Вакансии эвотор: работа в IT и digital

Кто мы:

Эвотор — это ведущая российская ИТ-компания, которая с 2016 года создает технологии для малого, среднего и крупного бизнеса. Мы не только производим кассовое оборудование, но и строим целую экосистему, которая помогает предпринимателям управлять своим делом проще и эффективнее.

Мы начинали как пионеры в цифровизации кассового обслуживания, представив рынку первую в России «умную» онлайн-кассу на базе Android. Сегодня мы предлагаем гораздо больше: смарт-терминалы, облачные сервисы, ПО для товарного учета и собственный маркетплейс приложений, который насчитывает более тысячи решений для самых разных задач бизнеса.

Наши клиенты — это более миллиона предпринимателей по всей стране: от небольших кофеен и фудтраков до розничных сетей и интернет-магазинов. Каждый четвертый бизнес в стране выбирает «Эвотор» для автоматизации своего дела.

Мы предлагаем:

• Трудоустройство по ТК РФ с первого рабочего дня.

• График 5/2 с гибким началом дня, удаленный или гибридный формат работы.

• Новый офис на Таганской.

• Современную технику.

• ДМС после испытательного срока.
• Бесплатную подписку СберПрайм+ и доступ к сервисам экосистемы: Okko, СберМобайл, СберЗвук и другие.
• 3 дополнительных оплачиваемых выходных дня в год.
• Насыщенную корпоративную жизнь (марафоны, корпоративы, квесты и многое другое).

Задачи:

• Разработка и поддержка сервисов на Python.
• Интеграция и дообучение ML-моделей: WhisperX, GigaChat, T2 Pro, OpenAI/Qwen.
• Работа с базами данных: PostgreSQL, MySQL, Oracle, ClickHouse.
• Построение пайплайнов подготовки данных и дообучения моделей.
• Написание скриптов и сервисов для автоматизации бизнес-задач.
• Участие в код-ревью, тестировании и работе с CI/CD.

Требования:

• Уверенное знание Python 3 и опыт коммерческой разработки на Python.

• Опыт разработки REST API на FastAPI: маршруты, зависимости, Pydantic, асинхронность, интеграция с базами данных через SQLAlchemy или другую ORM, обработка запросов и ответов.

• Опыт документирования API через Swagger/OpenAPI.

• Опыт работы с базами данных и SQL: PostgreSQL, MySQL, Oracle и ClickHouse.
  Уверенное владение Git.

• Опыт работы с Docker и базовый опыт работы с Kubernetes.

• Опыт интеграции с AI/LLM-моделями через API: OpenAI, GigaChat, Qwen, WhisperX, T2 Pro и аналоги.

• Опыт локального запуска и дообучения моделей (fine-tuning), включая LoRA и другие методы.

• Опыт разработки сервисов для анализа данных и автоматизации процессов.

Будет плюсом:

• Опыт разработки на Django: модели, шаблоны, формы, аутентификация, админ-панель.

• Опыт работы в Linux: командная строка, настройка окружения, пакетные менеджеры.

• Базовые знания HTML и шаблонизаторов Django/FastAPI, понимание JavaScript, TypeScript и React.

• Понимание принципов проектирования баз данных, нормализации, индексов и оптимизации запросов.

• Понимание базовых принципов безопасности веб-приложений.

• Опыт написания модульных и интеграционных тестов.

• Умение читать техническую документацию на английском языке.

• Знание гибких методологий разработки, например, Agile или Scrum.

Присоединяйтесь к команде, создающей технологии, которые вы видите вокруг себя каждый день!

Эвотор создает собственную экосистему технологий и сервисов для автоматизации и повышения эффективности бизнесов.

Наши продукты - это онлайн-кассы, которыми пользуется каждый четвертый предприниматель страны, и собственный магазин приложений «Эвотор.Маркет» с более чем 900 сервисами.

Команда, куда ищем ML инженера, разрабатывает мультиагентные AI-системы для автоматизации бизнес-процессов на базе открытых LLM и продвинутых RAG-пайплайнов: поддержка клиентов, продажи, координация внутренних процессов.

Что предлагаем

• оформление по ТК РФ, белая зарплата, уровень вознаграждения обсуждается с успешным кандидатом;
• формат работы: удаленно;
• ДМС после испытательного срока;
• работу в аккредитованной IT-компании, скидки от компаний партнеров, обучение;
• рабочая техника;
• 3 day off.

Задачи

• проектирование и разработка мультиагентных систем (LangGraph, AutoGen/AG2, CrewAI или собственная оркестрация);
• архитектура агентных workflow: planner-executor, ReAct, reflection, human-in-the-loop, иерархические агенты;
• разработка продвинутых RAG / GraphRAG / Agentic RAG пайплайнов: adaptive retrieval, multi-hop retrieval, hybrid search, reranking, доменный файнтюнинг embedding- и reranker-моделей;
• интеграция инструментов и внешних систем через function calling и Model Context Protocol (MCP);
• работа с открытыми SoTA LLM (Qwen3, Gemma, DeepSeek и др.) и их адаптация под задачи конкретного заказчика;
• файнтюнинг моделей: LoRA/QLoRA, DPO/ORPO, дистилляция; обучение с нуля и дообучение на GPU-кластере при необходимости;
• оптимизация инференса: vLLM, SGLang, TensorRT-LLM, квантизация (AWQ/GPTQ/FP8), снижение latency и стоимости;
• построение систем оценки качества: RAGAS, LLM-as-judge, кастомные бенчмарки, офлайн/онлайн A/B-тестирование агентов;
• внедрение observability и трейсинга LLM-систем (Langfuse/LangSmith), мониторинг качества и деградаций в проде;
• дизайн экспериментов, формулирование гипотез, R&D по улучшению NLP/LLM-алгоритмов, подготовка датасетов и бенчмарков;
• проработка новых сценариев клиентского опыта для AI-ассистентов и агентных решений.

Для нас важно

• коммерческий опыт разработки чат-ботов/диалоговых систем от 4 лет, от 1–1.5 лет с LLM/агентными системами в проде;
• понимание архитектур генеративных моделей (transformer, attention, MoE) и практический опыт работы с open-source LLM;
• уверенный Python, опыт асинхронной разработки (asyncio), PyTorch;
• опыт построения production RAG-систем: векторные БД (Qdrant/Milvus/pgvector);
• опыт fine-tuning LLM (LoRA/QLoRA, DPO) и/или embedding/reranker моделей;
• опыт работы с фреймворками агентной оркестрации (LangGraph, AutoGen, CrewAI и т.п.);
• опыт с инференс-серверами (vLLM, SGLang, TGI) и понимание квантизации моделей;
• FastAPI, SQLAlchemy, PostgreSQL, Docker, Kafka;

Будет плюсом

• опыт distributed training на GPU-кластере (DeepSpeed/FSDP/Accelerate);
• опыт работы с Model Context Protocol (MCP) и построением tool-use для агентов;
• опыт внедрения guardrails / защиты от prompt injection (NeMo Guardrails, Llama Guard и т.п.);
• опыт общения с клиентами на техническом уровне: проработка требований, презентация архитектурных решений;
• публикации или активное участие в NLP/ML-сообществе;
• опыт с графовыми БД для GraphRAG (Neo4j).