AI инженер — свежие вакансии

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.

Мы в поиске ML разработчика / инженера, который будет развивать направление поставки ML-решений в production в команде:

• Настроит мониторинг и сделает оптимизацию уже существующих в production ML-решений
• Реализует масштабирование и вывод в production новые ML-решения (планируем 5-10 до конца 2026 года)
• Будет взаимодействовать с командами разработки, ML для уточнения требований и постановки задач; предлагать архитектурные решения

• Настроит мониторинг и сделает оптимизацию уже существующих в production ML-решений
• Реализует масштабирование и вывод в production новые ML-решения (планируем 5-10 до конца 2026 года)
• Будет взаимодействовать с командами разработки, ML для уточнения требований и постановки задач; предлагать архитектурные решения

Ключевые задачи:

• Разработка и поддержка API на FastAPI / другом фреймворке для интеграции ML-решений (классических моделей, агентов и тд);
• "Упаковка" кода в Docker-образ с минимальным размером и безопасными зависимостями, писать Helm-чарт для развертывания этого образа;
• Поиск способов обновления библиотеки или применение патча, пересборка образа и обновление деплоя при блокировке образа SCA-сканером;
• Обеспечение стабильной работы ML-решений в production, включая развертывание и работы с локальными LLM, ASR и in-house решения;
• Настраивать и оптимизировать моделей на GPU и CPU;
• Версионирование моделей и управление артефактами;
• Развитие вместе с командой эксплуатации и архитекторами инфраструктуры полного жизненного цикла ML-решений: тестировать новые решения, улучшать текущие.

• Опыт работы в области ML Engineer / ML Ops от 4 лет
• Опыт практического внедрения и поддержки ML-решений в production
• Практические знания инструментов и практик ML Ops:
  • Уверенный Docker, Kubernetes; умение писать Dockerfile и values.yaml; CI/CD-пайплайны; мониторинг ресурсов
  • Глубокое понимание работы зависимостей в Python для устранения проблем с деплоем
  • Опыт работы с SCA-сканерами и подготовкой ML-решений для проверки безопасности и запуска в кластере
  • Разворачивание и поддержка решения полного жизненного цикла ML-решений: анализ логов, масштабирование, сокращение SLA, оптимизации ресурсов
• Понимание ML-алгоритмов и жизненного цикла модели:
  • от постановки задачи, экспериментов и версионирования до деплоя и мониторинга ML метрик в production
  • знание современных NLP-архитектур (трансформеры, механизмы внимания) и их отличия от классических сетей
  • знание агентных систем (работа с LangChain, LlamaIndex, LangGraph, Tool-Calling, RAG)
• Backend production фреймворки:
  • проектирование поддерживаемых, документированных и высоконагруженных API
  • Понимание микросервисов, принципов SOLID, грамотный дизайн REST/gRPC API для инференса
  • SQL (PostgreSQL/MySQL) / noSql (MongoDB): работа с данными, оптимизация запросов, версионирование данных (DVC)
• Уметь находить общий язык с техническими командами: доносить и аргументировать свои позицию, участвовать в релизах, оперативно и проактивно вносить изменения для достижения результата
• Уметь внятно презентовать / рассказать о проделанной работе, своих решениях и дальнейших шагах
  
  Является преимуществом:
• KServe / TorchServe — опыт развертывания моделей на inference-платформах.
• Triton Inference Server — оптимизация инференса, динамическое батчирование, работа с разными бекендами (TensorRT, ONNX).
• Опыт инференса больших языковых моделей (vLLM, LLM) и других ML-моделей, оптимизация GPU-памяти, continuous batching.
• Real-time системы: Kafka, streaming-инференс
• Опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных
• Опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов
• Понимание принципов и практический опыт Data Ops / LLM Ops / Agent Ops

• Годовую премию по результатам работы;
• Ежегодный индивидуальный пересмотр заработной платы;
• Дополнительное медицинское страхование и возможность страхования родственников;
• Полис путешественника;
• Ипотечное кредитование на льготных условиях;
• Бесплатную подписку СберПрайм+, скидки, бонусы и акции экосистемы;
• Обучение в Виртуальной школе Сбербанка;
• Обучающие материалы для родителей, подарки и мероприятия для детей сотрудников экосистемы;
• Комфортную рабочую среду;
• Гибкое начало рабочего дня.

О команде

Мы — небольшая продуктовая команда внутри крупной компании.

Ищем Senior-инженера, который умеет не просто интегрировать LLM, а строить надёжные агентские системы и использовать AI-инструменты как полноценную часть инженерного процесса.

Чем предстоит заниматься

• Проектировать и разрабатывать backend агентских систем: оркестрация агентов, управление контекстом, инструменты, надёжность и наблюдаемость.
• Строить и развивать собственную инженерную обвязку вокруг AI-агентов: пайплайны разработки, субагенты, skills, автоматизация.
• Вести разработку с использованием современных AI coding tools и agent harnesses.
• Принимать архитектурные решения и доводить их до production.
• Разбираться в поведении LLM и агентов на уровне архитектуры системы и использовать это понимание при проектировании решений.
• При необходимости закрывать задачи на frontend и работать на стыке backend/fullstack.

Что ожидаем

• От 5 лет коммерческого опыта разработки.
• Практический ежедневный опыт работы с AI coding tools и agent harnesses: Claude Code, Codex CLI, Gemini CLI, Cursor, OpenClaw или аналогами.
• Понимание устройства современных agent harnesses: контекстное окно, tool calls, субагенты, skills, MCP, оркестрация.
• Понимание принципов работы современных генеративных моделей и LLM: архитектура моделей класса GPT, контекст и промптинг, многоагентные системы.
• Сильный backend: Python, FastAPI, PostgreSQL, Redis.
• Опыт с Go, Rust или TypeScript также подходит, если вы умеете объяснить свои архитектурные решения и готовы работать с Python.
• Самостоятельность: умеете взять задачу от постановки до production-релиза.

Будет большим плюсом

• Собственные проекты, созданные с использованием AI-агентов.
• Опыт построения и эксплуатации многоагентных систем в production.
• Fullstack-компетенции: можете самостоятельно закрыть как серверную, так и клиентскую часть.
• Профильное техническое образование.

Условия

• Формат работы: полная удалённая работа.
• География: Россия и другие страны.
• Часовой пояс: ориентируемся на московское время, предпочтительно не более ±4 часов от МСК.
• График: гибкий, начало рабочего дня — в интервале 09:00–11:00 по Москве.
• Оформление: работа по ГПХ.
• Оплата: достойный уровень вознаграждения, обсуждается индивидуально в зависимости от опыта и экспертизы.

Что важно в этой роли

Это не позиция классического backend-разработчика, который иногда вызывает LLM через API. Нам нужен инженер, для которого AI-агенты — часть ежедневного инженерного инструментария, а проектирование agentic-систем — полноценная область экспертизы.

Группа Компаний Орбита - ведущий разработчик цифровых решений, российская аккредитованная ИТ-компания

Масштабный технологический проект с глубокой экспертизой в цифровизации бизнеса. Ключевые отрасли: государственный сектор, FinTech, HR Tech, коммуникации и медиа, услуги, рынок недвижимости, travel.

Нам доверяют крупнейшие компании РФ, среди них: Т1, ВТБ, Иннотех, Альфа Банк, ОИС и другие.

Более 6 лет мы ведем собственную продуктовую и заказную разработку высокоэффективных цифровых решений.

• Разработка моделей c генерацией изображений/ проектов/ представлений/ готовых решений из товаров компании в рамках проверки PoC для ИИ идей. входящих в ИИ инкубатор.

• Понимание принципов проектирования CV моделей, управление состоянием, выбор инструментов, контроль уровня автономности и human-in-the-loop.
• Глубокое понимание основных принципов машинного обучения: подготовка данных и признаков, выбор моделей, регуляризация, переобучение, data leakage, интерпретация результатов.
• Знание математической статистики: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов.
• Понимание принципов оценки качества ML-систем: offline- и online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных.
• Опыт работы хотя бы в одном из направлений:
  o классическое машинное обучение;
  o временные ряды и прогнозирование;
  o рекомендательные системы, поиск и ранжирование;
  o NLP, LLM и генеративный AI.
• Уверенное владение Python и основными библиотеками для анализа данных и машинного обучения: pandas или polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch или аналогичные инструменты.
• Умение писать поддерживаемый production-код: модульная архитектура, тестирование, логирование, документация, работа с Git и участие в code review.
• Уверенное владение SQL
• Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы.
• Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента.
• Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков.
• Умение оценивать стоимость, latency и масштабируемость LLM-решений.
• Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.
• Опыт эксплуатации GPU-инфраструктуры и оптимизации inference.
• Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT.
• Опыт проектирования agentic workflows или multi-agent-систем.
• Понимание принципов информационной безопасности, privacy и работы с персональными данными.

Мы предлагаем:

• Удаленную работу: можно работать полностью удаленно из РФ;

• Белую заработную плату, оформление согласно Трудовому кодексу РФ;
• Комфортный старт: 3 месяца плавного погружения под присмотром HR;
• Поддержку: IT-отсрочку и консультации HR/юристов;
• Прозрачные процессы и открытую коммуникацию;
• Работу на лучшем оборудовании без логирования времени, с фокусом на доверии и результате;
• ДМС: медицинское страхование за счет компании;
• Развитие: индивидуальный план обучения, посещение конференций и митапов, поддержка в развитии карьеры;
• Личный бренд: возможность выступать на конференциях, митапах, публикация статей;
• Бенефиты: ежеквартальное обновление корпоративных скидок;
• Движ: организация вечеринок оффлайн и онлайн, предоставление мерча, проведение конкурсов и челленджей.

Откликайтесь, будем рады познакомиться лично!

Мы команда, занимающаяся развитием автоматизации процессов Казначейства. Перед нами стоит амбициозная задача по созданию распределенного движка автономного расчета оптимальной траектории баланса группы и предоставления пространства принятия решений для AI-агентов взаимодействия с клиентами. Команда распределенная – Москва, Санкт-Петербург, Самара.

Присоединившись к нам, можно не только узнать детали работы Казначейства, но и погрузиться в мир искусственного интеллекта и больших данных.

• проектирование и согласование архитектуры приложений и интеграций

• развитие и разработка расчетных модулей системы, общих библиотек, реализация интеграционных взаимодействий

• формирование требований для построения CI/CD, мониторинга, логирования

• проведение ревью кода, поддержка код стандарта, командные коммуникации

• распределение нагрузки между членами команды

• контроль сроков выполнения задач, релизных циклов и выполнения выставляемых требований

• организация внутренних процессов в команде.

• профессиональный опыт на Python от 7 лет, опыт работы в должности технического лидера от 3 лет, опыт работы с K8s, OpenShift

• понимание принципов жизненного цикла разработки и практический опыт создания python приложений enterprise экосистемы

• опыт проектирования API и интеграционных взаимодействий (HTTP, REST, GraphQL)

• понимание принципов ООП, SOLID, паттернов проектирования (GoF), базовых принципов многопоточного и асинхронного программирования (GIL, asyncio), понимание принципов и инструментов Scrum, понимание принципов CI/CD

• уверенные знания Python и опыт разработки с использованием Django, FastAPI, Streamlit, уверенный Linux пользователь

• опыт работы с python data (Pandas/Numpy/SciPy), с инструментами контейнеризации приложений (Docker)

• практические знания и навыки работы с LLM (большими языковыми моделями) и DataScience

Приветствуется:

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

• понимание принципов клиентской web-разработки

• умение работать в команде и эффективно распределять задачи

• умение принимать решения и брать на себя ответственность.

• только гибридный формат работы, г. Москва и г.Самара

• годовой бонус и ежегодный пересмотр зарплаты

• расширенный ДМС с первого дня и льготное страхование для семьи

• корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях

• 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

Мы в Центре Робототехники Сбера создаем универсальный воплощенный ИИ для роботов, который будет управлять разнообразными физическими воплощениями. Например, манипуляторами, мобильными колесными роботами, роботами собаками, мобильными манипуляторами.

В основу нашего ИИ ляжет большая мультимодальная модель. Ей будут подчиняться фундаментальные модели навигации, манипуляции и планирования движений.

Один из основных шагов на этом длинном пути - это масштабные исследования возможностей больших языковых моделей (Large Language Models) и мультиагентных систем для задач робототехники.

Сейчас мы ищем в команду специалистов уровня middle\senior.

Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него в Сберчате, диалог зайдёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

• разработка сервисов на основе мультимодальных LLM для взаимодействия с пользователем и декомпозиции высокоуровневых задач с учетом возможностей роботов и ограничений среды

• обучение и дообучение языковых и мультимодальных моделей

• анализ и внедрение идей из научных публикаций

• разработка и тестирование мультиагентных систем.

• уверенное владение Python

• знание алгоритмов и структур данных

• опыт обучения языковых моделей

• опыт работы с PyTorch и HuggingFace Transformers

• понимание классических ML-алгоритмов и архитектур нейросетей (Transformers, RNN, LSTM)

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

• опыт использования GigaChat, Kandinsky и аналогов в продуктах

• инструментальное владение Ai для анализа, генерации и автоматизации

• технический английский (чтение статей и документации).

• офисный формат, адрес Автозаводская 23а к2

• ежегодный пересмотр зарплаты и годовая премия

• расширенный ДМС и льготное страхование для семьи

• уникальная система обучения Сбера для профессионального и карьерного развития

• выгодная ипотека для сотрудников

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

Привет! Это отдел функциональности поиска.

Современный сервис для пользователя – это не просто инструмент решения понятных и привычных задач, но еще и помощник для исследования чего-то нового и ранее неизвестного. Зачастую покупатель на маркетплейсе не знает какой конкретный товар закроет его потребность, ему нужна консультация эксперта и возможность удобного выражения своих желаний. Прямо как в магазине, только на экране мобильного телефона.

Мы уверены, что в мире развитых AI технологий все это уже возможно. Мы ищем DS-специалиста, который будет работать в стриме применения перспективных AI/LLM-технологий в функциональности поиска Ozon.

Вы будете

• Разрабатывать и внедрять ИИ-агенты для поискового ассистента.

• Проектировать и реализовывать системы на основе Retrieval-Augmented Generation (RAG).

• Адаптировать LLM под внутренние и внешние задачи с применением PEFT-методов, RLHF, DPO.

• Заниматься построением пайплайнов обработки и сбора данных и обучения LLM.

• Участвовать в полном ML-цикле: от исследования и создания прототипов до продакшн-внедрения и мониторинга моделей

Нам важно

• Наличие фундаментальной математической базы, знание алгоритмов, математической статистики, классического ML и нейросетей.

• Понимание технических деталей современных LM (как large, так и small), особенности их обучения, понимание принципов дообучения готовой модели на новых данных.

• Опыт работы с современными архитектурами языковых моделей, в том числе обучение/дообучение своих моделей.

• Понимание принципов построения ассистентов на базе LLM, оценки их качества, контроля безопасности и этических вопросов

Будет плюсом

• Опыт разработки продуктов, связанных с поиском, рекламными технологиями или рекомендательными системами.

• Знание технологий обработки больших данных, таких как Hadoop, Spark или аналогичные.

• Навыки работы с инструментами автоматизации ML-пайплайнов.

Asuri - B2B SaaS-платформа для AI-агентов, которые под контролем человека выполняют реальную работу через интеграции (Composio) и самообучаются: агент, доказавший себя, "повышается", и это доступно во всех будущих задачах.

Задачи

- Разобраться в продукте и кодовой базе, быстро стать самостоятельным

- Писать код через оркестрацию AI-агентов, а не автодополнение

- Помогать готовить и выкатывать релизы (dev → stage → prod)

- Построить с нуля бизнес-дашборды (выручка/расходы/маржа) — их пока нет, а без них не виден путь к окупаемости

Требования

- Реальный опыт разработки через AI-агентов (AI-first)

- Опыт с бизнес-автоматизациями (n8n/Zapier/Make или agentic-пайплайны)

- Крепкий фулстек на TypeScript/Node.js

- Опыт сборки дашбордов/аналитики

- Разговорный английский - обязательно

Плюсом: Claude Agent SDK или похожие агентные SDK, Composio, Stripe/usage-based биллинг, опыт в стартапах ранней стадии.

Стек: TypeScript, NestJS/Fastify, tRPC, Drizzle/Postgres, Next.js/React, Claude Agent SDK, Docker. Разработка ведётся AI-first - код пишется и ревьюится через оркестрацию агентов Claude Code.

Senior Fullstack Engineer (Python / React / LLM) (платформа Experts)

Мы делаем платформу для скаутинга и поддержки эксперта. Эксперт приходит через партнерскую сеть, проходит проверку по критериям, подписывает договор онлайн и заполняет структурированные формы о своей профессиональной деятельности. Из этих данных собираются базы, которые используют другие наши продукты.

Проект находится на стадии MVP. Первые эксперты должны начать пользоваться продуктом в августе 2026 года, первые клиенты ожидаются ориентировочно в сентябре. Бэклог на следующие 6–12 месяцев ещё формируется, поэтому задачи и приоритеты будут уточняться по мере тестирования продукта.

Ищем двух fullstack-инженеров: первый выходит на старте и закладывает архитектуру, второй присоединяется следом.

Задачи

Предстоит построить платформу с нуля: от регистрации партнера по реферальной ссылке до передачи данных об эксперте в смежные продукты.

1. Проектировать backend, API и структуру данных
2. Разрабатывать личные кабинеты партнера и эксперта на React: формы, прогресс, статусы, возврат на доработку
3. Делать админку: очередь заявок, оповещения, решения по экспертам
4. Собирать контур допуска партнера: видеоуроки, тест, доступ к работе
5. Вести договор в кабинете эксперта
6. Строить KYC-пайплайн на LLM: прием документов, извлечение данных, оценка по критериям, вердикт
7. Отвечать за качество LLM: промты, стабильность результата, разбор расхождений с решением администратора
8. Собирать из форм структурированные данные и отдавать их в смежные продукты через API
9. Строить очереди и фоновые процессы, деплоить и держать стабильность после релиза

Задачи приходят не как готовые технические задания, а как описание процесса и ожидаемого результата. Инженеру нужно самостоятельно уточнить ограничения, сравнить варианты реализации и выбрать решение, подходящее для текущего масштаба, а не для гипотетического. Часть требований к обработке данных на входе будет неполной — их предстоит уточнять вместе

Привет! Мы — команда разработки ML-помощников и ассистентов. Создаём и развиваем интеллектуальных ассистентов, которые встраиваются прямо в рабочие процессы компании. Наши боты работают в корпоративном мессенджере, автоматизируют HR-процессы, суммаризируют многотысячные треды и звонки — экономят часы времени каждому сотруднику. Мы делаем полезные прикладные проекты, которые решают реальные задачи бизнеса.

Наша цель — сделать ML-помощников незаметными, но незаменимыми. Мы хотим, чтобы каждый сотрудник взаимодействовал с десятками ассистентов ежедневно, не задумываясь, что за этим стоит сложная инженерия: оркестрация LLM, потоковая обработка данных, интеграция с корпоративными системами и надёжное рантайм-окружение на Go.

Ищем инженера, который готов вместе с нами проектировать и разрабатывать прикладные AI-решения и поддерживать высокий уровень инженерной культуры.

Наш стек

• Go, PostgreSQL, Kafka, Kubernetes, Docker, LLM, Prometheus, Grafana, OpenTelemetry.

Вы будете

• Проектировать и разрабатывать ML-помощников и ассистентов на Go — от архитектуры до продакшн-релизов.
• Строить надёжную оркестрацию: управление диалоговыми состояниями, очередями задач, асинхронными вызовами LLM.
• Интегрировать ассистентов с корпоративным контекстом: корпоративный мессенджер, Jira, Confluence, внутренние базы знаний.
• Работать с промптами: оптимизировать, тестировать, внедрять RAG-пайплайны для точных ответов по документации компании.
• Обеспечивать отказоустойчивость ассистентов — обработка ошибок, retry-логика, circuit breaker, graceful degradation при недоступности LLM.
• Разрабатывать пайплайны суммаризации: стриминг аудио из звонков → ASR → chunking → LLM → генерация саммари в реальном времени.

Примеры задач

• Разработать HR-ассистента в корпоративном мессенджере.
• Разработать AI-ассистент для юридического отдела.
• Реализовать пайплайн суммаризации звонков.

Нам важно

• Опыт коммерческой разработки на Go от 3 лет..
• Понимание архитектуры LLM-приложений: промпт-инжиниринг, RAG, контекстные окна, токенизация.
• Опыт работы с Kafka.
• Уверенное владение K8s, Docker — вы умеете упаковывать ассистента в образ и деплоить в кубер.
• Понимание принципов Observability: логи, метрики, трейсинг (OpenTelemetry) для отладки AI-пайплайнов.
• Навык написания тестов (unit, integration, e2e) для ассистентов — промпты и сценарии тоже нужно тестировать.

Будет плюсом

• Опыт работы с embedding-моделями и ранжированием для RAG-пайплайнов.
• Умение читать и дебажить чужой код на Go, проводить ревью.
• Опыт разработки плагинов/интеграций для корпоративных мессенджеров.

Мы создаем AI-продукты, которые трансформируют работу маркетинга: от анализа исследований и клиентских инсайтов до интеллектуального копайлота, помогающего маркетологам работать с данными, документами, контентом и креативами.

Если вам интересно не просто подключать LLM по API, а понимать, как устроены современные AI-системы, проектировать их архитектуру и превращать возможности моделей в работающие продукты, — присоединяйтесь к нашей команде.

• разрабатывать AI-сервисы: от прототипа и выбора подхода до интеграции в существующий технологический ландшафт

• проектировать взаимодействие LLM с инструментами, данными, API и другими сервисами

• развивать AI-копайлота для маркетинга: работу с документами и презентациями, генерацию контента, поиск и анализ информации

• исследовать новые LLM, существующие фреймворки и инструменты и определять, где они могут дать практический эффект в продукте

• проектировать подходы к оценке качества AI-систем, проводить эксперименты и улучшать решения на основе результатов

• участвовать в проектировании архитектуры AI-продуктов и агентных систем на базе современных LLM.

• высшее образование

• опыт разработки на Python и опыт промышленной разработки AI/ML-систем от 3х лет

• глубокое понимание того, как устроены современные LLM-системы: inference, context management, tool/function calling, structured output, caching, embeddings, RAG и agentic workflows

• хорошее понимание system design: архитектуры современных приложений и сервисов, интеграционных паттернов, API, очередей, хранилищ, кэширования и подходов к построению систем

• практический опыт создания продуктов и сервисов на базе LLM

• опыт интеграции LLM в существующие системы и работы с внешними и внутренними API

• опыт работы с векторным поиском и базами данных (Elastic, Chroma, Weaviate или аналоги)

• навыки работы с LLM serving engines (vLLM, ollama, sglang)

• понимание подходов к evaluation LLM-систем и способность превращать субъективное «работает хорошо» в измеримые критерии качества

• особенно важно продуктовое мышление: способность работать с разного уровня проработки требованиями, самостоятельно прорабатывать детали решения, предлагать варианты реализации, быстро проверять гипотезы и вместе с владельцем продукта находить объективные критерии качества AI-продукта

Будет плюсом:

• опыт создания AI-ассистентов, копайлотов или агентных систем для B2B/enterprise-сценариев

• опыт работы с LangGraph, LangChain, LlamaFactory, Unsloth или аналогичными инструментами

• понимание маркетинговых процессов и задач маркетинга

• публикации, open-source или собственные AI-проекты.

• гибридный формат работу, офис на Кутузовском д.32

• ежегодный пересмотр зарплаты, квартальная 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

• 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 разработки и Data Science проводит R&D в области ML/AI. Мы специализируемся на NLP, CV, быстром прототипировании и внедрении собственных решений в бизнес-процессы заказчиков.

Команда MLE занимается разработкой бизнес-логики и инженерных решений B2B и B2G продуктов с применением технологий ML/AI. Также мы занимаемся обеспечением работы ИТ-инфраструктуры Центра.

Мы находимся в поисках инженера по программному обеспечению с компетенциями в области ML и AI.

• разработка production-сервисов, бизнес-логики и мультимодальных ETL/ELT-пайплайнов

• продуктовая разработка DS-решений: перевод прототипов в сервисы с многопоточностью, batching и кэшированием

• интеграция CV/NLP/ML-моделей (каскады) через vLLM, SGLang, PyTorch, ONNX; оптимизация инференса на GPU

• построение RAG-систем (включая мультимодальные): chunking, эмбеддинги, индексация, retrieval

• написание промптов для агентов, настройка Guardrails, проведение бенчмарков и нагрузочных тестов

• технический ресерч ML/AI-инструментов, внедрение CI/CD, мониторинга и безопасности.

• опыт коммерческой разработки на Python от 2 лет с проектированием production-сервисов под высокой нагрузкой

• требуется уверенное владение современным Python (type hints, Pydantic), а также навыки профилирования и оптимизации кода

• необходим практический опыт разработки асинхронных и многопоточных приложений (asyncio)

• умение строить отказоустойчивые системы с применением rate limiting, circuit breaker и обеспечением идемпотентности

• обязателен опыт тестирования ML-систем и оценки качества LLM/RAG на основе golden datasets

• необходимо знание Docker и Kubernetes на уровне разработчика, а также выстраивание observability через метрики, логи и трейсы.

Желательные требования:

• наличие опыта разработки агентных систем с tool calling (например, на LangGraph или LangChain)

• практический опыт построения RAG-пайплайнов, включая chunking, retrieval и reranking

• знакомство с inference-фреймворками (vLLM, SGLang) и векторными базами данных (Qdrant, Milvus).

• гибридный формат работы

• работа в одной из наиболее перспективных и быстро развивающихся областей - искусственный интеллект

• комфортный современный офис (Кутузовский пр-т, 32)

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• доступны образовательные программы от СберУниверситета для профессионального и карьерного развития

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

Алиса — AI-ассистент, которым каждый день пользуются более 24 миллионов людей в Поиске, Браузере и на умных устройствах. Наша команда учит Алису работать с реальными сервисами (Почтой, Диском, внешними), чтобы она не просто отвечала на вопросы, а действовала: писала письма, заводила задачи, обновляла статусы, перемещала и находила файлы. Коннекторы, продукт нашей работы — это настоящие руки модели, которыми она может делать полезные вещи! Некоторые из них (например, коннектор почты) уже в проде и каждый день становятся ещё лучше.

Мы ищем инженера, который поможет расширить функциональность и свободу действий Алисы, чтобы люди с её помощью решали рутинные и даже сложные задачи в несколько запросов и хотели пользоваться Алисой каждый день.

У нас широкий, разнообразный research-продуктовый скоуп задач, включающий RAG-пайплайн, разнообразные агентные и нетривиальные подходы, RL и RLHF, alignment и «классический» NLP — он позволит вам не устать от однообразных вызовов. От самописного харнеса (при желании) до оптимизации и обучения — вы будете видеть импакт своих действий, не отказываясь от возможности использовать самые передовые и интересные методы из свежих статей!

Улучшать базовую самостоятельность модели

Продумывать масштабируемые модельные решения, методы оценки и ревардинга модели, подходы к агентности и интеграции с сервисами, а также улучшать качество ответов как таковое, включая человечность и, конечно же, красоту.

Развивать и строить новые инструменты и подходы

Мы делаем ставку на самостоятельность модели в решении задач: LLM должна уметь использовать инструменты реактивности там, где это нужно, а где-то генерировать код, искать документы и извлекать информацию RAG-методами. Наша задача — сделать модель, которая будет работать в среде внутренних и внешних сервисов, источников, «как у себя дома».

Интегрировать Алису с реальными сервисами

Разрабатывать новые коннекторы Почты, Диска, Календаря, трекеров задач и внешних API. Придумывать, как сделать так, чтобы взаимодействие модели с этими сервисами не просто работало, а решало задачу пользователя.

Проектировать и улучшать воркфлоу- и агентные пайплайны

Строить многошаговые сценарии: планирование, декомпозиция задачи, вызов инструментов, проверка результата и корректировка курса — всё это должно работать надёжно и предсказуемо даже в нестандартных ситуациях.

Разрабатывать системы оценки и ревардинга

Придумывать метрики, которые отражают реальную пользу, а не просто красивые цифры на бенчмарке. Строить reward-модели, запускать human-eval- и LLM-as-judge-эксперименты, закрывать петлю обратной связи.

Тюнить и оптимизировать поведение модели

Анализировать ошибки и сбои на живом трафике, собирать целевые датасеты и итеративно улучшать модель с помощью SFT, DPO, RLHF и других методов. Находить баланс между общим качеством и точечными улучшениями под конкретные сценарии — так, чтобы Алиса становилась лучше с каждым релизом.

Больше об ML в Яндексе — в канале Yandex for ML

* Обладаете глубокими знаниями в deep learning и NLP
* Работали с LLM и пайплайнами вокруг них
* Интегрировали LLM или агентные решения в прод

В работе мы ставим амбициозные цели и не останавливаемся на достигнутом. Поэтому для нас так важно, чтобы каждый участник большой команды "Авито" разделял культуру компании. Погрузиться в неё помогает Манифест, в котором собраны наши основные ориентиры — миссия, ценности, принципы работы.

О команде

Наша команда занимается обучением собственных базовых LLM и их внедрением в разнообразные бизнес-сценарии Авито. Цель команды — обеспечить все продукты оптимальными моделями как по качеству ответов, так и по стоимости применения (cost-efficiency).

Мы адаптируем лучшие open-source-решения под русский язык и доменную специфику Авито с помощью continual pretraining и подмены токенизатора.

Для постоянного улучшения моделей мы непрерывно исследуем новые методы, пайплайны, включая RL и синтетические данные, и датасеты. Чтобы оставаться на острие технологий, мы проводим регулярные LLM-семинары, где разбираем свежие статьи и тренды AI.

Наш технический фокус сегодня

• Построение оптимального и масштабируемого пайплайна для претрейна и дообучения LLM.
• Оптимизация инференса: работа с современными движками, квантованием, speculative decoding и другими методами ускорения.

Примеры будущих задач

• Масштабирование базовой модели A-vibe: исследование новых архитектур и подходов к обучению.
• Оптимизация скорости и стоимости инференса высоконагруженных моделей в продакшене.
• Проектирование и помощь в разработке внутренних LLM-платформ и multi-agent-систем.
• Построение надёжной инфраструктуры для оценки качества моделей (evaluation).

Мы ждём, что вы

• Хорошо понимаете основы машинного и глубокого обучения, знаете устройство Transformer и базовые подходы к работе с NLP-моделями.
• Имеете практический опыт обучения или дообучения нейросетевых моделей и работы с датасетами, метриками и валидацией.
• Уверенно пишете на Python, умеете работать с PyTorch и знакомы с базовыми инженерными практиками: Git, тестирование, Code Review.
• Умеете корректно ставить эксперимент, сравнивать подходы и объяснять, почему получился тот или иной результат.
• Можете самостоятельно доводить до результата задачу с понятной постановкой, вовремя подсвечивать риски и обращаться за помощью, когда она нужна.
• Интересуетесь LLM, читаете технические материалы и готовы быстро осваивать новые инструменты и подходы.

Будет здорово, если вы:

• Работали с Hugging Face Transformers, PEFT/LoRA или другими инструментами дообучения LLM.
• Имеете опыт с современными NLP-моделями либо участвовали в их внедрении в продакшен.
• Знакомы с инструментами распределённого обучения или оптимизации инференса: DeepSpeed, vLLM, SGLang, TensorRT-LLM и аналогами.
• Использовали MLOps-инструменты для трекинга экспериментов и версионирования данных: Weights & Biases, MLflow, DVC и другие.
• Участвовали в исследовательских проектах, open-source-разработке или соревнованиях по машинному обучению.

Работа у нас — это

• Возможность влиять на продукт: ваши решения будут улучшать опыт миллионов пользователей.
• Сложные технологические задачи на большом масштабе.
• Мощное железо: доступ к производительным GPU-кластерам для экспериментов.
• Сильное комьюнити: команда экспертов, с которой можно обсуждать идеи и подходы.
• Развитие: бюджет на обучение, курсы, конференции и профессиональную литературу.
• Забота о здоровье: ДМС со стоматологией с первого дня, в офисе принимают терапевт и массажист.
• Гибкость: возможность работать удалённо или из офисов в 4 городах России.

ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее.

Мы развиваем платформу для ИИ-сценариев, которая помогает пользователю пройти путь от

запроса до результата. Например, организовать поездку, выбрать автомобиль или подобрать

обучение.

Ищем инженера, который будет не обучать модели с нуля, а собирать на их основе работающие

сервисы и доводить их до промышленной эксплуатации.

Тебе предстоит:

• разрабатывать сервисы и библиотеки для ИИ-агентов;
• подключать LLM, базы знаний и инструменты к продуктовым сценариям;
• строить RAG-пайплайны и агентные сценарии с tool calling;
• интегрировать решения с внутренними системами и сервисами партнеров;
• проектировать API и участвовать в выборе технических решений;
• оценивать качество ответов, разбирать ошибки и снижать количество галлюцинаций;
• писать тесты, настраивать наблюдаемость и отвечать за стабильность сервисов;
• поддерживать и развивать решения после запуска.

Что мы ждем от кандидата:

• высшее образование
• опыт коммерческой разработки на Python от 3 лет
• опыт с FastAPI и асинхронным Python
• уверенная работа с PostgreSQL, Git и pytest;
• понимание микросервисной архитектуры, REST и очередей сообщений
• понимание принципов работы LLM, RAG, prompt engineering и tool calling
• практический опыт интеграции LLM в приложения
• умение доводить задачу от идеи до работающего решения.

Будет плюсом:

• опыт с LangChain, LangGraph или похожими инструментами;
• опыт разработки ИИ-агентов
• опыт построения автоматических проверок качества ответов;
• Docker, OpenShift или Kubernetes
• Kafka, gRPC, CI/CD и Jenkins.

Что мы предлагаем:

• офис рядом с метро Кропоткинская
• формат работы гибридный
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• подписка Прайм с возможностью совместного использования на трёх близких
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• вознаграждение за рекомендацию друзей в команду Сбера.

ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее.

Мы развиваем платформу для ИИ-сценариев, которая помогает пользователю пройти путь от запроса до результата. Например, организовать поездку, выбрать автомобиль или подобрать обучение.

Ищем инженера, который будет не обучать модели с нуля, а собирать на их основе работающие сервисы и доводить их до промышленной эксплуатации.

Обязанности

Тебе предстоит:

• разрабатывать backend-сервисы и библиотеки для ИИ-агентов
• интегрировать LLM, базы знаний и инструменты в продуктовые сценарии
• проектировать и развивать RAG-пайплайны и агентные сценарии с tool calling
• проектировать API и интеграции с внутренними системами и сервисами партнеров
• определять критерии качества и автоматизировать оценку ответов, разбирать ошибки моделей, повышать релевантность ответов и снижать количество галлюцинаций
• писать тесты, настраивать наблюдаемость и обеспечивать стабильность сервисов
• запускать решения в промышленную эксплуатацию и развивать их после запуска.

Требования

Что мы ждем от кандидата:

• высшее образование
• коммерческий опыт от 3 лет в backend-разработке на Python либо в Data Science/ML с использованием Python
• практический опыт интеграции LLM в приложения или сервисы
• опыт с FastAPI и асинхронным Python
• опыт разработки микросервисов, REST API и интеграции через очереди сообщений
• понимание принципов работы LLM, RAG, семантического поиска, prompt engineering и tool calling
• понимание подходов к оценке качества ответов LLM и разбору ошибок.

Будет плюсом:

• опыт с LangChain, LangGraph или аналогичными инструментами
• опыт разработки ИИ-агентов
• опыт построения автоматических проверок качества ответов LLM.

Условия

Что мы предлагаем:

• офис рядом с метро Кропоткинская
• формат работы гибридный или удаленный на территории Москвы и московской области
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• подписка Прайм с возможностью совместного использования на трёх близких
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• вознаграждение за рекомендацию друзей в команду Сбера.

Мы создаём и развиваем ML-решения и AI-агентов для продуктов банка, которыми пользуются юридические лица.

Ищем ML Engineer, который возьмёт на себя инженерную часть этих решений: разработку агентов, интеграцию моделей и данных, а также их вывод в промышленную эксплуатацию. Это роль для Python-разработчика, которому интересно работать на стыке ML, LLM и больших данных.

• проектировать и разрабатывать AI-агентов: реализовывать сценарии, оркестрацию, tool calling и интеграции с внутренними сервисами

• превращать прототипы и модели Data Science в надёжные промышленные решения: упаковывать, встраивать в сервисы и пайплайны, версионировать и сопровождать

• разрабатывать на Python сервисы, библиотеки и пайплайны, писать автотесты и участвовать в код-ревью

• проектировать, строить и сопровождать витрины данных для ML-моделей и агентов

• обрабатывать большие объёмы данных с помощью SQL, Hadoop и Spark, оптимизировать запросы и вычислительные задачи

• обеспечивать качество и наблюдаемость решений: логирование, мониторинг, обработку ошибок и контроль качества данных.

• опыт промышленной разработки на Python от 2 лет

• умение писать поддерживаемый код: типизация, тестирование, обработка ошибок, логирование и работа с зависимостями

• уверенное владение SQL: сложные запросы, оконные функции, оптимизация и работа с большими наборами данных

• опыт построения и сопровождения ETL/ELT-пайплайнов и витрин данных

• опыт вывода сервисов, моделей или data-продуктов в промышленную эксплуатацию

• понимание принципов работы AI-агентов: оркестрация, tool calling, управление состоянием и интеграция с API

• понимание жизненного цикла ML-модели — от артефакта и данных до инференса, мониторинга и обновления.

Будет преимуществом:

• опыт разработки AI-агентов с использованием LangGraph, LangChain, LlamaIndex или собственного оркестратора
• опыт работы с LLM, RAG и векторными хранилищами
• опыт оркестрации пайплайнов в Airflow или аналогичных системах
• опыт работы с Kafka и событийными архитектурами
• знание Docker, CI/CD и Kubernetes
• практический опыт работы с Hadoop и Spark
• опыт внедрения ML- или LLM-сервисов во внутреннем контуре
• опыт в банковском домене, продуктах для юридических лиц или документообороте.

• удобный офис в СПб на ул. Уральской, дом 1 (шаттлы от метро)

• гибридный формат работы

• регулярный пересмотр заработной платы и возможность получения годовой премии

• доступ к более чем 400 образовательным программам СберУниверситета

• программу адаптации и поддержку наставника на первых этапах работы

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

• ипотечные программы для сотрудников

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждения за рекомендации кандидатов.