Разработчик AI (Python, FastAPI)
Мы развиваем AI-лабораторию и ищем Senior ML Engineer, который будет заниматься созданием и развитием прикладных AI- и ML-решений для реальных бизнес-задач.
магнит, розничная сеть. it · На сервисе с: 02.09.26 12:18
Зарплата не указанаРоссияМоскваУдалёнка
Мы развиваем AI-лабораторию и ищем Senior ML Engineer, который будет заниматься созданием и развитием прикладных AI- и ML-решений для реальных бизнес-задач.
В команде можно работать с разными направлениями: классическим ML, NLP и LLM, агентными системами, Computer Vision, речевыми и мультимодальными технологиями.
Нам нужен сильный ML-инженер, который умеет самостоятельно погружаться в задачу, выбирать оптимальный технический подход, проводить эксперименты и доводить решения до production. Важна не только экспертиза в конкретной области, но и широкий инженерный кругозор, интерес к новым технологиям и готовность работать с разными типами ML-задач.
Чем предстоит заниматься
- Проектировать и разрабатывать ML-решения для прикладных бизнес-задач в различных направлениях: классический ML, NLP/LLM и агентные сценарии, Computer Vision, речевые и мультимодальные технологии
- Определять технический подход к задаче: выбирать модели и архитектуру решения, проводить эксперименты, сравнивать альтернативы и принимать решения с учетом качества, производительности, стоимости и ограничений эксплуатации
- Вести ML-часть решения end-to-end: от анализа задачи и разработки прототипа до подготовки модели к inference, интеграции и промышленного запуска совместно с Backend- и MLOps-разработчиками
- Разрабатывать подходы к оценке качества ML-систем: формировать метрики, evaluation-наборы и тестовые сценарии, проводить анализ ошибок и контролировать качество решений после запуска
- Оптимизировать модели и ML-пайплайны по качеству, latency, throughput и потреблению вычислительных ресурсов
- Участвовать в проектировании общей архитектуры решений и технической декомпозиции ML-задач
- Проводить code review и помогать в развитии менее опытных разработчиков команды
Наш стек
- Python, PyTorch, scikit-learn, Hugging Face / Transformers
- В зависимости от задачи работаем с классическим ML, NLP/LLM, RAG, embeddings, reranking, tool calling и агентными сценариями, а также решениями в области Computer Vision, Speech и мультимодальных моделей
- Для экспериментов и управления жизненным циклом моделей используем MLflow / ClearML
- Для inference и serving — FastAPI, vLLM, Triton, SGLang и аналогичные решения
- Хранилища: PostgreSQL, ClickHouse, Redis, векторные БД
- Инфраструктура: Docker, Kubernetes, Prometheus, Grafana, GitLab CI/CD
Что ожидаем
- От 4 лет коммерческого опыта разработки ML-решений на Python
- Глубокое понимание методов машинного обучения и нейронных сетей, принципов обучения и валидации моделей, выбора метрик и анализа ошибок
- Сильный практический опыт хотя бы в одном из направлений: NLP/LLM, Computer Vision, речевые технологии, классический ML или мультимодальные модели
- Опыт самостоятельного проектирования ML-решения: от постановки задачи и выбора подхода до оценки результатов и подготовки решения к production
- Практический опыт работы с PyTorch и современными ML-библиотеками
- Понимание полного жизненного цикла ML-систем: подготовка данных, эксперименты, обучение, evaluation, inference, deployment и мониторинг
- Опыт вывода ML-моделей или ML-сервисов в production и понимание требований к производительности, надежности и воспроизводимости решений
- Умение быстро разбираться в новых моделях, подходах и предметных областях и выбирать технологию исходя из задачи, а не из заранее заданного стека
- Опыт взаимодействия с Backend-, Data- и MLOps-разработчиками
- Опыт принятия технических решений, проведения code review и декомпозиции сложных ML-задач
Будет плюсом
- Опыт разработки production-систем на базе LLM, RAG или агентных подходов, включая tool calling, multi-step workflows и evaluation
- Опыт fine-tuning / PEFT и адаптации современных нейросетевых моделей
- Практический опыт более чем в одном ML-направлении, например NLP + CV, Speech + NLP или LLM + классический ML
- Опыт работы с мультимодальными моделями
- Опыт оптимизации inference, включая GPU-нагрузки, batching, quantization и работу с высоконагруженным model serving
- Знакомство с vLLM, Triton, SGLang или аналогичными inference-фреймворками
- Опыт работы с MLflow / ClearML, Docker и Kubernetes
- Опыт менторинга ML-разработчиков и технического лидерства в рамках проектов
Эта вакансия также есть на:Getmatch
Похожие вакансии AI инженер
hh.ru
Fullstack-разработчик (Python / JavaScript) - разработка AI-агентов
сбер. itНа сервисе с: 24.09.26 19:18
Зарплата не указанаРоссияМоскваОфис
Мы формируем ядро команды, которая создает с нуля экосистему интеллектуальных агентов для автоматизации бизнес-процессов. Нам нужен универсальный специалист, способный вести фичи от проектирования базы данных до реализации сложного интерактивного интерфейса.
Наша цель - разработка готовых решений «под ключ». Вы будете работать на стыке бэкенда, машинного обучения и фронтенда, напрямую влияя на то, как тысячи сотрудников банка взаимодействуют с новыми инструментами оптимизации.
Обязанности
В твои задачи будет входить:
- end-to-end разработка компонентов
- прототипирование агентов
- интеграция ML-моделей в приложение
- техническая поддержка
- быстрые фиксы.
Требования
От кандидата мы ожидаем:
- образование высшее
- опыт коммерческой fullstack-разработки от 4 лет
- уверенное владение Python, опыт работы с классическими фреймворками (FastAPI, Django или Flask).
- глубокое понимание PostgreSQL (индексы, оптимизация запросов, транзакции)
- сильные знания нативного JavaScript (обязательно) и современного TypeScript, опыт работы с одним из популярных фреймворков (React, Vue.js или Angular)
- практический опыт интеграции с внешними сервисами по API (REST, gRPC) и навыки проектирования собственных эндпоинтов
- понимание принципов UI/UX для создания удобных внутренних инструментов.
Будет большим плюсом:
- опыт создания AI-агентов и использования их в работе
- опыт работы с PyTorch, TensorFlow или другими библиотеками ML (как минимум - умение интегрировать модели в продакшен
- опыт работы в банковской сфере, финтехе или крупных энтерпрайз-проектах
- знание Docker, Kubernetes и основ инфраструктуры для деплоя fullstack-приложений.
Условия
Мы предлагаем:
- офис по адресу ш Варшавское (Бизнес-центр Чайка Плаза)
- гибридный формат работы
- ежегодный пересмотр зарплаты
- корпоративный спортзал и зоны отдыха
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- программа адаптации и помощь руководителя на старте (для Junior позиций)
- расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
- гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
- подписка СберПрайм с возможностью совместного использования на трёх близких
- вознаграждение за рекомендацию друзей в команду Сбера.
hh.ru
Зарплата не указанаКазахстанАлматыОфис
Halyk Банк – это мощная экосистема, где технологии сочетаются с ценностями.
Мы гордимся более чем 14 000 работниками, которые делают нас лучшим местом работы. Мы предоставляем услуги во всех сегментах финансового рынка: банковском, страховом, лизинговом и т.д.
Мы стремимся стать ведущим цифровым банком, внедряя инновации и предоставляя возможности для роста и развития.
Мы ищем талантливых специалистов, готовых развиваться вместе с нами!
Обязанности:
- Разработка и внедрение LLM/VLM-решений для бизнес-задач компании;
- Проектирование и построение RAG-пайплайнов для работы с корпоративными данными Разработка и оптимизация мульти-агентных систем на базе LangGraph и LangChain Настройка и обслуживание инференс-серверов (vLLM, TGI, TensorRT-LLM) Fine-tuning моделей (LoRA, QLoRA, RLHF, DPO) под специфические задачи;
- Разработка REST API на FastAPI для интеграции ML-сервисов в продукт;
- Контейнеризация и деплой ML-сервисов с помощью Docker и Kubernetes;
- Оптимизация производительности моделей: квантизация, батчинг, управление GPU-памятью;
- Проектирование и поддержка векторных баз данных для хранения эмбеддингов;
- Написание и поддержка автоматических тестов для ML-пайплайнов;
- Мониторинг качества моделей в продакшене (LangSmith, OpenTelemetry);
- Проведение бенчмарков и A/B-тестов для сравнения моделей и подходов;
- Работа с GPU-инфраструктурой: настройка multi-GPU, распределённое обучение
- Подготовка и очистка данных для обучения и оценки моделей;
- Исследование и внедрение новых моделей, техник и фреймворков;
- Написание технической документации и ADR (Architecture Decision Records);
- Участие в код-ревью и менторинг младших специалистов;
- Взаимодействие с продуктовой командой для определения требований и приоритетов;
- Оптимизация стоимости облачной GPU-инфраструктуры;
- Обеспечение безопасности и надёжности ML-сервисов в продакшене.
Требования:
- Python;
- Python 3.10+ (async/await, type hints, dataclasses). SOLID, Clean Architecture, DI. pytest + mocks, Ruff/Black/MyPy, Poetry/uv, Git & CI/CD;
- LLM / VLM
- Transformer (attention, KV-cache).
Модели: GPT-4, LLaMA 3, Mistral, Qwen, LLaVA, GPT-4o.
Fine-tuning: LoRA/QLoRA, PEFT, RLHF, DPO.
Prompting: CoT, ReAct, Few-shot. Evaluation: LLM-as-judge, perplexity. Tokenization (tiktoken); - LangChain & LangGraph
LangChain (LCEL, Agents, Tools, Memory), LangGraph (multi-agent graphs), RAG-пайплайны, Vector DB (Chroma, Pinecone, Qdrant, pgvector), LangSmith; - Инференс
vLLM (PagedAttention, continuous batching), Quantization (GPTQ, AWQ, GGUF), Serving (vLLM, TGI, TensorRT-LLM), OpenAI-compatible API.
PyTorch & DL
PyTorch, Hugging Face (Transformers, PEFT, TRL), Distributed (DDP, FSDP, DeepSpeed), BF16/FP16.
GPU & Инфраструктура
NVIDIA (H100, A100, RTX 4090), multi-GPU parallelism, Cloud (AWS/GCP/RunPod), мониторинг nvidia-smi; - Backend
FastAPI, Pydantic v2, async (asyncio, httpx), WebSockets/SSE, JWT.
DevOps
Docker (GPU), Docker Compose, Kubernetes basics, GitHub Actions, Prometheus/Grafana; - Хранилища
PostgreSQL + pgvector, Redis, S3, Vector DBs, Kafka/RabbitMQ.
Nice to Have
CrewAI, AutoGen, MLflow/W&B, Airflow, Streamlit/Gradio. - Уровни опыта:
Junior: Python, PyTorch, LangChain, Docker
Middle: Fine-tuning, RAG, vLLM, FastAPI, LangGraph
Senior: Архитектура, distributed training, MLOps
Lead: Стратегия, оптимизация затрат, лидерство
Soft Skills: Аналитическое мышление, техническая коммуникация, быстрое обучение, English B2+, Agile.
Условия:
- Заработная плата и бонусы: конкурентоспособная оплата труда благодаря системе грейдирования, премии ко Дню Независимости и годовой бонус.
- Социальный пакет: ДМС и страхование жизни, мобильная связь и скидки от партнеров.
- Отпуск и отдых: 26 дней отпуска с возможностью взять дополнительные дни при наступлении важных событий.
- Бонусы за рекомендации.
- Рабочие условия: льготные условия на паркинг, свободный стиль одежды (smart casual).
- Обучение и развитие: тренинги, вебинары и доступ к корпоративной библиотеке, четкая система карьерного роста.
- Корпоративная культура: открытая и дружеская рабочая атмосфера, спортивные турниры и активная корпоративная жизнь.
- Инициативы и проекты: возможность участия в социальных проектах, реализация идей в новых проектах группы «Halyk» с использованием современных digital-инструментов.
- Команда: творческая и поддерживающая команда для реализации ваших идей.
- Присоединяйтесь к нам и становитесь частью команды «Halyk»!
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.