Вакансии AI-инженера
Разработка приложений с AI и LLM: ассистенты, агенты и интеграция моделей в продукты. Обучение моделей и Data Science, а также AI-assisted coding выделены в соседние подборки. Обновляется каждый час. Найдено: 87 вакансий за последнюю неделю.
- Вакансий за неделю:
- 87
- Медиана:
- 280 000 ₽
- Вилка:
- 150 000 ₽ — 450 000 ₽
Зарплаты — по 165 вакансиям с указанной вилкой за 30 дней
Поиск вакансий
HireSeeker — агрегатор вакансий. Собираем вакансии со всех основных площадок и показываем по вашей специальности. Подпишитесь на ежедневную подборку только релевантных.
Ищем начинающего специалиста в команду внедрения искусственного интеллекта в крупном финансовом институте.
Мы строим платформу с нуля: агентизация процессов, большие языковые модели (LLM), автоматизация рутины для бизнеса.
Это реальный шанс для Junior-специалиста с опытом от 6 месяцев попасть в стадию Discovery, поработать с современным стеком и вырасти в сильного инженера под руководством наставников.
Стек и инструменты
- Python, SQL
- LLM, RAG, MCP
- AI-агенты, мультиагентные системы
Задачи
- Адаптировать и дорабатывать AI-решения на Python под задачи бизнеса.
- Помогать в разработке автономных агентов и мультиагентных систем.
- Писать SQL-запросы для выгрузки и подготовки данных.
- Взаимодействовать с заказчиками: собирать требования, объяснять возможности AI.
- Участвовать в создании платформенной среды для бизнес-пользователей.
Требования
- Коммерческий опыт работы от 6 месяцев (стажировки с погружением в боевые задачи тоже считаем).
- Понимание принципов работы LLM, RAG, промт-инжиниринга.
- Уверенное чтение кода на Python, умение запускать и модифицировать скрипты.
- Базовый SQL.
- Желание развиваться в инженерии AI и внедрении моделей в прод.
- Готовность общаться с бизнесом и презентовать свои решения.
Мы предлагаем
- Работу над продуктом с нуля в стратегически важном направлении банка.
- Наставничество и поддержку сильных экспертов из IT-команд.
- Гибкий график и комфортный формат работы: комбинированный (офис 1–2 раза в неделю + удаленка).
- Полный социальный пакет: ДМС со стоматологией с первого месяца, оплачиваемый отпуск 28 дней, 3 отгула в год, льготные продукты банка.
- Доступ к внутренним программам обучения и конференциям.
Senior AI Engineer
в •••••••• — ведущий национальный платежный оператор Республики Узбекистан.
Офис (Ташкент, Узбекистан).
Ищет Владимир Богомолов, его ••••••••.
Ищем разработчика с успешным опытом запуска ИИ-агентов и настройки взаимодействия между ними. Нужен практик, который лично внедрял агентов в работающие продукты и может показать результат. Одних курсов, учебных прототипов и генерации кода с помощью ИИ недостаточно.
О проекте
Развиваем B2B-платформу для строительного рынка: компании, закупщики и поставщики, поиск партнёров, заявки, предложения и деловая репутация. Нужно развивать систему агентов, которые выполняют рабочие задачи пользователей и взаимодействуют друг с другом.
Что предстоит делать
- Изучить текущую реализацию и определить необходимые доработки.
- Настроить роли агентов, распределение задач, передачу контекста и результатов между ними.
- Подключить агентов к API, данным и функциям платформы.
- Организовать память, поиск по базе знаний и использование накопленного опыта.
- Настроить права доступа и согласование действий с пользователем.
- Обеспечить продолжение прерванных задач, обработку ошибок и защиту от повторных действий.
- Настроить проверку качества, журналирование и контроль расходов на модели.
- Довести рабочие сценарии до устойчивого результата и описать систему для дальнейшей поддержки.
Что важно
- Реальные внедрения ИИ-агентов, которыми пользовались люди или компании.
- Опыт настройки нескольких взаимодействующих агентов: передача задач, общий контекст, контроль выполнения.
- Уверенное владение Python или TypeScript/JavaScript, работа с API и базами данных.
- Понимание вызова инструментов моделями, управления контекстом и поиска по базе знаний — RAG.
- Умение разграничивать доступ к данным и действиям разных пользователей и компаний.
- Способность самостоятельно разобраться в проблеме, проверить решение и отвечать за его работу после запуска.
Конкретные библиотеки и инструменты выбираем по задаче. Важны результаты внедрения и качество инженерных решений.
Формат
- Удалённая проектная работа.
- Объём, этапы, сроки и оплату согласуем по результатам знакомства и оценки задач.
Что прислать в отклике
Опишите 1–2 успешных внедрения: какую задачу решали, что сделали лично, как взаимодействовали агенты и какого результата достигли. Расскажите об одном сбое и о том, как вы его устранили. Приложите доступные примеры; закрытый проект можно описать обезличенно.
Укажите ваш стек, доступность и ожидания по оплате. Отклик с конкретными кейсами поможет сразу перейти к предметному разговору.
Senior Python / AI Developer #алматы
#FreedomHolding
#3п от 1,2 млн и выше
#tg @kzk888
Обязанности
- Разработка backend-сервисов на Python.
- Создание чат-ботов, AI-ассистентов и RAG-систем.
- Интеграция LLM-моделей через API и локальный inference.
- Работа с vLLM, Ollama, embeddings, vector search.
- Разработка API и микросервисов для AI-продуктов.
- Участие в проектировании архитектуры AI-решений.
Требования
- Опыт коммерческой разработки на Python от 6 лет.
- Опыт работы с FastAPI, Flask или Django.
- Понимание LLM, prompt engineering, embeddings, RAG.
- Практический опыт с vLLM и/или Ollama.
- Опыт разработки чат-ботов или AI-ассистентов.
- Опыт работы с PostgreSQL, Redis, Docker.
- Понимание REST API, микросервисов и интеграций.
- Опыт использования AI-инструментов для разработки и вайб-кодинга.
Мы предлагаем:
ДМС
Внешнее обучение
Компенсация за фитнес
Скидки, бонусы от компаний входящих в холдинг
В поисках Senior AI Engineer 🚀
📍 Ташкент, Узбекистан | Офис, полная занятость
Главный инженер по искусственному интеллекту (Senior AI Engineer)
Задачи
✅ Проектирование и разработка решений на базе LLM для аналитики, поиска по данным и автоматизации бизнес-процессов
✅ Построение RAG-систем: подготовка и разбиение документов, векторный и гибридный поиск, переранжирование, контроль достоверности ответов и ссылок на источники
✅ Разработка агентных систем: оркестрация агентов, вызов инструментов, планирование, самопроверка, участие человека в принятии решений (human in the loop)
✅ Интеграция ИИ-решений с lakehouse-платформой, каталогом метаданных и BI-системами, включая text-to-SQL
✅ Развёртывание и эксплуатация локальных моделей в закрытом контуре: выбор моделей, квантизация, инференс на GPU, оптимизация скорости и стоимости
✅ Оценка качества и наблюдаемость: эталонные наборы, автоматические метрики, LLM-as-a-judge, трассировка и мониторинг
✅ Безопасность ИИ-решений: защита персональных данных и банковской тайны, защита от prompt injection, разграничение доступа
Требования
🔹 Высшее техническое образование: компьютерные науки, прикладная математика, IT или смежные направления
🔹 Опыт в разработке или инженерии данных от 4 лет, из них от 1 года практической работы с LLM и решениями, выведенными в промышленную эксплуатацию
🔹 Python и практики промышленной разработки: FastAPI, асинхронность, Git, code review, тесты, CI/CD
🔹 LLM-фреймворки: LangChain, LangGraph, LlamaIndex или аналоги; MCP, вызов инструментов, структурированный вывод
🔹 RAG: векторные БД (Qdrant, pgvector), эмбеддинги, гибридный поиск, переранжирование
🔹 Локальные модели: Ollama, vLLM, Hugging Face, квантизация, дообучение LoRA/PEFT
🔹 SQL на продвинутом уровне; Spark, Iceberg, ClickHouse, PostgreSQL; понимание архитектуры lakehouse
🔹 Оценка качества и наблюдаемость: Langfuse, DeepEval, Ragas или аналоги
🔹 Docker, Linux, CI/CD
🔹 Русский язык свободный, английский на уровне работы с технической документацией
Будет плюсом: опыт в банковской сфере или платёжных системах, Kubernetes, каталоги данных и дата-линедж (OpenMetadata), Data Vault, IOMETE
Резюме присылать в лс
Сейчас мы усиливаем усиливаем продуктовую команду и ищем Ведущего инженера данных, который будет отвечать за организацию и подготовку данных для AI-решений (от подключения внешних источников и проектирования модели данных до подготовки данных для поиска и RAG).
КАКИЕ ЗАДАЧИ НЕОБХОДИМО РЕШАТЬ:
- Определять источники данных для AI-решений: базы данных, документы, API, файловые хранилища, внешние системы и потоки обновлений;
- Проектировать модели данных: сущности и связи, версии, метаданные, lineage, права доступа и правила актуализации;
- Организовывать сбор и обработку данных из внешних источников: очистку, нормализацию, дедупликацию, классификацию и разметку;
- Формировать единое эталонное представление объекта (golden record) при объединении данных из нескольких источников;
- Подготавливать данные для поиска и RAG: chunking, embeddings, индексация, векторный и гибридный поиск;
- Настраивать retrieval и reranking, обеспечивать обновление индексов при изменении исходных данных;
- При необходимости готовить датасеты для обучения или дообучения моделей, если задача не решается с помощью RAG;
- Определять показатели качества данных и retrieval, организовывать их мониторинг: полнота, актуальность, precision/recall, latency и другие показатели;
- Взаимодействовать с LLM-инженерами, аналитиками и разработчиками при проектировании AI-решений.
НАШИ ОЖИДАНИЯ:
- От 4 лет опыта в Data Engineering, Data Platform, Data Architecture или смежной области;
- Уверенное знание SQL и реляционных баз данных;
- Опыт построения ETL/ELT-процессов и data pipelines;
- Опыт интеграции данных из различных источников: БД, API, файлов и внешних систем;
- Практический опыт проектирования моделей данных и работы с качеством данных, метаданными и версиями;
- Практический опыт подготовки данных для поиска, ML или LLM/RAG-систем;
- Понимание принципов chunking, embeddings, vector search и hybrid search;
- Опыт работы с векторными хранилищами или поисковыми системами;
- Умение самостоятельно разбираться в структуре и качестве новых источников данных.
БУДЕТ ПЛЮСОМ:
- Опыт разработки и эксплуатации RAG-систем в production;
- Опыт оптимизации retrieval и reranking;
- Python для обработки данных и разработки data pipelines;
- Kafka или другие системы потоковой обработки данных;
- Airflow или аналогичные инструменты оркестрации;
- PostgreSQL, ClickHouse, Elasticsearch/OpenSearch, векторные хранилища и аналогичные технологии;
- Опыт подготовки датасетов для supervised learning / fine-tuning;
- Понимание метрик оценки RAG: retrieval quality, groundedness, faithfulness, coverage.
О компании
Мы развиваем AI-направление и внедряем голосовых AI-агентов для задач колл-центра, автоматизации звонков и клиентского сервиса.
Сейчас ищем сильного технического специалиста, который сможет заниматься не только настройкой голосовых агентов, но и полноценной интеграцией AI-решений в инфраструктуру компании.
Это НЕ операционная и НЕ “менеджерская” роль.
Нам нужен человек с техническим бэкграундом, который понимает, как работают voice AI платформы, телефония, API и интеграции, и способен совместно с IT-командой выстраивать стабильные рабочие решения.
Чем предстоит заниматься:
- Настраивать и внедрять голосовых AI-агентов для задач колл-центра
- Работать с ElevenLabs, Retell AI и аналогичными voice AI платформами
- Интегрировать voice AI решения с телефонией, CRM и внутренними сервисами компании
- Настраивать API-интеграции, webhooks и обмен данными между системами
- Подключать и сопровождать SIP/телефонные интеграции
- Совместно с IT-отделом участвовать в проектировании архитектуры решений
- Настраивать сценарии работы AI-агентов и логику обработки звонков
- Проводить тестирование, отладку и оптимизацию работы голосовых агентов
- Анализировать технические ошибки и устранять проблемы в интеграциях
- Взаимодействовать с провайдерами и внешними сервисами при возникновении технических вопросов
- Следить за стоимостью инфраструктуры и оптимизировать расходы без потери качества работы AI-агентов
- Постоянно мониторить рынок voice AI решений и тестировать новые платформы и инструменты
- Контролировать стабильность и качество работы voice AI инфраструктуры
Что для нас важно:
- Практический опыт работы с голосовыми AI-агентами / voicebot платформами
- Опыт работы с ElevenLabs, Retell AI или аналогичными voice AI сервисами
- Понимание принципов работы API, webhooks и интеграций между системами
- Опыт интеграции телефонии (SIP, виртуальные АТС, call center решения)
- Понимание технической архитектуры voice AI решений
- Умение работать в связке с разработчиками и IT-командой
- Техническое мышление и способность самостоятельно находить решения
- Понимание баланса между качеством AI-голоса, стабильностью и стоимостью инфраструктуры
- Интерес к новым AI-технологиям и желание постоянно отслеживать рынок voice AI
- Английский язык от B1 и выше
Будет большим плюсом:
- Опыт работы с Twilio, Voximplant, Asterisk, VAPI, Bland AI
- Опыт построения AI-инфраструктуры “с нуля”
- Базовые знания backend-разработки
- Опыт работы с highload или call center инфраструктурой
- Опыт автоматизации процессов с использованием LLM/AI инструментов
Мы предлагаем:
- Удалённую работу
- Современный AI-стек и интересные технические задачи
- Возможность участвовать в построении voice AI инфраструктуры с нуля
- Минимум бюрократии и быстрые решения
- Конкурентную оплату по результатам интервью
AI-стартап · текстовая AI-среда для авторов
AI Backend Developer (Claude Code) · Senior
от 3500$ в месяц
Полный день · удалённо
Full-time
Ищем бэкенд-разработчика, для которого Claude Code — рабочая среда: быстро строит с AI, но проверяет, что тот написал, и отвечает за результат. В проекте уже есть ведущий AI backend-инженер — ты приходишь к ней в пару, со своими зонами ответственности.
Обязанности
— бэкенд AI-функций: чат, стриминг ответов, retrieval, Deep Research
— работа с API LLM-провайдеров: параллельные вызовы, лимиты, prompt caching, стоимость
— контракты между фронтом и бэкендом
— ревью AI-generated PR и поиск дефектов за зелёными тестами
— при необходимости — самому поправить фронт на React + TypeScript
Требования
— от 3 лет коммерческой бэкенд-разработки, включая LLM-сервисы в продакшене
— Python, asyncio, FastAPI, Pydantic v2, стриминг через SSE
— API OpenAI / Anthropic / Gemini: tool use, structured output, prompt caching, rate limits
— PostgreSQL и Redis
— React + TypeScript на уровне «поправлю сам»
— английский B1+
Будет плюсом: RAG и векторные БД, очереди (Celery, arq), Langfuse или OpenTelemetry, Docker, evals
Условия
— выход на следующий день после собеседования
— удалённо, full-time
— опционная программа
Как откликнуться
Без резюме — ответь на вопросы бота голосом: ••••••••
Python Job •••••••• | •••••••• | ••••••••
Наш продукт — это ИИ-помощник, который разработан для помощи сейлзам и трейдерам, снимая с них часть рутинных задач и процессов.
Чем предстоит заниматься:
- развивать промпты агентов: системные и ролевые промпты, few-shot, схемы рассуждения, tool calling, извлечение структурированных знаний из документов
- строить пайплайны эволюции промптов: версионирование, оффлайн-оценка (golden set, side-by-side, LLM-as-judge), итерации по ошибкам
- решать задачи классификации и маршрутизации документов: разделение входного пакета по классам, подготовка релевантного контекста для агента
- работать с RAG и эмбеддингами: chunking, выбор и тюнинг эмбеддингов, retrieval / rerank, оценка качества поиска
- опромышливание проекта, ведение релизного цикла от прототипирования до вывода в прод
- наблюдаемость. Langfuse, Phoenix, отладка по логам и трейсам, сбор метрик
- тестирование агентов по обе стороны нестабильности: детерминированные проверки логики (мокирование LLM и внешних сервисов, снапшоты промптов, контракты схем) и оценка качества ответа агента (эталонные кейсы, LLM as Judge).
Мы ожидаем, что вы:
- имеете опыт продакшн на Python 3.11+ от 5 лет: ООП, SOLID, async, типизация, Pydantic v2, структура сервиса. Умение читать, писать и менять чужой код
- имеете опыт FastAPI и интеграций по HTTP: контракты, таймауты, ретраи, ошибки внешних сервисов
- высшее техническое образование
- прикладной опыт с LLM: имеете опыт промпт инжиниринга, работы с контекстом, tool calling, structured output
- работали с агентными сценариями: Опыт с ReAct, LangChain, LangGraph. Работали с состояниями диалога, чекпонитами, ветвлением, вызовом инструментов, HITL, памятью сессии
- имеете опыт разработки AI агентов, мультиагентных систем, RAG систем. Протокол A2A или межагентское взаимодействие по контракту
- имеете опыт работы с Jenkins, OpenShift/DropApp, OpenSearch/Elasticsearch, S3.
Бкдет плюсом:
- опыт работы с GigaChat.
Что мы предлагаем:
- комфортный современный офис на Вавилова, 19
- формат работы – гибрид
- ежегодный пересмотр зарплаты, квартальная и годовая премия
- корпоративный спортзал и зоны отдыха
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- программа адаптации и помощь руководителя на старте
- расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
- гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
- подписка Прайм с возможностью совместного использования на трёх близких
- вознаграждение за рекомендацию друзей в команду Сбера.
ServerMall занимается серверным оборудованием: мы собираем, продаём и сопровождаем серверы для бизнеса. В компании работает собственный отдел автоматизации. Мы развиваем 1С и сервисы для сотрудников разных подразделений.
Ищем AI-инженера и Python-разработчика, который умеет разобраться в задаче, продумать архитектуру и с помощью ИИ-инструментов собрать работающий сервис. Нам интересен опыт с 1С, в том числе интеграции и работа с её данными.
Чем предстоит заниматься
- Общаться с внутренними заказчиками, разбираться в процессах и находить задачи для автоматизации.
- Проектировать решения: определять источники данных, компоненты сервиса, интеграции и способы проверки результата.
- С помощью ИИ собирать прототипы и доводить их до работающих решений: сервисы, инструменты для сотрудников, интеграции и ИИ-агентов.
- Подключать решения к 1С и другим корпоративным системам через доступные интерфейсы и API.
- Проверять и дорабатывать сгенерированный код, тестировать решения, разбирать ошибки и поддерживать созданные сервисы.
- Работать вместе с аналитиками и разработчиками 1С: согласовывать логику, проверять данные и показывать результат пользователям.
Что для нас важно
- Практический опыт разработки с ИИ-ассистентами или агентами, например Claude Code, Codex, Cursor или аналогами.
- Умение проектировать архитектуру приложения или сервиса: данные, API, интеграции, обработку ошибок и безопасность.
- Умение читать и проверять сгенерированный код, замечать критические ошибки, неудачные решения и самостоятельно их исправлять.
- Опыт создания хотя бы одного работающего решения, которое вы можете описать или показать, и понимание своего вклада.
- Практический опыт с 1С: работа с данными, интеграция, поддержка или разработка. Глубокий опыт программирования на 1С не обязателен.
- Умение общаться с заказчиком и переводить бизнес-задачу в техническое решение.
- Практический опыт разработки на Python и работы с API.
- Самостоятельность: умение вести задачу от обсуждения с заказчиком и проектирования до проверки и рабочего результата.
- Умение расставлять приоритеты и переключаться между несколькими проектами, сохраняя внимание к качеству.
- Ответственный подход к договорённостям и результату, интерес к новым задачам и развитию решений.
Будет плюсом
- JavaScript/TypeScript, SQL, REST API, Git и Docker.
- Опыт с LLM API, MCP, RAG, локальными моделями и автоматизацией процессов.
- Интеграции с 1С, CRM и другими корпоративными системами.
- Опыт работы с торговыми, складскими или закупочными процессами.
Условия
- Оформление по ТК РФ;
- График работы на выбор: с 9:00 до 18:00 либо с 10:00 до 19:00 (возможен гибридный график после испытательного срока);
- Оплачиваемый отпуск 2 раза в год;
- Комфортное рабочее место в офисе в стиле лофт. Находимся ровно в 10 минутах ходьбы от ст.м. Ладожская;
- Безлимитный чай, кофе;
- Возможности профессионального и карьерного роста.
В отклике расскажите об одном решении, которое вы создали с помощью ИИ: какую задачу решали, как была устроена система, что сделали сами и как проверяли результат. Если был опыт с 1С, кратко расскажите и о нём.
Мы создаем AI Box, готовый продукт с набором типовых AI-агентов для бизнес-процессов, таких как бухгалтерия, закупки, производство и другие, с коннекторами к популярным системам. Ищем технического лидера, играющего тренера, который вместе с руководителем определит архитектуру агентной платформы и будет сам участвовать в ее разработке.
Задачи:
- Проектировать архитектуру корпоративных AI-решений: агентов, RAG-пайплайны, интеграции с внешними системами.
- Определять границы применения LLM, классического ML и традиционной разработки для каждой задач.
- Отвечать за полный цикл: от архитектуры до промышленного запуска, мониторинга, масштабирования и сопровождения.
- Строить пайплайны данных, работать с векторными базами и embedding сервисами.
- Выбрать готовый agent harness или разработать собственный.
- Писать код и участвовать в разработке ядра платформы.
- Управлять GPU инфраструктурой для хостинга моделей совместно с MLOps инженером.
- Взаимодействовать с вендорами оборудования, в том числе в командировках.
- Формировать и развивать команду разработки.
Требования:
- Опыт разработки от 3 до 5 лет, из них от 2 до 3 лет непосредственно в AI.
- Уверенное знание Python.
- Опыт работы с LLM, включая облачные модели.
- Опыт работы с реальными enterprise архитектурами, опыт запуска и внедрения проектов в крупных компаниях.
- Сильный уровень синьор. Опыт руководства людьми не обязателен, будет плюсом.
- Опыт проектирования архитектуры программного обеспечения.
- Понимание устройства LLM: архитектура трансформера, attention, токенизация, контекстное окно, эмбеддинги и векторный поиск.
- Понимание батчинга, включая continuous batching, и метрик инференса: TTFT, TPS, throughput, etc.
- Понимание квантизации и форматов вычислений: различия FP16, BF16, FP8, INT8.
- Понимание, что такое agent harness, и runtime.
- Опыт работы с GPU платформами, прежде всего NVIDIA.
- Коммуникабельность, английский язык для общения с техническими специалистами вендоров.
Будет плюсом:
- Практический опыт с vLLM, SGLang, TensorFlow.
- Широкий опыт с разными технологическими стеками. Стек продукта кандидат определяет сам и обосновывает выбор.
Условия:
- Оплата: условия обсуждаются индивидуально с каждым кандидатом.
- Москва, офис. Сейчас метро Кунцевская, в ближайшие месяцы переезд на метро Динамо.
- Первое время работа из офиса, затем возможен гибридный формат. Полная удаленка не предусмотрена.
- Официальное оформление по трудовому договору.
- Командировки к вендорам.
Full-Stack AI Developer (Python + React)
🏢 Компания: ••••••••
🌍 Формат: Удалёнка (EU, USA)
О компании:
•••••••• — IT‐компания, которая разрабатывает программное обеспечение и цифровые решения для бизнеса. За 5 лет реализовала 250+ решений в 25+ доменах, работает с партнёрами в 20+ странах и объединяет более 500 специалистов.
Задачи:
• Разрабатывать и поддерживать веб‐приложения на Python и React.
• Проектировать и внедрять AI‐функции: интеграции LLM, RAG‐пайплайны, AI‐ассистенты и поиск по базе знаний.
• Выводить AI/ML‐сервисы в production и оптимизировать компоненты (embeddings, rankers, модели, обработка данных).
• Разрабатывать бэкенд на Python и интерфейсы на React, писать unit и интеграционные тесты.
• Участвовать во всём цикле разработки: архитектура, оценка задач, ревью кода и взаимодействие с клиентами.
Требования:
• 4+ лет коммерческой разработки, включая минимум 2 года с Python и AI/ML.
• Опыт с Python и одним из фреймворков: FastAPI, Django или Flask.
• Практика с LLM (OpenAI, Anthropic, open‐source), prompt engineering, function calling и streaming; опыт RAG: embeddings, chunking, векторные БД (Qdrant, Pinecone, pgvector).
• Опыт с LangChain и/или LlamaIndex; PyTorch, Hugging Face, scikit‐learn, pandas, NumPy.
• Знание PostgreSQL, Redis, систем очередей (Celery, Kafka); Git, Docker и Linux.
• Английский уровень Intermediate (B1+) или выше.
Будет плюсом:
• Fine‐tuning моделей (LoRA, QLoRA, PEFT).
• Оценка качества LLM/RAG (RAGAS и подобные инструменты).
• Kubernetes/OpenShift и облачные платформы (AWS, Azure, GCP).
• Агентные системы (LangGraph, MCP) и мониторинг LLM‐приложений (Langfuse, LangSmith).
• Настройка CI/CD (GitLab CI, GitHub Actions, Jenkins).
Стек:
Python, React, FastAPI, Django, Flask, LLMs (OpenAI, Anthropic, open‐source), LangChain, LlamaIndex, PyTorch, Hugging Face Transformers, scikit‐learn, pandas, NumPy, PostgreSQL, Redis, Celery, Kafka, Docker, Git, Linux, Qdrant, Pinecone, pgvector, Kubernetes, AWS, Azure, GCP
Условия:
• Удалённая работа в международной компании.
• Карьерный рост и профессиональное развитие.
• Корпоративные занятия по английскому и участие в международных конференциях.
• Медицинская страховка, крупные корпоративные мероприятия, спорт‐компенсации и финансовые бонусы.
📩 ••••••••
Задачи
- Разрабатывать backend-сервисы на Python;
- Оптимизировать код по обработке больших массивов данных и атрибутивности для распознавания документов;
- Интегрировать LLM в существующие продукты компании;
- Разрабатывать векторные базы данных и разметку датасетов для обучения моделей RAG-поиска;
- Работать с API, базами данных и внутренними сервисами;
- Создавать и поддерживать AI-функциональность в production, проектировать и оптимизировать модели данных, взаимодействовать с базами данных;
- Обеспечивать качество кода через code review, автоматизированное тестирование и соблюдение лучших инженерных практик;
- Совместно с DevOps-инженерами участвовать в развитии CI/CD-процессов, мониторинга и обеспечения отказоустойчивости сервисов;
- Разрабатывать продакшен-пайплайны обработки данных;
- Промпт-инжиниринг и написание эффективного и масштабируемого кода инференса моделей и экспериментов на GPU-кластере;
Требования
- Хорошее знание Python и ключевых фреймворков для работы с данными (PySpark, PyArrow, Pandas);
- Работа с embedding'ами, глубокое понимание RAG, дообучение VLM, OCR, агентскими системами;
- Опыт написания качественного production-кода;
- Опыт написания промышленных пайплайнов обработки данных, содержащих множество шагов, зависимостей и сложную логику;
- Опыт использования Airflow (или другого industry-standard оркестратора пайплайнов, т.к. Luigi, Dagster и т.д.);
- Хорошее понимание баз данных SQL/NoSQL;
Условия и бенефиты
- Гибридный или полностью удалённый формат работы в РФ, с возможностью гибкого начала и окончания рабочего дня;
- Участие во внешних IT-конференциях;
- Полезные курсы и вебинары в корпоративном университете и электронные библиотеки;
- ДМС с первого месяца работы, включая стоматологию. А ещё оплачиваем 50% стоимости полиса ДМС для родственников;
- Мобильная связь за счёт компании и льготные тарифы для близких;
- Подписка на online-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.
Мы крупнейшая российская цифровая платформа для закупок и продаж B2B-РТС, которая объединяет площадки B2B-Center, РТС-тендер и OTC.
B2B-Center — технологический партнер российского бизнеса, лидер рынка b2b коммерции по количеству процедур. Более 20 лет формирует рынок и вводит лучшие практики для оптимизации торгового процесса и управления закупками для компаний любого объема и уровня цифровой зрелости.
Чем предстоит заниматься:
- Разработка и непрерывная эволюция высоконагруженных SPA-приложений на React / Next.js, обслуживающих миллионы пользовательских сессий в сутки;
- Проектирование модульной, горизонтально масштабируемой фронтенд-архитектуры, готовой к кратному росту нагрузки без переписывания;
- Глубокая оптимизация производительности (SSR, lazy loading, code splitting) за миллисекунды;
- Глубокая интеграция с C# backend API промышленного уровня, доработка backend и схем БД, обслуживающих терабайты транзакционных данных;
- Проектирование и разработка отказоустойчивых webapi микросервисов enterprise-класса;
- Мониторинг и оптимизация производительности распределённой микросервисной инфраструктуры: балансировка нагрузки, планирование capacity, обеспечение отказоустойчивости и высоким SLA;
- Работа с массивами данных в Excel-форматах промышленного масштаба: программное чтение, генерация аналитических отчётов и визуализаций для принятия решений на уровне топ-менеджмента;
- Участие в код-ревью и архитектурных советах, определяющих техническую судьбу платформы;
- Равновесный вклад в новые high-impact проекты и в эволюционный рефакторинг legacy-систем, несущих критическую бизнес-логику.
Что мы ожидаем:
- Опыт ASP.NET Core (Razor Pages) и C# backend-разработки промышленного уровня, желательно в Visual Studio;
- Работа с высоконагруженными очередями обработки данных в RabbitMQ (консольные DI-сервисы), способными выдерживать миллионы сообщений в сутки;
- Экспертная работа с PostgreSQL, MongoDB, Elasticsearch: проектирование и реализация CRUD-логики для систем с терабайтами данных;
- Работа с векторными представлениями данных в Qdrant и Elasticsearch в задачах semantic retrieval промышленного масштаба;
- Глубокое понимание архитектуры поисковых движков, полнотекстовый и семантический поиск по гетерогенным хранилищам данных;
- Практический опыт работы с локальными и облачными LLM (сильный ИИ) через API/SDK: промпт-инжиниринг, управление контекстом, построение production-grade RAG-пайплайнов;
- Уверенная работа в Python-окружении для LLM-ориентированных задач enterprise-уровня;
- Опыт применения и обучения классического ML для задач классификации и обработки больших массивов данных;
- Глубокое понимание REST, авторизации (JWT, cookies), сетевых технологий и веб-серверов; способность развернуть Linux-сервер с нуля под критичные production-сервисы;
- Ведение технической документации на базе Swagger/Scalar как единого источника истины;
- Опыт Docker и CI/CD через docker compose и TFS в условиях непрерывной поставки без даунтайма.
Будет плюсом знания Front:
- Коммерческий опыт Frontend-разработки в условиях реальной боевой нагрузки (production, не pet-проекты);
- Экспертное владение JavaScript / TypeScript на уровне архитектора, а не пользователя;
- Продвинутый опыт с React в системах промышленного масштаба;
- Опыт Next.js (SSR и SPA) для приложений с миллионами уникальных посетителей;
- Глубокое понимание архитектуры распределённых SPA и клиент-серверного взаимодействия под нагрузкой;
- Безупречная вёрстка по Figma-макетам, HTML5/CSS3;
- Понимание тонкостей адаптивной и кроссбраузерной вёрстки в мультиплатформенной enterprise-среде.
Команда прикладных исследований Sber AI Lab Центра практического ИИ занимается исследованиями на пересечении больших языковых моделей, агентных систем и современных методов машинного обучения. Цель — разрабатывать новые методы, которые обладают научной новизной и могут применяться в реальных AI-системах. Команда публикует результаты на ведущих международных конференциях, развивает open-source проекты и внедряет разработки в продукты Сбера.
Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в Сберчате, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!
Вы будете:
- возглавлять исследовательские направления: формировать научную повестку, определять перспективные задачи и отвечать за достижение исследовательских результатов
- предлагать оригинальные методы и алгоритмы, самостоятельно выстраивать исследовательский процесс от гипотезы до экспериментальной валидации
- руководить исследовательскими проектами, координировать работу небольших групп и менторить младших исследователей
- разрабатывать и исследовать современные LLM и агентные системы, включая fine-tuning, reinforcement learning и multi-agent workflows
- публиковать результаты на ведущих международных конференциях и представлять работы научному сообществу
- развивать open-source проекты и участвовать во внедрении исследовательских результатов в реальные AI-системы.
Мы ожидаем, у вас есть:
- практический опыт разработки и исследования LLM-агентов и агентных систем (tool use, planning, memory, multi-agent orchestration, agentic RL, evaluation)
- глубокие знания современных методов ML/DL, архитектур LLM, методов обучения и адаптации моделей
- умение самостоятельно принимать исследовательские решения, критически оценивать результаты и аргументированно защищать научную позицию
- подтверждённый опыт научного лидерства: самостоятельная постановка исследовательских задач, руководство проектами или группами
- уверенное владение Python, PyTorch и современным стеком разработки и обучения LLM.
Будет плюсом:
- публикации на ведущих международных конференциях (NeurIPS, ICML, ICLR, ACL, EMNLP, NAACL, AAAI, IJCAI, KDD, SIGIR или сопоставимого уровня)
- PhD в области Machine Learning, Computer Science или смежной дисциплине
- опыт post-training LLM (SFT, RL), создания open-source проектов и внедрения исследований в промышленные системы.
Мы предлагаем:
- комфортный современный офис г. Москва, рядом с метро Кутузовская
- возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 3х дней в неделю)
- ежегодный пересмотр зарплаты и годовая премия
- корпоративный спортзал и зоны отдыха
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
- 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.
#senior #удаленка
••••••••
Full-Stack (Python) AI Engineer
Опыт работы: более 6 лет
Полная занятость
График: 5/2 или свободный
Формат работы: удалённо
☑️ Наши пожелания к кандидатам
-5-6+ years of software engineering experience with strong hands-on Python, FastAPI, PostgreSQL DB, and microservices
-Strong experience designing AI architecture and building scalable production AI systems using LangChain/LangGraf, RAG, embeddings, reranking, and multi-agent workflows
-Proven ability to handle big data, perform complex data analysis, and build systems that operate at large scale
-Hands-on experience with GCP, Docker, and model evaluations, including AI quality, reliability, and performance optimization
-English speaking (B2+)
Контакты: ••••••••
Python Job •••••••• | •••••••• | ••••••••
ПРОЕКТ: в банковской сфере. Мы ищем: Backend-разработчика на Python, способного внедрять систем на базе LLM и AI-агентов «под ключ»: от постановки задачи и проектирования архитектуры до промышленного внедрения и поддержки.
Мы разрабатываем и поддерживаем продукт ERA - систему комплексной диагностики продуктов и услуг. Наше решение позволяет производить диагностику, анализ и аудит продукта для получения комплексного решения развития, снятия барьеров роста. Цель проекта — построить полностью автономную экспертную систему, где ключевую роль играют смарт-агенты, выполняющие комплексный анализ без участия человека.
Технологический стек:
Язык программирования: Python 3.12+
Фреймворки: FastAPI, LangChain / LangGraph, FastStream
Базы данных: PostgreSQL, Redis
Очереди: Kafka, RabbitMQ
Поиск и аналитика: Opensearch, Elasticsearch
CI/CD: Jenkins, Nexus, BitBucket, SonarQube
Инфраструктура: OpenShift (Kubernetes), DropApp, Docker
Управление: Jira, Confluence
ЧТО МЫ ОЖИДАЕМ ОТ КАНДИДАТА:
-
Опыт работы от 4 лет в разработке.
-
Уверенное знание Python 3.7+ (в проекте используется 3.12+).
-
Понимание и успешный опыт применения паттернов проектирования (GoF, SOLID, GRASP).
-
Опыт проведения код-ревью и работы по GitFlow.
-
Опыт разработки агентных систем с помощью langchain, langgraph и успешное внедрение в промышленную среду.
-
Опыт разработки приложений, основанных на микросервисной архитектуре.
-
Уверенное знание SQL и понимание принципов работы реляционных СУБД (PostgreSQL).
-
Опыт написания unit-тестов.
-
Опыт разработки асинхронных приложений на Python.
-
Понимание жизненного цикла разработки приложений в контексте Agile.
-
Важно: Опыт и желание работать в команде, умение аргументировать свои решения и договариваться.
Будет плюсом:
-
Знание современных инструментов и практик.
-
Понимание принципов Domain-Driven Design (DDD) и принципов построения микросервисной архитектуры.
-
Опыт работы с Apache Kafka, Elasticsearch(OpenSearch), Qdrant.
-
Опыт использования AI-инструментов в разработке: GitHub Copilot, Codium, Cursor или их аналоги.
-
Навыки промпт-инжиниринга для эффективного взаимодействия с AI-ассистентами.
-
Знакомство с концепциями "vibe coding" и инструментами для генерации кода (наподобие GigaCode, Copilot, Roo Code).
ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:
-
Разработка co-pilot решения на базе данных RAG и применении LLM.
-
Разработка и интеграция AI-агентов, исследование новых поверхностей взаимодействия с AI.
-
Разработка микросервисов на Python в качестве MCP инструментов.
-
Анализ требований, формализация функционала, проектирование архитектуры взаимодействия агентов и сервисов.
-
Участие в планировании, декомпозиции задач и оценке сложностей, планировании спринтов на основе SCRUM церемоний.
-
Проведение код-ревью, поддержание высокого стандарта качества и чистоты кода.
-
Тесное взаимодействие с командой на всех этапах разработки.
-
Участие в подготовке и выпуске релизов, взаимодействие со смежными подразделениями.
-
Документирование своей работы и менторство джуниор-разработчиков.
МЫ ПРЕДЛАГАЕМ:
- Возможность участия в интересных проектах.
- Возможность профессионального и карьерного роста в компании.
- Опыт работы в команде профессионалов.
- Специальные тарифы для сотрудников в спортивные клубы и языковые курсы и пр.
- Офисный формат работы в Москве.
Строим корпоративную ИИ-платформу. Ищем инженера, который будет разрабатывать и эксплуатировать ИИ-сервисы — от кода до работающего продукта.
Что предстоит делать:
-
Разрабатывать и развивать корпоративного ИИ-помощника и обработку документов — полный пользовательский путь задач и файлов.
-
Строить устойчивые агентные пайплайны: инструменты, состояние, повторы, лимиты, идемпотентность, подтверждение рискованных операций человеком.
-
Работать с механизмами и ограничениями LLM: токены, контекст, KV-кеш, structured output, tool calling; измерять качество и предотвращать регрессии.
-
Сопровождать Linux, контейнеры, PostgreSQL и сеть согласованного контура; обеспечивать раздельные рабочие и тестовые среды.
-
Организовывать воспроизводимый запуск, проверки, выпуск, откат, резервное копирование и проверку восстановления.
-
Управлять служебными учётками и секретами, ограничивать агентов, проверять прикладные права и допустимые маршруты данных.
-
Вести мониторинг и разбор ошибок, сверять вызовы с биллингом, измерять полную стоимость принятых задач и инфраструктуры.
-
На старте отвечать за ограниченный согласованный контур; окна изменений и порядок реакции на инциденты — обсуждаем отдельно.
Что важно:
-
Сильный Python, API, SQL, асинхронные задачи, тестирование и диагностика; лично довели серверный сервис до эксплуатации.
-
Понимание механизмов и ограничений LLM.
-
Опыт агентных пайплайнов.
-
Практические Linux, контейнеры, PostgreSQL, сети, Git/CI-CD.
-
Опыт эксплуатации и восстановления: БД, файлы, конфигурация, разбор инцидентов.
-
Понимание прав и изоляции: служебные учётки, секреты, проверка доступа к документам и истории.
-
Опыт оценки качества (наборы задач с эталонами, регрессии) и полной стоимости (вызовы, повторы, инфраструктура).
-
Базовая кибербез-грамотность и понимание регуляторных границ — мы интегрируемся с ГИС, включая 117-ФЗ.
Будет плюсом:
-
Самостоятельное развёртывание открытых моделей: GPU/VRAM, квантование, batching, конкурентность.
-
Инфраструктура как код, managed Kubernetes, корпоративный поиск.
Что предлагаем:
-
Одна совмещённая роль — разработка и эксплуатация, а не «только код» или «только серверы». Широкий охват и влияние на архитектуру с нуля.
-
Реальный масштаб: много кейсов, амбиция выводить продукты на рынок.
-
Обучение ИИ-инструментам — компания сама специализируется на ИИ, делится экспертизой.
Этапы:
-
Интервью с рекрутером, 15–25 минут.
-
Интервью с генеральным директором (Яндекс.Телемост, с камерой), разговор по опыту, подходам и реальным кейсам.
-
Оффер
Нам в команду требуется опытный разработчик, который умеет строить качественные системы c применением GPT/LLM.
Мы разрабатываем продукт на базе ML и LLM для аналитики деятельности компаний, которые работают с зарубежными партнерами.
Цель: научиться прогнозировать их валютные операции и выстроить агентскую логику вокруг ML-моделей, позволяющую предоставить пользователю конкретные рекомендации/лиды для работы с клиентом.
-
разработка и поддержка backend-приложений на Python (Django/FastAPI/Flask)
-
разработка RAG’ов
-
оптимизация производительности сервисов
-
интеграция с внешними API и базами данных (PostgreSQL, Redis и др.)
-
разработка и поддержка ETL-процессов, обработка и анализ больших данных.
-
опыт коммерческой разработки на Python от 3-х лет
-
знание фреймворков: Django/ FastAPI/ Flask
-
опыт работы с базами данных (SQL/ NoSQL)
-
понимание основ машинного обучения и аналитики данных
-
опыт работы с инструментами для обработки данных
-
знание Docker, Kubernetes, CI/CD
-
умение разрабатывать и оптимизировать REST/gRPC API
-
опыт разработки AI/GPT решений (RAG, AI-агенты)
-
опыт работы с LangChain, LLaMa-index и др.
-
комфортный современный офис рядом с м. Кутузовская, ул. Кутузовский проспект 32, формат работы - гибрид (3 дня в неделю офис, 2 дня удаленно)
-
оформление на срочный договор, до сентября 2027 года
-
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
-
подписка Прайм с возможностью совместного использования на трёх близких
-
вознаграждение за рекомендацию друзей в команду Сбера.
Наша NLP команда занимается задачами, связанными с извлечением информации из документов, диалогов, текстов различной природы.
Главной задачей для нас является создание готовых продуктов с LLM под капотом, а также создание self-service для бизнеса, где каждый может создать нужный ему сценарий (скилл) в режиме No-code.
-
проектировать и калибровать judge-пайплайны: рубрики, эталонная разметка, согласованность с людьми, борьба с позиционным bias и bias по длине
-
строить RAG-поиск для дублей и противоречий: чанкинг, гибридный поиск, реранкинг, проверка противоречий на уровне утверждений
-
делать регресс-тесты знаний: golden set, пороги, прогон на каждое изменение промпта или модели
-
ловить галлюцинации: извлечение утверждений, привязка к источнику, верификация
-
дообучать и дистиллировать judge-модели, чтобы снизить цену и задержку без потери качества
-
собирать мультиагентные пайплайны с guardrails и контролем стоимости прогона.
-
высшее образование: математика, физика, информатика или профильный data science
-
5+ лет в ML, из них не меньше полутора лет с LLM в проде
-
RAG в продакшене, а не демо: с метриками качества, нагрузкой и историей улучшений
-
Fine-tuning: SFT, LoRA/QLoRA, желательно DPO. И понимание, когда дообучение не нужно
-
опыт построения и калибровки LLM-as-judge. Знаете, как judge врёт и как это ловить
-
Guardrails и детекция галлюцинаций
-
мультиагентные пайплайны: оркестрация, обработка отказов, ограничение стоимости
-
Python: пишете код, который уходит в прод. Тесты, ревью, код-стайл
-
английский для чтения статей и документации
-
специфика банка: много контрагетов, с ними нужно иногда коммуницировать.
Будет плюсом
-
опыт python-бэкендера: FastAPI, асинхронность, очереди, PostgreSQL, векторные хранилища
-
графы знаний и онтологии
-
NLI, извлечение фактов, работа с разметчиками
-
публикации, доклады, open source.
-
гибридный формат работы
-
годовая премия
-
корпоративный спортзал и зоны отдыха
-
более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
-
регулярные митапы и развитое DS-community
-
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 Сбер.
- Сбор и очистка данных. Поиск источников информации, парсинг, фильтрация шумов, устранение пропусков и подготовка датасетов для обучения моделей.
- Разметка данных. Организация и контроль процесса разметки изображений, текстов или аудиозаписей, написание инструкций для асессоров.
- Feature Engineering. Выделение и генерация значимых признаков из сырых данных для повышения точности предсказаний алгоритмов.
-
Разработка и обучение моделей (ML / DL / LLM)
- Выбор архитектуры. Подбор подходящих алгоритмов машинного обучения или нейросетевых архитектур (трансформеры, сверточные сети) под конкретную бизнес-задачу.
- Обучение и дообучение (Fine-tuning). Тренировка моделей с нуля или адаптация готовых крупных языковых моделей (LLM) и моделей компьютерного зрения под специфику компании.
- Промпт-инжиниринг и RAG. Создание систем генерации с дополненной поисковой выдачей (RAG) для работы ИИ с корпоративными базами знаний без «галлюцинаций».
- Оценка качества. Тестирование моделей на контрольных выборках, расчет метрик точности (Precision, Recall, F1, ROC-AUC) и проведение A/B-тестов.
-
Внедрение и эксплуатация (MLOps)
- Интеграция в продакшн. Упаковка обученных моделей в микросервисы (REST API, gRPC, Docker) для взаимодействия с сайтами, приложениями или внутренними системами.
- Оптимизация производительности. Ускорение работы нейросетей (квантизация, дистилляция) для снижения нагрузки на серверы и уменьшения времени отклика.
- Мониторинг и поддержка. Отслеживание деградации моделей в реальном времени (Data Drift) и регулярное переобучение на свежих данных.
-
Бизнес-анализ и коммуникация
- Перевод бизнес-задач на язык математики. Оценка целесообразности применения ИИ для решения проблем заказчика и выбор критериев успеха.
- Исследования (R&D). Изучение новых научных статей, тестирование свежих open-source инструментов и внедрение передовых практик в работу команды.
-
Базовые технические навыки (Hard Skills)
- Языки программирования. Уверенное владение Python (основной язык разработки в ИИ), знание стандартных библиотек для анализа данных (NumPy, Pandas, Scikit-learn).
- Фреймворки глубокого обучения. Практический опыт работы с PyTorch или TensorFlow для создания, обучения и отладки нейронных сетей.
- Математическая база. Понимание линейной алгебры, теории вероятностей, математической статистики и методов оптимизации (градиентный спуск).
- Работа с базами данных. Знание SQL для извлечения и агрегации данных, а также опыт работы с векторными базами данных (Qdrant, Pinecone, Milvus, pgvector).
- Инструменты разработки. Уверенное владение Git, Docker, ОС Linux и навыками создания API (FastAPI, Flask) для интеграции моделей в продукты.
-
Профильные требования (в зависимости от задач)
- Для работы с текстом и генеративным ИИ (NLP / LLM). Опыт работы с трансформерами (Hugging Face), знание принципов промпт-инжиниринга, построения RAG-систем (LangChain, LlamaIndex) и дообучения моделей (LoRA, QLoRA).
- Для компьютерного зрения (Computer Vision). Знание библиотек OpenCV, опыт работы с архитектурами детекции и сегментации объектов (YOLO, Mask R-CNN, ViT).
- Для классического машинного обучения. Опыт работы с градиентным бустингом (CatBoost, XGBoost, LightGBM), анализа временных рядов и проведения A/B-тестирования.
-
Инженерная культура и MLOps (будет плюсом)
- Ускорение и оптимизация моделей. Знание инструментов оптимизации инференса (ONNX, TensorRT, vLLM) для снижения затрат на видеокарты (GPU).
- Трекинг экспериментов. Опыт использования систем мониторинга обучения и версионирования моделей (MLflow, Weights & Biases, DVC).
-
Образование, опыт и Soft Skills
- Образование. Высшее техническое или математическое образование (прикладная математика, информатика, анализ данных) либо сильное портфолио реализованных проектов.
- Английский язык. Уровень чтения научных статей (arXiv) и технической документации без словаря.
- Бизнес-мышление. Умение переводить абстрактные запросы бизнеса в конкретные ML-метрики и оценивать экономическую выгоду от внедрения ИИ.
- Официальное оформление, конкурентная заработная плата по итогам технического интервью .
- формат работы в современном офисе с гибким началом рабочего дня.
- Неограниченный доступ к мощным GPU-серверам для экспериментов и обучения моделей, современный рабочий ноутбук.
- Сильная команда R&D-инженеров, отсутствие лишней бюрократии и возможность напрямую влиять на развитие ИИ-продуктов компании.
Обязанности:
- Развертывание и исследование LLM + RAG на ресурсах компании.
- Знание языка программирования python для написания скриптов и API
- Умение работы с Linux, Docker
- Опыт запуска LLM локально
- Опыт работы с Langchain или LlamaIndex (желательно)
- Опыт настройки RAG систем (желательно)
- официальное трудоустройство, белая заработная плата, оплачиваемые отпуска и больничные;
- гибридный формат работы;
- свободный график;
- возможность совмещать работу с учебой;
- оплачиваемые обеды в офисе;
- 50 % оплата курсов английского языка;
- Возможность участвовать в программе долгосрочной мотивации и получить опционы РТСИМ после 1 года работы.
Разработчик Python (ИИ-агенты) / Middle+ ••••••••
Местоположение: РФ
Формат работы: Удаленно
Опубликована: ••••••••
Требования:
• Опыт коммерческой разработки на Python (Python 3.9+) от 4+ лет
• Опыт создания ИИ агентов. AI-агенты: LangChain, LangGraph, CrewAI
• Работа в финансовом, корпоративном или высоконагруженном проекте
• Опыт асинхронного программирования
Контакт: ••••••••
•••••••• опубликована в ••••••••
Мы строим с нуля экосистему интеллектуальных агентов для автоматизации процессов Блока строительства. Формируем ядро новой команды.
Нам нужен универсальный инженер, который умеет не только писать промпты, но и проектировать архитектуру: от базы данных до сложного интерактивного интерфейса. Вы будете пилить готовые решения «под ключ» на стыке бэкенда, ML и фронтенда, напрямую влияя на то, как тысячи сотрудников оптимизируют свою работу.
-
Проектировать архитектуру автономных LLM-агентов под бизнес-задачи.
-
Дообучать (fine-tune) фундаментальные модели (LLM/Vision) под специфику строительства и внутренних сервисов.
-
Строить enterprise-grade RAG-системы для извлечения знаний из тонн неструктурированных документов.
-
Внедрять MLOps: мониторинг качества, A/B-тесты новых версий моделей, глубокая оптимизация latency/cost при инференсе.
-
Писать сложные цепочки промптинга (prompt chains) и управлять контекстом в мультиагентных сценариях.
-
3+ года продакшн-опыта в ML/AI.
-
Python — ваш родной язык. Глубокое знание PyTorch или TensorFlow.
-
Руки работали с актуальными моделями: GPT-family, LLaMA/Mistral, Kandinsky (или аналоги).
-
Экспертиза в построении пайплайнов: классический RAG, fine-tuning, продвинутый prompt engineering.
-
Опыт внедрения MLOps-практик: MLflow, Kubeflow, оркестрация контейнеров.
-
Огромный плюс: понимание работы баз данных и умение спроектировать API (FastAPI), чтобы связать агента с реальным миром.
-
Офис класса А у метро Кутузовская
-
Гибрид или полная удаленка (по договоренности).
-
Ежегодный пересмотр зарплаты.
-
Корпоративный спортзал, зоны отдыха и сна прямо в офисе.
-
СберУниверситет: доступ к 400+ образовательным программам для роста.
-
Расширенный ДМС с первого дня, льготное страхование семьи и корпоративная пенсия.
-
Льготная ипотека: гибкий дисконт по кредиту, равный 1/3 ключевой ставки ЦБ.
-
Подписка СберПрайм на трех близких бесплатно.
-
Бонус за рекомендацию друзей в команду Сбера.
Смотрите также в каталоге
Хотите персональную подборку?
Введите свои критерии — мы отфильтруем вакансии по вашим требованиям
Найти подходящие вакансии →