Вакансии AI-инженера
Разработка приложений с AI и LLM: ассистенты, агенты и интеграция моделей в продукты. Обучение моделей и Data Science, а также AI-assisted coding выделены в соседние подборки. Обновляется каждый час. Найдено: 87 вакансий за последнюю неделю.
- Вакансий за неделю:
- 87
- Медиана:
- 280 000 ₽
- Вилка:
- 150 000 ₽ — 450 000 ₽
Зарплаты — по 165 вакансиям с указанной вилкой за 30 дней
Поиск вакансий
HireSeeker — агрегатор вакансий. Собираем вакансии со всех основных площадок и показываем по вашей специальности. Подпишитесь на ежедневную подборку только релевантных.
Прототипирование и разработка:
• Быстро создавать прототипы веб-приложений и ИИ-сценариев (ассистенты, агенты, RAG-поиск, обработка документов, голосовые сценарии);
• Проектировать архитектуру ИИ-решений: выбор модели, промпты и инструменты агента, RAG, интеграции через API/MCP, хранение данных, микросервисы, взаимодействие с корпоративными системами и тд.;
• Обеспечивать запуск, мониторинг, версионирование ИИ решений, безопасность, разграничение доступа;
• Взаимодействие с ИБ специалистами;
• Оперировать метриками качества и проводить оценку решений;
• Разрабатывать правила и политики по применению ИИ, проводить обучение и отвечать на вопросы бизнеса, готовить обучающие материалы и набор инструментов для специалистов в бизнесе;
Приемка работ подрядчиков:
- Участвовать в подготовке ТЗ и требований (функциональных, нефункциональных, к ИИ-качеству) для подрядчиков;
- Проводить технический надзор: ревью архитектуры, кода, промптов, результатов оценки, тестов, документации;
- Принимать этапы работ по критериям: соответствие ТЗ, качество ИИ-ответов, производительность, безопасность (совместно с ИБ), передача кода и знаний.
- Опыт аналогичной работы от 1 года.
- Опыт в ML от 3 лет будет преимуществом.
- Опыт программирования от 7 лет.
- Опыт руководства командой будет преимуществом.
- Рабочее место в головном офисе компании в Санкт-Петербурге, в БЦ "Бенуа" на Пискарёвском пр-те. От метро «Площадь Ленина» до БЦ регулярно ходит развозка;
- Постоянный трудовой договор, официальное оформление по ТК РФ;
- Полностью белая заработная плата;
- График работы: 5/2, с 9-30 до 18-00, возможно гибкое начало рабочего дня, возможен гибридный график;
- Компенсационный пакет: ДМС, корпоративная мобильная связь.
- Уровень заработной платы готовы обсудить с успешным кандидатом.
Команда Управления развития платформенных сервисов кибербезопасности в поиске python разработчика.
Обязанности
- разрабатывать production-ready микросервисы на Python: LLM-агентов, LangGraph workflow, tool calling, RAG/поиск, интеграции с внутренними системами, API и инфраструктурные компоненты для запуска, тестирования и наблюдаемости AI-сценариев.
Требования
- уверенный Python: typing, dataclasses/Pydantic, exceptions, context managers, generators, async/await, конкурентное выполнение задач
- практический опыт разработки backend-сервисов на FastAPI или аналогичном ASGI-фреймворке, понимание устройства HTTP/API: REST, streaming/SSE, WebSocket при необходимости, idempotency, versioning, pagination, rate limiting
- умение проектировать сервисы: разделение domain/application/infrastructure слоев, dependency injection, конфигурация, обработка ошибок, опыт написания unit-, integration-и contract-тестов: pytest, mocks/fakes, testcontainers или аналоги, умение диагностировать проблемы в production: логи, трассировки, метрики, profiling, memory leaks, таймауты, ретраи
- опыт проектирования и эксплуатации микросервисов, понимание асинхронных интеграций: очереди, события, consumer groups, retry policy, dead-letter queue, exactly-once vs at-least-once semantics
- SQL и PostgreSQL: проектирование схем, индексы, транзакции, уровни изоляции, миграции
- практический опыт с SQLAlchemy и Alembic либо сопоставимым стеком
- практический опыт создания LLM-приложений на LangChain, LangGraph или сопоставимых фреймворках, опыт реализации LangGraph-графов: state, nodes, edges, conditional routing, checkpoints, interrupts, human-in-the-loop, subgraphs, умение проектировать инструменты для агентов: строгие входные схемы, Pydantic-модели, валидация, обработка ошибок, идемпотентность, ограничение прав, опыт работы с function/tool calling у LLM-провайдеров
- опыт с RAG: ingestion, chunking, embeddings, hybrid search, reranking, metadata filtering, evaluation качества извлечения.
Условия
- комфортный современный офис в Москве
- 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
- бесплатная подписка СберПрайм, скидки на продукты компаний-партнеров.
#вакансия
Founding AI Engineer
• ••••••••
• 650-1000к / месяц + опционы
• Старт удаленно. Рады помочь с переездом EU / UK / USA - индивидуально обсуждается
• Старт: ближайшее время, можно начать парт-тайм
• Режим не 9:00-17:00
• Вакансия: ••••••••
• ••••••••
Обязанности
- Проектировать архитектуры AI-решений
- Проводить сравнительный анализ и выбор технологий
- Выполнять прототипирование предложенных решений
- Готовить архитектурную и аналитическую документацию (HLD, LLD диаграммы, спецификации, ТЗ и аналитические записки)
- Формировать функциональные и нефункциональные требования к системам, предлагать и прорабатывать пользовательские сценарии с погружением в бизнес составляющую задачи
- Декомпозировать архитектурные решения на задачи в команды разработки, ML-специалистов
- Сопровождать решение на всех этапах от идеи до запуска в промышленную эксплуатацию
- Преобразовывать бизнес-требования в архитектурные решения посредством взаимодействия с различными ролями и командами
Требования
- Опыт от 5 лет в области архитектуры, системного анализа или инженерии/разработки
- Опыт работы с GenAI-системами и сопровождения их внедрения в промышленную эксплуатацию в соответствии с требованиями информационной безопасности
- Опыт подготовки архитектурных и аналитических артефактов: описания требований, построения диаграмм, подготовки спецификаций
- Опыт проектирования распределенных систем
- Опыт работы в крупных кросс-функциональных командах на ведущих ролях
- Знания в области жизненного цикла ML/GenAI-решений, CI/CD, автоматизации пайплайнов
- Проектировать архитектуру AI-агентов и мультиагентных систем для автоматизации SDLC — от анализа требований и Jira-задач до генерации кода, тестов и код-ревью.
- Интегрировать LLM (OpenAI, Claude, локальные модели) с GitLab, Jira, CI/CD, базами данных и внутренними сервисами через API, Tool Calling и MCP.
- Выстраивать RAG и контекст кодовой базы (AGENTS.md, CLAUDE.md, Cursor Rules и аналогичные подходы), чтобы агенты понимали кодовую базу и архитектуру проектов.
- Разрабатывать циклы планирования, Evals, Guardrails, модели разрешений и механизмы human-in-the-loop для контроля качества, безопасности и автономности агентов.
- Строить системы, в которых агенты самостоятельно выполняют повторяемые инженерные задачи, а критические изменения проходят валидацию и подтверждение человеком.
- Определять метрики эффективности использования AI в разработке и оптимизировать расходы на LLM/API.
- 3–5+ лет опыта в разработке ПО и/или техническом лидерстве: Senior Engineer, Tech Lead, System Architect, Platform/DevOps Engineer и аналогичные роли.
- Глубокое понимание SDLC и процессов разработки ПО.
- Сильный инженерный бэкграунд хотя бы в одном стеке: .NET, Java, PHP или аналогичном, понимание архитектуры и архитектурных паттернов.
- Практический опыт работы с LLM и AI-агентами.
- Опыт работы с Agentic AI-инструментами: Cursor, Claude Code, Windsurf, GitHub Copilot, Cline/Roo Code или аналогичными. — Уверенное владение Git, Docker, CI/CD и понимание современных процессов разработки и поставки ПО.
- Умение декомпозировать сложные технические и бизнес-задачи и формировать для LLM необходимые инструкции, контекст и сценарии работы.
- Опыт создания AI-решений и агентов, которые выполняют реальные цепочки действий.
- Опыт работы с LangGraph, CrewAI, AutoGen, LangChain.
- Понимание паттернов работы агентов: ReAct, Plan-and-Solve, Planning Loops.
- Опыт работы с векторными базами данных: Qdrant, pgvector, ChromaDB, Milvus, Pinecone.
- Опыт работы с локальными/private LLM и инфраструктурой запуска моделей: vLLM, Ollama, Hugging Face.
- Понимание рисков AI-систем: Prompt Injection, Data Leakage, Excessive Agency, Insecure Tool Execution, работа с чувствительными данными, границами разрешений и аудитом действий.
- Возможность стать одним из ключевых инженеров нового направления Agentic SDLC.
- Возможность проектировать архитектуру практически с нуля и влиять на то, как будет выглядеть разработка ПО в компании.
- Оплату рабочих AI-инструментов: коммерческие подписки на современные LLM и Agentic IDE.
Удалённо · проектное сотрудничество · опыт коммерческой разработки от трёх лет
Neowise создаёт AI-решения для бизнеса. Ищем middle-разработчика, который умеет использовать AI в работе и превращать понятную бизнес-задачу в готовый инструмент для клиента.
Наши задачи — веб-приложения, дашборды, личные кабинеты, AI-агенты и интеграции между сервисами. Нам важно, чтобы вы понимали устройство решения, могли проверить сгенерированный код и самостоятельно разобраться с ошибкой.
Чем предстоит заниматься
- Создавать и дорабатывать веб-приложения: интерфейс, серверную часть, базу данных и интеграции.
- Подключать AI-модели и инструменты агентов к конкретным бизнес-процессам.
- Использовать AI для анализа задачи, разработки, проверки и отладки.
- Работать с Git и GitHub: ветки, pull requests, обсуждение изменений и исправления по результатам ревью.
- Проверять основные сценарии, обрабатывать ошибки и готовить решение к запуску.
- Оценивать объём задачи, показывать промежуточный результат и передавать код с инструкцией запуска.
Что нам важно
- Не менее трёх лет коммерческого опыта программирования.
- Не менее шести месяцев регулярного использования AI в разработке.
- Уверенное владение одним backend-стеком: например, TypeScript / Node.js или Python / FastAPI / Django.
- Практический опыт frontend-разработки и способность связать интерфейс с API.
- Понимание HTTP, REST API, SQL, авторизации и разграничения доступа.
- Рабочие навыки Git, GitHub, тестирования и развёртывания приложений.
- Умение читать и изменять существующий код, находить причину ошибки и проверять исправление.
- Понимание того, какие решения можно доверить AI и что нужно проверить самостоятельно.
Будет плюсом
- Опыт создания AI-агентов, интеграции LLM API, RAG или автоматизаций
- Проекты с CRM, webhook, внешними API и бизнес-дашбордами.
- Базовые навыки Docker и CI/CD.
Формат сотрудничества
- Удалённая работа по отдельным клиентским проектам Neowise.
- Проектная оплата. Условия обсуждаем на собеседовании.
- Объём работ, сроки, критерии приёмки и порядок взаимодействия согласуем до начала проекта.
- Возможность долгосрочного сотрудничества по следующим задачам.
- Инструменты, доступы и инфраструктуру согласуем перед стартом.
Как проходит отбор
Короткий разбор опыта с AI-ассистентом, практическая работа в учебном репозитории и техническая защита решения. Ориентир для практики и защиты вместе — до двух с половиной часов. Затем — финальная встреча с основателем Neowise.
AI можно использовать при выполнении практической работы. На защите понадобится самостоятельно объяснить устройство решения, найти причину ошибки и внести небольшое изменение.
В отклике достаточно резюме и одного-двух примеров проектов с кратким описанием вашего вклада. Если работа защищена NDA, подойдёт обезличенное описание без клиентских данных и закрытого кода.
Мы в поиске опытного AI разработчика для участия в проектировании и реализации единой корпоративной агентной платформы.
Платформа должна предоставлять пользователю единую точку взаимодействия с различными информационными системами и бизнес-процессами. Главный агент должен понимать намерение пользователя, использовать контекст диалога, планировать выполнение задачи, привлекать специализированных агентов и инструменты, объединять результаты и при необходимости запрашивать подтверждение пользователя.
Будущему коллеге предстоит не только заниматься LLM, но и построить полноценную программную платформу вокруг них:
• главный агент-оркестратор;
• специализированные агенты;
• реестр инструментов;
• управление контекстом и состоянием;
• межагентное взаимодействие;
• интеграция с корпоративными системами;
• безопасность;
• наблюдаемость;
• тестирование качества;
• отказоустойчивость.
Роль предполагает hands-on участие.
Опыт :
• От 3 лет коммерческой backend-разработки.
• Опыт технического проектирования распределённых систем.
• Практический опыт работы с LLM и агентными системами.
• Желателен хотя бы один агентный или LLM-продукт, доведённый до пилотной либо промышленной эксплуатации.
• Опыт технического лидерства или владения архитектурой крупного модуля.
• Умение работать в условиях неполных требований и постепенно формировать целевую архитектуру.
• Способность общаться как с разработчиками, так и с владельцами бизнес-процессов.
Проектирование:
• Практический опыт разработки LLM-агентов и agentic workflows.
• Понимание различий между агентом, инструментом, workflow, multi-agent системой и обычным чат-ботом.
• Опыт реализации supervisor/orchestrator-архитектуры.
• Планирование и декомпозиция сложных пользовательских задач.
• Выбор специализированного агента или инструмента.
• Реализация взаимодействия между агентами.
• Параллельное выполнение независимых задач.
• Управление состоянием долгоживущих сценариев.
• Работа с краткосрочной и долгосрочной памятью.
• Контроль циклов, timeout, retry и fallback.
• Разрешение конфликтующих результатов нескольких агентов.
• Human-in-the-loop и запрос подтверждения перед критичными действиями.
• Защита от бесконтрольного поведения и необоснованных действий агентов.
Межагентское взаимодействие:
• типизированные сообщения между агентами;
• контракты задач и результатов;
• делегирование задач;
• общий и изолированный контекст агентов;
• очереди и приоритеты задач;
• синхронное и асинхронное взаимодействие;
• передачу управления между агентами;
• трассировку цепочки выполнения;
• предотвращение зацикливания;
• повторное выполнение и идемпотентность;
• обработку частичной недоступности агентов и инструментов
Python + Backend:
• Сильное знание Python.
• Async/await и конкурентное выполнение.
• FastAPI, Pydantic, pytest.
• Проектирование API и типизированных контрактов.
• Модульная и гексагональная архитектура.
• Интеграция нового функционала в существующие системы.
• REST, gRPC, WebSocket или Server-Sent Events.
• Очереди сообщений и фоновые задачи.
• Работа с долгоживущими и асинхронными процессами.
• Понимание микросервисной архитектуры и модульных монолитов.
• Умение проектировать систему без жёсткой зависимости от конкретной LLM или фреймворка.
- комфортный современный офис: Москва, ул. Вавилова 19
- офисный формат работы на период испытательного срока, после ИС - возможен гибрид
- ежегодный пересмотр зарплаты, структура дохода: оклад + годовая премия
- корпоративный спортзал и зоны отдыха
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- программа адаптации и помощь руководителя на старте (для Junior позиций)
- 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.
Центр практического ИИ — подразделение Сбера, которое занимается сложными AI-проектами и решает нетривиальные задачи банка и экосистемы Сбера.
Наша команда строит и дообучает линейку LLM под банковские сценарии.
• Обучать LLM на GPU-кластерах с кучей H100
• Собирать, очищать и готовть датасеты для pre-training и fine-tuning
• Анализировать результаты экспериментов и улучшать качество моделей
• Запускать существующие и создавать новые бенчмарки
• Оптимизировать инференс, проводить нагрузочное тестирование и внедрять обученные модели
• Обучение в российском ВУЗе на 3-6 курсе бакалавриата и специалитета или 1-2 курсе магистратуры (очная форма)
• Python, Linux
• Глубокое понимание теоретических и практических аспектов LLM: архитектура, токенизация, построение пайплайнов, batching, mixed precitions, распределенное обучение
• Подтвержденный практический опыт обучения LLM (pre-training, fine-tuning, aligment) в учебных проектах, статьях или курсах
• Опыт разработки на Python, опыт работы в Linux системах, знание стандартных bash команды
• Умение работать как с кодовыми ассистентами, в том числе в изолированном окружении без интернета
• Оплачиваемая стажировка
• Длительность стажировки: 3 месяца
• Формат работы - гибрид, занятость от 20 часов в неделю
• Комфортный современный офис в г. Москва рядом с метро Кутузовская
• Корпоративный спортзал и зоны отдыха
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• Вознаграждение за рекомендацию друзей в команду Сбера
Рассматриваем только граждан Республики Казахстан.
Senior AI Engineer
НАО «Фонд социального медицинского страхования» · Астана, ул. Достык, 13/3
Зарплата от 1 500 000 ₸ до вычета налогов, плюс квартальные и праздничные премии, по окончанию испытательного срока возможно повышение зарплаты.
Чем предстоит заниматься
- Проектировать и внедрять решения на базе LLM и ML: RAG, агенты, классификация и извлечение данных из документов.
- Выводить модели в прод: деплой, мониторинг качества и затрат, версионирование (MLOps/LLMOps).
- Интегрировать AI-сервисы во внутренние системы фонда через API.
- Оценивать качество моделей, строить пайплайны данных и eval-наборы.
- Наставлять коллег и участвовать в выборе архитектуры.
Требования
- Высшее образование в IT (информатика, ПО, математика или смежное).
- От 3 лет коммерческой разработки в ML/AI.
- Python на уровне senior, опыт с PyTorch или Hugging Face.
- Практика с LLM: промптинг, RAG, векторные БД (pgvector, Qdrant, FAISS), fine-tuning будет плюсом.
- Docker, CI/CD, опыт с Kubernetes или облачной инфраструктурой.
- SQL, работа с большими объёмами данных.
- Понимание требований к защите персональных и медицинских данных.
- Подтверждённый опыт коммерческой разработки в ML/AI от 3 лет (запись в трудовой или договор).
Будет плюсом
- Опыт в госсекторе, медицине или финтехе.
- Работа с open-source моделями on-premise (vLLM, Ollama и т.п.).
- Знание казахского языка.
Условия
- Официальное оформление по ТК РК, полный соцпакет.
- Квартальные и праздничные премии.
- Офис в центре Астаны, Достык 13/3.
- Масштабные задачи с влиянием на систему здравоохранения страны.
Рассматриваем только граждан Республики Казахстан.
Проект: действующий флагман — крупная казуальная онлайн-игра для соцсетей и мобильных платформ с многолетней историей и активной аудиторией. Мы развиваем существующую кодовую базу: добавляем новые игровые ивенты, оптимизируем производительность и улучшаем архитектуру итеративно.
Обязанности:
-
Разработка функционала клиентской части игры (игровые ивенты, UI, анимации).
-
Работа с существующей кодовой базой: чтение, понимание и развитие модулей.
-
Разработка и улучшение архитектуры проекта (Service Locator, Mediator, MVP, Command).
-
Разработка клиент-серверного взаимодействия, работа с Backend командой.
-
Оптимизация производительности: draw calls, управление GPU-памятью, размер билда, загрузка ресурсов.
-
Разработка инструментов для автоматизации рутинных задач.
-
Контроль и поддержка технического качества проекта, работа с QA командой.
-
Взаимодействие с другими специалистами и командами для планирования и разработки игры.
Требования:
-
Опыт коммерческой разработки на TypeScript от 3 лет.
-
Опыт работы с PixiJS или аналогичным 2D движком (Phaser, Cocos, PlayCanvas).
-
Понимание game loop, императивного рендеринга и работы с GPU (draw calls, texture atlas, управление памятью).
-
Опыт работы со Spine-анимациями (pixi-spine).
-
Понимание как работает WebGL / OpenGL.
-
Знание архитектурных паттернов: Service Locator, Mediator, MVP, Command.
-
Опыт работы с системами сборки (esbuild, Gulp, Webpack) и NodeJS скриптами.
-
Опыт клиент-серверного взаимодействия (REST API, WebSocket).
-
Готовность работать с legacy-кодом: читать, понимать контекст и улучшать итеративно.
-
Английский B2+ (чтение документации, код-ревью).
-
Автономность, самостоятельность, инициативность.
Будет плюсом:
- Опыт работы с социальными API (ВКонтакте, Одноклассники).
- Опыт работы с Firebase.
- Опыт оптимизации компонентов PixiJS (pixi-spine, texture atlas pipeline).
- Опыт работы с GSAP.
- Осознанное использование AI-инструментов в разработке (Cursor, Copilot, Claude).
Привет! Это команда Ozon Tech. Мы формируем команду разработки ИИ-агентов для учётных систем Ozon. Наша цель — автоматизировать рабочие процессы и помогать сотрудникам решать задачи с помощью LLM: находить и анализировать информацию, работать с документами и выполнять действия в корпоративных системах.
Ищем старшего разработчика, который умеет создавать агентов и доводить их до промышленной эксплуатации. Вы будете участвовать в выборе архитектуры, разрабатывать инструменты для агентов и отвечать за качество решений вместе с командой и экспертами предметной области.
Вы присоединитесь к команде на этапе её формирования и сможете влиять на архитектуру, инструменты и подходы к разработке. В центре работы — прикладные задачи бизнеса, тесное взаимодействие с пользователями и измеримый результат от внедрения агентов.
Вы будете
Проектировать и разрабатывать LLM-агентов: планирование и выполнение многошаговых задач, выбор инструментов, управление контекстом и состоянием.
Создавать интеграции с учётными системами, корпоративными сервисами и источниками данных через API и MCP.
Развивать RAG и поиск по документации и корпоративным знаниям, обеспечивать подтверждённость ответов источниками.
Выстраивать оценку качества: собирать проверочные сценарии, анализировать ошибки агентов и проверять улучшения на воспроизводимых экспериментах.
Обеспечивать надёжность и управляемость решений: обработку сбоев, разграничение доступа, контроль действий и участие человека там, где требуется подтверждение.
Оптимизировать скорость выполнения задач и стоимость использования моделей.
Участвовать в архитектурных обсуждениях, проводить ревью и помогать коллегам развивать инженерные практики.
Нам важно
Опыт самостоятельной разработки и сопровождения backend-сервисов в промышленной эксплуатации.
Уверенное владение Python, понимание асинхронного программирования, проектирования API и работы с базами данных.
Опыт разработки LLM-агентов и умение рассказать об их архитектуре, инструментах, ограничениях и результатах использования.
Понимание tool/function calling, структурированных ответов, управления контекстом и особенностей многошагового выполнения задач.
Умение оценивать качество LLM-решений, находить причины ошибок и выбирать между изменением промпта, инструмента, поиска или архитектуры.
Применение тестирования, CI/CD, логирования и мониторинга в повседневной разработке.
Умение разбираться в бизнес-процессах, обсуждать требования с экспертами и самостоятельно доводить задачу до результата.
Будет плюсом
Опыт разработки MCP-серверов и инструментов для агентов.
Практический опыт с LangGraph, Pydantic AI или аналогичными библиотеками.
Опыт работы с RAG, векторным и гибридным поиском, reranking.
Опыт интеграции с ERP и другими корпоративными системами.
Понимание учётных, финансовых или документооборотных процессов.
Опыт защиты LLM-приложений от prompt injection и некорректного использования инструментов.
Наша команда Антифрода ежедневно сталкивается с огромным объемом аналитической и исследовательской работы. Анализ новых трендов мошенничества, глубокий разбор сложных кейсов, расследование инцидентов и разработка мер по митигации рисков — это процессы, которые требуют высокой экспертизы и отнимают много времени у ведущих аналитиков.
Мы запускаем направление по агентизации этих процессов. Наша цель — создать не просто «чат-ботов с доступом к базе», а полноценную экосистему специализированных AI-агентов, которые станут цифровыми помощниками (ко-пилотами) для антифрод-команды. Агенты будут самостоятельно выстраивать цепочки рассуждений, работать с внутренними инструментами, анализировать логи и транзакции, генерировать гипотезы по новым схемам мошенничества и предлагать правила для митигации.
Это сложный инженерный и R&D вызов: мы строим code-first агентов, которые должны быть надежными, предсказуемыми и готовыми к работе в условиях реального Production.
-
Проектирование и разработка агентов: Создание code-first AI-агентов для автоматизации антифрод-процессов (анализ трендов, разбор инцидентов, генерация мер митигации).
-
Архитектура и паттерны: Применение и адаптация современных агентных паттернов (ReAct, Plan-and-Execute, Multi-Agent оркестрация, Reflection). Проектирование систем с долгосрочной и краткосрочной памятью.
-
Интеграция с инструментами (Tool Calling): Настройка надежного взаимодействия агентов с внутренними системами, базами данных, лог-аналитикой и антифрод-движками через Function Calling.
-
Промышленная эксплуатация: Обеспечение отказоустойчивости, контроль галлюцинаций, настройка пайплайнов оценки качества (Evaluation) и мониторинга работы агентов.
-
R&D и исследования: Тестирование новых LLM, фреймворков и подходов к оркестрации для поиска оптимального баланса между стоимостью, скоростью и качеством рассуждений.
-
Опыт: Уверенный коммерческий опыт разработки на Python от 2-3 лет, из них не менее 1 года — практическая промышленная разработка LLM-приложений и AI-агентов.
-
Стек и фреймворки: Глубокое понимание и опыт работы с code-first подходами. Уверенное владение LangChain, LangGraph, опыт работы с DeepAgent, OpenClaw или аналогичными фреймворками для оркестрации.
-
Понимание LLM: Отличное знание того, как работают большие языковые модели (архитектура, контекстное окно, токенизация, температурные параметры, механизмы внимания). Понимание их ограничений и способов их обхода.
-
Агентные паттерны: Понимание разницы между цепочками (chains), графами (graphs) и мультиагентными системами. Умение выбирать правильную архитектуру под конкретную бизнес-задачу.
-
Инженерная база: Отличное знание Python (включая асинхронность asyncio), опыт построения REST/gRPC API (FastAPI), понимание принципов работы векторных баз данных и классических СУБД.
-
Mindset: Системное мышление. Вы понимаете, что LLM — это вероятностная модель, и умеете инженерными методами (промпт-инжиниринг, валидация схем, guardrails) делать ее выводы детерминированными и надежными.
Будет значительным преимуществом:
-
Знание домена: Понимание специфики антифрода, информационной безопасности или финтеха. Знание того, как устроены схемы мошенничества, жизненный цикл расследования инцидента и процессы митигации рисков.
-
Опыт с Eval и Observability: Практический опыт использования инструментов для оценки и трассировки агентов (LangSmith, LangFuse, RAGAS, Arize и др.).
-
Опыт с RAG: Глубокое понимание продвинутых техник RAG (Advanced RAG, GraphRAG, гибридный поиск), так как агентам предстоит работать с огромными массивами неструктурированных данных (описания кейсов, нормативные документы).
-
Опыт деплоя: Навыки упаковки и развертывания агентных систем в контейнерах (Docker, Kubernetes), настройка очередей задач (Celery, RabbitMQ/Kafka) для асинхронной фоновой работы тяжелых агентов.
-
комфортный современный офис рядом с м. Кутузовская, формат работы - офис
-
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
-
бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
-
вознаграждение за рекомендацию друзей в команду Сбера.
О компании
Quadcode — международная финтех-компания, предоставляющая инновационные брокерские и финансовые решения по всему миру. Наш ключевой продукт — внутренняя торговая платформа, предоставляемая другим брокерам по модели SaaS.
Сейчас мы внедряем AI-first подход в разработку: агенты в каждом этапе цикла разработки — от кода и ревью до тестов и релизов. Ищем технического руководителя с опытом внедрения AI, который возглавит направление AI-автоматизации (более 10 рапределенных команд) и будет отвечать за инженерный результат: скорость поставки, качество и надёжность.
Чем ты будешь заниматься
- Внедрять AI-агентов и мультиагентные системы в процессы разработки: написание и проверка кода, тестирование, поиск дефектов, документация, релизы.
- Определять, какие задачи передавать AI-агентам, выстраивать контроль качества их работы, безопасности и доступа к данным и критическим системам.
- Оценивать результаты внедрения AI: скорость разработки, предсказуемость сроков, качество и стоимость решений.
- Развивать инженерные практики, CI/CD и автоматизацию тестирования, устранять узкие места в процессах разработки.
- Определять архитектурные стандарты и технические решения, обеспечивать масштабируемость и отказоустойчивость систем, контролировать технический долг.
- Развивать технических руководителей и выстраивать эффективную работу между командами.
- Совместно с бизнесом определять приоритеты, обосновывать технические решения с точки зрения стоимости и рисков, проверять новые гипотезы через прототипы (PoC).
- От 5 лет управления разработкой, из них от 3 лет на позиции Head of Engineering, Director или CTO с руководителями в подчинении.
- Опыт в backend-разработке, способность самостоятельно разбираться в архитектуре и коде.
- Опыт проектирования и развития высоконагруженных систем с высокими требованиями к доступности, производительности и отказоустойчивости.
- Доказуемый опыт внедрения AI-ассистентов и AI-агентов в реальный процесс разработки с измеримыми результатами (не пилотные проекты).
- Понимание ограничений AI, умение организовать проверку результатов работы агентов и контролировать качество их решений.
- Понимание инженерной инфраструктуры: DevOps, CI/CD, мониторинг и оптимизация производительности.
- Продуктовое и стратегическое мышление: понимание целей бизнеса и факторов, влияющих на развитие продукта; способность видеть долгосрочные перспективы и определять, как технические решения помогают достигать бизнес-целей.
- Инициативность, умение аргументированно отстаивать свою позицию и принимать решения в условиях неопределённости.
- Свободный русский, английский от B2.
- Опыт работы в финтехе/трейдинге/платёжных сервисах или других высоконагруженных продуктах с рапределенной инфраструктурой.
- Опыт работы с MCP, RAG и инструментами оркестрации AI-агентов.
- Опыт управления распределёнными международными командами.
- Опыт разработки на Go/PHP, C++, Python.
Мы предлагаем
- Гибридный формат работы - 3 дня из офиса.
- Гибкое начало рабочего дня - до 12:00.
- Ежемесячная компенсация расходов на питание.
- ДМС со стоматологией после испытательного срока.
- Дополнительные дни к отпуску за стаж работы.
- Больничный без больничного - 3 раза в квартал.
- Материальная поддержка в значимых событиях.
- Подарки на дни рождения и годовщины.
- Тимбилдинги и корпоративные мероприятия.
- Корпоративная подписка на AI-инструменты.
- Доступ к маркетплейсу товаров и языковых курсов, которые можно приобретать за внутреннюю валюту компании.
Мы развиваем LLM Platform — внутреннюю платформу Т-Банка для создания и промышленной эксплуатации решений на базе больших языковых моделей. Она дает командам доступ к моделям, инструментам разработки AI-агентов, корпоративным данным, оценке качества, мониторингу и средствам безопасности.
Вместе с командами находим процессы, в которых ИИ может дать измеримый эффект: увеличить доход, сократить затраты или время выполнения операций, повысить качество и снизить количество ошибок. Проектируем решения, собираем их ключевые части, доводим до промышленного запуска и подтверждаем полученный результат.
Работаем на стыке инженерии, бизнеса и AI: принимаем технические решения, взаимодействуем со смежными командами и заказчиками и объединяем специалистов вокруг общего результата.
Обязанности
- Самостоятельно вести техническую реализацию AI-проектов: от исследования бизнес-процесса и выбора сценария до промышленного запуска и подтверждения эффекта.
- Вместе с бизнес-заказчиком и продуктовой командой определять проблему, ограничения, критерии успеха и способ измерения результата.
- Проектировать архитектуру агентных систем, выбирать модели, источники данных, инструменты, интеграции и механизмы контроля.
- Писать воспроизводимый код, оформлять эксперименты в воспроизводимые пайплайны, которые включают разметку и обработку данных, обучение моделей и валидацию системы в целом.
- Доводить первую рабочую версию до надежной эксплуатации: тестировать, настраивать мониторинг, разбирать сбои и обеспечивать необходимый уровень безопасности.
- Строить систему оценки качества AI-систем, анализировать ошибки и улучшать решение через изменение контекста, данных, инструментов, логики агента или используемой модели.
- Принимать решения о компромиссах между качеством, сроками, стоимостью эксплуатации и надежностью.
- Работать внутри команды-заказчика, задавать техническое направление и передавать ей код, знания и ответственность за дальнейшее развитие решения.
- Возвращать команде LLM-платформы опыт внедрений и превращать повторяющиеся решения в общие компоненты, инструкции и инженерные практики.
Требования
- У вас есть опыт работы ML-разработчиком в NLP-домене с использованием современных DL-фреймворков от 4 лет.
- Имеете опыт создания продукта на базе LLM или сервиса с нуля.
- Уверенно пишете и проверяете промышленный код на Python.
- Умеете самостоятельно пройти путь от неструктурированной задачи до работающей системы: разобраться в предметной области, сформулировать технический план, определить приоритеты и довести решение до результата.
- Умеете строить NLP-решения в продакшене: разрабатывать пайплайны, настраивать мониторинг, работать с деградациями и проводить A/B-тесты.
- Создавали и запускали в промышленную эксплуатацию агентные и другие решения на базе LLM.
- Понимаете, как устроены вызов инструментов, RAG, управление контекстом и состоянием, обработка ошибок, трассировка и оценка качества AI-систем.
- Умеете находить причины недостаточного качества: отличать ограничения модели от проблем в данных, контексте, инструментах, архитектуре или постановке задачи, последовательно проверять и применять способы улучшения.
- Умеете самостоятельно проектировать эксперименты, собирать наборы проверочных примеров и доказывать, что изменения действительно улучшили результат.
- Умеете вести техническое обсуждение с инженерами, руководителями продуктов и бизнес-заказчиками, объяснять ограничения и договариваться о критериях успеха.
- Регулярно используете AI-инструменты в разработке, понимаете их ограничения и проверяете полученный результат.
- Будет преимуществом опыт работы в ML-командах внедрения или технического лидерства в проектах с несколькими участниками.
- Будет преимуществом знание LangGraph, LangChain, LangFlow или аналогичных инструментов и опыт работы с LangFuse или другими системами трассировки и оценки качества.
- Будет преимуществом знание Go, Docker, Kubernetes, Helm и GitLab CI/CD.
- Будет преимуществом опыт внедрения решений в крупных продуктах с высокими требованиями к безопасности, доступам и надежности.
- Будет преимуществом умение самостоятельно собрать целое решение — от серверной части и интеграций до простого пользовательского интерфейса.
Мы предлагаем
- Работу в офисе или удаленно — по договоренности.
- Возможность работы в аккредитованной ИТ-компании.
- ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких. Еще — страховка от несчастных случаев и болезней.
- Рост по карьерному треку: проходите курсы по софт- и хард-скиллам, развивайтесь с поддержкой ментора и повышайте уровень с матрицей компетенций и регулярным ревью.
- Сильное комьюнити. Вы будете работать с экспертами в своей области, сможете делиться знаниями и выступать на конференциях, посещать митапы и писать статьи.
- Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни.
- Компенсацию затрат на спортивные абонементы, приложение Т-Спорта для онлайн-занятий и командные тренировки с коллегами.
- Три дополнительных дня к отпуску — можно использовать для отдыха или получить компенсацию.
- Специальные тарифы на продукты Т-Банка и широкую программу скидок от партнеров.
- Достойную зарплату — обсудим ее на собеседовании.
Мы — команда, создающая инновационные решения на базе больших языковых моделей (LLM) для трансформации процессов работы с нормативной и правовой документацией в Сбере.
Наша цель — упростить и автоматизировать работу методологов, заменить рутинные задачи интеллектуальными инструментами и открыть новые возможности для анализа, генерации и поиска правовой информации.
Обязанности
- Разрабатывать и оптимизировать промпты для генерации, классификации и извлечения информации.
- Проводить эксперименты с LLM и оценивать эффективность различных подходов.
- Создавать пайплайны обработки документов: структурирование, сегментация, подготовка данных.
- Применять NLP-модели (TF-IDF, CRF, BERT, T5) для анализа нормативной документации.
- Работать с поисковыми системами (ElasticSearch, векторный поиск, ранжирование).
- Подготавливать API и сопровождать интеграцию решений в продакшн.
Требования
- Высшее техническое/математическое образование.
- Опыт работы на аналогичной позиции не менее 1 года.
- Уверенные знания Python.
- Уверенное знание теоретической базы ML (основные задачи и методы, метрики, типовые архитектуры моделей и т.д.) и NLP-домена (токенизаторы, векторизаторы, transformers, BERT, LLM, RAG и т.д.).
- Опыт применения ML-библиотек (pandas, NumPy, matplotlib, scikit-learn, langchain или аналогичные библиотеки для работы с LLM).
- Опыт разработки RAG-пайплайнов.
- Опыт работы с документами разных форматов (docx, rtf, pdf и т.д.).
Условия
- Deep diving в предметную область, много разработки по задачам имеющим прямой эффект на бизнес.
- Возможность привносить новые идеи и нестандартные решения.
- Сообщество D-people– поддержка, развитие и возможность учиться у профессионалов.
- Достойную оплату труда.
- ДМС, сниженные ставки по кредитованию, программы лояльности для сотрудников.
- Современный офис рядом с метро Кутузовская, бесплатный фитнес в офисе.
- Возможность выбрать удобный формат работы — удаленка, гибрид или офис.
ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:
- Разработка моделей машинного обучения
- Формирование гипотез улучшения качества работы моделей
- Проведение экспериментов по проверке гипотез и оценке качества моделей
- Подбор OpenSource и облачных моделей и алгоритмов под поставленные задачи
- Проведение анализа качества и репрезентативности данных
- Очистка и подготовка данных перед обучением моделей
- Feature engineering
- Формирование бенчмарков для обучения и тестирования моделей под поставленные задачи
- Определение метрик оценки качества моделей
- Подготовка моделей для production-использования
- Участие в разработке inference-pipeline
- Поддержка качества работы моделей
- Подбор OpenSource и облачных моделей и алгоритмов под поставленные задачи
- Проведение анализа качества и репрезентативности данных
- Очистка и подготовка данных перед обучением моделей
- Feature engineering
- Формирование бенчмарков для обучения и тестирования моделей под поставленные задачи
- Определение метрик оценки качества моделей
- Подготовка моделей для production-использования
- Участие в разработке inference-pipeline
- Поддержка качества работы моделей
НАШИ ПОЖЕЛАНИЯ К КАНДИДАТУ:
- Опыт работы в области машинного обучения и разработки AI-систем
- Глубокое понимание классических алгоритмов машинного обучения
- Глубокое понимание NLP, от классических методов до трансформеров и LLM
- Понимание метрик классификации, регрессии, ранжирования и информационного поиска
- Уверенное знание Python, ООП, структур данных и основных паттернов разработки
- Опыт работы с библиотеками машинного обучения и NLP
- Понимание принципов работы эмбеддингов и методов оценки их качества
- Опыт построения RAG-систем
- Опыт работы с векторными базами данных, например Qdrant или Milvus
- Опыт развертывания и оптимизации LLM
- Опыт работы с vLLM или SGLang
- Опыт работы с реляционными базами данных и SQL
- Опыт работы с Docker и Docker Compose
- Понимание REST API и клиент-серверной архитектуры
- Опыт работы с Git
Нard-skills:
- Python
- PyTorch
- Scikit-learn
- Hugging Face Transformers
- vLLM или SGLang
- Qdrant или Milvus
- PostgreSQL или MySQL
- Docker и Docker Compose
- Git
- Jupyter Notebook
- Linux
Будет плюсом:
- Опыт разработки AI-агентов
- Опыт работы с MCP
- Опыт работы с LangChain, LangGraph, LlamaIndex или аналогичными фреймворками
- Опыт работы с микросервисной архитектурой
- Опыт работы с системами мониторинга и логирования
ЧТО МЫ ПРЕДЛАГАЕМ:
- Конкурентный уровень заработной платы + премирование по итогам работы в соответствии с утвержденными внутренними политиками
- Оформление по ТК РФ
- Расширенная программа ДМС
- Возможность работать в гибридном формате
- Активная социальная жизнь (спортивные и культурные мероприятия, различные бонусы пространства Москва-Сити
-
Разработка AI-агентов и агентских систем с многошаговой логикой;
-
Создание RAG-решений и AI-воркфлоу для обработки данных;
-
Интеграция с LLM API и внешними сервисами через function/tool calling;
-
Написание backend-сервисов на Python (FastAPI, asyncio);
-
Разработка evaluation-сценариев и расчет метрик качества (precision/recall retrieval);
-
Внедрение guardrails, систем логирования и обработки ошибок;
-
Деплой и сопровождение AI-компонентов в продакшене;
-
Оптимизация AI-решений по скорости, качеству и стоимости.
-
Высшее техническое образование (предпочтительно МФТИ, МГТУ им. Баумана, МГУ, ВШЭ);
-
Опыт коммерческой разработки на Python от 3 лет;
-
Опыт разработки AI-решений в продакшене;
-
Глубокое понимание LLM, RAG, эмбеддингов и принципов работы агентов;
-
Опыт интеграции с LLM API и построения backend-сервисов;
-
Знание методов оценки качества AI-моделей и их ограничений;
-
Будет плюсом: опыт с LangChain, LlamaIndex, Semantic Kernel или аналогами.
- Официальное оформление в штат на бессрочный трудовой договор;
- Полностью официальная заработная плата и полугодовые премии по результатам работы;
- ДМС после прохождения испытательного срока, включая стоматологию;
- Корпоративное обучение – тренинги, конференции, курсы повышения квалификации;
- Внутренняя система гибких льгот, мотивации и премирования сотрудников – Кафетерий льгот;
- Корпоративная программа привилегий со скидками от партнеров– Primezone;
- Насыщенная социальная и корпоративная жизнь: корпоративные мероприятия, праздники, фестивали, спортивная и благотворительная деятельность.
Наша команда разрабатывает комплексные AI-решения (Classic NLP, LLM, AI-агенты) для ключевых продуктов и процессов Блока «Стратегия и развитие». Мы всегда находимся на переднем краю развития технологий и пробуем новое — первыми в Сбере разработали прототип мультиагентной системы для работы с обращениями, благодаря чему агентные решения стали одним из самых востребованных направлений в банке.
Наш технологический фокус выходит за рамки AI-агентов: мы решаем задачи классификации, кластеризации, мэтчинга, доменной адаптации (Metric Learning, PEFT), при необходимости используем SFT. Итог нашей работы — не отдельный e2e-пайплайн, а production-ready мультисервисные архитектуры, интегрированные во внутренние поверхности Сбера.
Недавние проекты: мультиагентная система для анализа организационной эффективности (доклад на AI Journey 2025), мультиагентный пайплайн для анализа документов об организационных изменениях, AI-агент-Copilot для постановки и мониторинга целей. Все направления активно растут и получают непосредственную поддержку руководства банка.
Основные направления деятельности
- Формируем рекомендации по повышению эффективности команд, продуктов и подразделений на основе классификации, кластеризации и тематического моделирования с использованием цифровых следов (Jira, встречи, письма и др.).
- Проводим комплексный анализ результативности в рамках сценарного моделирования деятельности по достижению целей руководства банка.
- Реализуем пайплайны обработки внутренних документов произвольной длины для построения рекомендаций по работе с ними и ускорения организационных изменений.
- Выявляем глобальные тренды и проводим анализ их влияния на численность ролей банка для Стратегии Сбера.
- Анализируем графы целей организации (связанность, каскадирование), а также рекомендуем амбициозные цели с учетом контекста и приоритетов Стратегии.
- Расширяем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.
- Участвуем в развитии глобального направления AI-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).
- Проверяем гипотезы любой сложности для получения Data-driven инсайтов для подготовки стратегических сессий руководства банка.
Наши глобальные приоритеты
- Разработка и внедрение AI-решений (Classic NLP, LLM-приложения, AI-агенты) для повышения эффективности приоритетных стратегических процессов банка с потенциалом использования на внешнем рынке.
- Создание SotA-решений с учетом специфики банка.
Почему нас выбирают
- Возможность использовать передовые AI-технологии и платформы банка.
- Участие в развитии инновационных сервисов стратегического блока, которые приносят реальную пользу процессам и продуктам всего банка и быстро попадают в поле зрения ключевых руководителей.
- Возможность участия в международных проектах и конференциях по AI и ML.
- Работа в дружной команде профессионалов, ориентированной на достижение самых амбициозных целей и постоянное развитие.
Обязанности
- Разработка и внедрение AI-сервисов (Classic NLP, LLM-приложения, AI-агенты, диалоговые системы) от этапа MVP до ПРОМ (CRISP-DM).
- Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, NER, Semantic Search, Clustering и др.
- Создание мультиагентных пайплайнов на основе фреймворков для работы с LLM (LangGraph, LangChain/GigaChain, LlamaIndex и др.).
- Адаптация и обучение языковых моделей на основе внутренних и внешних данных (Prompt Tuning, RAG, PEFT, SFT).
- Индексация и ранжирование текстовых документов.
- Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.
- Оптимизация AI-сервисов в промышленной среде.
- Участие в валидации и автомониторинге моделей, проведение A/B-тестирования.
Требования
- Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики и информатики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, Сколтех.
- Опыт в разработке NLP-моделей и рекомендательных систем.
- Понимание жизненного цикла моделей (CRISP-DM).
- Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.
- Высокий уровень владения ядром Python и SQL.
- Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers.
- WEB-фреймворки: FastAPI (async methods), Flask и др.
- Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).
- Знание агентных архитектур (ReAct, Blackboard, Multi-agent и др.).
- Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).
- Контейнеризация: Docker, OpenShift.
Условия
- Гибкий гибрид (обсуждаем индивидуально).
- Современный IT-офис вблизи Москва-Сити с фитнес-залом.
- Ипотека с выгодой для сотрудника и льготные условия кредитования.
- Бесплатная подписка СберПрайм+.
- Скидки на продукты компаний-партнеров.
- ДМС с первого дня и льготное страхование для близких.
- Корпоративная пенсионная программа.
- Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.
- Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира.
Доход и график обсуждаем с каждым индивидуально.
Мы разрабатываем AI-сервисы для всех продуктовых команд Блока "Стратегия и развитие", совмещая Classic NLP и LLM-based подходы для достижения максимального качества наших комплексных решений:
- Мэтчим разные сущности банка (продукты, поручения, цели, встречи, инициативы, комментарии и др.) для создания полной информационной картины, позволяющей руководителям принимать AI-driven решения.
- Формируем рекомендации по тайм-менеджменту и планированию задач в рамках стратегических направлений на основе разнообразных внутренних источников информации (встречи в календаре, поручения, внешние мероприятия).
- Классифицируем как короткие тексты (Jira-задачи, комментарии), так и длинные (внутренние документы Сбера) для оптимизации внутренних процессов банка.
- Развиваем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.
- Участвуем в развитии глобального направления ИИ-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).
- Проверяем гипотезы любой сложности для получения Data-driven инсайтов, которые становятся предметом обсуждения на стратегических сессиях руководства банка.
В наши глобальные планы входит:
- Шэринг наших решений для переиспользования другими командами банка.
- Работа над маркетплейсом ключевых AI-решений для быстрой проверки гипотез бизнес-заказчиками блока.
Обязанности
- Разработка и внедрение ML-моделей от этапа MVP до ПРОМ-решения (CRISP-DM).
- Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering.
- Разработка прототипов на основе LLM с использованием фреймворков для работы с LLM, таких как LangChain/GigaChain.
- Адаптация и обучение языковых моделей (LLM) Сбера на основе внутренних и внешних данных, Prompt Tuning, RAG.
- Индексация и ранжирование текстовых документов разной длины.
- Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.
- Определение ML SysDes решения с учетом разрешенного технологического стека.
- Участие в валидации и автомониторинге моделей, проведение A/B тестирования.
Требования
- Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики или статистики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, МИФИ.
- Опыт в разработке NLP моделей и рекомендательных систем (желательно).
- Понимание жизненного цикла моделей (CRISP-DM).
- Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.
- Высокий уровень владения ядром Python и SQL.
- Свободное владение базовыми библиотеками на Python, в том числе: pandas, numpy, matplotlib, seaborn.
- Знание фреймворков, библиотек, алгоритмов машинного обучения: Scikit-learn, PyTorch, XGBoost, CatBoost, TensorFlow, transformers.
- Опыт работы с NLP библиотеками: pymorphy2, NLTK, Gensim, spaCy, regexp.
- WEB-фреймворки: FastAPI (async methods), Flask и др.
- Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).
- Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).
- Контейнеризация: Docker, OpenShift.
Условия
- Удаленка или гибкий гибрид (обсуждаем индивидуально).
- Современный IT-офис вблизи Москва-Сити с фитнес-залом;
- Высокий уровень дохода (обсуждаем индивидуально), готовые премии.
- Ипотека выгоднее на 4% для каждого сотрудника и льготные условия кредитования.
- Бесплатная подписка СберПрайм+.
- Скидки на продукты компаний-партнеров.
- ДМС с первого дня и льготное страхование для близких.
- Корпоративная пенсионная программа.
- Обучение за счет Компании: онлайн-курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.
Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты.
СВЕТОВЫЕ ТЕХНОЛОГИИ - крупнейший производитель и поставщик современных энергоэффективных светотехнических решений в России и странах СНГ.
СВЕТ - ЭТО НАША ЖИЗНЬ!
Обязанности:
- Проектировать workflow AI-агентов и сервисов аналитики по требованиям бизнес-и системных аналитиков
- Разрабатывать Python backend-сервисы с REST API, обработчиками RabbitMQ, фоновыми задачами и PostgreSQL
- Реализовывать детерминированные алгоритмы и бизнес-правила для расчётов, контроля сроков, загрузки ресурсов и выявления отклонений
- Подключать агентов к готовым API и интеграционным сервисам ERP, 1С, Bitrix, BPM, WMS и почты
- Выбирать и настраивать LLM, embedding-модели, RAG, OCR, reranker и другие готовые ML-компоненты под конкретные сценарии
- Реализовывать tool calling, structured output, системные инструкции, шаблоны промптов и валидацию результатов
- Создавать механизмы безопасного выполнения действий: разделение операций чтения и записи, проверка прав, подтверждение пользователя, аудит
- Разрабатывать тестовые наборы, метрики качества и сценарии обработки ошибок для агентов и алгоритмов
- Анализировать обратную связь пользователей и аналитиков, устранять ошибки и улучшать правила, модели и агентные сценарии
Требования:
- Высшее профессиональное образование
- Опыт работы от 3-х лет
- Уверенное владение Python, FastAPI или аналогами, PostgreSQL, SQL, REST API
- Практический опыт RabbitMQ или другого брокера сообщений, JSON-контрактов, Docker, Git и CI/CD
- Опыт работы с tool/function calling, structured output, embeddings, векторным поиском и RAG
- Опыт с Qdrant, pgvector, OpenSearch/Elasticsearch, Weaviate или аналогичными системами поиска
- Понимание рисков LLM-приложений: prompt injection, утечка данных, небезопасные tool calls и необходимость контроля действий агента
- Знание технического английского
- Официальное оформление согласно ТК РФ
- Предоставление всех социальных гарантий
- Белая заработная плата, выплачивается два раза в месяц
- График 5/2 (суббота и воскресенье - выходные)
- Компенсация мобильной связи
- Бесплатный фитнес-зал на территории БЦ
- Годовая премия по результатам работы
Описание команды:
Мы разрабатываем AI-агентов для продуктовых команд и ТОП-процессов Блока "Стратегия и развитие", совмещая Classic NLP, LLM-based и мультиагентные подходы с целью повышения внутренней эффективности и автономизации задач на основе Leading Edge технологий в области AI.
Основные направления деятельности:
- Мэтчим разные сущности банка (продукты, функции, цели, встречи, письма, задачи Jira и др.) для создания полной картины в рамках анализа эффективности всей организации.
- Формируем рекомендации по повышению эффективности на основе классификации, кластеризации и тематического моделирования с использованием цифровых следов.
- Реализуем пайплайны обработки внутренних документов произвольной длины для максимального ускорения работы с ними (маршрутизация, рекомендация замечаний и генерация корректных документов с нуля).
- Проводим анализ графов целей организации (связанность, каскадирование, полнота и актуальность) для выравнивания стратегии банка на всех уровнях, а также рекомендуем амбициозные цели с учетом контекста и приоритетов стратегии.
- Расширяем направление доменной адаптации для прокачивания стримов семантического поиска, ранжирования и прочих NLP downstream-задач.
- Участвуем в развитии глобального направления AI-агентов и регулярно используем в работе современные подходы на основе LLM (External Tools, Reasoning, Reflection).
- Проверяем гипотезы любой сложности для получения Data-driven инсайтов, которые становятся предметом обсуждения на стратегических сессиях руководства банка.
В наши глобальные планы входит:
- Разработка и внедрение AI-агентов для самых приоритетных стратегических процессов банка с потенциалом переиспользования на внешнем рынке.
- Создание SotA-решений с учетом специфики банка.
Почему стоит присоединиться к нам:
- Возможность использовать передовые AI-технологии и платформы банка.
- Участие в развитии инновационных сервисов стратегического блока, которые приносят реальную пользу процессам и продуктам всего банка, при этом быстро попадают в поле зрения ключевых руководителей.
- Возможность участия в международных проектах и конференциях по AI и ML.
- Работа в дружной команде профессионалов, ориентированной на достижение самых амбициозных целей и постоянное развитие.
Обязанности
- Разработка и внедрение ML-моделей и AI-агентов от этапа MVP до ПРОМ (CRISP-DM).
- Решение задач NLP: Preprocessing, Classification, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Semantic Search, Clustering и др.
- Создание мультиагентных пайплайнов на основе фреймворков для работы с LLM (LangChain/GigaChain).
- Адаптация и обучение языковых моделей (LLM) Сбера на основе внутренних и внешних данных (In-Context Learning, Prompt Tuning, RAG, PEFT).
- Индексация и ранжирование текстовых документов разной длины.
- Взаимодействие с бизнес-заказчиком для выявления требований и самостоятельная постановка задач.
- Определение ML SysDes решения с учетом разрешенного технологического стека.
- Участие в валидации и автомониторинге моделей, проведение A/B тестирования.
Требования
- Образование в техническом ВУЗе в сфере компьютерных наук, прикладной математики или статистики. Наиболее приоритетны: ВШЭ, МФТИ, МГУ, МИФИ.
- Опыт в разработке NLP моделей.
- Понимание жизненного цикла моделей (CRISP-DM).
- Умение переводить бизнес-постановку задачи в ML-постановку, грамотная интерпретация полученных результатов.
- Свободное владение базовыми библиотеками на Python: pandas, NumPy, matplotlib, seaborn и др.
- WEB-фреймворки: FastAPI (async methods), Flask и др.
- Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5).
- Знание фреймворков для работы с LLM (LangChain/GigaChain, LangServe/GigaServe, LlamaIndex и др.).
Условия
- Ипотека выгоднее на 7% для каждого сотрудника и льготные условия кредитования.
- Возможность выбрать удобный формат работы — гибрид, удаленка или офис.
- Бесплатная подписка СберПрайм+.
- Скидки на продукты компаний-партнеров.
- ДМС с первого дня и льготное страхование для близких.
- Корпоративная пенсионная программа.
- Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию.
- Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы.
Мы ищем опытных специалистов по работе с большими языковыми моделями, готовых выступить в роли наставников и менторов для других членов команды. Если ты уже поднаторел в LLM и LangChain, и хочешь выйти на новый уровень владения NLP-экспертизой в одном из самых сложных доменов — юридическом, то давай к нам!
Наша междисциплинарная команда (юристы, лингвисты, разработчики и специалисты по Data Science) создаёт инновационные продукты на стыке искусственного интеллекта и права. Основной фокус — разработка ИИ-агентов для автоматизации юридических процессов, включая анализ договоров, сопровождение сделок и поддержку принятия решений.
Вам предстоит
- Разрабатывать и совершенствовать ИИ-агентов для решения юридических задач.
- Формализовать юридические процессы для их автоматизации.
- Создавать и оптимизировать промпты (prompt engineering) для LLM-моделей.
- Разрабатывать онтологии и структуры знаний в юридической области.
- Анализировать и улучшать работу NLP-сервисов.
- Готовить данные для обучения и дообучения языковых моделей.
- Взаимодействовать с юристами и разработчиками для интеграции ИИ-решений.
Мы ждем, что ты
- Обладаешь аналитическим и критическим мышлением — умеешь разбирать сложные задачи на составляющие и находить неочевидные решения.
- Имеешь опыт в Data Science/NLP или разработке ИИ-решений (от 3 лет).
- Знаешь основы юридической терминологии или готов быстро погружаться в юридическую тематику.
- Хорошо владеешь Python (pandas, NumPy, библиотеки для NLP).
- Имеешь опыт работы с LLM (GPT, Claude, Mistral и др.), включая prompt engineering и тонкую настройку.
- Умеешь работать с инструментами управления задачами (Jira, Confluence, Git).
Условия
- Годовая премия по итогам работы до 6 окладов.
- Регулярный пересмотр зарплат.
- Корпоративный спортзал и зоны отдыха.
- Более 400 программ СберУниверситета для роста.
- Программа адаптации и помощь руководителя на старте.
- Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы.
- Расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа.
- Ипотека для сотрудников по дисконтной программе.
- СберПрайм+ и скидки у партнёров.
- Бонус за рекомендации в команду.
Я основатель небольшой IT-компании. У нас своя платформа: она принимает запросы от клиентов, за несколько секунд выбирает, у какого поставщика купить, и отдаёт результат. Сотни запросов в секунду, круглые сутки.
Код мы почти не пишем руками. За последние полгода в репозитории больше двух тысяч коммитов, и большую часть сделали агенты, в основном Claude Code. Человек ставит задачу, следит, что агент понял её правильно, читает дифф, гоняет проверки и отвечает за то, что уехало в прод.
Вокруг агентов у нас свой харнес, и мы его постоянно дорабатываем.
Мне нужен ещё один человек, который будет так работать.
Что делать
Брать задачи и доводить их до прода. Задач много, и они разные. Сегодня логика выбора поставщика, завтра интеграция с чужим API, потом экран в админке, медленный запрос в базе или алерт, который сработал ночью.
Читать то, что написал агент. Это главное умение в этой работе. Агент пишет быстро и уверенно, в том числе когда ошибается.
Улучшать харнес. Заметил, что агент третий раз наступает на одно и то же, добавил правило или проверку, чтобы четвёртого раза не было.
Сейчас основной проект на Python. Дальше появятся другие проекты, возможно на другом стеке. Я хочу, чтобы ты за это время вырос и какой-то из них вёл уже сам.
На чём всё написано
Python 3.13, FastAPI, asyncio. MySQL, RabbitMQ, Redis. Админка на React и TypeScript (Mantine, TanStack Query, Vite). Прод на обычных серверах: systemd, nginx, Prometheus и Grafana. GitLab.
Знать всё это заранее не надо. Python нужен уверенный, остальное подтянешь по ходу.
Кого ищу
Большой опыт мне не нужен. Год-два работы или свои проекты, которые ты довёл до рабочего состояния, меня устроят одинаково.
Ты понимаешь принципы DDD. Зачем отделять домен от инфраструктуры, что такое агрегат, почему слова из бизнеса должны совпадать с именами в коде. Цитировать Эванса не прошу, мне хватит того, что ты видишь, когда сущность размазана по пяти файлам, и тебя это раздражает.
Ты пишешь чистый код и знаешь, что за этими словами стоит: Clean Code, SOLID, чистая архитектура. Маленькие модули с одной ответственностью, понятные имена, зависимости в одну сторону, тест на каждое поведение. Рефакторинг для тебя обычная часть работы. Агент охотно напишет файл на тысячу строк, если его не остановить, и останавливать его будешь ты.
Из остального нужны SQL на уровне «прочитать план запроса и понять, почему медленно», асинхронный код, git и привычка смотреть в логи раньше, чем строить догадки.
Ты уже работал с агентами всерьёз. Claude Code, Cursor, Codex, что угодно. Настраивал под себя правила, хуки, скиллы, субагентов, и понимаешь, зачем агенту ограничения.
Тебе нравится, когда задач много. Закрыл одну, взял следующую, и от этого хорошо.
Много говорить не обязательно. Созвонов у нас почти нет, общаемся в телеграме, коротко. Сделал, написал «готово, вот что проверил», пошёл дальше. Меня это полностью устраивает.
Тебе интересно расти. Через год я хочу давать тебе задачи, которые сегодня дать не могу.
Одно правило. Если застрял или что-то сломал, пиши сразу. Починим. Плохо будет только тогда, когда дело стоит, а я узнаю об этом через неделю.
Кому здесь будет плохо
Если ты считаешь, что настоящий код пишется только руками, а агенты это игрушка. И если тебе нужны спринты, груминг и тимлид, который разложит задачу по шагам. У нас этого нет.
Условия
Полный день, 5/2, в офисе в Минске. Удалёнки нет: мы сидим рядом, и так быстрее. Трудовой договор, испытательный срок три месяца, договор о неразглашении. Подписки на ИИ-инструменты оплачиваем мы. Зарплата от 4 000 Br на руки, после испытательного срока пересматриваем по результату.
Как откликнуться
Развёрнутое резюме не нужно. Напиши, что ты закончил или где сейчас учишься. Пришли ссылку на свой GitHub или GitLab. Если репозитории закрытые, покажи что-нибудь, что ты сделал сам: бот, сервис, сайт, любую работающую штуку. Отклики без этого я не смотрю.
И напиши пару предложений о том, как у тебя устроена работа с агентами и что ты в ней последним поменял.
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.
-
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.
-
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.
-
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.
Чем предстоит заниматься
• Разрабатывать и внедрять AI-агентов в процессы департамента
• Обеспечивать стабильность и поддержку сервисов
• Анализировать входные требования и находить наиболее оптимальные решения
• Эффективно взаимодействовать с другими членами команды, заказчиками и смежными командами
Что мы ждем от вас
• Высшее образование (образование по профильным специальностям будет плюсом) или эквивалентный практический опыт
• Наличие сертификатов о повышении квалификации будет плюсом
• Уверенное владение Python 3.x, знание концепции ООП, асинхронного программирования
• Опыт работы с OpenAI моделями
• Опыт разработки веб-приложений, работа с API: requests, httpx, FastAPI/Flask
• Базовые знания принципов разработки на ReactJS/TS (будут плюсом)
• Опыт работы с базами данных: уверенное знание SQL, работа с PostgreSQL, Oracle, MySQL, SQLite
• Умение оптимизировать запросы будет плюсом
• Уверенное использование Git + понимание принципов CI/CD, автоматизации развертывания и мониторинга (умение написать базовый pipeline-скрипт будет плюсом)
• Опыт в администрировании серверов, написании скриптов
• Опыт работы: от 3-х лет в разработке, желательно в проектах по автоматизации процессов или созданию веб-приложений
• Способность работать в команде, эффективно коммуницировать со смежными подразделениями
• Уметь представить и донести ценность разрабатываемого продукта
• Внимание к деталям, умение писать чистый, поддерживаемый код и поддерживать документацию
• Самоорганизация, готовность к быстрому изучению новых технологий и инструментов
• Проактивный подход к поиску и устранению проблем в автоматизированных процессах
• Готовность участвовать в улучшении процессов и практик разработки
Что мы предлагаем взамен
• Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
• Гибридный формат работы, либо полную удаленку, плюс есть уютный ИТ-хаб в Москве
• Сложные и интересные задачи, современный стек технологий
• Заботу о вашем здоровье: программа ДМС с первых дней работы, куда входит стоматология, обслуживание в лучших клиниках города, страхование и компенсация 10-ти дней больничного
• Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни
• Оплату посещения профильных конференций и курсов, помогаем с подготовкой к публичным выступлениям и написанием статей на Хабр
• Доступ к бесплатным корпоративным библиотекам Alpina Digital, MyBook и бизнес-изданий
• Предложения от Банка только для сотрудников: собственные спортзалы (Москва, Санкт-Петербург, Екатеринбург), а также скидки на услуги туристических агентств, продукты питания, в рестораны, бары, магазины
Кто такой AI инженер
AI-инженер строит продукты поверх готовых моделей. Он не обучает нейросети с нуля — берёт LLM или vision-модель и превращает её в работающий сервис: RAG-поиск по базе знаний, чат-агента с доступом к инструментам, мультиагентную систему. На выходе — кодовая база и задеплоенный сервис, а не эксперимент в ноутбуке. По сути это сильный разработчик, специализировавшийся на AI-части продукта.
Спрос вырос вместе с доступностью LLM: почти каждой компании захотелось встроить умного ассистента, поиск по документам или автоматизацию на базе моделей. Нужен человек, который знает, как приручить LLM в продакшене — совладать с галлюцинациями, уложиться в контекст, собрать надёжный pipeline и оценить качество ответов. Это инженерная роль с прочным программистским фундаментом.
Требования и стек
Ядро — программирование плюс инструменты вокруг больших моделей.
- Языки: Python в первую очередь, часто с production-backend (FastAPI, асинхронность).
- Оркестрация LLM: LangChain, LlamaIndex, Semantic Kernel, LangGraph.
- RAG: чанкинг, эмбеддинги, векторные БД — Qdrant, pgvector, Weaviate, Chroma, Pinecone.
- API моделей: OpenAI, Anthropic, Google, Azure OpenAI, Bedrock; локальные модели через vLLM, Ollama.
- Агенты: tool use, function calling, многошаговые сценарии.
- Оценка: eval-харнессы, LLM-as-judge, human-in-the-loop.
Иногда нужен и лёгкий fine-tuning (LoRA, PEFT), но глубокое обучение моделей — это уже Data Science и ML, а инфраструктура serving и мониторинга — MLOps. AI-инженеру важнее собрать из готовых кубиков надёжный продукт.
Карточек в выборке первой страницы: 25. С явной отметкой удалённой работы: 9. Источник — показанные объявления HireSeeker; одна карточка учитывается один раз. Это срез текущей страницы, а не доли по всему рынку. Отсутствие отметки не означает запрет удалённой работы.
Что ждут от кандидата
Главный вход в профессию — прийти из backend-разработки: если вы уверенно пишете сервисы на Python, освоить LLM-стек можно за несколько месяцев на реальных задачах. Второй путь — из Data Science в сторону продуктовой разработки, если тянет строить приложения, а не обучать модели.
Что проверяют на собеседовании:
- как устроен RAG и где он ломается — чанкинг, качество ретрива, борьба с галлюцинациями;
- проектирование агента: tool use, обработка ошибок модели, ограничение стоимости и латентности;
- инженерная база — вы прежде всего разработчик, и код будут смотреть как у разработчика;
- как измеряете качество AI-фичи, а не просто «выглядит неплохо».
Самое убедительное — пет-проект: соберите RAG или агента, выложите репозиторий, покажите, что думали про eval и надёжность. Готовый работающий AI-продукт в портфолио сейчас перевешивает почти любую строчку в резюме — вынесите его первым пунктом.
Зарплаты и спрос
Медианная зарплата — 280 000 ₽ по вакансиям за последние 30 дней. Подробная статистика зарплат AI инженер.
Смотрите также в каталоге
Хотите персональную подборку?
Введите свои критерии — мы отфильтруем вакансии по вашим требованиям
Найти подходящие вакансии →