/DL моделей в производственную среду. Требуется опыт от 3 лет, уверенное владение Python, библиотеками Data Science (Pandas, NumPy, Scikit-learn), фреймворками TensorFlow/PyTorch, знание NLP. Предлагают стабильный график, комфортный офис, обучение и возможности карьерного роста.
Отклик отправляется на сайте источника. Регистрация в Taylor для перехода не нужна.
Зарплата ниже рынка
На 84% ниже медианы Data/ML по 82 вакансиям за 90 дней.
Что предстоит делать
- Проектирование, разработка, тестирование и внедрение ML/DL моделей в производственную среду.
- Исследование и анализ больших массивов данных (Big Data) для выявления тенденций и возможностей для ИИ решений.
- Сотрудничество с продакт-менеджерами и инженерами для полной интеграции ИИ решений в существующие продукты.
- Отслеживание производительности моделей и выполнение необходимой оптимизации и переобучения.
- Поддержание актуальности знаний о последних достижениях в области ИИ и ML.
Что ждём от вас
- Мы ищем мотивированного и опытного разработчика ИИ для присоединения к нашей команде, который будет работать над созданием и внедрением инновационных решений в области искусственного интеллекта и машинного обучения.
- Опыт: Минимум 3+ года профессионального опыта в разработке и внедрении ML/AI моделей.
- Программирование: Отличное владение Python и опыт работы с основными библиотеками для Data Science и ML (например, **Pandas, NumPy, Scikit-learn**).
- Машинное Обучение (ML): Глубокие знания и практический опыт работы с различными алгоритмами для:
- Обучения с учителем (Классификация, Регрессия).
- Обучения без учителя (Кластеризация, Снижение размерности).
- Обучения с подкреплением (Reinforcement Learning) – *преимущество*.
- Глубокое Обучение (Deep Learning - DL): Опыт работы как минимум с одним из основных фреймворков: TensorFlow или PyTorch.
- Практический опыт в построении и оптимизации Нейронных сетей (CNN, RNN, Transformers).
- Обработка Естественного Языка (NLP): Опыт работы с NLP библиотеками (например, **NLTK, SpaCy, Hugging Face Transformers**) и крупными языковыми моделями (LLMs) – *сильное преимущество*.
- Инфраструктура: Опыт работы с облачными платформами (например, **AWS, Azure, GCP**) и инструментами для MLOps (например, Docker, Kubernetes, MLflow) – *сильное преимущество*.
- Базы Данных: Навыки работы с SQL и NoSQL базами данных.
Что предлагаем
Стек и инструменты
Подходит ли вам эта вакансия?
Зарегистрируйтесь и загрузите резюме — посчитаем % совпадения с этой вакансией, подсветим сильные стороны и что стоит подтянуть
Похожие вакансии
6 вакансий
Архитектор LLM
~2 464 956 ₸ оценка
LITSLINK ищет архитектора LLM для построения production-системы анализа документов и извлечения структурированных данных: нужно спроектировать пайплайн от начала до конца и лично участвовать в реализации ключевых компонентов. Ждут опыт вывода 3+ LLM-систем в продакшен, глубокие знания NLP, RAG, гибридного поиска, эмбеддингов, реранкинга, дедупликации и оценки качества (Precision/Recall, golden sets, CI quality gates), сильный Python. Предлагают удалённую работу, первые 2+ месяца полная занятость с переходом на part-time, прямую коммуникацию с командой и клиентом и долгосрочное сотрудничество.
AI Engineer
~2 464 956 ₸ оценка по стеку
HOLYWATER TECH шукає AI Engineer, який будуватиме агентські пайплайни для ШІ-генерації серіалів: від сценарію до генерації відео та монтажу без ручних етапів, з виводом прототипів у продакшн. Основний стек — TypeScript, Nest.js, Next.js, PostgreSQL, Redis, Docker, плюс досвід з Agentic AI (multi-agent, tool calling, MCP, RAG) та генеративним відео (FFmpeg, video APIs). Потрібно 3-4+ роки досвіду в розробці; працювати можна віддалено, з офісу в Києві чи Львові або за кордоном, з навчанням, страховкою та 20 днями відпустки.
Инженер данных (Data Engineer)
~2 464 956 ₸ оценка
Stape — глобальная продуктовая IT-компания, лидер рынка server-side tracking с нагрузкой 5+ млрд запросов в день, ищет опытного Data Engineer в команду аналитики. Нужно проектировать и строить дата-платформу: batch- и streaming-пайплайны, ETL/ELT, интеграции с CRM, модели данных для аналитики; стек — SQL, Python, GCP (BigQuery, Pub/Sub, Dataflow), Airflow, dbt/Dataform, требуется 4+ года опыта и английский Upper-Intermediate. Предлагают полную удалёнку с гибким графиком, бюджет на обучение и здоровье, 30 дней PTO и работу над высоконагруженным продуктом международного уровня.
Инженер голосовых AI-систем (Realtime AI, консультант)
~2 464 956 ₸ оценка
Нужен опытный инженер по голосовым AI-системам, который проведёт аудит работающего realtime-моста Twilio ↔ AI: медиапотоки, контракты с платформой в AWS, обработка вызовов, сессионная логика LLM, алертинг и готовность к продакшену. Ключевые требования — уверенный TypeScript/JavaScript, практика с AWS, Docker, LLM-сессиями в режиме реального времени (WebSockets, gRPC, WebRTC) и инструментами распознавания/синтеза речи. Формат — частичная занятость: отчёт с находками и роадмап, а затем консультационная поддержка внедрения.
Старший Data Engineer (GCP)
~2 464 956 ₸ оценка по стеку
Grid Dynamics ищет старшего Data Engineer с опытом GCP для разработки и поддержки ELT-пайплайнов и миграции данных на Amperity. Нужны сильные Python, SQL, опыт с Google Cloud, Airflow/Kubeflow, Docker и Kubernetes. Предстоит работать над моделью рекомендаций для крупнейшей сети универмагов США в команде из 15 инженеров.
Старший Data Scientist (AdTech, programmatic supply)
~2 464 956 ₸ оценка
Ищем старшего data scientist'а с бэкграундом в programmatic AdTech (supply side), который не только строит модели, но и доводит их до продакшена на живом трафике: curation-модель скорит bid requests в реальном времени с бюджетом менее 5 мс, а look-alike и контекстные модели работают в батче. Нужен продакшен-Python, gradient-boosted trees, работа с задержанными лейблами и неполными данными, MLOps со shadow/canary-выкатками и строгая изоляция данных рекламодателей — плюс 6+ лет опыта и уверенный английский C1+. Проект в Google Cloud с передачей моделей и ранбуков инженерной команде клиента; предлагают роль в сильной delivery-команде и работу над outcome-driven кампаниями для финансового сектора.