Вакансии название скрыто: работа в IT и digital
Вакансии компании название скрыто в IT и digital за последние 30 дней. Направления найма, города и форматы работы. Дубли объединены. HireSeeker — независимый агрегатор вакансий.
Найдено: 4. Обновлено .
Города с вакансиями
- Санкт-Петербург2
Страны с вакансиями
- Россия4
Форматы работы
- Гибрид2
- Удалённая работа2
Наш клиент — крупная компания с развитой IT-инфраструктурой — ищет QA Fullstack Engineers с опытом автотестирования на C#.
Задачи
- Разрабатывать и поддерживать автотесты на C#;
- Проводить функциональное, интеграционное и регрессионное тестирование;
- Проверять данные с помощью SQL и работать с Kafka и другими брокерами сообщений;
- Анализировать дефекты, в том числе возникающие на production, воспроизводить проблемы и участвовать в их расследовании;
- Взаимодействовать с разработчиками, заказчиками и другими участниками проекта, обсуждать требования и демонстрировать результаты.
Требования
- Опыт работы в роли тестировщика от 2 лет;
- От 1 года коммерческого опыта автоматизации на C#;
- Опыт в ручном тестировании;
- Опыт работы с брокерами сообщений;
- Опыт работы с SQL и БД.
Условия
- Оформление по ТК РФ;
- Формат работы — удаленно из РФ;
- ДМС со стоматологией;
- Карьерный рост;
- Доступ к корпоративным программам поддержки и дополнительным бенефитам;
- Возможность работать из корпоративных коворкингов в нескольких городах России.
Компания ищет руководителя группы кадрового делопроизводства — сильного эксперта в КДП, который сможет не только обеспечить безупречное ведение кадровых процессов, но и последовательно развивать их автоматизацию с использованием современных цифровых решений и технологий искусственного интеллекта.
Чем предстоит заниматься
Управление КДП
- Руководить работой группы кадрового делопроизводства и распределять задачи между сотрудниками.
- Обеспечивать ведение кадрового учета в соответствии с требованиями трудового законодательства РФ.
- Контролировать работу с воинским учетом, персональными данными и отчетностью.
- Организовывать подготовку документов и сопровождение проверок контролирующих органов.
- Разрабатывать, актуализировать и внедрять локальные нормативные акты, инструкции и регламенты в области КДП.
- Консультировать руководителей и сотрудников по вопросам трудового законодательства и кадровых процедур.
- Взаимодействовать с бухгалтерией, юридической службой, службой информационных технологий, безопасностью и другими подразделениями.
Автоматизация и развитие процессов
- Проводить аудит текущих процессов КДП и выявлять возможности для их оптимизации.
- Формировать и реализовывать дорожную карту автоматизации кадрового документооборота.
- Участвовать в выборе, настройке и внедрении цифровых решений.
- Переводить кадровые процессы из ручного режима в электронный формат.
- Изучать и применять возможности искусственного интеллекта для: подготовки и проверки кадровых документов, поиска и структурирования информации, автоматизации типовых запросов сотрудников, контроля полноты и качества кадровых данных, формирования отчетов и аналитики, создания базы знаний и цифровых помощников для HR-функции.
- Оценивать эффективность внедренных решений и обеспечивать их дальнейшее развитие.
- Следить за соблюдением требований к защите персональных данных, информационной безопасности и ответственному использованию ИИ.
Наш идеальный кандидат
- Имеет высшее образование — юридическое, кадровое, управление персоналом или смежное.
- Имеет опыт работы в кадровом делопроизводстве от 7 лет, включая опыт руководства командой от 3 лет.
- Уверенно ориентируется в полном цикле КДП и умеет самостоятельно выстраивать кадровые процессы.
- Имеет опыт прохождения проверок трудовой инспекции и других контролирующих органов.
- Знает требования к работе с персональными данными, воинскому учету и электронному кадровому документообороту.
- Имеет опыт внедрения или развития систем автоматизации.
- Понимает принципы процессного управления и умеет описывать процессы, формировать регламенты и ставить задачи на автоматизацию.
- Интересуется технологиями искусственного интеллекта и понимает, как применять ИИ для повышения эффективности HR-процессов.
- Умеет критически оценивать результаты работы ИИ, проверять документы и нести ответственность за принимаемые решения.
- Умеет выстраивать взаимодействие с бизнесом, ИТ, юристами и внешними подрядчиками.
- Готов не только поддерживать существующие процессы, но и активно менять их к лучшему.
Будет преимуществом:
- Практический опыт использования ИИ-инструментов в HR, документообороте или аналитике.
- Опыт управления проектами цифровой трансформации.
- Понимание принципов работы с HR-аналитикой и кадровыми метриками.
Мы предлагаем
- Возможность возглавить ключевое направление и повлиять на развитие кадровых процессов компании.
- Участие в проектах по цифровизации КДП и внедрению решений на основе ИИ.
- Самостоятельность в принятии решений и поддержку руководства в реализации изменений.
- Профессиональную команду и взаимодействие с сильными коллегами из HR и ИТ.
Мы в поисках разработчика полного цикла, который активно использует в работе искусственный интеллект и внедряет его в коммерческие продукты. На этой позиции предстоит самостоятельно выявлять бизнес-требования, превращать их в работающий продукт и доставлять ценность заказчику без лишних передач между командами.
Основные задачи
- Собирать бизнес-требования: общаться с внутренним заказчиком, выявлять реальную потребность и упаковывать ее в архитектурные и дизайн-решения.
- Использовать и внедрять AI: применять вайбкодинг в разработке и подключать AI-инструменты в процессе создания продукта.
- Вести полный цикл разработки корпоративных проектов, тестировать их и доводить до запуска.
- Демонстрировать результаты работы и объяснять архитектурные решения понятным языком заказчику.
Что мы ожидаем
- Самостоятельная разработка клиентской части на React;
- Python на серверной стороне - Django и FastAPI;
- Знание ML: работа с языковыми моделями (LLM), построение RAG-систем, оркестрация AI-агентов;
- Продвинутая работа с AI-инструментами: Cursor, Claude Code, Codex;
- Анализ бизнес-задач и их декомпозиция без готового техзадания;
- Общение с заказчиками - умение слышать потребности и находить причины возникновения потребностей.
Будет преимуществом:
- Опыт самостоятельного создания приложений с нуля до прода;
- Опыт работы в крупных производственных компаниях с большими продуктами, командами и легаси.
Условия
- График: 5/2 с 9:30 до 18:00;
- Гибридный формат работы в удобном стильном офисе в Санкт-Петербурге;
- Оформление по договору ГПХ на определенный срок.
Ключевое о роли
это позиция на стыке двух миров. Мы ищем инженера, для которого LLM-агентные системы и классический ML — равноценные части работы. Вам предстоит не просто экспериментировать, а строить продакшен-решения, где надежность банка сочетается с гибкостью современных моделей.О команде и проекте
Команда Collateral Machine автоматизирует оценку залогов в банке. Наш флагман — Залоговый Copilot: агентная LLM-система, которая берет на себя рутину от анализа документов до подготовки решений, постепенно выводя человека из операционной цепочки (но сохраняя контроль качества).
Ваша задача: развивать архитектуру агентов и одновременно поддерживать и улучшать классические ML-модели оценки имущества.
Наш стек
Основное (LLM/агенты): Python 3.10+, LangChain/LangGraph, Pydantic AI, vLLM/LiteLLM, Langfuse/Langsmith, векторные БД (pgvector/Milvus/Qdrant), Hugging Face Transformers.
ML и данные: pandas, scikit-learn, LightGBM/XGBoost, PyTorch, spaCy, Spark, Hive, Hadoop, Airflow, MLflow.
Инфраструктура и сервисы: FastAPI, Docker, Kubernetes, GitLab, Prometheus, Grafana.
Стек большой — не нужно владеть всем. Под основным мы понимаем то, на чём держится продукт; остальное используется точечно. Важнее инженерное мышление и сила в LLM и классическом ML, чем галочка по каждой технологии.
Задачи
- проектировать и выводить в прод LLM-агентов и ассистентов для работы с залогами: multi-step и agentic workflow, оркестрация моделей, инструментов и внешних сервисов.
- строить и развивать RAG-системы поверх залоговых документов и структурированных данных банка.
- проектировать архитектуру LLM-решений с явным учётом trade-off'ов по качеству, latency, стоимости, надёжности и наблюдаемости.
- выстраивать систему оценки качества (eval) агентов: датасеты, метрики, отлов регрессий при смене промптов и моделей.
- обеспечивать надёжность и безопасность LLM-систем в банковском контуре: guardrails, защита от prompt injection и утечек данных, контроль галлюцинаций.
- участвовать во всём жизненном цикле решения — от обсуждения задачи с бизнесом и декомпозиции до деплоя и мониторинга в production.
- общаться с бизнес-заказчиками напрямую, превращать их боли в технические задачи, а не в «красивый график».
- поддерживать и развивать ML-составляющую оценки имущества там.
- следить за развитием области LLM и агентов и аргументированно решать, что стоит и что не стоит тащить в прод.
- работать в Agile/LeSS и участвовать в улучшении подходов команды.
Требования
LLM и агентные системы — ядро роли
- опыт продуктового внедрения LLM-систем: хотя бы одна система с реальными пользователями, доведённая до прода (а не пет-проект или демо в ноутбуке), с метриками и интеграцией в процессы компании.
- опыт построения production-grade retrieval (RAG и за его пределами): гибридный поиск и reranking, агентный/multi-hop retrieval, понимание трейд-оффов между retrieval и длинным контекстом; умение строить retrieval с аудируемым следом для регулируемых решений, а не просто «поиск похожих чанков».
- опыт разработки мультиагентных систем: проектирование multi-step и agentic workflow, оркестрация моделей и инструментов, интеграция со структурированными и неструктурированными источниками.
- уверенный context engineering: управление контекстом и персистентной памятью между сессиями (накопление состояния от взаимодействия к взаимодействию), компактизация, логика прогрузки.
- умение самостоятельно проектировать архитектуру сложного LLM-решения с обоснованием архитектурных решений (качество / latency / стоимость / надёжность / развиваемость).
- практика оценки качества LLM-систем: построение eval-датасетов, выбор метрик, отлов регрессий — критично для продукта, где LLM влияет на решения.
- понимание рисков LLM в проде: галлюцинации, prompt injection, утечки данных и как с этим бороться.
Инженерная база
- сильный Python (3.10+), умение писать продакшен-код, а не только эксперименты.
- опыт LLMOps/MLOps: версионирование, воспроизводимость, мониторинг качества в проде, автоматизация пайплайнов деплоя.
- уверенная работа с данными: сбор, очистка и первичное исследование датасетов.
- навык работы с кодинг-агентами (Claude Code, Codex и подобными).
Классический ML — равноценная часть роли
- практический опыт классического (в т.ч. табличного) ML на senior-уровне: построение, обучение и улучшение моделей оценки имущества (LightGBM/XGBoost, scikit-learn).
- уверенный feature engineering и анализ качества данных: контроль корректности признаков и глубокое понимание ограничений источников.
- полный цикл ML-модели в проде: от гипотезы и экспериментов до деплоя, мониторинга и контроля дрейфа данных.
- умение балансировать классические ML-подходы и LLM — выбирать правильный инструмент под задачу, а не тащить LLM туда, где достаточно бустинга (и наоборот).
Soft-составляющая
- умение вести техническую дискуссию простым языком с разными стейкхолдерами.
- стратегическое мышление: видеть общую картину и тренды, балансировать детальный и абстрактный уровни.
- продуктовый взгляд: ориентация на пользу и долгосрочное развитие, а не на разовый результат.
- готовность брать задачу end-to-end и нести за неё ответственность.
Будет плюсом
- опыт работы с big-data стеком: Spark, Airflow, Hadoop/Hive.
- опыт с NLP-задачами на документах (spaCy, Transformers) — у нас много неструктурированных залоговых документов.
- опыт с банковскими/регулируемыми доменами и требованиями к explainability решений.
- практический опыт настройки observability для LLM (трейсинг вызовов, дашборды по качеству и расходам на токены).
- опыт с графами знаний / семантическим слоем для retrieval (актуально для связанных сущностей: залог, заёмщик, оценка, обременения).
Условия и бенефиты
- локация: Москва (возможна удаленная работа).
- возможность работать над комплексными задачами, которые видны бизнесу и напрямую влияют на процессы банка.
- продуктовый подход: мы нацелены на внедрение и результат, а не только на research.
- работу в сильной команде с опытными коллегами.
- современный технологический стек и пространство для профессионального роста.
- ДМС со стоматологией, массажем, телемедициной, ежегодными чек-апами, которое работает как в Москве, так и в регионах.
- страхование от несчастных случаев и онкологических заболеваний, страхование выезжающих за границу.
- поддержка опытного наставника, обучающие курсы для комфортной адаптации, помощь в развитии экспертизы со стороны профессиональных сообществ банка.
- бесплатные индивидуальные консультации психологов, юристов, экспертов по личным финансам и консультантов по здоровому образу жизни, карьерные консультации.
- льготные условия на банковские продукты и услуги.
- скидки от партнеров банка в приложении PrimeZone в сферах здоровья, развлечений, творчества и интернет-покупок.
Вакансии по профессиям
Как составлена подборка
Показываем активные предложения IT и digital, опубликованные за последние 30 дней. Дубли объединяем. Условия и наличие вакансии могут измениться после обновления: проверяйте их перед откликом.