AI инженер — свежие вакансии

О компании

Digital Clouds - IT-компания, 13 лет на рынке, 130 человек, 200+ проектов: e-commerce, B2B-порталы, мобильные приложения, корпоративные системы. Мы перестраиваем разработку под AI-first модель: рутинный код по спецификациям пишут AI-агенты, инженеры проектируют, пишут спецификации и принимают результат. Это не эксперимент - конвейер уже работает на боевых проектах.

Суть роли

Product Engineer - инженер, который ведёт проект целиком: сам говорит с заказчиком, пишет спецификацию, запускает AI-конвейер и отвечает за результат. Роль объединяет аналитика, разработчика и техлида в одной позиции. Мы работаем плотными автономными группами (2–3 инженера на проект), поэтому ваше слово — решающее. Здесь нет бесконечных согласований, есть только задача и ресурсы для её решения.

Как откликнуться

В отклике опишите один реальный кейс применения AI-инструментов в вашей работе: что делали, что сработало, что нет. Отклики без кейса рассматриваем в последнюю очередь.

Чем предстоит заниматься

• Discovery: разбираться в задаче заказчика и переводить её в техническую спецификацию

• Проектировать решение: архитектура, декомпозиция, контракты интеграций

• Писать спецификации для AI-агентов - в нашей модели спека важнее кода

• Инженерная приёмка: ревью кода агентов, тесты, отлов поведенческих ошибок (галлюцинации, преждевременное завершение, лишние шаги)

• Менять конвенции кода, где агент буксует: сложные участки, отладка, тонкие интеграции

• Доводить до результата: сроки, демо, коммуникация с заказчиком

Что для нас важно

• 4+ года коммерческой разработки: PHP (Laravel) и/или Python, фронтенд - Vue

• Быстро читаете чужой код и находите в нём проблемы - ревьюить будете больше, чем писать

• Опыт прямого общения с заказчиком: сбор требований, защита решений и оценок

• Уже применяете AI-инструменты в работе (Claude Code, Cursor, Copilot - неважно что) и хотите использовать их системно

• Самостоятельность: стартуете с уровня «проблема бизнеса», а не с готового ТЗ

Будет плюсом

• Опыт spec-driven development (SDD) или работы с агентными пайплайнами

• Роль техлида или единственного инженера на проекте

• Docker, CI/CD, Kubernetes

• Опыт с платформой Битрикс

• Образование НГУ или НГТУ: математика, физика, информационные науки

Кому не подойдёт

• Если комфортно работать только по детальному ТЗ на входе

• Если AI для вас игрушка или угроза, а не рабочий инструмент

• Если хочется писать код и не разговаривать с людьми

Что предлагаем

• Реальный продакшн AI-конвейер, а не PoC: SDD, агент-ревьюеры, evals. Методология строится сейчас - ваши решения станут стандартом компании

• Маленькие команды, быстрые решения, минимум бюрократии

И еще,

Заработная плата:

Мы ценим вклад и профессионализм каждого сотрудника, поэтому всегда убеждаемся, что их зарплата соответствует заслугам.

Официальное трудоустройство:

Мы аккредитованная ИТ-компания с полным социальным пакетом, что обеспечит тебе стабильность и уверенность в завтрашнем дне;

Гибкий рабочий день:

Мы предлагаем гибкое начало рабочего дня, чтобы команда могла эффективно планировать свое время и достигать поставленных целей.

Удобное расположение офиса:

Работа в одном из офисе в Новосибирске, их у нас два: в центре Новосибирска (Красный проспект, 200) и в Академгородке (Демакова, 30)

Забота о здоровье:

Мы заботимся о здоровье наших сотрудников и предлагаем ДМС и фитнес, чтобы каждый мог чувствовать себя в тонусе.

Вместе с Digital Clouds ты окажешься в дружной команде профессионалов. Поддержка, комфорт и интерес включены!

Команда создает и поддерживает масштабируемое хранилище данных (Data Lake) и разрабатывает передовую интеллектуальную систему поиска, использующую AI/ML, чтобы пользователи могли легко находить нужную информацию во всем многообразии данных Блока

Технологии/инструменты

Python

PyTorch

FastAPI

RNN/LSTM/Transformers

LLM

RAG

AgenticRAG

PostgreSQL

Vector storage

LangChain

LangGraph

MLflow

Git

Docker

OpenShift

Kafka

Jenkins

Grafana

• Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости

• Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию

• Определение ML SysDes решения с учетом разрешенного технологического стека

• Участие в валидации и автомониторинге моделей, проведение A/B тестирования

• Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (таких как МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.)

• Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов

• Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений

• Умение переводить бизнес-постановку задачи в ML-постановку

• Высокий уровень владения Python и SQL

• Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers

• Знание принципов построения RAG, VisionRAG и AgenticRAG систем

• Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5)

• Знание агентных архитектур (ReAct, Multi-agent и др.)

• Знание фреймворков для работы с LLM (LangChain, LangGraph и др.)

• Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker)

• Понимание жизненного цикла моделей (CRISP-DM)

• Гибкий гибрид (обсуждаем индивидуально)

• Современный IT-офис вблизи Москва-Сити с фитнес-залом

• Ипотека с выгодой для сотрудника и льготные условия кредитования

• Бесплатная подписка СберПрайм+

• Скидки на продукты компаний-партнеров

• ДМС с первого дня и льготное страхование для близких

• Корпоративная пенсионная программа

• Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию

• Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

Лемана Тех ищет руководителя направления разработки, Мы создаём центральную LLM-модель компании, которая станет ядром для интеллектуальных сервисов и внутренних инструментов. Вокруг неё будет выстроена платформа для безопасного и удобного доступа сотрудников к моделям, с логированием, аналитикой и учётом использования ресурсов.

Нам нужен профессионал, который возглавит разработку этой модели и платформы вокруг неё, определит стратегию, архитектуру и руководит командой инженеров.

Обязанности:

• Спроектировать и построить центральную LLM-модель компании (fine-tuning, адаптация под бизнес-задачи, оптимизация)

• Выбрать технологический стек и open-source решения (LangChain, HuggingFace, vLLM, Ray Serve, MLflow и др.)

• Организовать инфраструктуру для обучения, деплоя и масштабирования LLM

• Создать внутреннюю платформу для работы с моделью:

  • управление модельным зоопарком (основная корпоративная LLM + вспомогательные модели),

  • логирование всех запросов/ответов,

  • система мониторинга и аналитики,

  • биллинг и учёт потребления ресурсов

• Обеспечить безопасность, контроль доступа и соответствие комплаенсу

• Руководить разработкой и эксплуатацией: управлять командой, ставить задачи, контролировать качество решений

• Взаимодействовать с бизнесом — формулировать требования и превращать их в архитектурные решения

Требования:

• Опыт работы в роли AI Architect / ML Platform Engineer / Technical Lead от 3–5 лет;

• Практический опыт в обучении и кастомизации LLM (fine-tuning, LoRA, RAG, quantization);

• Знание экосистемы LLM и GenAI (HuggingFace, LangChain, OpenAI API, LlamaIndex и др.);

• Опыт проектирования и эксплуатации AI/ML-платформ в продакшне;

• Владение MLOps/DevOps-практиками (Docker, Kubernetes, CI/CD);

• Опыт работы с системами логирования и мониторинга (Prometheus, Grafana, MLflow);

• Уверенное знание Python и современных бэкенд-фреймворков (FastAPI, gRPC);

• Опыт управления командой инженеров, постановки задач и code review.

• Будет плюсом

• Опыт построения и оптимизации корпоративных или доменных LLM;

• Работа с GPU-кластерами (on-prem и облачные: AWS/GCP/Azure);

• Опыт внедрения внутренних биллинговых систем для IT/ML-сервисов.

Условия:

• Работа в компании с развитой инженерной культурой;

• Гибкая система премирования;

• Расширенный социальный пакет: ДМС со стоматологией с первого месяца работы, психолог и страхование жизни, компенсация питания и оплата мобильной связи;

• Возможности профессионального роста, программы развития для сотрудников;

• Корпоративное обучение и доступ к базе знаний;

• Внутренние профессиональные сообщества и мероприятия;

• Автономность работы, возможность менять правила, ошибаться и создавать новое;

• Формат работы - офис;

• Современный офис в 2 минутах ходьбы от МЦК ЗИЛ.

С каждым годом на выбор сотрудника становится доступно больше дополнительных опций. Например, частичная компенсация путешествий, затрат на обучение, спортивных занятий.

Кратко о компании

Компания работает в сфере IT и специализируется на внедрении Корпоративных систем электронного документооборота. Основу компании составляет группа экспертов, которая в течение последних 15 лет представляла на российском рынке интересы компаний EMC Corporation (США), DELL (США) и OpenText Corporation (Канада) - мировых лидеров в данной отрасли ECM/EIM.

Кандидатам представляется возможность стать частью команды профессионалов, участвовать в интересных проектах по разработке и внедрению Информационных систем, освоить современную профессию и получать достойный доход.

Роль «ML-разработчик (middle/senior)»:

Мы ищем ML-разработчика для усиления команды, в составе которой присутствуют Senior Java-разработчик и Junior ML-инженер, и которая занимается внедрением ИИ в систему технического документооборота.

Обязанности:

• Внедрение и эксплуатация ML в продакшн (MLOps & Deployment).
• Деплой: интеграция обученной модели в рабочий код и обеспечение реального времени прогнозов через API.
• Создание API для взаимодействия модели с остальными компонентами системы.
• Оптимизация инференса (квантование, prune) и снижение потребления памяти.
• Мониторинг производительности и поддержка моделей в боевых условиях; настройка алертов и автоматическое дообучение.
• Дообучение: автоматизация процессов обновления модели на новых данных (CI/CD для ML).

• Высшее техническое образование.
• Реальный опыт внедрения ИИ в продуктивные решениях (не только прототипы чат-ботов).
• Опыт работы с RAG.
• Опыт использования в решениях сверточных нейросетей, LLM, VLM. Опыт обучения ML-моделей.
• Архитектурное мышление: проектирование гибридных систем (ML + детерминированные правила).
• Широкий кругозор в ML: понимание различий между ML, ИИ и LLM.
• Понимание принципов оценки работы ML-компонентов. Опыт разработки требований к датасетам.
• Опыт системной отладки и дебаггинга пайплайнов: анализ причин низкого качества, локализация слабых мест.
• Опыт проектирования распределённых систем: разделение ответственности между сервисами, проектирование контрактов. Опыт работы с продуктовой командой и интеграции ИИ-решений.
• Гибкость и устойчивость к неопределенности, умение отказаться от неработающего подхода.
• Английский язык уровня Intermediate (для чтения технической литературы).
• Стремление к профессиональному росту.
• Быть способным работать под минимальным контролем при выполнении поставленных задач.

• Работа удалённо; посещение офиса в Санкт-Петербурге или Екатеринбурге по необходимости.
• 40-часовая рабочая неделя.
• Долгосрочное трудоустройство с возможностью профессионального роста.
• Корпоративный ноутбук (или использование собственного).
• Оформление ДМС после прохождении испытательного срока на сотрудника и членов его семьи.

Программа вовлечения и испытательный срок:

• Программа адаптации под руководством опытных сотрудников
• Испытательный срок – 3 месяца

Мы в 2ГИС считаем своих сотрудников главным активом, и уверены, что AI — это именно тот инструмент, который может сделать их работу эффективнее, а самих сотрудников — счастливее и продуктивнее. Именно поэтому мы уже год активно внедряем ИИ в сервисы и процессы компании.

Мы ищем человека в команду "ИИ для сотрудников". Эта команда будет отвечать за то, какими именно AI-инструментами будут пользоваться наши сотрудники, определять приоритеты и создавать решения, которые принесут реальную пользу.

Чем предстоит заниматься

• Разрабатывать платформу для создания внутренних ассистентов с использованием современных подходов.
• Обеспечивать сотрудникам доступ к актуальным возможностям LLM — интеграция новых моделей, MCP и API.
• Анализировать качество генеративных моделей, выявлять слабые места и предлагать способы их улучшения.
• Постоянно держать руку на пульсе: следить за best practices и open source-проектами в области LLM и интеграций.
• Разворачивать и поддерживать сервисы в Kubernetes: деплой, конфигурация, настройка мониторинга и алёртов.
• Проводить Code Review и архитектурные ревью существующих решений, вносить предложения по оптимизации и развитию.

Что сделает тебя идеальным кандидатом

• Опыт разработки от 5 лет.
• Ты активный пользователь LLM, применяешь их в работе и личной жизни, понимаешь возможности и ограничения.
• Опыт деплоя сервисов в продакшн и обеспечение их стабильной работы.

Будет преимуществом

• Понимание архитектуры AI-агентов (оркестрация, memory, tools).
• Опыт работы с одним из фреймворков для написания LLM пайплайнов: LangChain, LlamaIndex, Haystack.

Почему у нас классно?

• Мы аккредитованная IT — компания.
• У нас можно работать удалённо. Для нас важен специалист, а не его локация. Если хочешь работать в гибридном формате, у нас есть офисы в Москве, Санкт-Петербурге, два классных офиса в Новосибирске. Нет дресс-кода и строгого графика: главное, чтобы было удобно тебе и команде.
• Используем современные технологии и любим о них говорить: выступаем на конференциях и сами их
• У нас есть ДМС, мы заботимся о здоровье сотрудников.

Присоединяйся! Будем создавать полезный продукт вместе.

Команда информационной безопасности VK защищает данные пользователей, продукты, сети и серверы. Мы создаём сервисы безопасности для пользователей, а внутри команды — обучаем правилам ИБ и развиваем киберкультуру.

Задачи

• Разработка мультиагентной AI-системы для автоматизации DAST/Pentest-процессов
• Интеграция AI-агентов с внутренними инструментами
• Построение RAG-пайплайнов по внутренней базе знаний
• Снижение false positives в результатах работы AI-агентов
• Участие в проектировании датасетов для тестирования LLM/agentic security-сценариев

Требования

• Уверенно владеете Python и используете его не только для экспериментов, но и для практической работы с пайплайнами и ML-инструментами
• Есть опыт коммерческой разработки и внедрения ML-решений в production
• Опыт работы с LLM API и (или) локальными LLM
• Понимание agentic workflows, tool calling и multi-step reasoning
• Опыт работы с RAG, embeddings, vector search
• Понимание принципов построения evals для LLM/AI-систем
• Понимание базовых принципов backend-разработки
• Умение объяснять ML-подходы простым инженерным языком

Описание

Задачи

• ·       Разрабатывать процессы анализа изображений;
• с использованием Google Cloud Vision API и Gemini на платформе Vertex AI;
• ·       Определять правила оценки качества;
• фотографий, включая размытие, освещение, разрешение, композицию (кадрирование);
• наличие перекрытий (occlusion) и соответствие содержимого поставленным;
• требованиям;
• ·       Обрабатывать документы и изображения с;
• использованием Document AI, OCR (оптического распознавания текста) и мультимодальных;
• AI-моделей;
• ·       Разрабатывать сервисы и API на Python с;
• развертыванием в Cloud Run;
• ·;
• Интегрировать Cloud Storage, BigQuery, Pub/Sub и Eventarc;
• ·       Реализовывать структурированные ответы AI;
• оценку уверенности (confidence scoring), обработку исключений и процессы;
• проверки результатов человеком (human review);
• ·       Создавать тестовые наборы данных и;
• оценивать точность обработки изображений и документов.

Требования

• ·       Отличное знание Python, REST API и FastAPI;
• ·       Практический опыт работы с компьютерным;
• зрением (Computer Vision) и обработкой изображений;
• ·       Опыт использования OpenCV, Pillow или;
• аналогичных библиотек;
• ·       Практический опыт работы с Google Cloud Vision;
• API, Vertex AI Gemini или аналогичными управляемыми AI-сервисами;
• ·       Опыт работы с Document AI, OCR (оптическое;
• распознавание текста) и извлечением структурированных данных;
• ·       Понимание принципов работы мультимодальных;
• больших языковых моделей (Multimodal LLMs) и формирования ответов на основе JSON;
• Schema;
• ·       Опыт работы с Cloud Storage, BigQuery и Cloud;
• Run;
• ·       Способность выбирать оптимальный подход;
• между детерминированными алгоритмами обработки изображений, управляемыми;
• сервисами компьютерного зрения и мультимодальными AI-моделями в зависимости от;
• поставленной задачи.

Условия

• Полная занятость, официальное трудоустройство;
• Гибкий формат работы: офис, удаленно или гибрид;
• Частная медицинская страховка;
• Оплачиваемый отпуск/больничные дни;
• Доступ к внутренним и внешним образовательным платформам;
• Рабочее оборудование;
• Реферальная программа с бонусом за рекомендации друзей и бывших коллег.

Описание

Задачи

• Разрабатывайте и внедряйте агентные системы искусственного интеллекта, включая рабочие процессы агентов и их координацию;
• Разрабатывайте и управляйте структурами данных, лежащими в основе агентных конвейеров (память, состояние, поиск, использование инструментов) в рабочей среде;
• Создавайте и повторяйте запросы, навыки и определения агентов;
• Интегрируйте агентов с API и базами данных;
• Сотрудничайте с инженером по интерфейсу для интеграции взаимодействия агентов в интерфейс чата.

Требования

• Глубокое понимание различных LLM, их возможностей и агентной инфраструктуры;
• Опыт проектирования и интеграции API-интерфейсов для систем, основанных на искусственном интеллекте;
• Удобство работы в разных областях — от оперативного проектирования до уровня данных и передачи пользовательского интерфейса.

Условия

• Сотрудничество по B2B-контракту с оплатой в долларах США или евро, в зависимости от ваших предпочтений, или по трудовому договору;
• Гибкий график работы;
• Возможность удаленной работы;
• Возможности профессионального роста;
• Корпоративный ноутбук для обеспечения комфортной и эффективной организации работы.​​​​​.

О нас

Мы разрабатываем собственную cloud-native платформу потоковой обработки данных и на её основе создаём решения в области текстового и сетевого анализа.

Работаем с большими объёмами данных — порядка 10 млн событий и 10 ТБ в сутки — и разрабатываем собственные state of the art алгоритмы.

Ищем ML/NLP-инженера в команду, которая занимается AI-сервисами на собственной инфраструктуре.

У нас нет жёсткого разделения между исследованием, разработкой моделей и их внедрением: можно исследовать новый подход, обучить модель, встроить её в pipeline и довести до production.

Чем предстоит заниматься

В зависимости от проекта задачи могут быть разными:

• разрабатывать и дообучать Transformer-модели для задач NLP — классификация, суммаризация, извлечение сущностей;
• работать с LLM и строить RAG и мультиагентные системы: retrieval, embeddings, формирование ответов, оценка качества и борьба с галлюцинациями;
• работать с документами и OCR, строить пайплайны подготовки и обработки данных;
• экспериментировать с новыми моделями и подходами, проводить бенчмарки и анализировать ошибки;
• интегрировать модели в существующие сервисы и асинхронные пайплайны, доводить решения до production;
• участвовать в проектировании AI-архитектуры и развитии внутренних AI-сервисов.

Часть задач связана с оптимизацией моделей и production-инфраструктурой, в том числе внедрение собственного MLOps-движка.

Что для нас важно

• Высшее техническое образование;
• уверенно владеть Python и SQL;
• иметь практический опыт работы с ML/NLP и Transformer-моделями;
• понимать устройство LLM и принципы работы и архитектуры RAG;
• иметь опыт работы с PyTorch и Hugging Face Transformers;
• уметь самостоятельно строить пайплайны подготовки данных и проводить эксперименты;
• понимать, как оценивать качество моделей и анализировать ошибки;
• иметь опыт интеграции ML/LLM-решений в production.

Для LLM-задач используем LangChain, LangGraph, LlamaIndex, vLLM, llama.cpp.

Для потоковой обработки и production-интеграции — Kafka,Pulsar, Python, Kubernetes, GitLab.

Будет плюсом

• Опыт разработки LLM-агентов и с использованием LLM-агентов;
• Fine-tuning и оптимизация моделей: квантование, дистилляция, ускорение инференса
• Опыт работы с BI/DWH/корпоративными данными
• Опыт с Docker/Kubernetes, GitLab CI
• Английский на уровне чтения технической документации, в числе умение читать научные статьи на английском (ICML, NeurIPS, KDD, IJCAI, ICLR) и быстро прототипировать новые подходы
• Готовность разбираться в новых как для себя, так и для компании технологиях, внедрять новые практики и подходы;
• Способность самостоятельно отвечать за задачу от уточнения требований и до выкатки на продакшен.

Наш стек:

Задачи ведём в таск-трекере собственной разработки, код храним в GitLab, сервисы работают в Kubernetes, деплой — через ArgoCD.

В работе используем PostgreSQL, Elasticsearch, ClickHouse, Kafka/Pulsar, RabbitMQ, а для мониторинга — LGTM-стек (Loki, Grafana, Tempo, Mimir).

Условия

• Официальное трудоустройство в аккредитованную ИТ-компанию в соответствии с ТК РФ
• График 5/2 с гибким началом рабочего дня
• Возможность гибридного формата работы по результатам испытательного срока
• Офис в шаговой доступности от м. Марьина роща

Компания ЕМЕ – разработчик и интегратор решений для управления логистикой. Мы в ТОП-3 вендоров и интеграторов WMS в России.

● 34 года в области разработки систем управления логистикой ● 2 500 000 кв.м.+ складских и производственных площадей под управлением EME.WMS ● 450+ внедрений на крупных и средних складах по всей России и СНГ ● В 2024 г. у нас произошло создание лаборатории AI и ML

Наше ПО каждый день генерирует десятки ГБ информации о работе складов, персонала и др.

Наш стэк: FastAPI, Docker, Langchain, Langgraph, PostgreSQL, Qdrant, sklearn, pandas, numpy и д.р.

Что вы получите:

• Работа над реальными интересными задачами, которые помогают работе бизнеса. Возможность быстрого роста.
• Гибкий график работы в удобном и уютном офисе (м. Сокольники);
• Оформление в соответствии с ТК РФ (обязательно наличие военного билета или печати в приписном об отсрочке для военнообязанных);
• Официальный доход;
• Дружный коллектив, неформальная атмосфера с оценкой работы по результатам ваших достижений.

Что будете делать:

• Формулировка и проверка гипотез;
• Построение Machine Learning моделей;
• Анализ и обработка больших объемов данных с целью выявления закономерностей и зависимостей;
• Написание алгоритмов обработки и подготовки данных;

• Организация сбора данных (проработка необходимых параметров отчета, ТЗ на составление кастомизированного отчета для выгрузки данных из различных БД – SQL, noSQL);
• Интерпретации данных в отчетах (выводы, графики, зависимости);
• разработка ИИ-агентов и MCP.

Что нам важно:

• Python на среднем уровне и выше;
• Опыт использования LLM и разработки MCP;
• Знания ООП и умение применять на практике;
• Базовые знания по backend;
• Опыт с SQL базами данных (PostgreSQL, SQLlite и д.р.);
• Базовые знания Linux;
• Опыт работы с Git;
• опыт работы с Docker, опыт построения агентов и цепочек на Langgraph/Langchain, опыт построения RAG систем.

Описание

Задачи

• Разрабатывать и развивать AI-продукты на базе LLM;
• Строить системы оценки качества и мониторинга моделей;
• Разрабатывать RAG- и агентные решения;
• Обеспечивать безопасность, надёжность и качество ответов моделей;
• Проводить эксперименты и внедрять улучшения на основе данных;
• Работать в кросс-функциональной команде над выводом решений в продакшен.

Требования

• Глубокое понимание ML и LLM;
• Опыт разработки AI-продуктов для продакшена;
• Опыт работы с RAG, поиском и агентными системами;
• Опыт оценки качества, мониторинга и сопровождения моделей;
• Понимание принципов безопасности и надёжности AI-систем;
• Уверенное владение Python;
• Знакомство с современным AI/LLM-стеком;
• Сильные коммуникативные навыки;
• Английский язык на уровне B1 и выше.

Условия

• Гибкий формат работы из офиса;
• Медицинскую страховку с первого дня;
• Бюджет на обучение: языковые курсы, тренинги, сертификации;
• Компенсацию расходов на спорт и ментальное здоровье;
• 20 рабочих дней отпуска и оплачиваемые больничные.

Описание

Задачи

• Разрабатывать и поддерживать AI/ML-решения на базе LLM: настраивать модели, проектировать пайплайны обработки и хранения данных;
• Работать с промптами, RAG-системами и оценкой качества ответов моделей;
• Разрабатывать и улучшать OCR-решения для автоматической обработки и валидации документов;
• Проводить эксперименты и A/B-тесты для оценки и улучшения качества AI-систем;
• Участвовать в решении технических задач, проводить код-ревью и обеспечивать качество решений.

Требования

• Опыт работы с LLM, промпт-инжинирингом и ML-пайплайнами;
• Опыт оценки качества моделей и проведения экспериментов;
• Умение проектировать и внедрять эффективные AI-решения;
• Опыт разработки и сопровождения production-сервисов;
• Уверенное владение Python;
• Опыт работы с коммерческими и open-source LLM;
• Знакомство с инструментами для разработки и оценки RAG-систем;
• Сильные коммуникативные навыки;
• Английский язык на уровне B1и выше.

Условия

• Гибкий формат работы из офиса;
• Медицинскую страховку с первого дня;
• Бюджет на обучение: языковые курсы, тренинги, сертификации;
• Компенсацию расходов на спорт и ментальное здоровье;
• 20 рабочих дней отпуска и оплачиваемые больничные.

Описание

Задачи

• Мы создаем AI-решения, которыми пользуются сотрудники и клиенты каждый день. Сейчас ищем инженера, который поможет развивать и поддерживать современные AI-сервисы;
• Чем предстоит заниматься;
• 🔹 Разрабатывать backend на Python;
• 🔹 Поддерживать AI-ассистентов и LLM-сервисы;
• 🔹 Создавать API-интеграции;
• 🔹 Анализировать инциденты и работать с логами;
• 🔹 Участвовать в релизах и сопровождении AI-платформ;
• 🔹 Работать с распределенными системами и MCP-сервисами.

Требования

• Будет здорово, если у тебя есть;
• ✔️ Опыт Python (FastAPI, asyncio);
• ✔️ Понимание работы LLM и AI-агентов;
• ✔️ Git, Docker;
• ✔️ Опыт работы с API и базами данных;
• ✔️ Навыки анализа логов и поиска ошибок;
• Будет преимуществом;
• ➕ LangChain, LangGraph, MCP;
• ➕ Kubernetes;
• ➕ Grafana, ELK, Sentry;
• ➕ Опыт интеграции AI-сервисов.

Условия

• OLZHA - гибкий пакет льгот;
• Современный офис HCB HUB / гибридный формат;
• Обучение и развитие;
• Wellbeing-программы;
• Сообщество сильных инженеров и реальные AI-проекты.

Мы ищем разработчика, который сочетает активную работу с кодом и продуктовый подход, при этом ежедневно использует современные ИИ-инструменты для ускорения разработки. Специалист будет создавать прототипы и полноценные функции, работать с LLM, API и пайплайнами, а также преобразовывать бизнес-задачи в технические решения.

Обязанности:

• Формирование продукта и его техническая реализация (преобразование бизнес-требований в технические спецификации, определение критериев успеха и метрик; быстрая проверка гипотез через написание кодовых прототипов и минимально жизнеспособных продуктов.)
• Разработка с применением ИИ-инструментов (написание и ревью кода с активным использованием LLM и кодогенераторов для создания функций, скриптов, тестов и интеграций; разработка и адаптация промпт-стратегий, шаблонов и вспомогательных утилит для улучшения качества генерируемого кода.
• Создание и интеграция компонентов (реализация бэкенда, API, пайплайнов инференса и оркестрации, подключение моделей через SDK, REST и gRPC; оптимизация производительности, управление стоимостью инференса и обеспечение надёжности на этапе внедрения.)
• Взаимодействие с бизнесом и пользователями (сбор и анализ требований от внутренних подразделений, изучение цепочек создания ценности для выявления точек применения ИИ-функций)
• Работа с данными и инфраструктурой (проектирование ETL- и фиче-пайплайнов, контроль качества данных; настройка CI/CD для автоматизации развертывания кода.)
• Контроль качества и безопасность (тестирование сгенерированного кода и моделей, проверка пограничных случаев, соблюдение требований к безопасности и приватности.)

Требования:

Опыт работы:

• От 3 лет в разработке ПО и не менее 1–2 лет в роли старшего разработчика, технического менеджера или продакт-инженера;
• Практический опыт создания функций с использованием LLM и кодогенераторов, а также внедрения решений в промышленную эксплуатацию.

Технические навыки:

• Уверенное владение одним из основных языков программирования, опыт разработки бэкенда и API;
• Работа с ML- и LLM-фреймворками и SDK, понимание промпт-инжиниринга и методов управления генерацией кода;
• Знание принципов MLOps, опыт работы с контейнеризацией и оркестрацией будет преимуществом;
• Опыт использования реляционных и нереляционных баз данных, понимание ETL и инженерии признаков.

Продуктовое мышление:

• Умение формулировать гипотезы, определять метрики успеха и принимать решения на основе данных;
• Опыт коммуникации с бизнес-стейкхолдерами и перевода их задач в конкретные разрабатываемые функции.

Условия:

• Офисный формат работы. Офис находится рядом с м.Профсоюзная;
• Заработная плата: оклад + премия (обсуждается индивидуально);
• Нестандартные задачи, возможность реализовывать свои идеи и влиять на развитие целой отрасли;
• ДМС со стоматологией и льготное страхование родственников, психологическая, юридическая поддержка - после испытательного срока;
• Обучение: лекции, курсы, ворк-шопы, школа анализа данных, дизайна презентаций и многое другое;
• Спортивные секции, соревнования и скидки в фитнес-клубах;
• Доступ в бесплатную электронную библиотеку, скидки на обучение английскому языку;
• Наставничество и помощь в адаптации новых сотрудников от вашего личного Бадди;
• Участие в жизни ИТ-коммьюнити, развитие навыков выступлений на конференциях и митапах, написания статей​.

Мы создаем сервисы кредитования в Сбербанке, позволяющие клиентам быстро и удобно получать кредиты онлайн. Клиент может подать заявку на получение кредита через мобильное приложение или WEB, получить одобрение всего за две минуты и мгновенно перевести средства на свою банковскую карту или счет, без необходимости посещать отделение банка лично.

Наш проект постоянно развивается. Мы планируем улучшать клиентский опыт и развивать наши сервисы внедряя механики динамического ценообразования.

Работа в нашей команде позволит вам принять участие во всех этапах разработки высоконагруженных распределённых систем, начиная от проектирования и заканчивая внедрением в промышленную эксплуатацию. Вы сможете активно влиять на создание новых продуктов и улучшение существующих бизнес-процессов, применяя современные технологии и подходы.

Присоединяйтесь к нашей команде и станьте частью инновационного процесса, создающего удобные решения для миллионов пользователей по всей России!

Обязанности:

• разработка backend-сервисов на Java / Spring Boot в микросервисной архитектуре
• участие в code review
• написание unit и интеграционных тестов
• участие в настройке процессов разработки нового проекта
• участие в проектировании API-контрактов между сервисами
• взаимодействие с аналитиками, тестировщиками и смежными командами
• работа в CI/CD (Jenkins)

Требования:

• опыт коммерческой разработки на Java — от 2 лет
• spring Boot — уверенное владение (Core)
• REST — проектирование и документирование API (OpenAPI/Swagger)
• опыт написания unit и интеграционных тестов (Mockito + TestNg/JUnit)
• уверенное владение Git
• опыт разработки AI-агентов
• понимание принципов работы с LLM (на проекте используется GigaChat) и опыт интеграции с ними по API, умение писать системные инструкции промпты для LLM
• понимание жизненного цикла ML-моделей в production: интеграция через MLflow / BentoML / Triton, версионирование моделей, health check’и
• опыт участия в code review

Будет плюсом:

• опыт работы с Jenkins (или аналогичными CI/CD)
• опыт работы с микросервисной архитектурой
• kafka — опыт работы с брокерами сообщений, понимание паттернов (producer/consumer, топики, партиции)
• опыт работы в банковской / финансовой сфере
• опыт работы с Docker, Kubernetes

Мы готовы предложить:

• офисный формат работы на ИС, после гибридный
• 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
• офис на Кутузовской, зонами отдыха и спортзалом
• льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+ с возможностью совместного использования на трёх близких.

Задачи:

• Разработка генеративных моделей: проектирование, обучение, тонкая настройка, оценка и внедрение генеративных моделей для приложений, работающих с изображениями, видео, текстом и мультимодальными данными.
• Генерация изображений и видео: улучшение визуального качества, соблюдения промптов, пространственного выравнивания, согласованности персонажей и объектов, а также временной согласованности в генеративном видео.
• Исследования в области управления LLM: исследование и внедрение методов управления и ограничения поведения LLM, включая настройку инструкций, структурированное генеративное создание, декодирование с ограничениями, использование инструментов, защитные механизмы, оптимизацию предпочтений и управляемые результаты.
• Оценка LLM: создание систем оценки по следующим критериям: выполнение инструкций, надежность, соответствие фактам, безопасность, согласованность результатов, точность использования инструментов, а также устойчивость к внедрению посторонних подсказок или непреднамеренному поведению.
• Оптимизация моделей: оптимизация конвейеров обучения и инференса с точки зрения задержки, пропускной способности, использования памяти, качества генерации и затрат на инфраструктуру.
• Построение конвейеров: создание масштабируемых конвейеров обработки данных, обучения, тонкой настройки, оценки и инференса в реальном времени.
• Интеграция в производственную среду: сотрудничество с инженерами по программному обеспечению и данным для интеграции генеративных моделей в существующие продукты и производственные системы.
• MLOps: автоматизировать тестирование, развертывание, мониторинг, откат, переобучение и непрерывную оценку моделей.
• Исследования и эксперименты: анализировать последние исследования в области генеративного ИИ, воспроизводить перспективные методы и определять их практическую ценность для использования в производственной среде

Необходимые навыки:

• Опыт: не менее 3 лет профессионального опыта в области машинного обучения и разработки программного обеспечения.
• Генеративный ИИ: обширный практический опыт разработки или внедрения моделей генеративного ИИ.
• Модели обработки изображений и видео: глубокое понимание диффузионных моделей и современных архитектур генерации изображений или видео.
• Большие языковые модели (LLM): опыт работы с подсказками для LLM, их тонкой настройкой, оценкой, структурированными выводами, вызовом инструментов и методами управления поведением.
• Фреймворки машинного обучения: практический опыт работы с PyTorch или TensorFlow.
• Машинное обучение в производственной среде: опыт перевода моделей из стадии прототипа в производственную среду и эксплуатации надёжных сервисов инференса.
• Инфраструктура: опыт развёртывания моделей на серверах с графическими процессорами (GPU) без операционной системы и на облачных платформах.
• Инженерия: глубокие навыки работы с Python и в области разработки программного обеспечения, включая тестирование, мониторинг, отладку и оптимизацию производительности.

Будет плюсом:

• Опыт работы с управляемым генератором, настройкой инструкций, RLHF, DPO, обучением с подкреплением или другими методами оптимизации предпочтений.
• Опыт работы с декодированием с ограничениями, вызовом функций, агентными системами, механизмами обеспечения безопасности, тестированием «красной команды» и автоматизированной оценкой LLM.
• Опыт работы с мультимодальными моделями, сочетающими текст, изображения, видео или аудио.
• Подтверждённая способность улучшать временную согласованность, пространственное совмещение, сохранение идентичности и качество движения в сгенерированном видео.
• Опыт оптимизации вычислений на GPU с использованием квантования, пакетной обработки, кэширования, компиляции или распределённого выполнения.
• Опыт работы с платформами MLOps, реестрами моделей, отслеживанием экспериментов и системами наблюдаемости.
• Знакомство с конвейерами CI/CD и инфраструктурой как кодом.
• Подтвержденный опыт эксплуатации производственных систем с высокой пропускной способностью и низкой задержкой.
• Способность понимать, воспроизводить, оценивать и адаптировать последние научные работы в области генеративного ИИ.

Мы предлагаем:

• Работа в динамичной и инновационной AI Tech среде
• Конкурентный пакет зарплаты
• 25 дней отпуска, дополнительные выходные дни и больничный
• Удаленный формат работы
• Возможность профессионального и карьерного роста в стартап среде​​​​​​​

• Выстроить управление использованием ИИ в холдинге: политика применения AI-инструментов сотрудниками, правила работы с корпоративными данными в промптах, борьба с теневым использованием внешних сервисов;

• Вести реестр AI-систем компании: какие модели и агенты работают, к каким данным имеют доступ, кто владелец, какие риски и какие меры приняты;

• Проверять безопасность AI-продуктов до и после запуска: доступы агентов к базам и системам, защита от инъекций промптов, контроль утечки конфиденциальных и персональных данных через модели;

• Оценивать риски моделей вместе с командами разработки: качество и происхождение обучающих данных, права на данные, персональные данные в выборках, честность заявленных метрик;

• Проводить аудит внешних AI-вендоров и сервисов: куда уходят данные, где хранятся, какие гарантии даёт поставщик;

• Разбирать инциденты, связанные с ИИ: утечки через промпты, некорректные ответы агентов в бизнес-процессах, несанкционированные подключения;

• Обучать сотрудников безопасной работе с AI-инструментами: короткие памятки, разборы кейсов, входное обучение для новых команд;

• Следить за регуляторикой и стандартами в области ИИ и переводить их в практические требования для команд.

• Опыт от 2 лет в информационной безопасности или в разработке и эксплуатации AI-решений. Достаточно сильной базы в одном из двух направлений и живого интереса ко второму: узких готовых специалистов на рынке почти нет, доучим на практике;

• Понимание специфических рисков больших языковых моделей: инъекции промптов, утечка данных через промпты и контекст, отравление данных, галлюцинации в бизнес-процессах. Знакомство с OWASP Top 10 для LLM-приложений будет сильным плюсом;

• Базовые знания классической ИБ: управление доступами, защита конфиденциальных данных, работа с инцидентами, основы сетевой безопасности;

• Понимание жизненного цикла ML-модели и того, где в нём возникают риски: данные для обучения, доступ модели к источникам, вывод в продакшен, мониторинг;

• Уверенный пользователь SQL и Python на уровне чтения кода и написания простых проверок; глубокая разработка не требуется;

• Знание требований к работе с персональными данными (закон РК о персональных данных) или готовность быстро в них разобраться;

• Умение писать понятные документы: политики, регламенты, памятки для сотрудников без ИБ-жаргона;

• Самостоятельность и здравый смысл: область новая, готовых шаблонов мало, придётся формировать практику первым;

• Будет плюсом: опыт аудита ИТ-систем или вендоров, сертификаты в ИБ, опыт внедрения политик использования AI в компании, знакомство с фреймворками AI-рисков (NIST AI RMF, ISO 42001).

• Официальное трудоустройство по ТК РК;

• График работы: 5/2, 8:00–17:30;

• Работа в офисе (БЦ Agar, Астана) — комфортное рабочее место;

• Социальный пакет: оплачиваемый отпуск, больничные, ДМС после испытательного срока;

• Работа в команде IT-поддержки;

• Обучение за счёт компании: курсы, конференции, профильная литература;

• Работа с разными системами и бизнес-процессами;

• Доступ к базе знаний и внутреннему обучению.

ПерилаГлавСнаб — производственно-строительная компания полного цикла, которая с 2008 года растёт на высококонкурентном рынке и усиливает позиции в своём сегменте. Мы не просто удержались на рынке — за эти годы мы обогнали десятки конкурентов, масштабировались из 1 филиала в 7 и стали лучшим игроком на рынке в направлении комплектующих, производства и монтажа.

Среди наших объектов — «Лужники», парк «Зарядье», ВТБ Арена, Парк Победы, учебно-лабораторный комплекс МИЭМ и другие проекты, где требования к срокам, качеству и исполнению изначально высокие.

Мы ищем человека, который заберёт ИТ-контур компании целиком и сделает его понятным.

Восемь лет IT в ПГС держался на одном сильном инженере. Он построил многое: хранилище данных на Greenplum с ETL на Airflow, микросервисы вместо монолита CRM, модель прогноза остатков для автозакупок, ботов, рассылки, телефонию на четырёх операторах, виртуальные рабочие столы для филиалов. Всё это работает и приносит деньги.

Проблема в другом. Мы честно провели инженерный аудит перед его уходом и получили цифры: 110 живых ИТ-проектов, 103 технические ловушки, 411 вопросов, на которые в компании нет письменного ответа. Половина систем описана в вики без следа исполнения, вторая половина живёт в задачах, но нигде не описана. Знание было, но оставалось в голове одного человека.

Мы не хотим повторить это ещё раз. Поэтому берём не «ещё одного разработчика», а руководителя, который умеет две вещи одновременно: писать код на уровне сильного инженера и выводить знание из головы в систему.

Компания при этом идёт вперёд быстро: у нас развёрнут корпоративный граф знаний на 500 000+ узлов, работают нейронаставники для менеджеров, команда учится вайб-кодингу на Claude Code, строится AI Business OS. Мы не боимся нейросетей и не собираемся ждать. Нам нужен человек, который эти инновации возглавит и сделает безопасными — с бэкапами, правами, ревью и откатом, — а не тот, кто объяснит, почему это не взлетит.

Это роль с прямым выходом на собственника и топ-менеджмент. Здесь не нужно пробивать бюджет через пять согласований — нужно отвечать за результат.

Что будет на старте:

• Доход: оклад 200 000 руб. + KPI до 50 000 руб.
• Оформление: официальное трудоустройство по ТК РФ с первого рабочего дня.
• Заработная плата: полностью белая.
• График: 5/2, понедельник–пятница, с 9:00 до 18:00.
• Формат работы: по согласованию с кандидатом.
• Готовый аудит хозяйства на входе. Вы получите не «разбирайся сам», а описанные 326 проектов, реестр из 103 технических ловушек с обходными путями, карту 13 систем с адресами, базами и точками подключения, и список из 411 конкретных открытых вопросов. Такого входа нет почти нигде — обычно новый ИТ-руководитель полгода восстанавливает картину по обрывкам
• Корпоративный доступ к ИИ-инструментам: Claude, ChatGPT, собственная инфраструктура под вайб-кодинг, RDP-контур, граф знаний на Neo4j
• Команда и подрядчики в подчинении, бюджет на внешних исполнителей
• Прямое подчинение собственнику, участие в управленческом ритме компании (недельное планирование, ретро, демо)
• Реальное влияние: ИТ здесь не сервис-функция, а то, через что считаются деньги компании — мотивация продавцов, себестоимость, остатки, закупки

Чем предстоит заниматься:

• Разработка и данные
  • Развивать и поддерживать боевой контур: CRM Terrasoft (MSSQL), корпоративный портал Битрикс24 (PHP/REST), обмен с 1С, витрины данных (PostgreSQL/Greenplum), ETL на Airflow
  • Писать код самому — это hands-on роль, не «управление из кабинета»
  • Довести до конца незакрытые интеграции: стадии сделок ТС↔Б24, телефония четырёх операторов, транскрибация звонков, обмен документами с 1С
• Порядок и надёжность
  • Разобрать реестр из 103 технических ловушек: подтвердить, обойти или починить — по каждой принять решение и записать его
  • Закрыть 411 открытых вопросов по системам: где что лежит, чем запускается, что сломается, если выключить
  • Навести порядок в правах и доступах: сейчас часть паролей лежит в файлах отчётов, часть учёток избыточна, sa со слабым паролем помечен как риск
  • Отвечать за бэкапы и восстановление: не «настроил», а «регулярно проверяю восстановление и знаю время простоя»
  • Ввести обязательное правило: любая доработка попадает в документацию до того, как считается сделанной
• Руководство
  • Вести команду разработки и подрядчиков: постановка задач, ревью кода, сроки, приёмка
  • Держать ритм отдела: недельное планирование, груминг, ретро, демо — этот ритм уже работает, его нужно наполнить содержанием
  • Принимать входящий поток обращений от бизнеса через задачи Битрикс24 и чат рекламаций ИТ по регламенту 0.03.4.11: возвращать плохо поставленные задачи на доработку, а не догадываться
  • Растить людей внутри: у нас есть матрицы инженерной зрелости и грейды, их нужно применять
• Инновации — безопасно
  • Возглавить внедрение ИИ в процессы компании: нейронаставники, RAG-агенты по базе знаний, автоматизация в n8n, вайб-кодинг силами самих сотрудников
  • Сделать это управляемо: права доступа к данным, защита персональных данных клиентов, ревью того, что сгенерировала нейросеть, тестовый контур и откат
  • Учить команду и смежные отделы работать с ИИ-инструментами, а не замыкать их на себе

Вы нам подойдёте, если:

• У вас 6+ лет коммерческой разработки и есть опыт руководства командой разработчиков или ИТ-отделом
• Уверенно пишете на Python и SQL (MSSQL/T-SQL обязательно, PostgreSQL — плюс). Умеете читать чужой недокументированный код и базу без описаний
• Работали с CRM и учётными системами как инженер: интеграции, обмены, доработки. Опыт с Terrasoft, Битрикс24 (PHP/REST), 1С — сильное преимущество
• Строили или поддерживали инфраструктуру данных: ETL, хранилище, витрины, BI-отчётность
• Понимаете эксплуатацию: Docker, Linux, бэкапы, мониторинг, VPN, права доступа. Знаете, что такое восстановиться из бэкапа, потому что делали это
• Реально используете нейросети в работе и можете показать, что сделали с их помощью: агент, бот, автоматизация, ускорение разработки. Нам важно не «слышал про вайб-кодинг», а «вот что я собрал»
• Умеете сказать «здесь риск, вот как я его закрою» — и закрыть. Не «всё нормально» и не «это невозможно»
• Документируете как часть работы, а не когда попросят
• Спокойно работаете в прямом контакте с собственником и руководителями отделов, умеете переводить с языка бизнеса на технический и обратно

ООО «Софт Бизнес Системы» — мы разрабатываем систему речевой аналитики. Наши продукты работают с текстовыми и голосовыми данными, используют LLM для генерации ответов, семантического поиска и извлечения инсайтов. Мы выходим на рынок и ищем технического лидера, который построит AI-платформу и доведет её до продакшена.

Нам нужен инженер, который умеет не только проектировать решения, но и работать руками: писать код, тюнить модели, экспериментировать с промтами.

Чем предстоит заниматься:

• Проектировать и развивать RAG-архитектуру (Retrieval-Augmented Generation) для текстовых и голосовых сценариев.
• Отвечать за качество поисковой выдачи — метрики, бенчмарки, эксперименты с чанкингом, эмбеддингами и ранжированием.
• Развивать семантический поиск — подбор моделей эмбеддингов, гибридные подходы.

• Заниматься fine-tuning LLM (LoRA, QLoRA) под конкретные домены и бизнес-задачи в зависимости от требований к качеству и латентности.
• Отвечать за качество сгенерированных ответов для текстовых и голосовых ботов.

• Версионировать промты, модели, датасеты, конфиги — чтобы любой эксперимент был воспроизводим (MLflow, Weights & Biases).

• Настроить пайплайны для доставки моделей в прод (инференс, мониторинг, A/B тестирование, канареечные релизы).
• Оптимизировать инференс под промышленные карты (A100, H100, H200) — работа с памятью, батчинг, квантизация.
• Обеспечивать наблюдаемость: метрики качества, дрифт данных, задержки.

Мы ждем, что вы:

• Имеете опыт работы в AI/ML от 5 лет, из которых минимум 1 год на позиции Team Lead / Tech Lead.
• Владеете Python на уровне необходимом для обучения и дообучения моделей, прототипирования.
• Готовы изучить или перейти на Rust (инференс и ML/LLM сервисы реализованы на нём).
• Имеете коммерческий опыт построения RAG-систем — от выбора эмбеддеров до настройки векторных баз (Qdrant, Milvus, Pinecone).
• Занимались fine-tuning LLM с использованием современных техник.
• Понимаете, как работает инференс на железе (A100/H100) — квантизация, vLLM.
• Умеете коммуницировать с бизнесом — переводить метрики качества на язык продуктовых решений, аргументировать технический выбор.

Будет плюсом:

• Опыт работы с голосовыми моделями (ASR, TTS) или акустическими данными.
• Публикации или open-source контрибуции в области LLM/Information Retrieval.

Мы предлагаем:

• Удаленную работу и гибкий старт.
• Полную занятость.
• ДМС со стоматологией.
• Годовую премию по результатам оценки OKR.
• Дружелюбную команду разработчиков и минимум бюрократии.
• Возможность строить AI-платформу с нуля и влиять на ключевые продуктовые решения.

Если вам близка роль, где нужно совмещать архитектуру, ML-экспертизу и hands-on разработку, — откликайтесь, будем рады познакомиться.

• Проектировать, обучать и выводить в продакшен ML-модели для бизнеса: раннее предупреждение рисков по срокам и себестоимости строительных проектов, скоринг подрядчиков, прогноз качества;

• Разрабатывать AI-агентов и сервисы на базе больших языковых моделей: ассистенты для анализа данных, автоматизация разбора документов и обращений, RAG-поиск по корпоративной базе знаний;

• Строить и сопровождать пайплайны данных: выгрузки из корпоративного даталейка, витрины, контроль свежести и качества данных, point-in-time дисциплина для обучающих выборок;

• Доводить модели до реальных продуктов: API, дашборды, интеграция с корпоративными системами, мониторинг качества и деградации после запуска;

• Проверять гипотезы бизнеса на данных и давать честные вердикты: что работает, что не работает и почему, с числами и ограничениями;

• Оформлять методологию и результаты для руководства: понятные отчёты, метрики, границы применимости;

• Развивать ML-платформу команды: стандарты экспериментов, переиспользуемые компоненты, MLOps-практики;

• Работать в связке с аналитиками, дата-инженерами и владельцами бизнес-процессов, менторить младших коллег.

• Опыт коммерческой разработки на Python от 4 лет, из них от 2 лет в машинном обучении или прикладном AI;

• Подтверждённый опыт вывода ML-моделей в продакшен: от постановки задачи и сбора данных до мониторинга качества после запуска;

• Уверенное владение SQL и опыт работы с корпоративными хранилищами данных (PostgreSQL, витрины, материализованные представления, оптимизация запросов);

• Практический опыт работы с большими языковыми моделями: API ведущих провайдеров, построение агентов, RAG-архитектуры, промпт-инжиниринг, оценка качества ответов;

• Знание классического ML-стека: pandas, scikit-learn, градиентный бустинг, валидация без утечек данных, метрики качества (AUC, precision, recall, калибровка);

• Опыт оркестрации пайплайнов данных (Airflow или аналоги) и контейнеризации (Docker, Kubernetes);

• Инженерная культура: код-ревью, тесты, git, воспроизводимость экспериментов, документация;

• Умение честно оценивать ограничения данных и моделей и доносить их до бизнеса простым языком;

• Русский язык свободно, английский на уровне чтения технической документации;

• Будет плюсом: опыт в строительной, промышленной или девелоперской аналитике, опыт работы с данными 1С, опыт построения ML-платформ и MLOps-процессов, опыт менторства.

• Официальное трудоустройство по ТК РК;

• График работы: 5/2, 8:00–17:30;

• Работа в офисе (БЦ Agar, Астана) — комфортное рабочее место;

• Социальный пакет: оплачиваемый отпуск, больничные, ДМС после испытательного срока;

• Работа в команде IT-поддержки;

• Обучение за счёт компании: курсы, конференции, профильная литература;

• Работа с разными системами и бизнес-процессами;

• Доступ к базе знаний и внутреннему обучению.

Пожалуйста, внимательно ознакомьтесь с описанием вакансии

Ищем сильного инженера-разработчика для сопровождения и развития высоконагруженной LLM-платформы обработки больших объёмов данных (текст, документы, изображения, аудио).

Под капотом:

• Микросервисы: движок на .NET, оркестрация на Python, веб-панель на React
• Хранилище: PostgreSQL (десятки миллионов записей)
• Кеш: Redis
• Self-hosted LLM: vLLM на GPU за nginx-балансировщиком
• Инфраструктура: Docker, мониторинг Prometheus / Grafana

Планы развития: RAG-контур на векторном поиске и доменная адаптация моделей.

Важно: уметь видеть систему целиком — от SQL-плана запроса до раскладки моделей по видеокартам.

Обязанности:

• Поддержка продакшена: деплой, обновления, разбор инцидентов, откаты
• Доработка логики обработки: классификация, нормализация, извлечение сущностей, контроль качества вывода LLM
• Оптимизация латентности и пропускной способности: тюнинг батчей, параллелизма и конкурентности LLM, оптимизация SQL и кеша
• Эксплуатация LLM-стека: раскладка и обновление моделей на GPU, мониторинг видеокарт, диагностика
• Развитие RAG-контура: векторный поиск, индексация, релевантность; доменная адаптация моделей через LoRA
• Работа с данными: дампы и восстановление PostgreSQL, прогрев кеша, миграции между серверами
• Наблюдаемость: дашборды, метрики, разбор «хвостов» p95/p99

Требования:

• Уверенный бэкенд на C# / .NET И на Python (допустимо: сильный в одном + рабочий во втором с быстрым доростом)
• PostgreSQL на хорошем уровне: сложные запросы, индексы, EXPLAIN, партиционирование, дампы/restore
• Docker / docker-compose и уверенный Linux (ssh, systemd, диагностика по логам)
• Практический опыт с LLM: промптинг, параметры генерации, self-hosted инференс, понимание токенизации и ограничений контекста
• Инженерная самостоятельность: умение читать код и метрики распределённой системы
• Понимание работы с тестовой средой и продакшеном

Будет большим плюсом

• RAG и векторные БД (Qdrant): эмбеддинги, индексация, гибридный поиск, оценка релевантности
• LoRA / PEFT — лёгкая доменная адаптация моделей
• Эксплуатация vLLM / TGI / llama.cpp, понимание GPU (nvidia-smi, VRAM, tensor-parallel, квантизация), Hugging Face
• React / Vite для правок админ-панели
• Базовый NLP: токенизация, детекция языка, нормализация, извлечение сущностей
• Диагностика железа (в т.ч. виртуализация / KVM)

Условия:

• Гибкое начало и окончание дня
• Оформление: ТК / ИП
• Аккредитованная IT-компания
• Реальное владение сложной системой и свобода в инженерных решениях
• Отсутствие бюрократии

Центр практического искусственного интеллекта занимается разработкой и внедрением высокотехнологичных AI-инструментов. Задачи берутся из повседневной практики бизнеса.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в мессенджере, 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!

Задачи:

• разработка и внедрение LLM-агентов и продвинутых RAG систем в управленческом домене для решения стратегических задач банка — от прототипов до продакшена
• решение прикладных задач оценки качества и полноты предоставленной документации/отчетности в бизнес доменах средствами ИИ-ассистентов (RAG-пайплайны, классификация запросов, генерация ответов, оценка релевантности)
• исследование и настройка multi-agent orchestration (LangGraph, LangChain, schema guided reasoning pipelines)
• работа с GigaChat как основной моделью, а также эксперименты с ChatGPT, Gemini, Qwen
• fine-tuning моделей (instruction-tuning, adapters, LoRA, SFT, LLM-RL)
• разработка метрик качества
• взаимодействие с инженерами и аналитиками — внедрение моделей в реальные кейсы.

Требования:

• опыт в роли DS/ML от 3 лет
• глубокая экспертиза в NLP/LLM
• уверенное знание инструментов разработки и инфраструктуры (bash, docker/openshift, git и т.д.)
• фундаментальные знания в сфере ML, профильное образование
• отличные знания языка Python и опыт индустриальной разработки
• понимание архитектуры LLM и принципов prompt engineering
• опыт построения RAG-систем, fine-tuning и дообучения моделей
• умение проектировать пайплайны inference / retraining
• опыт упаковки моделей в сервисы и интерфейсы (например, FastAPI, Flask, Tornado, StreamLit, ChainLit и т.д.)
• опыт интеграции LLM с внешними API или базами знаний.

Мы предлагаем:

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• офисный формат работы (возможно обсудить гибрид после исп.срока)
• 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.

Чем предстоит заниматься:

• Вести повседневную разработку в парадигме AI-driven development, используя AI-инструменты на этапах проектирования, реализации и проверки.
• Развивать платформу AI SDLC: контекст и знания, интеграции, инструменты агентов, доступы, проверки, журналирование и human gates.
• Создавать AI-продукты и автоматизации: от гипотезы и прототипа до промышленной интеграции и развития по обратной связи.
• Проектировать LLM- и агентные системы.
• Встраивать решения в существующий инженерный контур: репозитории, CI/CD, корпоративные API, базы данных, очереди и системы наблюдаемости.
• Строить оценку качества, эталонные наборы, автоматические проверки, модели-судьи и регрессионные сценарии.
• Исследовать новые подходы и доводить перспективные решения до практического применения.

Мы ждём от будущего члена команды:

• Опыт разработки на Python, TypeScript, React/Vue.
• Опыт с API, базами данных, аутентификацией, асинхронными процессами и очередями.
• Уверенную работу с Linux, Docker, Kubernetes и CI/CD.
• Понимание микросервисной и событийно-ориентированной архитектуры; опыт с Kafka, RabbitMQ или аналогами.
• Практику логирования, мониторинга и трассировки: Prometheus, Grafana, Sentry, OpenTelemetry, Langfuse или аналоги.
• Опыт разработки и эксплуатации production-систем, способность самостоятельно довести задачу до работающего сервиса.
• Открытость к работе с новыми и непрофильными технологиями, готовность быстро осваивать нужный стек под задачу.

Будет плюсом:

• Опыт работы с LLM- и агентными системами: RAG, tool use, управление контекстом, оркестрация процессов, LangGraph, Dify, n8n.
• Опыт построения Evaluation-инфраструктуры: эталонные наборы, модели-судьи, настройка регрессионного тестирования.
• Опыт с Temporal, Camunda 8 или Restate для долгоиграющих процессов, а также практическая работа с векторными базами данных и гибридными поисковыми системами.
• Опыт сложных инженерных доменов, программно-аппаратных комплексов, стендов или критичных систем.