Вакансии в ML и AI

Miyoumi — бренд детских товаров: производство в Китае, продажи на Wildberries, Ozon, Яндекс Маркете, в опте и рознице, собственный склад.

Компанией уже управляет команда из 33 ИИ-агентов: финансы, закупки, склад, маркетплейсы, юрист, HR. У каждого агента своя роль, доступы и Telegram-бот, они ставят друг другу задачи и проверяют результат. За ними стоят 62 интеграции (1С, банки, WB, Ozon, Яндекс Маркет, Честный знак), почти 300 навыков и около 400 автоматических процессов. Это не пилот: через агентов ежедневно проходят реальные заказы, деньги и документы.

Сейчас агенты работают на арендованной платформе. Мы строим свою — оркестратор ИИ-агентов HARNESS: сначала переносим на неё наших агентов, затем выводим как продукт для других компаний.

Ищем инженера, который возьмёт этот продукт целиком: от первой миграции до работающей платформы и первых внешних клиентов.

Что предстоит сделать MVP по готовому ТЗ — около 12 недель:

- Ядро. REST API, очередь запусков на PostgreSQL (FOR UPDATE SKIP LOCKED), приоритеты, дедлайны, идемпотентность, роли и права, журнал аудита.

- Раннер агентов на Claude Agent SDK. Изоляция агента в контейнере, сборка контекста (промпт, память, постановка), MCP-коннекторы с ограничением доступа, журнал каждого шага, учёт токенов и стоимости.

- Telegram-шлюз. Бот на каждого агента (grammY), блокировка диалога (одно сообщение — один запуск), файлы, привязка сотрудников.

- Делегирование. Задача → подзадачи нескольким агентам → проверка менеджером → доработка → итог.

- Планировщик. Кроны двух типов — скрипт без LLM и запуск агента; защита от наложения, джиттер, автопауза после сбоев с алертом.

- Секреты и коннекторы. Шифрование, выдача доступа агенту или отделу, маскирование секретов в логах.

- Доступ к моделям. Шлюз LiteLLM на зарубежном сервере: Anthropic + OpenAI/OpenRouter с автоматическим переключением.

- Админка. React + Vite + Refine + Ant Design, 10 экранов: агенты, журнал запусков, задачи, кроны, коннекторы, затраты, пользователи, аудит.

- Эксплуатация. Docker Compose, Caddy, логи и метрики (pino, Loki, Grafana), алерты в Telegram, бэкапы с проверенным восстановлением.

- Переезд. Перенос 33 агентов по одному, параллельно со старой платформой, без остановки бизнеса.

После MVP — развитие продукта: мультиарендность, подключение клиентов, биллинг, маркетплейс навыков.

Как устроена работа:

- Вы — первый инженер и техлид продукта. Решения по архитектуре принимаете вы.

- ТЗ, схема БД, API, план спринтов и каркас репозитория уже готовы. Не нужно месяц собирать требования — можно сразу писать код.

- Код пишется вместе с ИИ: Claude Code — основной инструмент. Наши агенты сами пишут код платформы, поэтому мы знаем, как работать в паре с моделью и где её надо проверять.

- Работаете напрямую с основателем. Без согласований на три уровня.

- Есть живой полигон: каждая фича сразу проходит проверку на реальной компании с реальными заказами.

Что для нас важно:

- 5+ лет коммерческой бэкенд-разработки, из них от 3 лет на TypeScript / Node.js.

- Уверенный PostgreSQL: транзакции, блокировки, индексы, миграции, очереди на базе данных.

- Опыт с LLM в продакшене: tool use / function calling, агенты, MCP или аналоги. Вы понимаете, где модель ошибается и как это ловить.

- Надёжность распределённых систем: идемпотентность, ретраи, таймауты, конкурирующие воркеры, корректная остановка.

- Docker, Linux, деплой на свои серверы, HTTPS, базовая безопасность (секреты, права, защита входа).

- Каждый день пишете код с ИИ-ассистентом (Claude Code, Cursor и т. п.) и умеете проверять результат.

- Самостоятельность: доводите задачу до продакшена без менеджера проекта и оставляете после себя документацию — README, runbook, ADR.

Будет плюсом:

- Claude Agent SDK / Anthropic API, OpenAI Agents SDK, LangGraph.

- Telegram Bot API (grammY, telegraf).

- React и админки (Refine, react-admin, Ant Design).

- Grafana, Loki, Prometheus, OpenTelemetry.

- Интеграции с 1С (OData), API маркетплейсов, банков.

- Опыт multi-tenant SaaS и запуска собственного продукта.

Условия:

- 450 000 – 550 000 ₽ на руки — по итогам собеседования.

- Оформление по ТК РФ или договор с ИП — как вам удобнее.

- Удалённо из любой точки России.

- Оплачиваем ИИ-инструменты (Claude Max, Cursor) и серверы для разработки.

- Испытательный срок 3 месяца — это и есть срок MVP. Цель понятна с первого дня.

Как проходит отбор:

1. Отклик + ссылка на GitHub или проект с LLM-агентами. Если код закрыт — 5–7 строк: что строили, на каком стеке, что сломалось и как починили.

2. Звонок 30 минут с основателем.

3. Техническое интервью 1,5 часа: разбираем ТЗ, проектируем очередь и раннер.

4. Оплачиваемое тестовое задание до 8 часов: мини-раннер — очередь на Postgres, запуск агента, журнал шагов.

Внимание! В TBC Bank Uzbekistan (TBC Bank JSC ) появилась новая вакансия! Читай подробности ниже

О нас

Мы — TBC Uzbekistan, цифровая финансовая экосистема, создающая одни из самых инновационных финансовых сервисов в Узбекистане.

Наша команда насчитывает более 4 000 сотрудников из 28+ национальностей, а нашими продуктами ежедневно пользуются 22+ миллиона клиентов, делая управление финансами проще, удобнее и доступнее.

В экосистему входят TBC Bank Uzbekistan — один из крупнейших цифровых банков страны, TBC Business для предпринимателей и малого бизнеса, payme — одно из самых популярных платежных приложений Узбекистана, TBC Nasiya — быстрорастущий сервис рассрочки, BILLZ — платформа для автоматизации розничной торговли, а также TBC Sug'urta — новое поколение цифрового страхования.

Мы находимся в поисках Metadata developer-a!

Твоя роль в команде

• Отвечать за развитие и поддержку Data Governance платформы (data catalog, business glossary, data quality);
• Управлять наполнением и качеством метаданных в платформе DG;
• Подключать новые системы и источники данных к DG-платформе, настраивать сканирование и сбор технических метаданных;
• Разрабатывать и поддерживать интеграции DG-платформы с внутренними и внешними системами, включая AI/чат-ботов и другие сервисы;
• Настраивать и развивать конфигурацию платформы: workflows, роли, права доступа, stewardship, бизнес-процессы и другие компоненты;
• Работать с вендором и технической командой по развитию платформы;
• Автоматизировать рутинные операции с использованием API и других возможностей платформы;
• Участвовать в техническом анализе требований и подготовке решений по развитию Data Governance платформы.

Какие навыки нужны, чтобы стать частью нашей команды

• Понимание жизненного цикла данных и принципов управления данными;
• Опыт работы с Data Catalog / Business Glossary / DG инструментами;
• Уверенные знания SQL и работы с данными;
• Опыт работы с Data Quality процессами и инструментами;
• Опыт работы с DWH / Data Lake;
• Понимание принципов интеграции систем и API;
• Опыт настройки или разработки интеграций между различными системами;
• Технический mindset и готовность самостоятельно разбираться в конфигурации и возможностях платформы.

Будет плюсом:

• Опыт работы в финтехе / банке;
• Опыт внедрения DG инструментов (Ataccama, Collibra, Informatica и др.);
• Опыт работы с REST API / JSON / webhooks;
• Опыт интеграции с AI/LLM-сервисами, чат-ботами или внутренними AI-агентами;
• Опыт автоматизации через Python или другой скриптовый язык;
• Опыт работы с Kafka или другими интеграционными платформами;
• Опыт администрирования или глубокой настройки Ataccama / Collibra / Informatica.
• Опыт работы в Data Governance.

Что мы предлагаем

💰 Вознаграждение и бонусы

• Конкурентоспособную заработную плату и ежегодный бонус по результатам KPI.
• Корпоративные скидки и специальные предложения от компаний-партнеров.

🌟 Гибкость и баланс работы и жизни

• Гибридный формат работы с возможностью 24 дня в году работать из любой точки мира.
• 27 календарных дней оплачиваемого отпуска.
• Дополнительный выходной в день рождения, а также 2 оплачиваемых дня для родителей по уходу за детьми.
• Гибкий график работы: 09:00–18:00 или 10:00–19:00.

❤️ Благополучие и развитие

• Свежие фрукты и сезонные угощения в офисе.
• Доступ к Udemy и внутренней образовательной платформе с более чем 1 600 курсами.
• Профессиональное обучение и воркшопы для развития как технических, так и софт-скиллов.

🎉 Корпоративная культура

• Корпоративные мероприятия, командные встречи, праздники, чемпионаты и wellness-инициативы, которые помогают нам оставаться активной и сплочённой командой.
• Спортивные клубы: йога, футбол и баскетбол.

Присоединяйся к нашей команде и помогай менять финансовый опыт миллионов пользователей к лучшему!

Наша CV команда создает лучший в Сбере продукт для автоматического распознавания документов, используя самые передовые технологии. Главными задачами для нас являются разработка и улучшение OCR-модели на базе VLM, сбор обучающих данных с использованием кастомного agentic harness, и развёртывание клиентского сервиса внутри банка. Мы ищем Middle/Senior инженера, который будет заниматься полным циклом обучения и деплоя продукта.

• изучать SOTA подходы к OCR: чтение свежих пейперов в сфере e2e OCR, адаптация подходов data mining, SFT/RL, гипотезы

• ставить эксперименты по обучению VLM-моделей: проверка гипотез на multi-node сетапе, замер метрик на внешних и внутренних бенчмарках.

• дорабатывать пайплайн обучения: улучшение репозитория на текущем стеке (accelerate, TRL) - ускорение обучения, добавление аугментаций, адаптация под новые модели

• собирать обучающие данных: агрегация существующих и новых данных в требуемом формате MarkDown, поиск новых доменов, написание скриптов по загрузке

• размечать датасеты: запуск процесса разметки для вновь собранных или существующих данных при помощи кастомного agentic harness сборщика разметки (а также его улучшение), или внутренней платформы разметки асессорами

• адаптировать сервис: интеграция обученных моделей в сервис на основе vLLM для сёрвинга клиентам внутри банка.

• высшее образование: математика, информатика или профильный data science

• 3+ лет в ML, из них не меньше года лет с LLM/VLM в проде

• английский для чтения статей и документации

• Fine-tuning: SFT, LoRA/QLoRA, RL (DPO, GRPO)

• современные движки инференса: vLLM, sgLang, triton

• опыт работы с VLM: понимание принципов работы, дообучения, основных ограничений

• агентные пайплайны: вызовы моделей, обработка исключений, ограничение стоимости

• опыт в разметке датасетов асессорами, или автоматическими инструментами

• Python: пишете код, который уходит в прод. Тесты, ревью, код-стайл

• специфика банка: много контрагетов, с ними нужно иногда коммуницировать

**Будет плюсом**

• опыт python-бэкендера: FastAPI, асинхронность, очереди, PostgreSQL, векторные хранилища

• работа с разметчиками и контрагентами

• публикации, доклады, open source.

• комфортный современный офис - м. Кутузовская

• гибридный формат работы

• ежегодный пересмотр зарплаты, годовой бонус

• 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

• корпоративная пенсионная программа.

О компании

Sprouter создаёт платформу, на которой компании поручают свою реальную работу командам AI-агентов. Команда агентов подключается к приложениям самой компании — Gmail, Slack, HubSpot, Google Drive и другим, — запускает рабочие процессы по расписанию и по запросу и доставляет результат туда, где люди уже работают. Чувствительные действия проходят через слой согласований, а каждый запуск тарифицируется в кредитах. Продукт работает с реальными клиентами и меняется каждую неделю.

О роли

Вы будете вести фичи из роадмапа от начала до конца — бэкенд, фронтенд и тесты, — используя Claude Code как основной инструмент.

Первыми идут две фичи. Первая — чтобы веб-приложение хорошо работало на телефоне: адаптивная вёрстка и устанавливаемое веб-приложение. Вторая — реферальная программа для партнёров: коды, атрибуция при регистрации и условия начисления кредитов. После этого — общая работа над бэкендом и фронтендом по всей платформе.

Обязанности

• Выпускать фичи целиком: общий контракт, бэкенд, UI, тесты и Storybook-stories.
• Мобильный веб — вместе с нашим design engineer: брейкпоинты, адаптивный каркас приложения и чат, мобильные версии ключевых экранов, устанавливаемое PWA.
• Реферальные коды и тарифы: консоль оператора, атрибуция при регистрации, условия по кредитам, применяемые через наш леджер кредитов, и защита от злоупотреблений.
• Управлять сессиями Claude Code и ревьюить их результат так, будто его написал незнакомый человек. Доказывать, что изменение работает, — тестами и фактами.
• Фиксировать решения: короткая запись о решении (ADR) каждый раз, когда меняется правило системы.

Наш стек

• TypeScript-монорепозиторий на pnpm и Turborepo.
• Бэкенд: NestJS, tRPC с контрактами на Zod, Drizzle ORM поверх PostgreSQL.
• Веб: Next.js (App Router), React 19, Base UI, Tailwind CSS 4, TanStack Query.
• Тесты: Vitest (в том числе browser mode) и MSW. Компоненты каталогизированы в Storybook.
• Рантайм агентов: Claude Agent SDK.
• Локальный Docker merge gate: каждый PR проходит его перед мержем.

Требования

• 3+ года продакшн-разработки на TypeScript — и на бэкенде (Node.js), и на фронтенде (React).
• PostgreSQL и миграции в продакшене. Вы по умолчанию думаете о транзакциях, идемпотентности, состояниях гонки и авторизации.
• Уверенный CSS и адаптивная вёрстка: можете заставить плотный десктопный интерфейс работать на экране шириной 360 px.
• Тестирование — часть работы, а не то, что добавляется после неё.
• Месяцы ежедневной агентной разработки (Claude Code, агент Cursor, Codex или аналоги) и привычка критически ревьюить дифф модели.
• Уверенный Git: небольшие pull request'ы, чистая история, rebase.
• Разговорный английский. Весь код, документация и сам продукт — на английском.

Будет плюсом

• NestJS, tRPC, Zod, Drizzle, Next.js App Router, Tailwind.
• Vitest browser mode, MSW, Storybook.
• Опыт с PWA.
• Платежи, биллинг, кредиты или леджер-системы; Stripe.
• Docker.
• Разработка на LLM API.

Как мы работаем

• Небольшая команда в режиме LLM-first: большую часть кода пишет Claude Code, а инженеры ставят задачи, ревьюят и проверяют результат. Мы ожидаем, что вы уже так работаете.
• Каждая задача — issue в GitHub. Решения фиксируются в ADR. Сначала тесты, и каждый pull request перед мержем проходит локальный Docker merge gate.
• Наша dev-среда запускает реальные модели на реальных подключённых приложениях, поэтому каждый запуск стоит реальных денег.
• Высокий темп и плотная документация: в первые недели придётся много читать.

Условия

• Полностью удалённая работа и гибкий график.
• Прямая работа с основателем и реальная ответственность за фичи, которые вы делаете.
• Работающий продукт с реальными клиентами, который создаётся с помощью новейших AI-инструментов разработки.

Этапы отбора

1. Звонок с основателем, частично на английском.
2. Короткий блок технических вопросов.
3. Возможно, небольшое тестовое задание.

Циан — публичная IT-компания, крупнейший в России сервис для поиска недвижимости, входит в мировой топ-10.

Cian.ru — это большой и сложный продукт, в котором представлено несколько типов недвижимости и типов сделки, а также есть множество сервисов, информационных материалов и собственное медиа.

Ежемесячная аудитория около 20 млн. человек. Растить число пользователей и решать их проблемы помогают уже больше 1000 человек.

Мы ищем руководителя ML/AI-платформы. AI-платформа Циана отвечает за ML и LLM-инфраструктуру для продуктовых команд и внутренних пользователей. В зоне ответственности две части: ML-платформа, которая поддерживает жизненный цикл около 150 production-моделей, и LLM-платформа — единый шлюз к внешним и собственным LLM, self-hosted инференс на GPU и корпоративный AI-ассистент для сотен сотрудников. Работаем на стыке с информационной безопасностью, SRE, инфраструктурой и Data Platform. Наша цель — давать компании надёжные, безопасные и экономически обоснованные AI-инструменты, превращая поток запросов «нам нужен AI» в понятный план развития и результат.

Задачи:

• Развивать LLM-платформу как внутренний продукт: шлюз к моделям с учётом квот и стоимости, self-hosted инференс, выбор и оценка моделей (evals, бенчмарки), защита чувствительных данных, базовая инфраструктура для агентских сценариев.

• Переводить продуктовые интеграции с внешних LLM на модели в собственном контуре и модели российских провайдеров.

• Отвечать за GPU-мощности: планирование ёмкости, размещение с резервированием, выбор между арендой и своим железом, расчёт окупаемости, бюджет CAPEX/OPEX.

• Поддерживать и эволюционно развивать ML-платформу: Kubernetes, model registry, serving, обновления под требования безопасности, наблюдаемость и надёжность.

• Выстроить обработку входящих запросов в платформу: единая точка приёма, прозрачная приоритизация, чёткие границы между платформой и прикладными решениями команд, документация для самообслуживания.

• Руководить командой: нанимать и развивать сильных инженеров,

• Работать на стыках: с ИБ по ПДн, 152-ФЗ, prompt injection; с SRE, инфраструктурой и Data Platform по данным, Kafka и вычислениям;

• Формировать и защищать стратегию развития ML/AI-платформы

Требования:

• Опыт руководства ML- или LLM-платформой либо инфраструктурной командой.

• Практическое понимание LLM-инфраструктуры: serving (vLLM, TGI, Triton или аналоги), ограничения и утилизация GPU, производительность, стоимость токена, оценка качества моделей, компромисс между своими моделями и внешним API.

• Опыт MLOps: Kubernetes, model registry и tracking (MLflow или аналоги), CI/CD моделей, эксплуатация большого числа моделей.

• Умение управлять внутренним продуктом: переводить размытые запросы в задачи с критериями результата, говорить «нет» с альтернативой, держать фокус команды на 2–3 главных целях.

• Уверенная коммуникация с топ-менеджментом и заказчиками

• Опыт работы с требованиями безопасности и регуляторики: умение договориться об этапности, а не принять весь скоуп разом.

• Финансовая грамотность: бюджет, обоснование закупок железа и найма, прогноз потребления.

Будет плюсом:

• Опыт миграции с зарубежных LLM API на self-host или российских провайдеров (Yandex Cloud, Cloud.ru и др.).

• Агентские платформы: MCP, запуск и эксплуатация автономных агентов, LLM-роутинг, кэширование (KV-cache).

• NLP и evals: детекция и маскирование ПДн, golden-датасеты, бенчмаркинг моделей.

• Опыт найма в узком рынке LLM/GPU-инженеров и построения ML-гильдии или центра экспертизы.

• Знакомство со стеком: Kafka, Spark, Feast, JupyterHub, Kubeflow.

Что мы предлагаем:

• Удаленную работу с возможностью приходить в офис в Москве, Санкт-Петербурге и Новосибирске. В офисе – кухни, оборудованные всем необходимым, а также снеки, фрукты, кофе и чай. Тихие комнаты, где можно сосредоточиться над задачей или просто отдохнуть в тишине;

• Большие возможности для роста и развития: в первые месяцы у каждого сотрудника есть ментор, после появляется личный план развития и возможность прокачивать soft/ hard skills на практике, обучении, конференциях;

• ДМС с первого рабочего дня (со стоматологией, госпитализацией, страховкой выезжающего за пределы нашей страны);

• 5 day off в год, помимо основного отпуска;

• Кафетерий льгот Aladdin и PrimeZone.

• У каждого сотрудника есть денежный депозит 25000 рублей — можешь оплатить им абонемент в фитнес, обучение, развлечения, консультации психолога и других специалистов, купить вещи или подарки для себя и своей семьи;

• Доплата за 10 дней больничного: Циан компенсирует 10 рабочих дней больничного в год после прохождения испытательного срока. Если ты проведёшь на официальном больничном две недели, ты не потеряешь в доходе, оклад за месяц будет выплачен полностью.

Наша команда разрабатывает и внедряет ML-решения для управления розничными рисками в Финтехе Яндекса. По нашим моделям принимаются решения как в России, так и на международном уровне.

Команда отвечает за весь жизненный цикл моделей: от анализа предметной области и обсуждения с клиентом до создания ML-моделей, их внедрения в эксплуатацию и дальнейшей поддержки. Такой подход позволяет нам глубоко вникать в задачи и влиять на развитие продукта, ориентируясь на бизнес-метрики.

Какие задачи вас ждут

Строить модели скоринга для финтех-продуктов Яндекса

Скоринговые модели позволяют оценивать кредитоспособность и финансовые риски пользователей финтех‑сервисов Яндекса. Это позволяет принимать обоснованные решения о предоставлении персонализированных финансовых услуг, минимизировать потери от невозвратов и повышать доступность продуктов для надёжных клиентов. Разработка ведётся как для кредитных продуктов российского рынка, так и для международного направления.

Строить модели предсказания дохода пользователя, его действий и поведения

Анализируя активность клиентов в сервисах Яндекса, мы предсказываем их доход и финансовое поведение. Это позволяет не угадывать потребности, а создавать предложения, идеально подходящие каждому пользователю с учётом его финансового профиля и жизненной ситуации.

Продумывать дизайны моделей, экспериментов и A/B-тестов

Перед разработкой модели мы тщательно прорабатываем её дизайн и сценарии использования. Это помогает обеспечить корректное и эффективное применение в бизнес-процессах, даёт необходимую гибкость и возможность масштабировать решения. Мы продумываем дизайны для экспериментов и A/B-тестов, которые позволяют собирать необходимые для обучения моделей данные и замерять влияние моделей на реальные бизнес-метрики.

Анализировать эффективность новых источников данных и применять их в моделях При создании моделей есть возможность использовать большие массивы различных данных как из внутренних сервисов Яндекса, так и от партнёров. Анализируя новые источники информации, можно существенно увеличивать как качество моделей, так и уровень сервиса продуктов.

Выводить модели в прод, поддерживать их стабильность и улучшать После разработки и тестирования модели внедряются в производственную среду, где можно отслеживать ключевые показатели их работы. У вас будет возможность продолжать развивать уже внедрённые модели, проверяя новые гипотезы и современные подходы.

Мы ждём, что вы

• Умеете анализировать данные в Python.
• Умеете писать SQL-запросы.
• Понимаете принципы работы классического ML.
• Разрабатывали модели и презентовали их заказчику либо внедряли в продакшн.
• Понимаете основы теории вероятностей, математической статистики и A/B-тестов.
• Готовы вовлекаться во все стадии создания моделей: от обсуждения требований до поддержки готовых решений.

Бенефиты работы в Яндексе

AI-инструменты

Компенсация от 100М токенов для ваших экспериментов и оптимизации рутины. Доступ к передовым моделям для ежедневной работы.

Здоровье

Расширенная медицинская страховка начинает работать с первого месяца в Яндексе. В неё входят:

• Базовые услуги

Плановая помощь и неотложная за рубежом, страхование от несчастных случаев для любителей активного отдыха и лечение критических заболеваний.

• Ментальное здоровье

Врачи в клиниках по ДМС, онлайн-консультации с психологами. А также психотерапия в офисах, где есть кабинет психотерапевта.

• Ежегодные чекапы

Мы за превентивную заботу о здоровье, поэтому по ДМС можно проходить чекапы и регулярно вакцинироваться.

• Больничный

30 дней в году оплачиваются — вы получите полную зарплату, как будто не болели.

• Стоматология

Плановые процедуры, профессиональная чистка и экстренная помощь за рубежом.

• Коррекция зрения

После года работы ДМС покрывает коррекцию зрения и хирургическое лечение косоглазия.

• Терапевты в офисах

Если почувствовали себя неважно, можно обратиться в кабинет врача-терапевта — такие есть во всех крупных офисах Яндекса.

• Ведение беременности и роды

Оплачиваем ведение беременности и роды для сотрудниц и жён сотрудников, которые с нами более двух лет.

Страховка для родственников по системе 80/20: мы оплачиваем 80% стоимости ДМС для детей и супругов, вы — остальные 20%. В страховку входит всё то же самое, что и у вас.

Рост и развитие

В Яндексе есть всё, чтобы постоянно развиваться и учиться новому:

• Обучение

В Яндексе есть собственная образовательная платформа с более чем 700 курсами и специальные программы для начинающих и опытных руководителей.

• Профессиональные сообщества

Для проджектов и продактов, аналитиков, дизайнеров, рекрутеров и других специалистов.

• Профильные конференции

Также мы оплачиваем участие в профильных конференциях — как в качестве спикера, так и в качестве участника.

Спорт

Мы любим спорт и считаем его важной частью хорошего самочувствия каждого яндексоида. Поэтому у нас есть:

• Спортзалы в офисе

Во всех крупных офисах Яндекса есть спортзалы со всем необходимым. Можно заниматься самостоятельно или позвать своего тренера.

• Спортивные клубы

В Яндексе есть спортивный клуб и много спортивных команд. У них есть свои лидеры, чаты, программы тренировок. А ещё они регулярно участвуют в соревнованиях.

• Специальные события

Фестивали спорта и здорового образа жизни, уникальные спортивные проекты во дворах офисов.

• Спорт вне офиса

У нас есть скидки в фитнес-клубах, бассейнах, студиях йоги, на скалодромах и в других местах.

И ещё

• Жилищные займы

Льготная ставка на покупку жилья и улучшение жилищных условий — в зависимости от стажа, позиции и результатов ревью. Действует для сотрудников, работающих в российских офисах Яндекса.

• Скидки на услуги и сервисы

На внутреннем портале можно найти сотни услуг и сервисов. Также при оплате зарплатной картой можно получать повышенный кешбэк и дополнительные скидки.

• Детские образовательные проекты

Специальные образовательные проекты от наших сервисов для мини-яндексоидов разных возрастов — офлайн и онлайн.

• Подписка Плюса

Для всех яндексоидов.

О компании

Sprouter создаёт платформу, на которой компании поручают свою реальную работу командам AI-агентов. Команда агентов подключается к приложениям самой компании — Gmail, Slack, HubSpot, Google Drive и другим, — запускает рабочие процессы по расписанию и по запросу и доставляет результат туда, где люди уже работают: сводку, отчёт, оповещение. Чувствительные действия проходят через слой согласований, а каждый запуск тарифицируется. Продукт работает с реальными клиентами и меняется каждую неделю.

О роли

Шаблон — это готовая команда агентов, которую клиент устанавливает в несколько кликов. В нём описаны роли и их инструкции, задачи с этапами и критериями успеха, вопросы, которые задаются при настройке, и то, куда доставляются результаты. Клиенты просят больше шаблонов, чем мы успеваем сделать сегодня. Создавать их будете вы.

Роль находится на стыке бизнес-аналитика и LLM-инженера. Вы общаетесь с клиентами и превращаете их процесс в шаблон. Затем запускаете его в реальных условиях, разбираете, что на самом деле сделали агенты, и дорабатываете, пока шаблон не начнёт работать стабильно и стоить столько, сколько должен.

Обязанности

• Проводить discovery-звонки с клиентами на английском и превращать запутанный реальный процесс в точный шаблон.
• Собирать шаблоны: роли агентов и их инструкции, задачи, этапы, критерии успеха, доставку результата, вопросы и подсказки для настройки.
• Писать плейбуки — правила, которым следуют агенты. Например, правила клиента по ведению CRM превращаются в чек-лист, который агент-аудитор применяет каждый день.
• Запускать шаблоны на реальных приложениях в нашей dev-среде. Читать трейсы запусков и вердикты грейдеров и исправлять то, что пошло не так, — версия за версией.
• Измерять стоимость и время запуска и то, какие критерии выполняются. Приносить проблемы платформы инженерам с доказательствами, а не впечатлениями.
• Писать для читателя: тексты настройки, описания шаблонов и формат того, что получает клиент.

Ваш основной инструмент — Claude, подключённый к нашей платформе. Писать продакшн-код не нужно, Git тоже не понадобится.

Требования

• Практический опыт работы с LLM дальше чата: многошаговые промпты, агенты с инструментами, структурированный вывод. Вы отлаживали агента, который сделал не то, и выясняли почему.
• Умеете писать критерии успеха, которые действительно можно проверить, и мыслите через сценарии отказа.
• Опыт в бизнес- или системном анализе, solutions engineering, консалтинге или операционной работе. Вы превращали размытые требования в спецификацию, по которой потом работал кто-то другой.
• Опыт работы с клиентами: discovery-звонки, демо, управление ожиданиями.
• Понятный письменный английский для нетехнических читателей и разговорный устный английский.
• Уверенно читаете JSON и документацию API, понимаете, что такое подключённые приложения и вызовы инструментов (tool calls).
• Каждый день пользуетесь Claude или похожим ассистентом и можете показать реальные примеры.

Будет плюсом

• Знание домена продаж, RevOps или CRM (HubSpot, Salesforce), customer success или marketing operations.
• Опыт с evals или LLM-as-a-judge.
• Claude Code, MCP или инструменты автоматизации — n8n, Zapier, Make.
• SQL или базовые скрипты на Python или TypeScript.

Как мы работаем

• Небольшая команда в режиме LLM-first: основную часть работы выполняет Claude, а люди ставят задачи, проверяют и подтверждают результат.
• Каждая задача — issue в GitHub, решения фиксируются письменно. Документация плотная, так что в первые недели придётся много читать.
• Наша dev-среда запускает реальные модели на реальных подключённых приложениях, поэтому каждый запуск стоит реальных денег. Мы измеряем, прежде чем выпускать.
• Высокий темп, приоритеты меняются вслед за запросами клиентов.

Условия

• Полностью удалённая работа и гибкий график.
• Прямая работа с основателем и реальная ответственность за своё направление.
• Работающий продукт с реальными клиентами на переднем крае прикладного AI.

Этапы отбора

1. Звонок с основателем, частично на английском.
2. Короткий блок технических вопросов.
3. Возможно, небольшое тестовое задание.

Мы ищем ML инженера в команду, которая занимается развитием ML/AI функционала в области BI и коммерческой аналитики.

Вам предстоит работать с большими данными, развивать модели в части функционала динамических маркетинговых корректировок и доводить свои решения до продакшена, а так же развивать наш продукт во всех направлениях, где можно применить ML или AI.

Описание проектов и задач:

Разработка и деплой моделей:

Проектировать и внедрять ML-решения (от классического регрессионного анализа до Time Series и Uplift-моделей).

Работа с Big Data:

Строить высокопроизводительные пайплайны обработки данных и генерации признаков на PySpark.

MLOps:

Оборачивать модели в API (FastAPI), настраивать версионирование данных (DVC) и трекинг экспериментов (MLflow).

Проверка гипотез:

Дизайнить и проводить A/B-тесты для оценки влияния моделей на бизнес-метрики.

Оптимизация:

Работать со сложными SQL-запросами в ClickHouse\Vertica\Trino и заниматься тюнингом производительности Spark-задач.

Ключевые требования к AI-управленцу в строительную компанию QAD
OOO "ENGINEERING"

• Опыт в управлении (PM / Team Lead): Опыт руководства кросс-функциональными командами (разработчики, аналитики, маркетологи) или ИТ-проектами от 3–5 лет.
• AI/Data Literacy (Понимание технологий): Кандидат должен четко понимать возможности и ограничения современных ИИ-технологий (LLM, RAG, Computer Vision, предиктивная аналитика), знать, чем отличаются разные модели (OpenAI, Claude, DeepSeek, локальные open-source решения), и понимать архитектуру интеграции ИИ в бизнес-процессы.
• Бизнес-ориентированность (ROI-подход): Умение считать экономический эффект от внедрения ИИ. Он должен мыслить метриками бизнеса (сокращение расходов, увеличение конверсии, скорость обработки заявок), а не просто «красотой технологий».
• Управление изменениями (Change Management): Опыт внедрения новых инструментов в консервативные или устоявшиеся процессы компании, умение обучать команду и преодолевать сопротивление сотрудников.

Кто мы и что строим

Flowwow — международный маркетплейс подарков. Под ним работает Data Platform, которую мы построили с нуля: не «настроили managed-сервисы», а спроектировали и написали сами — от storage-слоя до AI-агентов поверх данных.

Это lakehouse на Apache Iceberg + Trino, со Spark для тяжёлых вычислений, CDC-пайплайнами на Kafka/Debezium, всё в Kubernetes. Поверх этого — большой слой собственного кода:

• свой фреймворк Data Vault — моделирование хранилища как код, а не как набор ручных SQL-скриптов;

• обвязка вокруг Airflow — собственные операторы, хуки, генерация DAG'ов, инструменты тестирования пайплайнов;

• самописный lineage и инструменты наблюдаемости данных;

• AI-слой: агенты на LangGraph + MCP, которые расследуют инциденты, анализируют качество данных и помогают команде в рутине.

Мы — команда инженеров, а не операторов ETL. Бо́льшая часть нашей работы — это Python-разработка: библиотеки, фреймворки, сервисы, которыми пользуется вся дата-вертикаль компании.

Почему эта роль интересная

Это позиция Senior DE с сильным уклоном в платформенную разработку. Не «писать пайплайны по тикетам», а проектировать инструменты, из-за которых пайплайны пишутся в разы быстрее — или не пишутся руками вообще.

Вы будете работать с lakehouse-стеком на уровне внутренностей: оптимизация Trino-запросов и работа с коннекторами, maintenance Iceberg-таблиц (компакция, snapshot expiration, position/equality deletes — мы знаем эту боль изнутри), эволюция схем, REST-каталог. Это та глубина, которая редко встречается в продуктовых компаниях.

И второе: мы AI-native команда. Claude Code и аналогичные инструменты — часть ежедневного рабочего процесса, а не эксперимент по пятницам. Мы строим harness-системы вокруг LLM: агентов с инструментами, автоматизацию code review, ассистентов для написания DAG'ов. Если вам близко состояние, когда ты проектируешь систему, а агент под твоим контролем выполняет рутину — вам у нас понравится.

Что нужно делать:

• Развивать ядро платформы: фреймворк Data Vault, обвязку Airflow, lineage-инструменты — проектировать API, которыми будут пользоваться другие инженеры, и нести за них ответственность.

• Писать библиотеки и фреймворки на Python: клиенты к источникам, инструменты тестирования пайплайнов, обёртки над инфраструктурой. Чистый код, типизация, тесты, ревью — это у нас норма, а не аспирация.

• Работать с lakehouse на глубине: Iceberg maintenance и оптимизация layout'а таблиц, тюнинг Trino, Spark-джобы для тяжёлых трансформаций.

• Строить интеграции с источниками: OLTP-базы, REST/gRPC API, Kafka, файловые хранилища, SaaS-системы — и проектировать унифицированные интерфейсы, чтобы подключение нового источника занимало часы, а не недели.

• Внедрять AI в инженерные процессы: агенты для расследования инцидентов и анализа качества данных, ассистенты для DAG'ов и code review. У нас уже есть работающая агентная инфраструктура (LangGraph, MCP) — её можно и нужно развивать.

• Участвовать в архитектурных решениях: выбор технологий, дизайн интерфейсов между компонентами, вынесение best practices в команду.

• Делать code review и менторить менее опытных коллег.

Наши ожидания:

• Промышленный опыт от 5 лет в data engineering или backend-разработке с сильным дата-уклоном: production-системы под реальной нагрузкой, ответственность за их эксплуатацию, а не только за написание кода.

• Python — главное требование. Уровень senior разработчика: ООП, проектирование API библиотек, типизация, тесты, опыт написания переиспользуемых компонентов, которыми пользовались другие люди.

• Lakehouse-стек на практике. Apache Iceberg (или Delta/Hudi с готовностью быстро переключиться): устройство таблиц, snapshots, компакция, schema evolution. Понимание, чем lakehouse отличается от классического DWH не на уровне статьи на Medium.

• Trino или другой MPP-движок: архитектура распределённого выполнения, чтение планов запросов, оптимизация, опыт работы с коннекторами.

• Apache Airflow глубоко: не только разработка DAG'ов, но и внутреннее устройство (scheduler, executors, метаданные), опыт написания собственных операторов и хуков.

• Apache Spark: PySpark, Spark SQL, понимание модели выполнения.

• SQL продвинутого уровня: оконные функции, CTE, оптимизация, чтение планов исполнения, работа с большими объёмами.

• Git, CI/CD — уверенно.

Будет сильным плюсом

• Опыт разработки внутренних платформенных инструментов или фреймворков, которыми пользуются другие команды.

• AI-native подход к разработке: активное использование Claude Code / Codex и подобных инструментов, опыт построения harness-систем — агентов с инструментами, автоматизации через LLM, RAG.

• Kubernetes: деплой и эксплуатация дата-сервисов, Helm, понимание ресурсной модели.

• Опыт с CDC (Debezium, Kafka Connect) и стриминговыми пайплайнами.

• Знание форматов хранения (Parquet: row groups, статистики, predicate pushdown).

• Опыт работы с системами контроля доступа к данным (OPA, row-level security, маскирование).

Задачи

• Развивать компоненты AI-ассистента для VK Видео: понимание намерения, удержание контекста диалога, выбор стратегии и маршрутизация инструментов
• Улучшать генерацию кандидатов, semantic retrieval и reranking для поиска и персонализированных рекомендаций
• Работать с гибридным поиском: эмбеддинги, текстовые и структурные фильтры, поисковые API, рекомендательные модели и явные критерии пользователя
• Оптимизировать candidate budget и смешивание кандидатов из разных источников
• Обучать и дообучать модели для отдельных компонентов системы: LLM-like, reranker, query rewriting, relevance-модели
• Собирать и улучшать обучающие и тестовые датасеты: реальные и синтетические запросы, сложные негативные примеры, long-tail-сценарии и размеченные диалоги
• Создавать и поддерживать golden datasets, human-aligned evaluation и автоматические проверки качества; калибровать auto-eval по человеческой оценке
• Анализировать деградации, формулировать гипотезы и проверять их в воспроизводимых экспериментах
• Оценивать модели не только по общей метрике, но и по отдельным сценариям, категориям запросов, релевантности, разнообразию, безопасности и качеству диалога
• Оптимизировать latency, стоимость и использование вычислительных ресурсов при обучении и инференсе
• Готовить компоненты к промышленной эксплуатации: интеграция, нагрузочное тестирование, мониторинг, обработка ошибок и контроль регрессий
• Участвовать в offline- и online-экспериментах, подготовке A/B-тестов и интерпретации продуктовых метрик
• Проводить code review, документировать эксперименты и участвовать в обсуждении архитектуры и исследовательских результатов

Требования

• Сильная теоретическая база и опыт работы в рекомендательных системах, информационном поиске, NLP/LLM; готовность работать на их пересечении
• Понимание устройства retrieval и ranking: embeddings, candidate generation, negative sampling, cross-encoders, reranking
• Знание основных offline-метрик поиска и рекомендаций: Recall@K, Precision@K, NDCG, MRR и их ограничений
• Опыт обучения, валидации и внедрения ML-моделей; доведённые до production либо production-like среды самостоятельно разработанные компоненты
• Навыки постановки воспроизводимых экспериментов, анализа ошибок и статистической интерпретации результатов
• Понимание жизненного цикла ML-системы: данные, обучение, inference, мониторинг, деградации и переобучение
• Опыт работы с большими объёмами данных и пайплайнами обработки; YT, Spark или аналогичные инструменты
• Базовые навыки Linux, Git, контейнеризации и работы с сервисами

Будет плюсом

• Опыт создания LLM-приложений: tool calling, agentic workflows, RAG, structured generation
• Дообучение LLM или encoder-моделей: SFT, LoRA/adapters, RL
• Построение lexical, semantic или hybrid retrieval
• LLM-as-a-judge, human evaluation, построение golden datasets и калибровка автоматических оценок
• Оптимизация GPU-инференса, batching, quantization, model serving
• Опыт с распределённым обучением и промышленной ML-инфраструктурой
• Практика A/B-тестирования рекомендательных или поисковых моделей
• Мультимодальные модели, VLM, понимание видео или рекомендательные системы для медиаконтента
• Наличие публикаций по тематике LLM, NLP, multimodal models

Обязанности:
- Анализировать и проводить факторный анализ изменений по основным показателям: AR, COR, NCL;
- Взаимодействовать с финансами и бизнесом в части расчета EROA, установки уровней отсечения по продукту;
- Взаимодействовать с командой Data Science в части постановки задач на разработку новых моделей, приемки результатов, мониторинга моделей;
- Управлять риск-стратегией розничного кредитования (кредиты наличными).

Требования:
- Высшее образование (технического или математического профиля);
- Опыт работы в розничных кредитных рисках (направление портфельного менеджмента) от 1 год;
- Отличное знание SQL, Excel;
- Знание основных риск-показателей: AR, COR, NСL;
- Хорошее знание теории вероятностей и математической статистики;
- Понимание как работают скоринговые модели, как их калибровать, как устанавливать уровни отсечения;
- Понимание экономики кредитных продуктов, умение рассчитать EROA, RORAC.

Условия:
- Гибридный формат работы(м. Комсомольская);
- Коворкинги в Москве с бесплатным паркшерингом, в Санкт-Петербурге, Екатеринбурге, Ульяновске, Барнауле, сезонные коворкинги: летний — в Сочи, зимний — в Красной Поляне;
- Заботу о сотрудниках. ДМС со стоматологией, телемедицину, льготные условия страхования для близких, полис путешественника;
- Well-being-программу: безлимитные онлайн-консультации психолога, фитнес-тренера, юриста, нутрициолога и других специалистов;
- Доступ к онлайн-библиотеке Alpina Digital, онлайн-курсам Синхронизация по искусству, кино, музыке и психологии;
- Безлимитный доступ к ИИ-платформе AlfaGen, нейросетям «в кармане сотрудника» — сервису Alfa AI, конструктору ИИ-агентов;
- Развитие с Альфа-Сферой: карьерная траектория, менторство, собственные курсы по ИИ, менеджменту, продукту, дизайну, доступ к внешнему обучению, топовым конференциям и митапам;
- Бесплатный фитнес A-Sport в офисах и сетку групповых занятий, турниры по киберспорту, теннису, футболу, волейболу, шахматам, корпоративные слоты на забегах;
- 60+ сообществ по интересам, обмен опытом с другими командами, проект Non-Random Coffee для поиска единомышленников;
- Премию Alfa Award лучшим людям и за командные проекты;
- Льготную сотовую связь Альфа-Мобайл для сотрудников с безлимитным интернетом навсегда;
- Бесплатный мерч на ваш выбор с доставкой на дом — за вовлечённость в жизнь банка;
- Реферальную программу с выплатами за каждого кандидата, оформленного в штат: вакансии по всей России, количество бонусов не ограничено;
- Скидки от партнёрских сервисов для всей семьи — путешествия, фитнес, салоны красоты, покупка недвижимости и в других категориях.

Мы ищем специалиста, который будет разрабатывать и внедрять современные решения в области машинного обучения и компьютерного зрения, работать с реальными данными и участвовать в создании высоконагруженных интеллектуальных систем. Работа осуществляется в офисе компании, удаленный формат не предусмотрен.

Чем предстоит заниматься:

— разработка, обучение и внедрение ML/DL-моделей для задач компьютерного зрения;
— работа с данными: сбор, подготовка, очистка, разметка и анализ;
— построение пайплайнов обработки данных и ML-сервисов;
— разработка и оптимизация алгоритмов детекции, распознавания объектов и текста;
— работа с видеопотоками и real-time обработкой;
— деплой и сопровождение моделей, мониторинг их качества;
— участие в проектировании архитектуры ML-сервисов и API;
— интеграция моделей в распределенные системы и микросервисную архитектуру;
— оптимизация моделей под требования производительности (latency, FPS, ресурсы).

Наши ожидания:

— высшее техническое образование;
— опыт работы ML-инженером от 2 лет;
— уверенное знание Python (плюсом будет C++);
— опыт работы с PyTorch и/или TensorFlow;
— понимание полного цикла ML: от данных до продакшена;
— уверенное владение библиотеками: OpenCV, NumPy, Pandas, Scikit-learn;
— понимание процессов обучения, валидации, подбора гиперпараметров;
— опыт работы с видеопотоками (GStreamer, FFmpeg, RTSP);
— опыт деплоя ML-моделей и их оптимизации для real-time;
— навыки работы с Linux, Docker;
— понимание архитектуры ML-сервисов, API, пайплайнов;
— опыт работы с GPU.

Будет плюсом:

— опыт работы с Kubernetes, MLflow, Airflow, DVC, CI/CD;
— опыт работы с распределёнными системами и обучением;
— опыт интеграции LLM / CV / embedding моделей;
— знание брокеров сообщений (Kafka, RabbitMQ);
— опыт работы с облачной инфраструктурой;
— опыт работы с геоданными, графовыми алгоритмами, маршрутами;
— опыт применения RL;
— опыт оптимизации моделей под embedded/edge-устройства;
— понимание MLOps / DevOps практик.

Мы предлагаем:
— достойный уровень заработной платы;
— добровольное медицинское страхование (ДМС);
— расширенный социальный пакет;
— корпоративный транспорт;
— подарки детям сотрудников;
— корпоративные мероприятия и тимбилдинги.

• Разработка AI-агентов и агентских систем с многошаговой логикой;

• Создание RAG-решений и AI-воркфлоу для обработки данных;

• Интеграция с LLM API и внешними сервисами через function/tool calling;

• Написание backend-сервисов на Python (FastAPI, asyncio);

• Разработка evaluation-сценариев и расчет метрик качества (precision/recall retrieval);

• Внедрение guardrails, систем логирования и обработки ошибок;

• Деплой и сопровождение AI-компонентов в продакшене;

• Оптимизация AI-решений по скорости, качеству и стоимости.

• Высшее техническое образование (предпочтительно МФТИ, МГТУ им. Баумана, МГУ, ВШЭ);

• Опыт коммерческой разработки на Python от 3 лет;

• Опыт разработки AI-решений в продакшене;

• Глубокое понимание LLM, RAG, эмбеддингов и принципов работы агентов;

• Опыт интеграции с LLM API и построения backend-сервисов;

• Знание методов оценки качества AI-моделей и их ограничений;

• Будет плюсом: опыт с LangChain, LlamaIndex, Semantic Kernel или аналогами.

• Официальное оформление в штат на бессрочный трудовой договор;
• Полностью официальная заработная плата и полугодовые премии по результатам работы;
• ДМС после прохождения испытательного срока, включая стоматологию;
• Корпоративное обучение – тренинги, конференции, курсы повышения квалификации;
• Внутренняя система гибких льгот, мотивации и премирования сотрудников – Кафетерий льгот;
• Корпоративная программа привилегий со скидками от партнеров– Primezone;
• Насыщенная социальная и корпоративная жизнь: корпоративные мероприятия, праздники, фестивали, спортивная и благотворительная деятельность.

FunFlow — аккредитованная IT-компания, разработчик популярных мобильных игр и приложений. Уже более 15 лет мы помогаем миллионам людей скрасить свободное время, создавая топовые развлекательные игры и сервисы по всему миру.

Социальный игровой проект, который мы разрабатываем, растет на +20% каждый год! Наша аудитория — более миллиона пользователей ежедневно, которые совершают десятки тысяч покупок и более 50 000 000 сыгранных игр каждый день.

Немного о нашем подходе:

Мы быстро растем и адаптируемся под меняющийся рынок. Мыслим целями, а не задачами, ценим свободу в выражении идей и проактивность. Не боимся рисковать, тестируем новые инструменты и гипотезы. В компании собрано комьюнити из DWH-разработчиков, data-инженеров, ML-инженеров и аналитиков, что дает вам возможность делиться опытом и вдохновляться интересными решениями. Для реализации новых задач и всего потенциала проекта нам нужен сильный Senior DWH-разработчик.

Вам предстоит работать с хранилищем объемом 1 ПБ, которое ежедневно растет на 350 ГБ и в пиковые моменты принимает сотни тысяч событий в секунду. Это возможность не просто поддерживать существующий DWH, а влиять на его архитектуру, внедрять платформенные решения и выбирать будущий технологический стек.

Задачи, которые вас ждут:

• Пересмотреть слоистую архитектуру DWH и обновить модели данных с учетом выросших объемов и числа потребителей;

• Внедрить dbt и перевести разработку моделей из набора отдельных скриптов в единое платформенное решение;

• Вместе с командой Data Engineering перенести оркестрацию моделей на Airflow, а моделирование — с HDFS на S3;

• Проводить код-ревью, развивать правила линтера и повышать качество работы с моделями;

• Исследовать альтернативы Impala, собирать PoC и проверять новые решения — например, Trino и Iceberg поверх S3;

• Работать с продуктовыми аналитиками, маркетингом, продюсерами и ML-командой над витринами для продуктовых задач, предиктов, поиска аномалий и персонализации.

Мы ждем, что вы:

• Проектировали и развивали хранилища данных объемом от десятков ТБ;

• Уверенно владеете SQL и понимаете подходы к моделированию данных: Kimball, Data Vault или классическую слоистую архитектуру;

• Понимаете принципы работы распределенных движков, экосистемы Hadoop и S3-совместимых хранилищ;

• Работали с Airflow, в идеале участвовали в переносе оркестрации на него;

• Готовы принимать технические решения, аргументировать их и доводить миграции до результата;

• Имеете опыт код-ревью и готовы делиться инженерными практиками с командой.

Будет плюсом:

• Опыт внедрения и настройки dbt;

• Опыт работы с Trino, Iceberg или другими современными решениями для DWH;

• Опыт проведения R&D и запуска новых технологий в промышленную эксплуатацию.

Мы предлагаем:

• Официальное оформление с первого рабочего дня и белую зарплату;

• Работу в просторном офисе с современным оборудованием и офисными кухнями;

• Гибкое начало рабочего дня с 9:00 до 11:00;

• ДМС со стоматологией, частичную компенсацию сервиса «Ясно» и онлайн-занятий в Skyeng, компенсацию расходов на спорт и обучение;

• Участие в профильных конференциях и курсах, корпоративные мероприятия и занятия в группах по направлениям: волейбол, падел-теннис, квизы, мафия и настольные игры.

Почему стоит работать с нами:

Большая аудитория. Дневная аудитория продуктов, над которыми мы работаем, — более миллиона пользователей. А значит, вы сможете быстро увидеть, как принятые технические решения влияют на продукт и бизнес.

Развитие скиллов. У нас сильная команда с различными компетенциями. Вы сможете развиваться в архитектуре DWH, моделировании данных, платформенной разработке, оркестрации и работе с распределенными хранилищами.

Нет бюрократии. У нас нет утомительных бюрократических согласований. Мы умеем быстро превращать идею в гипотезу, гипотезу — в тест, а результаты теста — в решения. Много и хорошо тестируем идеи и подкрепляем их данными.

Возможность роста. У нас есть понятный вектор для роста Senior DWH-разработчика. Мы стремимся собрать команду суперпрофессионалов, которые будут отвечать за целые направления, определять технические стандарты и получать новые зоны ответственности.

Скорость разработки. Благодаря скорости нашей работы и миллионной аудитории вы сможете довольно быстро увидеть результат своей работы и не будете «работать в стол».

Прозрачность. Мы всегда делимся новостями и данными продуктов, не скрываем метрики, продаем команде разработки свои идеи, исходя из цифр и ожиданий, к чему каждый новый функционал приведет.

Мы открыто говорим о текущих сложностях: накопленном легаси, ограничениях Impala, уходящем Hadoop и кастомном оркестраторе, из которого вырос проект. Это не сюрпризы после выхода, а реальные инженерные задачи, на которые можно влиять.

Ждем ваш отклик! Мы будем рады видеть вас в команде и научим всему, что умеем сами. С нами вы сможете создавать лучшие продукты на мировом рынке.

В Департамент ИТ блока «Корпоративно-инвестиционный бизнес» в команду «1,5 КГ отличного ЮЛ» открыта позиция Дата инженера.

Мы занимаемся анализом жизненного цикла Клиента в Банке, а также оценкой и прогнозом его финансового положения.

Текущая реализация на микросервисной архитектуре.

У Вас будет возможность поработать с богатыми и интересными данными. Стать частью быстрорастущего DS сообщества Сбербанка. Возможность писать на современном стеке (Python + Spark) и проникнуться всеми нюансами работы в большой технологической компании.

• взаимодействие с PO и аналитиками для согласования требований

• проектирование и разработка аналитических витрин данных

• конфигурирование сборки, поставки на стенд, витрин данных и интеграций (API, ТФС)

• определение очередности расчетов

• разработка и поддержка спецификаций

• проведение интеграционного, unit, регрессионного тестирования

• мониторинг и оптимизация работы витрины: взаимодействие с сопровождением hadoop кластера и разработчиками Core-сервисов.

• опыт работы дата-инженером от 2 лет

• опыт работы с Hadoop и Apache Spark Scala

• отличные знания SQL (JOINы, агрегаты, группировки, вложенные запросы, индексы, оконные функции)

• знание основных алгоритмов и структур данных

• опыт разработки в парадигме ООП, знаете его основные принципы

• знание форматов данных: сsv, json, yaml, parquet

• знание OLTP, OLAP, ACID, Теорема CAP

• понимание процессов ETL, ELT

• знание инструментов для организации и автоматизации работы: IDE, Git, Jira, Confluence.

Будет плюсом:

• навыки работы с CI/CD

• знание bash: базовые команды для работы с файлами и процессами, знаете как происходит процесс подключения к нодам - нужно для работы на кластере

• представление о монолитных и распределенных системах: знаете принципы их работы и отличия, цели применения

• навыки работы с генеративными AI-моделями.

• комфортный современный офис рядом с м. Кутузовская, формат работы - офис

• оформление на декретную ставку

• 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.

Мы создаём качественный софт и расширяем технологические возможности бизнеса с 1993 года. Наши заказчики — лидеры в сферах фармацевтики, здравоохранения, медиа и безопасности. Уже 5 лет мы успешно развиваем цифровые продукты для одной из ведущих российских авиакомпаний.

В настоящее время мы ищем AI/ML архитектора для создания системы динамического ценообразования.

Проект: Вам предстоит спроектировать и построить end-to-end AI-систему, которая будет анализировать колоссальные объёмы разнородных данных: от внутренних исторических данных авиакомпании до рыночной аналитики, собираемой в том числе с помощью LLM-моделей. Данные будут стандартизироваться, проходить через сложные AI-пайплайны и генерировать рекомендации по изменению цен на основные и дополнительные услуги в реальном времени.

Что предстоит делать:

• Архитектура и дизайн: спроектировать архитектуру ML-системы с нуля (сбор, очистка, стандартизация данных, обучение моделей, инференс и интеграция с ядром бронирования).

• Техническое лидерство: выступить в роли Tech Lead - не только рисовать архитектуры, но и активно участвовать в разработке, проводить код-ревью, выстраивать процессы и менторить команду.

• Работа с заказчиком и аналитика: стать главным техническим лицом проекта перед авиакомпанией. Активно коммуницировать с бизнесом, выявлять истинные потребности и переводить бизнес-требования в чёткие технические спецификации.

• Data & AI: определить стек и подходы для работы с неструктурированными данными, настроить пайплайны сбора данных с рынка (включая использование LLM для парсинга и агрегации).

Наши ожидания (Hard Skills):

• Опыт проектирования и построения ML-систем (MLOps) от 3–4 лет, общий опыт в Data Science / ML от 5+ лет.

• Глубокое понимание архитектуры данных: опыт работы с большими объёмами разнородных данных (ETL/ELT, потоковая обработка, Data Lakes/Warehouses).

• Отличное знание Python и современных ML-фреймворков.

• Уверенное владение C# для интеграции AI-сервисов с высоконагруженными backend-системами и ядром бронирования.

• Знание облачных/On-premise решений для Big Data (Spark, Kafka, Airflow и аналоги).

• Понимание того, как интегрировать LLM в продакшен-пайплайны (RAG, агентные подходы, fine-tuning или prompt engineering для извлечения данных).

• Опыт построения моделей для задач ценообразования, рекомендаций или прогнозирования временных рядов будет огромным плюсом.

Наши ожидания (Soft Skills & Аналитика):

• Умение говорить с бизнесом на одном языке: опыт сбора требований, проведения интервью с заказчиками, постановки задач команде разработки.

• Навыки технического руководства: умение собрать команду, выстроить процессы разработки и взять на себя ответственность за технический результат.

• Системное мышление и умение видеть картину целиком: от бизнес-цели авиакомпании до строчки кода в микросервисе.

Мы предлагаем:

• официальное оформление, белая зарплата, отпуск согласно ТК РФ;
• ДМС, 100% оплата больничных;
• работа удалённо;
• корпоративный ноутбук для удалённой работы;
• возможности профессионального роста.

С нетерпением ждем твоего отклика!