AI инженер — свежие вакансии

ОТКЛИК ТОЛЬКО С СОПРОВОДИТЕЛЬНЫМ ПИСЬМОМ

Приложите резюме на английском и ссылки: запущенные продукты, репозитории или описание проекта (на английском), который вы вывели с нуля. Если вы строили что-то с использованием агентных инструментов — начните с этого.

О роли

Мы ищем full stack разработчика, который строит продукты с помощью ИИ, а не просто рядом с ним. Вы будете работать в паре с продакт-менеджером и выводить продукты с нуля до запуска. Общение с заказчиками (устно и письменно) будет на английском языке.

Предпочтение отдаётся кандидатам с опытом .NET и Angular, но главное — умение писать код преимущественно с использованием ИИ-инструментов: Claude Code, GitHub Copilot, Cursor, Windsurf.

Чем вы будете заниматься

• Разрабатывать новые продукты полного цикла — от идеи до продакшена.
• Использовать агентные инструменты разработки как основной рабочий процесс: управлять агентами, а не писать функции вручную.
• Проектировать системы ИИ-агентов с использованием фреймворков Claude Agent SDK, OpenAI Agents SDK или LangGraph: вызов инструментов, многошаговое рассуждение, память, ограничения.
• Отвечать за весь стек: API, базы данных, фронтенд, инфраструктура, CI/CD, мониторинг.
• Принимать решения при нечётких требованиях и согласовывать их с PM.
• Выкатывать в прод и отвечать за доступность, стоимость и производительность.

Обязательные требования

• 3–8 лет опыта поставки production-приложений.
• Практический опыт использования агентных инструментов разработки и хотя бы одного агентного фреймворка — на собеседовании попросим разобрать то, что вы построили.
• Умение внимательно читать требования в вакансии и писать сопроводительные письма без помощи ИИ.
• Облачные платформы (Azure, AWS или GCP), контейнеры, CI/CD.
• Уверенный английский язык (C 1); комфортная работа в асинхронном режиме.

Будет плюсом

• Опыт с .NET (C#, ASP.NET Core, EF) и Angular.
• Собственный запущенный продукт: пет-проект, стартап или open source.
• Опыт оркестрации мульти-агентных систем.
• Экосистема Azure (Functions, App Service, AI Services).
• Управление стоимостью LLM в продакшне.
• Вклад в агентные фреймворки или инструменты ИИ-разработки.

Почему стоит к нам присоединиться

• Удалённая работа — из любой точки мира, в ваш обычный рабочий график, кроме командных синков.
• Международная команда — вы будете работать с инженерами, PM и операционными специалистами из разных стран, есть возможность круто прокачать свой английский.
• Дружелюбные и отзывчивые коллеги.
• Никакой бюрократии.
• ИИ как стандарт, а не исключение — лучшие агентные инструменты в повседневной работе, а не в качестве эксперимента.

Ждём вас на интервью!

Yandex Cloud — экосистема облачных сервисов для построения и масштабирования инфраструктуры любого уровня: от стартапов до крупных корпоративных систем.

Наша команда разрабатывает AI-агентов для Yandex Cloud. Они помогают пользователям работать с облаком: находить ответы на вопросы, подбирать архитектурные решения и выполнять прикладные сценарии через интеграции с API.

Мы создаём инженерную платформу для agentic-продуктов: с orchestration-логикой, tool calling, авторизацией, observability, guardrails и автоматической оценкой качества. Разрабатываем AI-агентов для пользователей и сотрудников Yandex Cloud, инструменты для работы агентов с Yandex Cloud API, а также инфраструктуру для тестирования и оценки качества агентских сценариев.

Развитие AI-агентов

Вы будете проектировать и развивать сценарии работы агентов: от понимания и проверки запроса пользователя до выбора инструментов, выполнения действий и формирования корректного ответа.

Интеграции с Yandex Cloud

Вам предстоит развивать слой MCP-инструментов и Skills для взаимодействия агентов с облачными сервисами и внутренними системами.

Улучшение качества и безопасности ответов

Нужно будет улучшать guardrails, правила grounding, проверку источников, обработку неоднозначных запросов и сценарии, где агент должен действовать осторожно.

Тестирование агентских сценариев

Вы будете развивать evaluation для AI-агентов: работать с multi-turn-сценариями, LLM-as-a-judge, проверять соответствие эталонным траекториям, создавать автоматические отчёты и анализировать регрессии. Задача — сделать поведение агентов более предсказуемым и измеримым.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

* Проектировали надёжный API
* Работали с Kubernetes
* Уверенно владеете Python
* Понимаете async-разработку и знакомы с бэкенд-сервисами
* Умеете разбираться в сложной предметной области и превращать её в понятную бизнес-логику

* Писали на Go
* Работали с LangGraph или другими LLM/agentic-фреймворками
* Работали с evals, guardrails или quality assessment для LLM-систем
* Настраивали наблюдаемость систем с помощью OpenTelemetry
* Знакомы со Skills, Model Context Protocol и tool calling
* Понимаете устройство облачной инфраструктуры

Усиливаем команду, ищем AI Native экспертов в команду, которая трансформирует клиентский сервис в физической сети компании.

Наша цель - уйти от жестких скриптов и построить гибкую экосистему мультиагентных решений для фронт-линии и офисов.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры.

ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

• архитектура решений: Проектирование и внедрение отказоустойчивых мультиагентных систем для реальных сценариев обслуживания клиентов
• инфраструктура и локализация: Развертывание, оптимизация и адаптация AI-решений на внутреннем контуре Банка (On-Premise / Private Cloud) с учетом требований ИБ и регуляторики
• быстрое прототипирование: Оперативная проверка продуктовых гипотез, создание PoC с использованием современных фреймворков и инструментов.

Стек и ожидания:

• AI-First стек: отличный кругозор в LLM/LMM, опыт работы с агентскими фреймворками и инструментами прототипирования (LangGraph, CrewAI, AutoGen, OpenClaw и аналоги)

• Production-опыт: понимание принципов оркестрации, управления памятью (Memory), Tool Use, маршрутизации (Routing) и самокоррекции агентов

• Инфраструктура: опыт работы с MLOps/AIOps, контейнеризацией (Docker, K8s), векторными БД, а также инструментами мониторинга и оценки качества работы агентов (Evaluation & Observability)

• Проектирование: умение выстраивать надежные Human-in-the-Loop (HITL) паттерны для критичных банковских процессов.

• офис: г Москва, проспект Кутузовский, 32

• офисный формат работы из города Москва

• 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

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

О нас

Freedom Speech — AI-платформа, поддерживающая распознавание речи, естественный синтез, клонирование голоса и потоковую передачу.

Мы уже обрабатываем более 77 000 AI-сообщений в день, развиваем собственные STT/TTS-модели и строим AI-инфраструктуру, которая станет основой AI-экосистемы Freedom.

Ищем Backend-разработчика, который поможет превращать ML-модели в реальные продукты для бизнеса и пользователей.

• Разрабатывать backend-сервисы для AI-продуктов компании;

• Интегрировать собственные ML-модели (STT, TTS, NLP, Voice Cloning) через API;

• Проектировать и развивать REST и WebSocket сервисы, включая real-time аудиостриминг;

• Разрабатывать логику обработки аудио, транскрибаций и AI-запросов;

• Работать с PostgreSQL и RAG-системами;

• Участвовать в проектировании архитектуры AI-продуктов и инфраструктурных решений;

• Развивать агентные AI-системы и сервисы Speech-to-Speech;

• Запускать новые продукты с нуля совместно с ML-инженерами и продуктовой командой.

Обязательно

• Коммерческий опыт backend-разработки от 3 лет;

• Хорошее знание Go или Python;

• Опыт разработки REST API;

• Опыт работы с PostgreSQL в production;

• Понимание архитектуры веб-приложений и распределённых систем;

• Опыт работы с Docker;

• Умение самостоятельно принимать технические решения и доводить задачи до результата.

Будет плюсом

• Go (если основной стек Python);

• FastAPI;

• WebSocket и real-time коммуникации;

• Интеграция AI/ML-сервисов через API;

• LangChain, LlamaIndex;

• RAG-системы;

• Работа с аудио (ffmpeg, PyDub);

• Очереди задач;

• AWS или GCP;

• Опыт работы в стартапах или быстрорастущих продуктовых командах;

• Опыт работы с платежными сервисами;

• Использование AI-инструментов в разработке (Cursor, Claude, ChatGPT и др.).

Мы ждем разработчика, который:

• любит создавать новые продукты, а не только поддерживать существующие;

• способен самостоятельно разобраться в новой технологии и внедрить её;

• умеет работать в условиях высокой скорости изменений;

• думает о продукте и бизнес-результате, а не только о коде;

• комфортно взаимодействует с ML-инженерами и исследователями.

Скорее всего, нам не подойдёт кандидат, который предпочитает работу исключительно по готовым ТЗ, длительные согласования и строго распределённые зоны ответственности.

• Участие в одном из самых амбициозных AI-проектов Казахстана;

• Возможность работать над собственными AI-моделями и AI-продуктами, а не интегрировать сторонние сервисы;

• Влияние на архитектурные решения и технический стек;

• Работа рядом с сильной ML-командой;

• Менторская программа и поддержка при онбординге;

• Корпоративное обучение и библиотека;

• FreedomFest, Speaker Day, Boosting Day;

• Современный офис в Алматы;

• Полная занятость, график 5/2;

• Конкурентная заработная плата (обсуждается индивидуально).

Вы будете работать над AI-продуктами, которые масштабируются на сотни тысяч пользователей и десятки бизнесов — от компаний экосистемы Freedom до внешних клиентов.

Здесь вы будете строить инфраструктуру, на которой будут работать реальные AI-продукты национального масштаба.

О роли

Мы ищем специалиста, который будет разрабатывать и развивать сайты и приложения компании, связанные с товарами (каталоги, интернет-магазины, личные кабинеты, B2B/B2C-решения). Основная цель — создавать продукты с синхронизацией с 1С, интеграцией платёжных и логистических систем, а также агентами ИИ. Важно уметь проектировать архитектуру, обеспечивать безопасность, учитывать нагрузки и требования к инфраструктуре.

Обязанности

• Моделирование и проектирование архитектуры сайтов и приложений по товарам (каталоги, корзины, заказы, остатки, цены).
• Разработка веб-сайтов и приложений с использованием современных технологий, включая ИИ (агенты, LLM, рекомендательные системы, автоматизация и т.п.).
• Организация двусторонней синхронизации данных с 1С (товары, остатки, цены, заказы, контрагенты и др.).
• Интеграция платёжных систем (банки, платёжные шлюзы, подписки, рекуррентные платежи).
• Интеграция логистических систем (расчёт доставки, трекинг, API перевозчиков, складские решения).
• Внедрение и настройка ИИ-агентов в продукты компании.
• Анализ и обеспечение безопасности кода: выявление и устранение уязвимостей, следование best practices (OWASP и др.).
• Оценка и оптимизация нагрузок на продукты и инфраструктуру, расчёт потребностей в железе/облачных ресурсах, планирование масштабирования.
• Участие в code review, документировании архитектуры и технических решений.
• Сопровождение продуктов на этапах запуска и роста.

Требования

• Опыт разработки сайтов и приложений, связанных с товарами (e-commerce, каталоги, интернет-магазины, B2B-платформы).
• Практический опыт синхронизации данных с 1С (обмен через HTTP-сервисы, веб-сервисы, файловый обмен, EnterpriseData и т.п.).
• Умение моделировать архитектуру систем и понимать trade-offs (производительность, безопасность, стоимость, масштабируемость).
• Практический опыт работы с ИИ: интеграция LLM/агентов, построение пайплайнов, работа с API моделей.
• Опыт интеграций с платёжными системами и/или логистическими сервисами.
• Понимание архитектуры кода, принципов чистой архитектуры, SOLID, паттернов проектирования.
• Знание типовых уязвимостей веб-приложений и способов их предотвращения.
• Умение оценивать нагрузки (RPS, latency, throughput), проектировать под высокую нагрузку и рассчитывать требования к инфраструктуре (CPU, RAM, storage, сеть).
• Опыт работы с облачными платформами (AWS / GCP / Azure / Yandex Cloud и аналоги) и контейнеризацией (Docker, Kubernetes — желательно).

Будет преимуществом

• Глубокое понимание механизмов обмена данными с 1С (1С:Предприятие 8).
• Опыт построения высоконагруженных e-commerce систем.
• Знание DevOps-практик (CI/CD, мониторинг, логирование).
• Опыт работы с микросервисной архитектурой и event-driven подходами.
• Понимание бизнес-логики торговли, складского учёта и логистики.

Мы предлагаем:

• Трудоустройство в соответствии с законодательством РФ;
• Уровень дохода обсуждаем индивидуально;
• График работы 5/2, 8:00-17:00 или 9:00-18:00 (офис);
• Офис находится в 10 минутах пешком от м. "Речной вокзал"\"Беломорская";
• Перспективы профессионального и карьерного роста до "руководителя IT отдела;
• Работа в дружном коллективе (совместные праздники, корпоративные мероприятия).
• Возможность влиять на архитектуру продуктов компании с нуля.
• Возможность создавать новые продукты и решения.
• Участие в полном цикле: от проектирования до запуска и масштабирования.

Если вы умеете проектировать надёжные, безопасные и масштабируемые системы для работы с товарами, синхронизировать их с 1С и интегрировать платежи, логистику и ИИ — будем рады знакомству.

Мы ищем LLM инженеров в команду AI HUB БЛиК, перед которой стоят две задачи: агентизировать HR-процессы Банка с помощью AI-инструментов и внедрить их в платформу Пульс, сделав решения доступными каждому из сотрудников.

Мы используем Python, LangGraph, Kubernetes, а также собственные и внешние модели. При этом, свободно сочетаем готовые инструменты с решениями, которые пишем сами. Нам важны системы, которые приносят организации измеримый результат.

Вы будете ключевым специалистом в кросс-функциональной команде и будете работать бок о бок с backend, DS, Data и другими LLM-инженерами.

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!

• разрабатывать и сопровождать бэкенд AI-агентов: оркестрация графов на LangGraph — состояния, ветвления, циклы, human-in-the-loop, политики retry и fallback

• проектировать и версионировать инструменты (tools) для агентов, интегрировать их с внутренними системами банка через REST/gRPC/MCP/A2A

• работать со сложными промптами, настраивать источники данных под RAG для эффективного поиска и оценивать ответы моделей на точность, релевантность и качество

• упаковывать сервисы в Docker и выводить их в промышленный Kubernetes

• проектировать и проводить эксперименты и A/B-тесты над промптами, пайплайнами и конфигурациями моделей

• развивать систему eval — формировать наборы задач и сценариев, определять метрики accuracy/relevance/robustness, автоматизировать прогон экспериментов и анализ результатов; принимать продуктовые решения на основе метрик

• заниматься тонкой настройкой и оптимизацией конфигураций моделей и агентов: сравнивать модели, версии и параметры inference, подбирать баланс качества, latency и стоимости, обеспечивать устойчивость и предсказуемость работы оркестраций в production

• выстраивать мониторинг: трассировку цепочек вызовов, метрики латентности, токенов и стоимости, алертинг

• вместе с командой решать сложные задачи внедрения AI, ревьюить код и держать высокую планку качества решений.

• практический опыт работы с LLM: промпт-инжиниринг, сборка пайплайнов, интеграция моделей

• LangGraph — опыт разработки агентных графов, вывода их в прод и отладки нетривиального поведения

• Docker — сборка и оптимизация образов, multi-stage, работа с реестрами

• Kubernetes — реальный опыт эксплуатации сервисов в кластере, а не только знакомство по документации

• Python — глубокое понимание asyncio / multithreading / multiprocessing, понимание алгоритмов и структур данных для решения нетривиальных задач, продвинутые знания SQL: сложные JOIN, CTE, оконные функции, оптимизация запросов (EXPLAIN), работа с подзапросами

• понимание метрик качества и практический опыт A/B-тестирования ML-решений

• умение приоритизировать гипотезы, обоснованно выбирать модели, методы и алгоритмы и проектировать эффективные инженерные решения

• опыт поставки качественного ПО и владение циклом разработки целиком — от технического дизайна до мониторинга после выката

• понимание ландшафта LLM-провайдеров: как коммерческих, так и open-source моделей, разворачиваемых в собственном контуре

• знакомство с open-source инструментами для построения и оценки RAG: LangChain, LlamaIndex, Ragas, MLflow и подобными

• умение объяснять сложные технические вещи широкой аудитории стейкхолдеров.

Будет плюсом:

• опыт вывода в прод бизнес-критичных ML/AI-приложений

• опыт адаптации, дообучения и разворачивания open-source моделей в on-premise или закрытом контуре

• MCP (Model Context Protocol), разработка MCP-серверов и проксирования инструментов

• мультиагентные архитектуры: маршрутизация, разделение ролей, общая память между агентами

• практический опыт работы с Redis (кэширование, брокер) и ClickHouse (или другими колоночными СУБД), опыт работы с очередями сообщений: Kafka и/или Celery

• личное портфолио pet-проектов по ML или вклад в open-source

• опыт работы в банке, финтехе или другом регулируемом домене

• опыт построения React-агентов на современных open-source решениях

• опыт использования Openclaw, Hermes, Ouroboros

• навыки работы с генеративными AI-моделями, опыт создания AI-агентов и использование их в работе будет преимуществом

• опыт использования GigaChat, Kandinsky и аналогов в продуктах

• инструментальное владение Ai для анализа, генерации и автоматизации.

• гибридный формат работы(2 дня в офисе, 3 дня дома), адрес офиса Кутузовский проспект 32

• ежегодный пересмотр зарплаты, квартальная и годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• программа адаптации и помощь руководителя на старте

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

• Разработка AI-агентов
• Корпоративные стандарты работы

• Знание современных интерфейсов
• Знание EXCEL
• Работа с БД
• Понимание принципов работы с серверами
• Высокая обучаемость

• Можно дистанционно
• Есть обучение в собственной Академии
• Собеседование, обучение, тестирование на мастер-классе
• Большие перспективы

Обязанности:
-Разработка и внедрение моделей машинного обучения и глубокого обучения (ML/DL) для бизнес-задач.
-Оптимизация и поддержка существующих алгоритмов.
-Работа с большими данными: очистка, подготовка, анализ.
-Интеграция моделей в продакшн (API, микросервисы).
-Исследование новых подходов в области AI (LLM, генеративные модели).
Требования:
-Опыт работы от 2 лет в области ML/AI.
-Знание Python и библиотек: TensorFlow, PyTorch, scikit-learn.
-Опыт работы с SQL и NoSQL базами данных.
-Понимание архитектуры нейронных сетей, NLP, CV.
-Английский язык — уровень B2 и выше.
Будет плюсом:
-Опыт работы с облачными платформами (AWS, GCP, Azure).
-Знание MLOps и CI/CD.
-Участие в AI-хакатонах или open-source проектах.

В Департамент корпоративной архитектуры Сбера ищем AI Architect/Enterprise Architect в команду архитекторов B2B. Основные задачи:

• Проектирование Автономных ИИ систем
• Создание Бизнес-помощника
• Трансформация текущего клиентского опыта на всех поверхностях Корпоративного и Инвестиционного Бизнеса
• Управление трансформацией большого высокотехнологичного ландшафта систем. Управление в партнерстве с бизнес-заказчиком портфелем GenAI инициатив Блока. Разработка и внедрение концепций.

Обязанности

• проектирование прикладных ИИ систем

• создание и внедрение концепций и подходов в области GenAI

• взаимодействие с бизнес-заказчиками, архитекторами всех направлений

• агрегация требований; продвижение идей

• управление трансформацией большого высокотехнологичного ландшафта систем

• управление в партнерстве с бизнес-заказчиком портфелем GenAI инициатив Блока

• построение арх. процесса проектирования и governance для GenAI инициатив.

• глубокое понимание современных технологий и тенденций GenAI, LLM

• знание актуального стека ИИ систем, включая open-source

• умение мыслить четко, структурно, от абстракций до конкретики

• умение выходить за рамки; работать в нечеткой постановке

• самостоятельно ставить задачи и планировать шаги к реализации

• работа с кодом и способность самостоятельно проверять гипотезы будем плюсом.

• комфортный современный офис рядом с м. Кутузовский проспект

• график – гибрид

• ежегодный пересмотр зарплаты, 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

• бесплатная подписка СберПрайм+, скидки на продукты компанийпартнеров.

<iframe width="560" height="315" src="https://runtime.strm.yandex.ru/player/video/vplvxk3zmhflhz5j2y2a?autoplay=1&mute=1" allow="autoplay; fullscreen; accelerometer; gyroscope; picture-in-picture; encrypted-media" frameborder="0" scrolling="no"></iframe>

Мы развиваем Нейро — систему моделей для построения ответов LLM с использованием поиска как источника информации и обогащений ответа. Мы внедрили такую систему в Поиск Яндекса и сейчас стоим перед новым вызовом: научиться решать сложные сценарии с использованием Поиска, которые возникают в чате с Алисой.

Представьте запрос «составь план путешествия, чтобы увидеть косаток летом». Чтобы построить хороший ответ на него, нужны многостадийный поиск, использование картинок и данных от отелей, хорошая структура и высокая достоверность. И таких запросов — сотни тысяч из разных аспектов.

Наша команда отвечает за Align-модели Нейро: обучает SFT, исследует самые новые алгоритмы RL, максимизирует реворды, внедряет длинные контексты и MoE. Также важна часть с оптимизациями моделей: Нейро используют десятки миллионов человек, и чтобы держать такую нагрузку, нужно постоянно искать и внедрять новые методы оптимизации. Сейчас перед нами стоят новые вызовы, и мы ищем в команду сильного DL-разработчика, знающего LLM и умеющего писать код.

Исследование подходов RL

Так как Нейро должен не только писать тексты, но и использовать картинки, видео, подходящую структуру, мы используем десятки реворд-моделей для оптимизации разных аспектов. Сейчас наши основные методы — DPO и CE-RL, но они несовершенны, и мы хотим обучаться эффективнее. Нужно будет читать статьи, реализовывать новые методы, а также совершенствовать текущие.

Оптимизации моделей

Раскатка Нейро на миллионы пользователей — это очень дорого, а когда речь начинает идти о многостадийных поисках, то числа становятся совсем заоблачными. Нужно исследовать, реализовывать и иногда дебажить квантования, дистилляции, спекдеки. А потом внедрять их без потерь качества.

Поиск новых направлений

Когда делаешь новый продукт, возникает множество челленджей, и важно среди них находить точки роста, которые потом конвертируются в задачи. Например, нам не хватает более длинного контекста, не хватает умения «видеть» картинки. Когда такая точка роста находится, нужно превратить её в задачу, договориться со смежниками про совместные действия и довести эту задачу до конца в вопросах не только разработки, но и менеджмента. Такие задачи отлично помогают расти в сторону лида или техлида, и возникают они регулярно.

Подробнее про Alice AI

Больше об ML в Яндексе — в канале Yandex for ML

* Понимаете, как устроены LLM, как они обучаются и какие у них степени свободы
* Знаете классические DL и ML
* Пишете код на Python
* Читаете статьи, готовы к сложным вызовам и амбициозным задачам

* Работали с RL
* Реализовывали методы оптимизации или продакшн-инференса моделей

Что вы будете делать:

• Первые две недели — принимать существующую платформу на Python, ботов, интеграции с Битрикс24, транскрибацию, мониторинг.
• Постепенно брать по одному рабочему процессу компании и делать так, чтобы его выполнял агент: сначала под вашим подтверждением каждого прогона, потом самостоятельно.
• Находить и чинить баги в текущих процессах — часто чужих и недокументированных.

Что мы предлагаем:

• На период адаптации офис 4–5 дней в неделю, после гибрид — 3 дня в офисе, 2 дня удалённо. Гибкое начало рабочего дня.
• Оформление по ГПХ.
• Оклад в рынке, бонусы по результатам работы, регулярный пересмотр зарплаты.
• Минимум бюрократии, быстрые решения, возможность выбирать стек.
• Работаете напрямую с основателем без прослойки из менеджеров и без согласований в три круга.

Что нам важно:

• 4-5 лет в разработке, желательно с опытом фриланса или аутсорса — нам важен человек, который привык считать свои ресурсы и искать короткий путь, а не самый правильный.
• Умеете войти в чужой код без автора рядом.
• Работаете с ИИ-инструментами каждый день и проверяете то, что они выдают — не потому что не доверяете, а потому что знаете, где они врут.
• Доводите начатое до конца, когда над вами никто не стоит.

В сопроводительном письме ответьте на 2 вопроса:

1. Какую свою рабочую задачу вы за последний месяц отдали ИИ так, что она делается теперь без вас? Что именно осталось на вас?
2. Расскажите про самый убыточный ваш проект. Что вы после него изменили в том, как берёте работу?

Важно: part-time или проектная занятость

Мы в Сёрф уже 15 лет создаём продукты, которыми ежедневно пользуются миллионы: мобильные приложения, веб-сервисы, AR- и ERP-системы, собственные AI-продукты. Среди клиентов — Росбанк, Т-Банк, Mars, KFC, Бургер Кинг, Магнит и более 200 компаний.

Сейчас мы ищем Python-разработчиков нового поколения — тех, кто активно работает с AI-агентами и использует их как полноценный инструмент разработки.

Если ты умеешь не просто писать код, а выстраивать процесс так, чтобы AI брал на себя значительную часть рутины и ускорял результат, будем рады видеть тебя в команде.

Что нужно делать:

• Разработка и поддержка приложений на Python
• Проектирование и реализация REST/GraphQL API
• Работа с базами данных (проектирование схем, написание запросов, оптимизация)
• Интеграция внешних сервисов и API
• Написание чистого, поддерживаемого и документированного кода
• Написание unit- и integration-тестов
• Отладка, поиск и устранение ошибок
• Оптимизация производительности приложений
• Участие в проектировании архитектуры решений
• Взаимодействие с командой (backend, frontend, QA, аналитики, менеджеры)

Важно: объём задач и глубину вовлечения согласовываем индивидуально под проект.

Что ждём от тебя:

• Опыт разработки продуктов на Python от 3-х лет

• Python и SQL на уровне уверенной диагностики: читать чужой код, находить доменную ошибку, разбираться в боевой базе, читать план запроса.

• Опыт работы с одним или несколькими фреймворками: Django / FastAPI / Flask
• Понимание принципов проектирования API (REST, желательно GraphQL)
• Опыт работы с реляционными БД (PostgreSQL / MySQL) и умение писать эффективные SQL-запросы
• Опыт работы с ORM (SQLAlchemy / Django ORM)
• Понимание асинхронного программирования (asyncio, async/await)
• Опыт написания unit- и integration-тестов
• Умение работать с Git и понимать процессы code review
• Понимание основ архитектуры приложений (слои, разделение ответственности, масштабирование)
• Опыт интеграции внешних сервисов и API
• Умение самостоятельно разбираться в задачах и доводить их до результата

• Осознанная работа с кодинг-агентами: формулируешь задачу так, что результат проверяем, и знаешь, что за агентом нужно перепроверять в денежной логике.

Будет плюсом:

• Финтех или фудтех с реальными мастер-системами: банковские API, кассы, 1С, складские системы

• Прошлое системного аналитика или интегратора

• React / TypeScript для кастомных экранов админки

Почему с нами интересно:

• Большие проекты — твои решения увидят миллионы пользователей
• Возможность влиять на конечный продукт и процессы разработки
• Открытая коммуникация, уважение к экспертизе, минимум бюрократии
• Гибкий формат (part-time / проектная занятость)
• Честные и прозрачные условия сотрудничества
• Возможность развиваться и пробовать новые подходы с AI

Готов подключаться к интересным задачам и работать в современном AI-ориентированном формате?

1. Отправь отклик
2. Заполни небольшую анкету

<iframe width="560" height="315" src="https://runtime.strm.yandex.ru/player/video/vplvxk3zmhflhz5j2y2a?autoplay=1&mute=1" allow="autoplay; fullscreen; accelerometer; gyroscope; picture-in-picture; encrypted-media" frameborder="0" scrolling="no"></iframe>

Нейро — это большой технологический проект, который объединяет LLM, LLM-агентов, ассистентов и поиск по веб-документам. С его помощью мы хотим построить поиск будущего — более умный, более глубокий, более полезный и более активный. Одно из важнейших свойств такой системы — достоверность ответов, которая подразумевает фактологическую точность и подтверждённость на основе данных из надёжных источников. Мы разрабатываем подходы, которые позволяют обеспечивать эти свойства в наших генеративных моделях, и ищем LLM-разработчика, который усилит это направление.

Создание и улучшение реворд-моделей

Для обучения генеративных моделей с помощью RL критически важно иметь хорошие реворды, которые умеют автоматически оценивать соответствие ответов требуемым свойствам. Мы обучаем дискриминативные и генеративные реворд-модели, используем все доступные современные методы для улучшения их качества: SFT, RL, ризонинг. Эта работа напрямую влияет на улучшение качества ответов для пользователей.

Обучение LLM-асессора

Мы стремимся сделать процесс оценки качества ответов более эффективным и точным. Вы будете работать над созданием LLM-агентов, которые будут помогать человеку с фактчекингом и разметкой данных, благодаря чему эти процессы станут быстрее, дешевле и даже качественнее.

Сжатие и удешевление LLM-асессора и реворд-моделей

Для обучения сильных LLM нужно большое количество данных, а значит, нам нужно запускать много процессов разметки и обучения. Вам предстоит экспериментировать с архитектурами и методами уменьшения моделей и ускорения инференса, чтобы все наши пайплайны сходились быстрее.

Подробнее про [Alice AI](https://ya.ru/ai/aliceai#section-llm)

* Знаете Python
* Хорошо разбираетесь в классических DL и NLP
* Решали NLP-задачи с использованием трансформеров
* Понимаете, как устроены современные LLM, решали с их помощью прикладные задачи или имеете релевантный исследовательский опыт

Наш департамент отвечает за развитие корпоративных продаж в сегменте крупного, крупнейшего и среднего бизнеса. Мы создаем собственную AI-first CRM-систему и реализуем проекты по созданию AI-агентов и мультиязычных приложений для наших корпоративных клиентов.

Используем современный стек: A2A, MCP, LangGraph, LangChain, Kubernetes, Hadoop, Elastic и многое другое.

Обязанности

Чем предстоит заниматься:

• разработка и внедрение AI-агентов в production

• интеграция с внешними системами и сервисами через Kafka, REST API, gRPC, WS и другие протоколы

• подготовка релизов моделей и агентов, включая документацию, демонстрационные материалы и защиту решений перед банковскими регуляторами

• сотрудничество с бизнес-заказчиками, архитекторами и продуктовыми командами.

Требования

Мы ждём что ты:

• имеешь опыт работы в качестве ML-инженера, DS, MLOPS или Python Backend-разработчика в сфере машинного обучения

• имел успешный опыт создания промышленных рекомендательных систем

• обладаешь опытом промышленной разработки на Python, знанием принципов ООП и паттернов проектирования, опыта работы с микросервисной архитектурой

• работал с большими объемами данных и распределёнными хранилищами данных, такими как Hadoop

• работал с инструментами для создания AI-агентов, такими как LangChain или LangGraph, обладаешь базовым пониманием ML/DL

Будет плюсом:

• опыт работы с распределёнными очередями задач и сообщений, потоковой обработкой данных (celery, taskiq, rabbitmq, Kafka)

• опыт разработки высоконагруженных, геораспределённых систем, использование OpenShift/Kubernetes

• навыки в инженерии данных.

Условия

Что мы предлагаем:

• современный комфортный офис возле метро Кутузовская

• гибридный формат работы

• регулярный пересмотр заработной платы и возможность получения годовой премии

• доступ к более чем 400 образовательным программам СберУниверситета

• программу адаптации и поддержку наставника на первых этапах работы

• расширенную медицинскую страховку (ДМС) и выгодные условия страхования для членов семьи

• ипотечные программы для сотрудников

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждения за рекомендации кандидатов.

*Взаимодействие с бизнесом*

* Погружаться в бизнес-контекст, взаимодействовать с ключевыми стейкхолдерами и пользователями
* Генерировать образ результата совместно с Владельцами продуктов для нахождения оптимального способа его достижения
* Переводить нечёткие бизнес-запросы в архитектурные решения и реализуемые планы

*Инженерная работа*

* Проектировать и разрабатывать клиент-серверные приложения на Python (FastAPI, Django)&#x20;
* Строить автоматизации бизнес-процессов: интеграции между системами, ETL-пайплайны, боты, внутренние инструменты
* Планировать архитектуру решений совместно с внутренними экспертами, принимать обоснованные технические решения
* Писать автоматизированные тесты (Playwright, Pytest), обеспечивать качество и надёжность решений
* Выстраивать CI/CD-пайплайны, настраивать агентские системы для code review и автоматизированного контроля качества
* Деплоить и поддерживать свои решения в продакшене

*AI-augmented разработка*

* Использовать AI-кодинг ассистенты (Claude Code, Cursor, Codex) как основные инструменты ежедневной работы
* Работать с MCP-серверами, CLI-агентами и другими инструментами AI-augmented workflow
* Оценивать и внедрять новые инструменты автоматизации разработки и тестирования
* Формировать инженерные практики работы с AI для всей команды

*Инженерный фундамент*

* 5+ года опыта разработки на Python, знание современных фреймворков и технологий
* Опыт проектирования и разработки REST API и клиент-серверных приложений
* Работа с реляционными БД (PostgreSQL), брокерами сообщений и очередями (Redis, RabbitMQ, Kafka)
* Понимание принципов проектирования: когда монолит, когда сервисы, когда скрипт
* Опыт работы с Docker, понимание CI/CD
* Привычка писать юнит-тесты, автоматизация процесса тестирования через агентов

*AI-инструментарий*

* Практический опыт работы с AI-кодинг ассистентами: Claude Code, Cursor, Codex — не просто «пробовал», а ежедневно используете в работе
* Понимание, как эффективно формулировать задачи для AI-агентов, валидировать результат, итерировать
* Опыт или готовность работать с MCP-серверами (Playwright MCP, DB MCP)
* Понимание, что такое промпт-инжиниринг в контексте разработки, а не генерации текстов LLM-кой (Если гоняли GitHub Spec-Kit, GSD, Ralph Loop или Superpowers - будет плюсом)
* Опыт автоматизированного тестирования с Playwright или аналогами
* Экспериментировать с MCP-серверами, CLI-инструментами, skills.md и другими подходами к AI-augmented разработке

*Архитектурное мышление*

* Способность принимать технические решения, учитывая бизнес-контекст, сроки и ограничения
* Опыт проектирования решений, которые пойдут в продакшен, а не останутся прототипами
* Способность трансформировать legacy-архитектуру в сторону более современных решений, используя AI инструменты

* гибридный формат работы в Москве (приезжать в офис нужно по потребности, это может быть раз в неделю или раз в месяц, на встречи с руководителем и командой)
* официальное оформление с белой ЗП, оклад fix + полугодовой бонус (по результатам работы)
* возможность профессионального и карьерного роста (обратная связь регулярная, индивидуальные планы развития, 2 раза в год оценка персонала)
* яркую корпоративную жизнь с большим количеством мероприятий, конкурсов и возможностей для творческой реализации: X5 Tech Bar, регулярные внутренние митапы, демо-дни, открытые микрофоны, обмен опытом через внутренние комьюнити, день IT-специалиста, программы корпоративного волонтерства, корпоративное предпринимательство X5 Idea Challenge
* широкий пакет ДМС (включая выезд за рубеж и стоматологию), страхование жизни и здоровья, забота о благополучии сотрудников
* программа привилегий Prime-zone (скидки на товары и услуги и специальные предложения от компаний-партнёров)
* материальную помощь сотрудникам, попавшим в сложную жизненную ситуацию

Задачи:

• Разработка и поддержка сервисов (в т.ч. взаимодействующих с API различных LLM).
• Проектирование, подбор параметров и создание эффективных промптов для решения конкретных бизнес-задач.
• Оптимизация работы с моделями для снижения времени ответов и стоимости запросов.
• Автоматизация тестирования API.

Требования:

• Высшее техническое образование.
• Опыт работы full stack-разработчиком от 5 лет (.NET).
• Понимание принципов и практический опыт применения техник проектирования промптов.
• Уверенное владение JavaScript на уровне senior, опыт работы с веб-компонентами, Vue или подобными системами.
• Понимание принципов ООП.
• Опыт использования систем контроля версий (Git).
• Английский язык на уровне чтения технической документации.

Приветствуется

• Опыт работы с фреймворками для LLM-разработки: LangChain, LlamaIndex, Haystack или их аналогами.
• Опыт работы с API LLM от 1 года (Qwen, DeepSeek, OpenAI, Yandex, Mistral, Google Gemini и т.д.).
• Навыки анализа, предобработки и подготовки данных для обучения и тонкой настройки (fine-tuning) моделей.
• Опыт развертывания собственных LLM.

Условия и бенефиты:

• Трудоустройство в соответствии с Трудовым кодексом РФ.
• Заработная плата обсуждается по результатам собеседования и зависит от профессионального уровня кандидата.
• Премии — по результатам работы.
• Медицинское страхование (ДМС).
• Возможность профессионального развития и карьерного роста.
• Доброжелательная, демократичная и творческая атмосфера в коллективе.
• Офис в шаговой доступности от ст.м. Профсоюзная.
• Рабочий день с 10 до 18 часов, включая обеденный перерыв 30 мин. Начало рабочего дня можно изменить по согласованию с руководителем.
• Удаленный формат работы.

Наша команда строит Единую агентскую платформу.

Enterprise harness – это окружение: среда и набор инструментов, который обеспечивает безопасную и контролируемую работу агента, использование инструментов и навыков, контролирует права, память, контекст, лимиты, аудит и безопасность.

В рамках агентской платформы вам предстоит разрабатывать и внедрять инструменты для окружения агентов. Мы адаптируем лучшие мировые практики, а также сотрудничаем с RnD-командами для пилотирования новых разработок на агентах Банка.

Примеры направлений, которыми мы занимаемся:

• SkillOpt: автоматическая эволюция навыков агентов на основе трейсов и оценки LLM-as-a-Judge;
• Memory-as-a-Service: централизованный сервис памяти для агентов;
• AutoJudge: инструмент для подбора судей и метрик для оценки качества работы агентов.

Обязанности

• Развитие GenAI сервисов: Создание и улучшение RAG-систем (в т.ч. Agentic RAG), инструментов Agent Observability, сервисов обработки документов
• обучение моделей: тренировка и дообучение мультимодальных моделей на русском языке (OCR, Embeddings, Rerankers, VLM)
• MLOps и Data Management: Организация и автоматизация процесса разметки данных (от сбора до контроля качества краудсорсинга)
• развитие автономных пайплайнов улучшения качества моделей с использованием LLM-as-a-Judge
• Engineering: релиз новых моделей и сервисов в продуктовые среды.

Требования

• Глубокое понимание LLM: опыт работы с большими языковыми моделями, Prompt Engineering, Fine-tuning LLM/VLM
• Опыт в разработке AI-агентов и LLM-приложений (RAG, чат-боты)
• инженерная культура: уверенное владение Python 3, знание ООП, принципов SOLID. Хорошее знание алгоритмов и структур данных.
• LLM Stack: опыт работы с LangChain, LlamaIndex или другими фреймворками для разработки агентов и мультиагентных систем (MAS)
• Vibe Coding: умение автоматизировать собственные рутинные процессы с помощью AI-инструментов
• Mindset: желание постоянно изучать новые SOTA-подходы, модели и технологии.

Будет плюсом

• Активный профиль на GitHub с качественным кодом
• достижения (медали) на Kaggle
• участие в Open-Source проектах, связанных с LLM/NLP.

Условия

• комфортный современный офис - м. Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты, годовой бонус
• 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
• корпоративная пенсионная программа.

Мы — аккредитованная IT-компания.

Что мы делаем? Разрабатываем микропроцессорные устройства для железнодорожной автоматики и телемеханики Общепромышленного применения Цифровых платформ.

Мы сотрудничаем с ведущими российскими производителями электроники (МЦСТ, Миландр, НИИЭТ, Элвис), чтобы создавать продукты, которые не уступают, а превосходят зарубежные аналоги.

Наши преимущества: Собственная R&D-база — от идеи до готового продукта. Современные инструменты (CAD, IDE, CI) для разработки электроники и ПО, команда экспертов — конструкторы, программисты, электронщики, тестировщики, специалисты по безопасности. Фокус на импортозамещение — наши решения минимизируют зависимость от иностранных технологий.

Мы разрабатываем корпоративные LLM-системы в изолированной инфраструктуре: AI-агенты, RAG-сервисы, локальные платформы для inference и экспертные системы. Основное внимание уделяется open-weight и self-hosted моделям (Mistral, Llama, Qwen и др.), с акцентом на локальный deployment, безопасность, воспроизводимость и надежность. Это сложные системы, в которых LLM является лишь одним из компонентов, включая инструменты, память, оркестрацию и мониторинг.

• 1. Разработка AI-агентов – Проектирование и реализация LLM-агентов для корпоративных задач (ассистенты, чат-боты). – Создание многошаговых сценариев с использованием tool/function calling и self-correction. – Разработка логики принятия решений для оптимизации работы агентов. – Внедрение современных протоколов взаимодействия моделей и инструментов. – Оптимизация prompt-цепочек и механизмов управления задачами.
• 2. Интеграция с источниками данных – Подключение агентов к корпоративным источникам (SQL/NoSQL, API). – Разработка RAG-систем (retrieval, reranking, hybrid search). – Управление доступом к знаниям с учетом прав пользователей. – Интеграция векторных хранилищ и поисковых движков.
• 3. Память агентов – Проектирование кратковременной и долговременной памяти. – Разработка механизмов запоминания и обновления информации. – Учет приватности данных.
• 4. Развёртывание и оптимизация inference – Развёртывание локальных LLM-сервисов и настройка GPU-инфраструктуры. – Оптимизация производительности моделей. – Работа с различными форматами квантования моделей.
• 5. Безопасность и отказоустойчивость – Создание безопасных LLM-сервисов с изоляцией окружения. – Минимизация рисков безопасности и реализация аудита доступа. – Проектирование отказоустойчивых систем.
• 6. Мониторинг и аудит – Внедрение observability для LLM-агентов (логирование, метрики). – Контроль за использованием токенов, задержками и качеством ответов. – Создание audit trail для действий агентов.
• 7. Оценка качества – Создание eval-пайплайнов для оценки RAG и агентных систем. – Измерение точности, скорости и качества ответов. – Участие в A/B-тестах и непрерывном улучшении качества.
• 8. Data pipeline – Разработка процессов обработки данных от источников до конечных результатов.

• • LLM-системы: разработка self-hosted/open-weight моделей.
• • Docker и Kubernetes: уверенное использование.
• • Понимание трансформеров: токенизация, контекстное окно, inference, quantization
• . • RAG: опыт с embeddings, vector search, hybrid search.
• • Векторные базы: работа с FAISS, Qdrant, Milvus и аналогами.
• • Агентные паттерны: tool usage, function calling, memory, prompt chaining.
• • Фреймворки для LLM/агентов: опыт с LangGraph, Haystack и другими.
• • GPU-инфраструктура: мониторинг и профилирование ресурсов.
• • Корпоративные ассистенты: опыт разработки чат-ботов и LLM-сервисов.
• • Безопасность: понимание RBAC, PII и prompt injection.
• • Воспроизводимые пайплайны: от данных до inference.
• • Системное мышление: проектирование отказоустойчивых сервисов.
• • Английский от B1: уверенное чтение документации.
• Плюсом будет
• • Опыт работы с MCP и проектированием tool/context servers.
• • A2A взаимодействие между агентами.
• • Fine-tuning моделей (LoRA, QLoRA и др.).
• • Опыт работы с LLaMA-Factory, Axolotl и аналогами.
• • Квантование моделей (GPTQ, FP8/INT8).
• • Прод-инференс на vLLM, TensorRT-LLM и др.
• • Advanced inference методы (speculative decoding, KV cache offload).
• • Работа с knowledge graphs и semantic caching.
• • Мультиагентные системы и orchestration (Temporal, Airflow).
• • MLOps инструменты (MLflow, Kubeflow).
• • Проектирование мультимодальных LLM-агентов.
• .• Sandbox execution и browser tools.

• Мы строго соблюдаем гарантии установленные Трудовым законодательством РФ;
• Мы заботимся о комфортных условиях для работы наших сотрудников - у нас современный офис (не open-space!!), рабочее место оборудовано всем необходимым для эффективной работы;
• Мы заботимся о здоровье наших сотрудников - предоставляем расширенное ДМС (со стоматологией и обслуживанием в лучших клиниках города);
• Мы заинтересованы в развитии пришедших к нам специалистов - наша команда профессионалов готова делиться своим опытом;
• У нас уютная обеденная зона с бесплатными чаем, кофе. Она же для нас место, где можно собраться после работы - поиграть в настольные игры ;
• Мы предоставляем мобильную связь для сотрудников компании;

• Корпоративный английский язык;

• Доплата до оклада за время больничного;

• Достойный уровень заработной платы, премия по итогам года;

• Работа в аккредитованной IT Компании с возможностью карьерного и функционального роста;

• У нас стабильный и прозрачный доход

• Мы находимся в пешей доступности от м."Свиблово",станции"Лосиноостровская", МЦК "Ростокино".

Контур — экосистема для бизнеса. Наши сервисы помогают каждой третьей компании России делать рабочие процессы проще и эффективнее: вести бухгалтерию, сдавать отчетность в госорганы, обмениваться документами без бумаги, общаться друг с другом на удаленке и многое другое. С нами жизнь 3,1 миллионов предпринимателей и их сотрудников становится легче.

О команде

Ищем data scientist в команду ИИ в разработке, которая создает и внедряет ИИ‑решения для ускорения и улучшения качества разработки. На позиции предстоит улучшать качество ИИ-агентов.

Задачи

• Разрабатывать мультиагентные системы ревью кода на базе OpenCode.
• Выстраивать систему оценки качества агентов.
• Анализировать ошибки из продакшена и фидбек пользователей для улучшения агентов.
• Интегрировать агентов в CI/CD и обеспечивать их наблюдаемость в продакшене.

Мы ожидаем

• Опыт работы в промышленной ML-разработке от трех лет.
• Владение Python.
• Уверенное владение PyTorch, Hugging Face transformers, понимание архитектуры трансформеров.
• Знание теории вероятностей, математической статистики, алгоритмов и структур данных.
• Опыт разработки агентов с использованием LangGraph, LangChain, CrewAI или AutoGen. Понимание паттернов проектирования агентов: structured output, память, планирование, циклы агента.
• Практический опыт интеграции агентов с внешними инструментами через function или tool calling и Model Context Protocol.
• Опыт построения систем оценки ИИ-агентов.
• LLM-as-a-judge: опыт использования LLM для автоматической оценки качества ответов другого агента.

Будут плюсами

• Опыт работы с OpenCode CLI и экосистемой плагинов.
• Понимание и применение метрик для агентов: tool accuracy, task success rate, pass@k.
• Практический опыт с векторными базами данных.
• Трассировка и мониторинг: опыт использования систем observability для агентов, например, Langfuse.
• Опыт интеграции агентов в пайплайны CI/CD, работа с Docker, Kubernetes.
• Дообучение LLM: опыт тонкой настройки моделей с применением REFET, включая LoRA и QLoRA.

Мы предлагаем

• Уровень дохода, который зависит от ваших технических знаний и навыков. Регулярно пересматриваем зарплаты с учетом профессионального роста. Финансовые бонусы тоже есть.
• Заботу о вашем комфорте. Можете работать удаленно, гибридно или в офисе, в любом случае предоставим технику и все необходимое. Если вам по душе работать из офиса — обеспечим удобным местом, зонами отдыха, кухней с полезными перекусами.
• Сильное инженерное комьюнити. Регулярно проводим внутренние технические конференции, обмениваемся опытом между командами. Вы всегда найдете, с кем посоветоваться.
• Возможность сменить продукт, команду или предметную область внутри компании. Поддерживаем развитие в любом направлении.
• Общение на «ты» и максимум горизонтальных связей в коллективе, чтобы быстрее договариваться и решать рабочие задачи.
• Возможность делиться экспертизой. Помогаем выступать на конференциях, участвовать в подкастах или видео, писать статьи.
• Поддержку профессионального развития. Организуем внутреннее и внешнее обучение.

Наша команда занимается внедрением AI в процессы Банка в кооперации с коллегами из Казначейства. В процессе работы мы реализуем весь жизненный цикл агента - от сбора требований до внедрения решения в бизнес-процессы.

Мы ищем сильного Middle Python-разработчика/AI-Engineer для создания и развития AI-агентов и интеллектуальных сервисов на базе LLM.

• интеграция решений с API, базами данных и внутренними сервисами

• разработка backend-логики и сервисов под агентские решения

• взаимодействие с заказчиками и смежными командами

• разработка и вывод в продакшн AI-агентов на базе LLM с использованием LangChain, LangGraphФормирование и проверка гипотез

• поддержка и развитие существующих решений, контроль качества данных и результатов работы агентские решений.

• релевантный опыт работы от 2 лет (в ML/AI/back-end направлении)

• высшее образование по одному из направлений: «Математика», «Физика», «ПМИ», «ПИ», «Мат. методы в экономике».

• уверенный Python и опыт написания промышленного кода

• знание ООП, структур данных и архитектурных подходов

• опыт разработки backend-сервисов и использования API

• опыт работы с фреймворками FastAPI / Flask / аналогами

• опыт разработки AI-агентов или LLM-приложений, знание LangChain, LangGraph или аналогичных инструментов

• опыт работы с RAG: пайплайны, векторные базы данных (FAISS/Chroma/Qdrant)

• опыт с open-source LLM (GigaChat, Llama, Mistral, Qwen и др.)

• понимание полного цикла AI-проекта: от гипотезы до продакшна и мониторинга.

Будет плюсом:

• опыт работы с высоконагруженными сервисами, умение оценивать риски и ограничения различных подходов к выполнению задач

• навыки работы с git, Jira, Confluence

• имеешь понимание основных алгоритмов классического ML (Лин/Лог регрессия, деревья решений, ансамбли), знаешь базу по DL (основные архитектуры для различных задач, тонкости обучения).

• комфортный современный офис рядом с м. Кутузовская

• гибридный формат работы

• ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования)

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)

• 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.