Руководитель отдела когнитивных цифровых технологий
Что мы делаем? Разрабатываем микропроцессорные устройства для железнодорожной автоматики и телемеханики Общепромышленного применения Цифровых платформ.
кибертех-сигнал · На сервисе с: 31.08.26 18:18
Мы — аккредитованная IT-компания.
Что мы делаем? Разрабатываем микропроцессорные устройства для железнодорожной автоматики и телемеханики Общепромышленного применения Цифровых платформ.
Мы сотрудничаем с ведущими российскими производителями электроники (МЦСТ, Миландр, НИИЭТ, Элвис), чтобы создавать продукты, которые не уступают, а превосходят зарубежные аналоги.
Наши преимущества: Собственная R&D-база — от идеи до готового продукта. Современные инструменты (CAD, IDE, CI) для разработки электроники и ПО, команда экспертов — конструкторы, программисты, электронщики, тестировщики, специалисты по безопасности. Фокус на импортозамещение — наши решения минимизируют зависимость от иностранных технологий.
Мы разрабатываем корпоративные LLM-системы в изолированной инфраструктуре: AI-агенты, RAG-сервисы, локальные платформы для inference и экспертные системы. Основное внимание уделяется open-weight и self-hosted моделям (Mistral, Llama, Qwen и др.), с акцентом на локальный deployment, безопасность, воспроизводимость и надежность. Это сложные системы, в которых LLM является лишь одним из компонентов, включая инструменты, память, оркестрацию и мониторинг.
Обязанности:- 1. Разработка AI-агентов – Проектирование и реализация LLM-агентов для корпоративных задач (ассистенты, чат-боты). – Создание многошаговых сценариев с использованием tool/function calling и self-correction. – Разработка логики принятия решений для оптимизации работы агентов. – Внедрение современных протоколов взаимодействия моделей и инструментов. – Оптимизация prompt-цепочек и механизмов управления задачами.
- 2. Интеграция с источниками данных – Подключение агентов к корпоративным источникам (SQL/NoSQL, API). – Разработка RAG-систем (retrieval, reranking, hybrid search). – Управление доступом к знаниям с учетом прав пользователей. – Интеграция векторных хранилищ и поисковых движков.
- 3. Память агентов – Проектирование кратковременной и долговременной памяти. – Разработка механизмов запоминания и обновления информации. – Учет приватности данных.
- 4. Развёртывание и оптимизация inference – Развёртывание локальных LLM-сервисов и настройка GPU-инфраструктуры. – Оптимизация производительности моделей. – Работа с различными форматами квантования моделей.
- 5. Безопасность и отказоустойчивость – Создание безопасных LLM-сервисов с изоляцией окружения. – Минимизация рисков безопасности и реализация аудита доступа. – Проектирование отказоустойчивых систем.
- 6. Мониторинг и аудит – Внедрение observability для LLM-агентов (логирование, метрики). – Контроль за использованием токенов, задержками и качеством ответов. – Создание audit trail для действий агентов.
- 7. Оценка качества – Создание eval-пайплайнов для оценки RAG и агентных систем. – Измерение точности, скорости и качества ответов. – Участие в A/B-тестах и непрерывном улучшении качества.
- 8. Data pipeline – Разработка процессов обработки данных от источников до конечных результатов.
- • LLM-системы: разработка self-hosted/open-weight моделей.
- • Docker и Kubernetes: уверенное использование.
- • Понимание трансформеров: токенизация, контекстное окно, inference, quantization
- . • RAG: опыт с embeddings, vector search, hybrid search.
- • Векторные базы: работа с FAISS, Qdrant, Milvus и аналогами.
- • Агентные паттерны: tool usage, function calling, memory, prompt chaining.
- • Фреймворки для LLM/агентов: опыт с LangGraph, Haystack и другими.
- • GPU-инфраструктура: мониторинг и профилирование ресурсов.
- • Корпоративные ассистенты: опыт разработки чат-ботов и LLM-сервисов.
- • Безопасность: понимание RBAC, PII и prompt injection.
- • Воспроизводимые пайплайны: от данных до inference.
- • Системное мышление: проектирование отказоустойчивых сервисов.
- • Английский от B1: уверенное чтение документации.
- Плюсом будет
- • Опыт работы с MCP и проектированием tool/context servers.
- • A2A взаимодействие между агентами.
- • Fine-tuning моделей (LoRA, QLoRA и др.).
- • Опыт работы с LLaMA-Factory, Axolotl и аналогами.
- • Квантование моделей (GPTQ, FP8/INT8).
- • Прод-инференс на vLLM, TensorRT-LLM и др.
- • Advanced inference методы (speculative decoding, KV cache offload).
- • Работа с knowledge graphs и semantic caching.
- • Мультиагентные системы и orchestration (Temporal, Airflow).
- • MLOps инструменты (MLflow, Kubeflow).
- • Проектирование мультимодальных LLM-агентов.
- .• Sandbox execution и browser tools.
- Мы строго соблюдаем гарантии установленные Трудовым законодательством РФ;
- Мы заботимся о комфортных условиях для работы наших сотрудников - у нас современный офис (не open-space!!), рабочее место оборудовано всем необходимым для эффективной работы;
- Мы заботимся о здоровье наших сотрудников - предоставляем расширенное ДМС (со стоматологией и обслуживанием в лучших клиниках города);
- Мы заинтересованы в развитии пришедших к нам специалистов - наша команда профессионалов готова делиться своим опытом;
- У нас уютная обеденная зона с бесплатными чаем, кофе. Она же для нас место, где можно собраться после работы - поиграть в настольные игры ;
- Мы предоставляем мобильную связь для сотрудников компании;
-
Корпоративный английский язык;
-
Доплата до оклада за время больничного;
-
Достойный уровень заработной платы, премия по итогам года;
-
Работа в аккредитованной IT Компании с возможностью карьерного и функционального роста;
- У нас стабильный и прозрачный доход
-
Мы находимся в пешей доступности от м."Свиблово",станции"Лосиноостровская", МЦК "Ростокино".
Похожие вакансии AI инженер
Fullstack-разработчик (Python / JavaScript) - разработка AI-агентов
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.
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.