AI инженер — свежие вакансии

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 и запускает модели в пром в "жёстких" контурах: локальные устройства / закрытые контуры / строгие SLA по задержкам.

Работа включает полный цикл: данные → дообучение → оценка качества → оптимизация инференса → нагрузочное тестирование → внедрение.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту 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!

Вы будете:

• обучать LLM на GPU-кластерах
• собирать, очищать и готовть датасеты для pre-training и fine-tuning
• анализировать результаты экспериментов и улучшать качество моделей на основе метрик
• оптимизировать инференс, проводить нагрузочное тестирование и внедрять обученные модели.

Мы ожидаем, что вы:

• имеете подтвержденный практический опыт обучения LLM (pre-training, fine-tuning, aligment) в исследовательских или production-задачах
• глубоко понимаете теоретические и практические аспекты LLM: архитектура, токенизация, построение пайплайнов, batching, mixed precitions, распределенное обучение, дебаг неудачных итераций обучения
• имеете опыт разработки на Python от 3 лет, пишете чистый и поддерживаемый код в рамках современных ML-проектов
• внимательно относитесь к деталям и умеете в коммуникацию с людьми.

Будет плюсом, если вы:

• разрабатывали AI-агентов (tool-using, planning, multi-step workflows), знакомы с агентными фреймворками и архитектурами
• умеете пользоваться инструментами логирования экспериментов (Weights & Biases, MLflow, Langfuse и тд.)
• умеете в оптимизацию инференса и хостинг моделей в production
• дизайнили и поддерживали eval-пайплайны для LLM с метриками, дашбордами, экспериментами, и проверками на регрессию моделей.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 2х дней в неделю)
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• 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.

MCN Telecom - один из ведущих операторов фиксированной связи (в 67 городах РФ), виртуальный мобильный оператор (MVNO), разработчик программных продуктов.

Мы делаем связь удобной, надежной и доступной - для бизнеса и людей!

Чем предстоит заниматься:

• Агентной разработкой (Claude Code) и внедрением программных продуктов (Chatbot, Contact Center, AI-агенты)
• Выстраивать взаимодействие между:
  • тех.поддержкой
  • разработчиками
  • менеджерами
• Контролировать сроки, качество и архитектурную целостность продукта
• Создавать систему эффективной работы команды с AI

Что мы ожидаем:

• Опыт бэкенд разработчика JS, NodeJS, SQL, NoSql, CI/CD, Git
• Практический опыт использования AI-инструментов в разработке
• Системное мышление и сильные навыки коммуникации
• Опыт работы с AI agents
• Предпочтение работать в офисе

Идеальный кандидат:

Это человек, который:

• понимает возможности и ограничения AI,
• может организовать процесс создания продукта через AI-инструменты,

Что мы предлагаем:

• На испытательном сроке работа только в офисе, после возможен гибридный формат с преобладанием работы в офисе;
• Бесплатная мобильная связь;
• Гибкое начало рабочего дня (5/2);
• ДМС
• Бесплатные обеды;
• Офис м.Коломенская/м.Нагатинская.

На проект 2-3 месяца требуется ML Engineer (Senior)

Обязанности:

- Проектирование и разработка production-ready ML, LLM, NLP и Computer Vision решений для автоматизации бизнес-процессов.

- Разработка моделей и пайплайнов для анализа документов и изображений, включая распознавание, классификацию и извлечение структурированных данных.

- Создание RAG-систем, AI-агентов и решений на базе локальных и облачных LLM.

- Разработка, обучение и оптимизация ML-моделей под задачи проекта, включая выбор архитектуры, функций потерь и стратегии валидации.

- Определение метрик качества, проведение экспериментов, валидации и анализа ошибок моделей.

- Оптимизация качества, скорости инференса, стоимости и потребления вычислительных ресурсов.

- Подготовка моделей к промышленной эксплуатации, мониторинг качества и организация переобучения.

Требования:

- От 3 лет коммерческого опыта в Machine Learning.

- Опыт создания и внедрения production ML, LLM, NLP или Computer Vision систем.

- Уверенное владение Python и опыт работы с PyTorch, Scikit-learn, CatBoost, LightGBM или XGBoost.

- Понимание метрик качества, методов валидации, анализа ошибок и оценки стабильности моделей.

- Опыт разработки LLM-приложений, RAG-систем и AI-агентов с использованием LangChain, LangGraph или аналогичных инструментов.

- Опыт проектирования retrieval-пайплайнов для RAG-систем и работы с векторными базами данных.

- Опыт решения задач OCR, анализа документов, изображений или разработки мультимодальных систем.

- Опыт оптимизации и сопровождения моделей в production.

Желательно:

- Знакомство с agentic tooling: Claude Code, Cursor или аналогичными инструментами.

- Понимание методов оптимизации локального инференса: квантизации, батчинга и управления вычислительными ресурсами.

- Опыт разработки решений для генерации текстового или мультимодального контента.

- Опыт развертывания и оптимизации локальных LLM с использованием vLLM или аналогичных решений.

О проекте:
Мы разрабатываем внутреннюю экосистему компании (ERP и BPM системы), которой каждый день пользуются все наши отделы. Главная фишка нашей команды — мы уже год живем в парадигме AI-driven development. Мы не пишем бойлерплейт руками. Наш основной стек автоматизации разработки — Claude 5 Opus, ChatGPT 5.6, а также продвинутый тулинг для оркестрации вроде Ruflo и концепция Memory Bank для удержания контекста.

Мы ищем крепкого Middle Python-разработчика, который понимает коммерческую бэкенд-разработку, ценит системность и умеет эффективно управлять нейросетями, а не просто копипастить промпты.

Кого мы ищем и в чем главная задача:
Нам не нужен человек, который генерирует код «вслепую». Нам нужен разработчик с хорошей базой ООП и SOLID, способный критически оценивать архитектуру ИИ. Вы должны уметь выстраивать контекст для LLM так, чтобы она выдавала рабочий бизнес-функционал для ERP с первого-второго раза.

Наш технологический стек:
Язык: Python 3.14 (используем новые фичи и асинхронность)
Бэкенд: FastAPI, SQLAlchemy (Async)
Архитектура: Микросервисы, событийно-ориентированная архитектура (Event-Driven), автоматизация бизнес-процессов (BPM).
AI-инструментарий: Claude 5 Opus, ChatGPT 5.6, фреймворк Ruflo, Memory Bank (для долгосрочной памяти ИИ об архитектуре проекта), линтер Ruff.

Что нужно будет делать:
Управлять разработкой через ИИ: Проектировать логику ERP-модулей, декомпозировать задачи и скармливать их нейросетям через правильно настроенные инструменты.
Поддерживать Memory Bank и документацию: Систематизировать описание функционала и контекста систем, чтобы ИИ-агенты всегда «помнили» архитектуру наших микросервисов при генерации.
Контролировать качество: Проводить жесткое ревью сгенерированного кода, отлавливать неоптимальные SQL-запросы в SQLAlchemy, следить за SOLID.

Требования к кандидату:
Коммерческий опыт (Middle): Уверенное знание асинхронного Python, FastAPI и SQLAlchemy.
Понимание ООП и SOLID: Вы должны с ходу видеть, где ИИ нарушил паттерны или завязал компоненты друг на друга.
Опыт с продвинутым AI-тулингом: Понимание механики работы Memory Bank. Плюсом будет практический опыт работы с мультиагентными фреймворками вроде Ruflo (или его аналогами).

Свой инструментарий (Важно!): У вас должны быть собственные активные подписки на Claude / ChatGPT (актуальные Pro/Team тарифы), которыми вы непрерывно пользуетесь в работе более 6 месяцев. Мы ищем тех, кто уже интегрировал эти инструменты в свою жизнь.
Системный подход: Способность вести документацию. Для нас описание функционала — это ключевой артефакт.

Что мы предлагаем:
Официальное оформление в СПб, стабильная зарплата ~150 000 руб. на руки.
Работа на стыке бэкенда и AI-инжиниринга. Вы будете решать верхнеуровневые инженерные задачи, пока ИИ пишет рутинный код.

Фильтр для отклика и формат интервью (Вместо тестового)

Как мы проверяем кандидатов:
Мы ценим ваше время. На техническом интервью мы не будем просить вас писать алгоритмы на доске. Мы сядем и вместе разберем реальные практические кейсы оптимизации ИИ-разработки.
Пожалуйста, в сопроводительном письме коротко ответьте на вопросы:

Какой у вас тип по тесту MBTI?
Какие именно платные подписки на LLM у вас сейчас активны и как долго вы ими пользуетесь?
Как вы решаете проблему «вымывания» контекста (context drift) в больших сессиях с Claude/GPT при проектировании логики (например, вели ли вы локальный Memory Bank проекта)?
Был ли у вас опыт настройки или использования мультиагентных систем (например, Ruflo / Claude Flow или кастомных MCP-серверов) для автоматизации рутины?
Отклики со стандартными шаблонными текстами («Я коммуникабельный, знаю Python...») без ответов на эти вопросы мы сразу отклоняем.

Нужен ML-инженер (LLM / RAG / Agents) для AI стартапа Pitchy

Pitchy

Есть контакты

Привет, это команда Pitchy! 👋🏻

Мы создаем Pitchy.pro - ИИ-платформу для проверки и развития продуктовых гипотез.

Наше главное направление - синтетический CustDev. Мы моделируем виртуальное общество из ИИ-агентов с разными ролями, доходом, интересами, характером и поведением, чтобы еще до запуска продукта проверить, как разные группы людей отреагируют на него.

Помимо этого, Pitchy помогает исследовать рынок и конкурентов, находить реальные боли аудитории, подбирать гранты, формировать заявки и собирать результаты исследования проекта в одном месте.

За последние месяцы мы успели:

привлечь грант от Фонда содействия инновациям;

получить грант от Yandex Cloud;

внедрить Pitchy в два акселератора;

стать продуктом недели №1 на Product Radar;

победить в стартап-интенсиве МТУСИ и МГУУ;

Сейчас нас 6 человек, продукт активно развивается, поэтому мы ищем ML-инженера, который усилит ИИ-часть Pitchy.

Кого мы ищем?

Нам нужен человек, которому интересно не просто подключать очередную языковую модель к API, а строить сложные системы вокруг LLM: многоагентные системы, RAG, симуляции поведения людей, поиск и обработку данных, оценку качества ответов и маршрутизацию между разными моделями.

Чем предстоит заниматься?

Развивать синтетический CustDev и систему симуляции поведения людей.

Работать с многоагентной архитектурой и взаимодействием агентов между собой.

Развивать RAG-систему: поиск, разбиение данных, переранжирование и повышение точности выдачи.

Улучшать генерацию профилей виртуальных респондентов и качество их поведения в симуляциях.

Работать с графами знаний и связями между агентами, рынками, проблемами и продуктами.

Разрабатывать агентов для поиска и анализа информации в интернете.

Настраивать маршрутизацию запросов между разными моделями в зависимости от задачи.

Снижать количество галлюцинаций и повышать достоверность результатов.

Проводить эксперименты с моделями, подсказками, контекстом и архитектурой системы.

Оптимизировать скорость и стоимость инференса.

Участвовать в развитии всей ИИ-архитектуры продукта.

Что мы можем предложить? 🚀

Размер оплаты обсуждаем индивидуально и привязываем к опыту, уровню вовлечения и формату работы.

Что еще:

🧠 Задачи на стыке LLM, RAG, многоагентных систем, графов знаний и моделирования человеческого поведения.

⚙️ Возможность экспериментировать с большим количеством современных моделей и подходов.

📈 Реальные пользователи и внедрения, на которых можно проверять свои решения.

🤝 Небольшая команда без нескольких уровней согласований - можно предложить идею и быстро проверить ее в продукте.

🌍 Полная удаленка и гибкий график.

🏗 Возможность расти вместе с проектом и в перспективе взять на себя руководство ИИ-направлением.

Нам не так важно количество лет опыта или громкие компании в резюме. Нам важнее, чтобы тебе действительно было интересно разбираться в современных ИИ-системах, экспериментировать и самостоятельно доводить задачи до результата.

📩 Пиши в Telegram: @homeboyjimmy

Контакты

homeboyjimmy

eat0703@gmail.com

Егор Фигурняк

·

568

·

0

·

2026-10-01

·

Обсудить в Telegram

Senior/Lead Руководитель разработки (Python / AI & LLM / RAG / Управление командой)

Ставка: до 320 000 руб. на руки в месяц.

Грейд: Senior / Lead.

Загрузка: Full-time.

Срок привлечения: 3 месяца с возможностью пролонгации.

Формат: Удалённо.

Часовой пояс: UTC+3 (МСК).

Локация/Гражданство: РФ, РБ / РФ, РБ.

О проекте: ИТ-компания, разрабатывающая разноплановые проекты с фокусом на AI/LLM-решения, интеграции и высоконагруженные сервисы.

Ищем Senior/Lead руководителя разработки, который сочетает сильную техническую экспертизу в Python и AI-стеке с навыками управления командой. Это роль для лидера, который не только проектирует архитектуру и пишет код, но и развивает команду, выстраивает процессы и способен объяснить сложные технические концепции простым языком.

Ключевые задачи:

Управление и процессы:

• Руководство группой backend-разработки (от 3 человек).
• Предварительная оценка трудозатрат, декомпозиция задач, планирование ресурсов и спринтов.
• Проведение качественного Code Review.
• Обеспечение оптимального взаимодействия внутри команды и со смежными подразделениями (AI/ML, Data, Product).

Архитектура и разработка (Hands-on):

• Проектирование технической архитектуры решений и сервисов.
• Выполнение задач по разработке: проектирование и написание кода.
• Участие в разработке технической документации и формировании архитектурных стандартов.

Обязательные требования (Hard Skills):

Опыт и управление (КРИТИЧНО!):

• Опыт разработки не менее 5 лет.
• Опыт руководства группой разработчиков от 3 человек.
• Умение разбивать большую задачу на подзадачи и распределять их.

Python и Web (КРИТИЧНО!):

• Python 3.11+: уверенное владение ООП, современными паттернами, асинхронным программированием (asyncio), строгой типизацией (typing).
• Web-разработка: FastAPI и Pydantic (v2): создание асинхронных API, валидация/сериализация данных, генерация OpenAPI-документации.

AI и LLM (КРИТИЧНО!):

• Проектирование агентных сценариев на LangGraph.
• Интеграция с OpenAI-совместимыми API (OpenAI, Azure, локальные LLM через vLLM/Ollama).
• Практическое применение Structured Outputs (JSON/Pydantic-схемы, function calling, tool use).
• Опыт построения RAG-пайплайнов (чанкинг, эмбеддинги, reranking, гибридный поиск).

Базы данных и векторный поиск:

• PostgreSQL: проектирование схем, оптимизация запросов, работа с индексами, использование SQLAlchemy 2.0 / Tortoise / asyncpg.
• Векторные хранилища: pgvector, Qdrant, Weaviate, Chroma (выбор эмбеддингов, настройка индексов HNSW/IVFFlat, фильтрация по метаданным).

Инфраструктура, данные и CI/CD:

• Docker и Docker Compose, понимание принципов оркестрации (Kubernetes).
• Работа с асинхронными очередями: Redis, Celery, ARQ, Kafka, RabbitMQ.
• Настройка пайплайнов в GitLab CI/CD, линтинг (ruff, mypy), автоматизированные тесты.
• Работа с данными: обработка JSON, TOML, DAT, CSV; извлечение информации из PDF, парсинг DXF-чертежей.

Тестирование:

• Unit- и интеграционные тесты (pytest, pytest-asyncio), мокирование внешних AI-API.

Требования Soft Skills и прочее:

• Уверенное владение Linux (уровень выше базового, без задач DevOps).
• Навык объяснять сложные технические проблемы простым и понятным языком.
• Опыт публичных выступлений: конференции, митапы и другие профильные мероприятия.
• Работа в гибких и гибридных методологиях (Agile/Scrum).

Documentolog - казахстанская продуктовая IT-компания, развивающая собственную платформу электронного документооборота Documentolog и мультиагентную AI-платформу d8n.ai. Мы строим «цифровых сотрудников» - LLM-агентов, которые работают с документами, корпоративной базой знаний и бизнес-процессами у корпоративных и государственных заказчиков. Агенты живут в проде и решают задачи реальных пользователей каждый день. Часть заказчиков работает в закрытых контурах - поэтому LLM-инфраструктура у нас собственная, self-hosted.

Чем предстоит заниматься:
- Проектировать и разрабатывать LLM-агентов («цифровых сотрудников»): архитектура агента, инструменты (function calling), навыки, оркестрация.
- Развивать поиск по корпоративной базе знаний.
- Интегрировать LLM через OpenAI-совместимые API, работать с self-hosted моделями.
- Заниматься промпт-инжинирингом, защитой от prompt injection, маскированием персональных данных.
- Строить оценку качества (evals, LLM-as-Judge) и наблюдаемость: качество ответов, стоимость, мониторинг галлюцинаций.
- Развивать корпоративный мессенджер реального времени: WebSocket-доставка и порядок сообщений, треды, вложения, push-уведомления, Bot API и подключение AI-агентов к чатам, интеграции с платформой документооборота.
- Писать асинхронный Python-бэкенд: FastAPI, PostgreSQL, Redis, стриминг ответов, фоновые воркеры.
- Доводить фичи до продакшена и сопровождать их у крупных заказчиков.
- Следить за трендами агентной экосистемы и LLM: новые инструменты и паттерны (MCP и агентные протоколы, агентные базы знаний, скиллы и память агентов), релизы моделей и фреймворков, техники RAG и evals - и приносить лучшее в платформу, делясь знаниями с командой.

Что нам важно:
- 2+ года коммерческой разработки на Python (asyncio, FastAPI, Pydantic, SQLAlchemy, pytest); асинхронный бэкенд в проде, включая стриминг ответов (SSE или WebSocket).
- 1+ год работы с LLM-системами в продакшене: function calling / агенты, RAG, промпт-инжиниринг.
- Опыт с любым агентным фреймворком (LangGraph, LangChain, Google ADK, CrewAI и т.п.).
- AI-first подход к работе: продвинутое владение агентными инструментами разработки (Claude Code, Codex или аналоги).
- PostgreSQL (индексы, транзакции, чтение планов запросов), Redis, Docker, Linux, Git.
- Опыт сопровождения собственного сервиса в проде: инциденты, миграции, производительность.
- Умение и желание отвечать за фичу целиком — от идеи и дизайна до продакшена и сопровождения.

Будет плюсом:
- Real-time-бэкенд в проде: WebSocket / Socket.IO, Redis pub/sub, несколько воркеров, переподключения.
- Опыт разбора проблем производительности БД в проде: пул соединений, блокировки, медленные запросы.
- Push-уведомления (FCM, APNs), очереди (RabbitMQ), нагрузочное тестирование (k6, Locust).
- MCP (Model Context Protocol).
- Evals и наблюдаемость LLM (Langfuse, RAGAS и т.п.).
- vLLM / GPU-serving, fine-tuning (LoRA).
- Классический ML.
- Умение читать PHP и TypeScript/React-код.

Что предлагаем:
- Беспроцентные займы - финансовая поддержка сотрудников со стажем работы в компании от 1 года.
- Фантомные акции - возможность получать процент от чистой прибыли компании после 1 года работы. Количество фантомных акций увеличивается с каждым годом работы в компании.
- Премия раз в полгода - по результатам выполнения KPI.
- Ежегодная индексация заработной платы.

Мебель Рус — мебельная компания с собственным производством корпусной и мягкой мебели. С 2019 года мы создаем мебель на заказ и сегодня являемся одной из ведущих компаний по производству корпусной мебели на побережье.

О проекте:

Мы создаём ИИ-ассистента для проектирования корпусной мебели.

Идея проекта — научить AI анализировать фотографии замеров помещения, распознавать стены, окна, двери, коммуникации и другие объекты, а затем автоматически создавать помещение и мебельный проект в Базис-Мебельщик с последующим просчётом конструкции.

Это проект на стыке Computer Vision, мультимодальных моделей, LLM/VLM и автоматизации CAD-систем.

Сейчас мы ищем AI/ML-инженера, который поможет превратить эту идею в работающий продукт.

Чем предстоит заниматься

• Дообучать мультимодальную модель Qwen3.8-27B с использованием LoRA/PEFT под задачи распознавания фотографий замеров, рукописных записей и планировок.

• Собирать, структурировать, размечать и аугментировать датасеты.

• Настраивать преобразование изображений в структурированные данные: геометрия стен, высота помещения, окна, двери, коммуникации, розетки, трубы, заметки и т.д.

• Разрабатывать AI/GUI-агента для Базис-Мебельщик через API программы и JavaScript, без примитивной эмуляции кликов мышью.

• Интегрировать Computer Vision и OCR для анализа фотографий замеров.

• Строить и развивать полный pipeline:

фото замеров → распознавание → структурированные данные → генерация скрипта → готовый проект в Базис-Мебельщик

• Тестировать решения на реальных замерах и оценивать качество моделей.

• Формировать метрики, находить ошибки и улучшать модель на основе результатов тестирования.

Что нам важно

• Уверенное владение Python.

• Опыт работы с PyTorch, Hugging Face Transformers, PEFT/LoRA.

• Практический опыт дообучения LLM/VLM — Qwen, LLaVA, InternVL или аналогичных моделей.

• Хорошее понимание Computer Vision: OpenCV, детекция, сегментация, OCR.

• Опыт работы с API и автоматизацией программ.

• Знание JavaScript.

• Понимание принципов работы AI-агентов, GUI-агентов или RPA.

• Опыт подготовки, разметки и аугментации датасетов.

Будет большим плюсом

• Опыт работы с Базис-Мебельщик или другими CAD-системами.

• Знание DXF и принципов работы с 2D/3D-геометрией.

• Опыт в мебельном производстве или проектировании мебели.

• Опыт разработки AI-агентов, работы с интерфейсами программ.

• Опыт с RL / Reinforcement Learning.

• Понимание задач автоматизации проектирования.

Что предлагаем

• Удалённая работа.

• Проектная или полная занятость — готовы обсуждать подходящий формат.

• Оплата по итогам собеседования, в зависимости от опыта и уровня экспертизы.

• Возможность долгосрочного сотрудничества.

• Проект с большим количеством задач, где можно непосредственно влиять на архитектуру и развитие продукта.

Важный момент!

Мы ищем не просто разработчика, который умеет запускать готовые модели.

Нам нужен специалист, которому интересно разобраться в задаче, экспериментировать с моделями, собирать pipeline и довести AI-решение до работающего продукта.

Если вам интересны мультимодальные модели, Computer Vision, AI-агенты и автоматизация реальных бизнес-процессов — будем рады познакомиться.

Senior AI Engineer (Founding Role)

Компания: Международный FX/CFD брокер

Формат: 100% Remote

Занятость: Full-time

Ищем первого и главного Senior AI Инженера (Full-Stack), который возглавит техническую разработку AI-решений с нуля. Ваша задача — строить RAG-системы, мультиагентные процессы и интегрировать LLM (OpenAI, Anthropic Claude) в реальные системы брокера (CRM, техподдержка, KYC/Compliance, аналитика).

🛠 Требования к кандидату:

• 5+ лет в бэкенд / full-stack разработке.
• 2+ года опыта с LLM в продакшене (наличие 2–3 готовых и запущенных кейсов).
• Сильный стек: RAG, AI Agents, Prompt Engineering, Tool & Function calling, Python/Node.js, REST API.
• Опыт работы с облаками (AWS/GCP/Azure), Docker, CI/CD.
• Свободный английский язык (Fluent English).
• Опыт в Финтехе / Форекс / Банках — будет преимуществом.

🎁 Условия:

• Роль основателя AI-направления с высокой автономией и перспективой роста до Tech Lead.
• Полная удаленка из любой точки мира.
• Работа над реальными AI-продуктами без бюрократии и легаси-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.

Операционное совершенство – IT-компания, которая занимается разработкой, внедрением и сопровождением IT-продуктов для горнодобывающей отрасли, а также оказывает услуги по диспетчеризации производства на основе собственных IT-продуктов.

Ищем технического руководителя продукта и команды из трёх инженеров. Отвечаете за архитектуру, качество и стоимость агентов в продакшене, план работ и найм. Ключевые компоненты пишете сами и ревьюите код команды.

Задача роли

• Ядро платформы на Python: сессии, ходы агента, политики заказчика, учёт; агентный цикл под бюджет хода.
• Перевод пользователей с пилотной архитектуры на целевую без остановки работы.
• Снижение стоимости хода: состав входа, кэш префикса, лимиты инструментов, роутинг моделей, учёт по пользователю и ходу.
• Оценка качества: эталон из реальных трасс, сравнение российских моделей, регресс на каждый промпт, инструмент, модель.
• Данные компании через MCP с правами пользователя: 1С, КХД, СЭД, HR, поиск по документам с ACL.
• Надёжные фоновые процедуры и запись во внешние системы: расписания, подтверждение человеком, ровно одна запись.
• Песочница для кода агента: на сессию, без секретов и исходящих соединений.
• Команда: декомпозиция, ревью, работа с ИИ-агентами для кода, найм. Согласование требований и ИБ с заказчиком.

Ты нам подходишь, если у тебя есть

• Backend от 7 лет, из них от 2 лет — техлид/ведущий инженер, ответственность за продакшн.
• Python в продакшене: asyncio, FastAPI, Pydantic, типизация, тесты. Go — читать и править.
• LLM-агенты в продакшене с реальными пользователями: tool calling, цикл агента, ограничения, обработка ошибок.
• Понимание контекста и стоимости: вход вызова, кэш префикса, сжатие истории, лимиты инструментов, расчёт цены хода по usage.
• Eval: эталонные наборы, LLM-судья и его проверка, регресс, трассировка (Langfuse, OpenTelemetry).
• Гибридный поиск, реранкинг, чанкинг, права доступа к документам.
• MCP, OAuth 2.0/OIDC, token exchange — агент от имени пользователя.
• Durable execution (Temporal, Restate или аналог), идемпотентность, повторы.
• PostgreSQL, Redis, S3, Docker, Kubernetes, GitLab CI.
• Открытые модели через OpenAI-совместимые API, LiteLLM или аналог.
• Высшее техническое образование.

У нас хорошо, потому что у нас есть

• Возможность работать из любой точки мира.
• ИТ аккредитация.
• Программа корпоративных привилегий BestBenifit.
• ДМС со стоматологией.
• Доступ к обучению английскому языку.
• Возможность проходить курсы и тренинги по развитию в сфере вашей специальности.
• Участие в интересных и сложных проектах в области искусственного интеллекта.

В сопроводительном: пара слов об опыте управления командой, образовании и том, какой ИИ используете в разработке.

Ищем Python-разработчика, который будет участвовать в создании AI-решений для автоматизации внутренних бизнес-процессов.

Вам предстоит разрабатывать прикладные сервисы и AI-агентов: от прототипа и проверки гипотезы до работающего решения. Роль подойдёт разработчику с хорошей базой в Python, интересом к AI-инженерии и желанием быстро развиваться в создании современных AI-продуктов.

• разработка backend-сервисы и API на Python

• создание AI-агентов и AI-пайплайны с использованием LangChain, LangGraph или аналогичных инструментов

• работа с LLM: промптами, structured output, tool calling, контекстом и памятью

• участвоватие в создании RAG-систем: загрузке документов, поиске информации и формировании ответов на основе источников

• интеграция решения с базами данных, внутренними API и внешними сервисами

• работа с очередями задач, кэшированием, логированием и мониторингом.

• участие в проектировании веб-приложений: продумывать взаимодействие backend, frontend, баз данных, фоновых задач и внешних сервисов

• интеграция backend с пользовательскими интерфейсами и при необходимости вносить базовые изменения во frontend

• написание тестов, исправлять ошибки и улучшать качество существующего кода

• участие в обсуждении архитектурных и технических решений

• быстро собирать прототипы, проверять гипотезы и дорабатывать решения по обратной связи пользователей.

• коммерческий опыт разработки на python (fastapi, django или flask) и уверенное проектирование rest api

• sql и реляционные бд (postgresql), git, docker; понимание клиент-серверной архитектуры и http-стека (авторизация, аутентификация, обработка ошибок)

• базовая архитектура приложений: модульность, разделение ответственности, слои приложения, поддерживаемость кода и взаимодействие сервисов

• синхронная и асинхронная обработка, фоновые задачи, очереди сообщений и брокеры (например, celery с rabbitmq/kafka)

• практический опыт в ai/llm: разработка агентов и чат-ботов, использование langchain/langgraph, управление контекстом llm, оценка качества и защита данных

• rag-системы, векторные базы данных, работа с полуструктурированными данными (pdf, таблицы) через pandas/numpy

• кэширование, логирование и мониторинг (redis, elk/prometheus); базовое знакомство с ci/cd и развёртыванием

• websocket и потоковая передача ответов от llm; базовое понимание frontend (html/css/js, react/vue/next.js) для интеграции интерфейса с api.

• использование современных ai-инструментов для ускорения написания кода, тестирования и подготовки документации

Будет плюсом:

• навыки работы с генеративными AI-моделями.

• офисный формат работы: г. Москва

• ежегодный пересмотр зарплаты и годовая премия

• более 400 образовательных программ в СберУниверситете для твоего развития

• спортзал и зоны отдыха

• расширенный ДМС, льготное страхование для семьи

• 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.

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.

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.

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.

Что мы предлагаем:

• современный комфортный офис возле метро Кутузовская

• гибридный формат работы

• Ежегодный пересмотр заработной платы и возможность получения годовой премии

• доступ к корпоративному спортзалу и зонам отдыха

• Более 400 образовательных курсов СберУниверситета для профессионального и карьерного роста

• расширенная медицинская страховка, льготное страхование членов семьи и участие в корпоративной пенсионной программе

• специальные условия по ипотеке, скидка составляет треть от текущей ключевой ставки Центробанка

• бесплатная подписка СберПрайм+ и скидки на товары компаний-партнёров

• возможность получить вознаграждение за рекомендации друзей в нашу команду.

BSS - это ведущий разработчик в мире финансовых продуктов и сервисов, онлайн-коммуникаций и пользовательского опыта. Входит в ТОП 20 крупнейших финтех-компаний РФ (Smart Ranking, 2024), имеет более 700 сотрудников в штате и четыре направления деятельности. Среди наших клиентов — банки от топ-10 до топ-100, государственные организации, здравоохранение, телеком и электронная коммерция.

В связи с расширением штата, приглашаем присоединиться к нашей команде инженера по разработке ИИ-решений / AI Engineer.

Почему Вам будет это интересно:

• Влияние на технические решения. Можно предлагать архитектуру, сравнивать модели и инструменты, обосновывать выбор на экспериментах;
• Прямой контакт с пользователями. Вы сможете видеть, как используют созданные функции и что стоит улучшить;
• Развитие в прикладном AI Engineering. Опыт полного цикла: от постановки задачи и прототипа до эксплуатации и оценки эффекта;
• Возможность создавать платформенные компоненты. Удачные подходы к поиску, обработке документов и интеграциям смогут стать основой инновационных продуктов.
  

Вам предстоит:

• Разрабатывать продуктовые сервисы, подключать модели, источники данных и корпоративные системы;
• Организовывать работу с контекстом, промптами, инструментами и состоянием многошаговых процессов;
• Доводить прототипы до надёжной работы: тесты, обработка ошибок, оценка качества, трассировка, контроль доступа;
• Улучшать решения по обратной связи от пользователей, предлагать решения и проверять гипотезы и измерять результат.

Что мы ждем от кандидата:

• Уверенная база в backend-разработке — от 5 лет опыта;
• Отличное владение Python и/или TypeScript / JavaScript;
• Практический опыт разработки с использованием кодовых ИИ-агентов: Codex, Claude Code или т.п.;
• Практический опыт создания LLM-приложений. Вы можете показать или подробно разобрать решение, свои технические решения и способы проверки качества;
• Опыт интеграций через API, знание SQL, навыки работы с Git и Docker;
• Понимание RAG, структурированного вывода и вызова инструментов. Умение находить причины неверных ответов и ошибок выполнения;
• Умение обсуждать задачу с пользователем и самостоятельно доводить согласованный сценарий до рабочего результата;

Мы предлагаем:

• Стабильность и признание: мы входим в топ-15 крупнейших финтех-компаний России и в список системообразующих ИТ-организаций РФ.
• Официальное трудоустройство по ТК РФ;
• Удаленный формат работы (или с посещение офиса - на Ваше усмотрение);
• Гибкое начало рабочего дня с 9 или 10 по МСК;
• Сильную команду, открытую коммуникацию и реальное участие в принятии решений;
• Корпоративное обучение;
• Подключение к программе ДМС в любом городе РФ (включает сеть ведущих клиник и стоматологию, страховку выезжающих за рубеж);
• Обучение английскому языку в мини группах;
• Сервис скидок и привилегий BestBenefits;
• Подарки детям сотрудников.
  
  Пожалуйста в сопроводительном письме укажите желаемый уровень заработной платы (если не указано в резюме).

Чем предстоит заниматься:

• Проектировать архитектуру сервисов и событийно-ориентированных систем (EDA) с нуля, выбирая оптимальные паттерны и стек;

• Разрабатывать высоконагруженный бэкенд на асинхронных фреймворках с эффективным использованием параллелизма и конкурентности;

• Интегрировать очереди сообщений (Kafka, Redis Pub/Sub) и обеспечивать отказоустойчивую доставку событий;

• Работать с данными — проектировать схемы PostgreSQL, оптимизировать запросы через SQLAlchemy и внедрять кэширование на Redis;

• Обеспечивать наблюдаемость системы через трейсинг, структурированное логирование и сбор метрик;

• Покрывать решения тестами всех уровней (unit, интеграционные, E2E) без привлечения команды тестирования;

• Настраивать CI/CD и контейнеризацию (Docker), автоматизируя сборку, проверку и деплой;

• Управлять качеством кода и развитием команды — проводить ревью, менторить, документировать архитектурные решения и участвовать в инцидентах.

Для нас важно:

• Опыт коммерческой разработки на Python от 2 лет;
• Высшее образование IT, техническое, математическое (или эквивалентный практический опыт);
• Свободное владение async/await, typing, ООП, структуры данных;
• Опыт создания REST API на FastAPI;
• Продвинутый SQL: оконные функции, работа с PostgreSQL/asyncpg;
• Практический опыт работы с LLM: инференс через OpenAI API или совместимые (vLLM, TGI);
• Понимание ограничений LLM: понимание галлюцинаций, стохастичности, латентности и ограничений контекстного окна;
• Навыки prompt engineering: системные промпты, управление контекстом, JSON-mode;
• Навыки контейнеризации (Docker), сборка образов, запуск контейнеров;
• Базовое понимание CI/CD: запуск пайплайнов, чтение логов;
• Понимание принципов работы с GPU: память, утилизация, параллелизм;
• Уверенная работа с Git: ветки, pull requests, code review;
• Опыт написания юнит-тестов;
• Базовое понимание архитектурных паттернов для агентов: ReAct, Plan-and-Execute, Agent-as-a-Judge и знакомство с фреймворками LangChain, LangGraph, LlamaIndex, AutoGen;
• ML-алгоритмы и теория (базовое понимание);
• Классический ML: линейные модели, деревья решений, ансамбли (Random Forest, градиентный бустинг);
• Метрики качества: precision, recall, F1, ROC-AUC, accuracy для задач классификации, метрики для регрессии;
• Валидация моделей: train/test split, кросс-валидация, bootstrapping;
• Предобработка данных: нормализация, стандартизация, кодирование категориальных признаков;
• Feature engineering: отбор признаков, работа с пропусками, выбросами;
• Библиотеки: scikit-learn, pandas, numpy, matplotlib/seaborn для визуализации.

Будет плюсом:

• Опыт развертывания LLM через vLLM (настройка параметров, оптимизация);
• Знакомство с Kubernetes: deployment, services, probes, resources;
• Опыт работы с векторными базами (Qdrant, Pinecone, Weaviate)
• RAG-системы: поиск чанков, reranking, контекстуализация запросов;
• Оптимизация инференса: batching, caching, quantization, strea.

Главный принцип SkillStaff - Выбирай!

• РАЗНООБРАЗИЕ ПРОЕКТОВ. Выбирай из сотен компаний и проектов то, что интересно и полезно для твоего роста. SkillStaff помогает реализовывать ежегодно порядка 500 различных ИТ-проектов для крупного бизнеса.
• КОМФОРТ. SkillStaff — аккредитованная IT-компания, белая зарплата и удобный график работы. Создавай идеальные условия для своей работы: удаленная работа или возможность работать как в офисе клиента, так и в комфортном офисе SkillStaff в центре Москвы на Воздвиженке.
• РАЗВИТИЕ. Выбирай сам путь, по которому ты хочешь развиваться. Используй возможность обмена опытом и получение знаний через участие в разных проектах, совместную работу с высококвалифицированными коллегами.
• КУЛЬТУРА. Нашу культуру создают сами сотрудники – мы их слышим и помогаем развиваться, чтобы #вместе переходить на новый уровень!

• Проведение discovery с заказчиком, анализ бизнес-процессов, данных и ограничений
• Перевод бизнес-задач в техническую архитектуру с выбором подходящих AI-технологий
• Проектирование агентных решений и интеграция AI в корпоративные системы
• Создание прототипов и доведение их до production-ready состояния
• Определение качества AI-систем с помощью evals, golden datasets и метрик
• Управление технической командой пилота
• Взаимодействие с заказчиком как технический партнёр: воркшопы, демо, архитектурные сессии
• Формирование повторяемых активов: reference architectures, шаблоны интеграций, библиотеки промптов и чек-листы безопасности

• Опыт в software engineering, solution architecture, AI/ML engineering или техническом консалтинге от 5 лет
• Реальный опыт внедрения LLM/GenAI-решений, включая пилоты или production
• Уверенные навыки backend разработки: Python и/или TypeScript/Node.js, REST/GraphQL API, SQL, Docker, CI/CD, Git
• Понимание архитектуры LLM-приложений и опыт работы с инструментами LangGraph, LangChain, LlamaIndex и др.
• Знание моделей и провайдеров AI, таких как OpenAI, Anthropic, Azure OpenAI, YandexGPT и другие
• Опыт интеграций с корпоративными системами и понимание безопасности и governance для AI

• Разработка и сопровождение решений на базе LLM
• Настройка и развитие RAG-систем
• Развертывание и сопровождение моделей в промышленной среде
• Настройка процессов индексации и поиска по корпоративным данным
• Интеграция AI-решений с внутренними системами Банка через API
• Настройка и сопровождение векторных баз данных
• Оптимизация производительности и стоимости AI-сервисов
• Настройка мониторинга качества работы моделей
• Участие в выборе технологий и архитектурных решений
• Взаимодействие с командами разработки, инфраструктуры, ИБ и бизнес-подразделениями.

• Опыт работы ML Engineer от 2 лет
• Уверенное владение Python
• Опыт работы с FastAPI
• Опыт работы с Docker
• Опыт работы с Kubernetes
• Опыт работы с PostgreSQL
• Опыт работы с Git
• Практический опыт работы с LLM
• Практический опыт работы с RAG-системами
• Опыт работы с векторными БД (Qdrant, Milvus, Weaviate или аналоги)
• Понимание принципов CI/CD

• Работу в надёжном и динамичном банке №1 среди частных банков Узбекистана
• Конкурентную официальную зарплату
• Оформление по ТК РУз, «белая» зарплата
• Отпуск: 21 день + 7 дополнительных
• Премии к праздникам и выплаты за выполнение ключевых задач
• Поддержку в сложных жизненных ситуациях
• Выгодные условия по кредитам для сотрудников со стажем от 1 года
• График 5/2, с 9:00 до 18:00
• Корпоративное обучение — от внутренних экспертов и внешних тренеров

Мы — группа компаний в автомобильном бизнесе: сдаём в аренду автомобили под такси, обычный прокат и коммерческий транспорт, а также работаем по схеме аренды с правом выкупа. В парке больше 4000 автомобилей. Мы строим собственный цифровой контур с нуля — без легаси, без трёх слоёв согласований и без корпоративных ограничений на стек.

Ищем инженера, который сам доводит задачу из Jira до работающего продукта, опираясь на кодовых агентов и LLM. Работаете напрямую с product owner группы, рядом команда маркетологов и бизнес-аналитиков, которая подключается на тяжёлых спринтах. Задачи приоритизированы, роудмап есть — придумывать, что делать, вам не придётся.

Чем предстоит заниматься: Бэклог уже собран, так что расскажем конкретно.

● Многофункциональный бот таксопарка — текущая задача. Три типа пользователей в одном продукте: водители, клиенты, внутренние отделы. Ролевая модель, интеграции с учётными системами, работа с персональными данными

● Превращение бота в полноценное приложение на следующей итерации

● Дашборд собственника — экономика бизнеса и управленческий учёт, собранные из нескольких источников, с доходностью по каждому автомобилю

● Автоматизация процессов отделов — заявки, документы, уведомления, интеграции между системами, LLM там, где он действительно уместен

● Доработка того, что уже работает — сайты, интеграции, внутренние сервисы

● Второй контур в перспективе — прокаты и аренда с выкупом, до них ещё не дошли За вами — архитектура, реализация, деплой и работоспособность решения в проде.

Что ждём от вас:

● Кодовые агенты как рабочий инструмент. Claude Code, Cursor, Codex или аналоги каждый день — с декомпозицией задачи, контролем контекста и собственным ревью того, что они написали

● Разработка полного цикла самостоятельно. Бэкенд и фронтенд, проектирование БД, REST API и вебхуки, очереди и фоновые задачи, Docker, деплой. Язык не принципиален: Python, JS/TS, Go, PHP — важно, что вы закрываете цепочку целиком

● Инфраструктура и безопасность. Понимаете, где разместить сервис и почему, умеете закрыть периметр, разграничить доступы, настроить бэкапы и мониторинг. Работаем с персональными данными, поэтому 152-ФЗ должен быть знакомой темой

● Прикладная работа с LLM. Интеграция в продукт, промпт-инжиниринг на уровне агентных сценариев, эмбеддинги и векторный поиск, RAG, structured output и tool calling, контроль галлюцинаций и расходов

● Портфолио, которое можно показать. Минимум один сложный проект в проде — приложение, CRM, система учёта или крупная автоматизация. На собеседовании попросим показать один-два кейса на экране

● Работа с требованиями и в команде. Умеете задать уточняющие вопросы до старта, декомпозировать задачу, дать оценку и сказать вовремя, если не успеваете. Требования часто уточняются по ходу — это норма Будет плюсом ● Интеграции с 1С

● Telegram Bot API и Mini Apps в проде

● n8n, Make или подобные платформы автоматизации

● BI и визуализация данных

● Опыт в автобизнесе, аренде, такси, лизинге или логистике

● Собственный продукт или пет-проект, которым кто-то пользуется Чего мы НЕ требуем Профильного высшего образования, опыта обучения моделей и MLOps, свободного английского и опыта руководства. Английский нужен только для чтения документации, вся команда работает на русском. Если вы самоучка с сильными проектами — откликайтесь, это не помеха.

Условия:

● 150 000 — 300 000 ₽ на руки, итоговая сумма по результатам собеседования и тестового

● Офис или гибрид в Москве, полная занятость

● Прямое подчинение product owner группы, без промежуточных согласований

● Agile, спринты, задачи в Jira

● Свобода в выборе стека и инструментов, компания оплачивает подписки на рабочие ИИ-инструменты

● Испытательный срок 3 месяца

Как откликнуться:

Пришлите резюме и коротко опишите один проект, который вы сделали от начала до прода: что за задача, какой стек, сколько заняло времени и кто им пользуется сейчас. Ссылки на GitHub, демо или бота приветствуются.

1. Назовите проект, который вы сделали один от начала до прода. Кто им пользуется сейчас и сколько там пользователей?
2. Какими кодовыми агентами пользуетесь каждый день и как проверяете то, что они написали?
3. Где разворачивали свои сервисы и как закрывали доступ к данным?
4. Готовы показать один-два проекта живьём на созвоне с демонстрацией экрана?

Ждём ваших откликов!