Биржа вакансий в сфере ИИ, ML

Формат

Офис

Страна

Израиль

Город

Не указан

О компании Dober — специализированная химическая и программная компания со штаб-квартирой в западных пригородах Чикаго. Во всех подразделениях — SaaS для коммерческих прачечных, производство и сельское хозяйство — ИИ встраивается в основу работы, а не добавляется со стороны. Сильная идея может быстро пройти путь от белой доски до продакшена, и создатель видит результат. О роли Ищем инженера-практика на раннем этапе карьеры, но уже свободно владеющего современными ИИ-инструментами. Кандидат должен уметь прийти в бизнес-подразделение, понять, как реально устроена работа, и создать агентов, которые снимают с людей реальные задачи. Роль находится на стыке операционной деятельности и инженерии: один день — описывать процессы, следующий — выпускать работающего агента. Это не исследовательская роль. Успех измеряется решёнными задачами и сэкономленными часами. Задачи - Встраиваться в команды подразделений, чтобы понять, как реально выполняется работа: шаги, решения, передачи, узкие места. - Проектировать и создавать ИИ-агентов с использованием LLM API, вызова инструментов и функций, оркестрационных фреймворков и систем поиска. - Превращать ручные, повторяющиеся или требующие экспертных решений процессы в надёжные автоматизированные системы. - Создавать системы с учётом управляемости: происхождение данных, обработка ошибок и контроль человека там, где это важно. - Быстро прототипировать, запускать, измерять и итерировать. - Помогать определять, как ИИ внедряется в компании по мере её масштабирования. Требования - Подтверждённое умение создавать решения на современном ИИ: LLM API (Anthropic, OpenAI и др.), вызов функций и инструментов, хотя бы один подход к оркестрации агентов (LangGraph, CrewAI, MCP или аналоги). - Способность понимать бизнес-процессы: наблюдать за работой человека и разбивать её на реализуемые шаги. - Реальные проекты, которые можно посмотреть: GitHub, развёрнутые приложения, хакатон-проекты, пет-проекты. Важнее то, что уже запущено, а не где кандидат учился. - Уверенное владение Python и опыт работы с API и данными. - Склонность к действию: лучше работающий прототип к пятнице, чем идеальный план через месяц. - Умение ясно общаться и работать напрямую с нетехническими специалистами. Желательно - Опыт с RAG, векторными базами данных или графами знаний. - Знакомство с MCP (Model Context Protocol). - Любой опыт в производстве, химической отрасли, SaaS или сельском хозяйстве. Почему Dober - Прямой доступ к руководству и реальное владение тем, что создаётся. - Компания, действительно стремящаяся стать AI-native, при поддержке руководства. - Возможность создавать фундаментальные системы, а не поддерживать чужой легаси-код. - Конкурентная зарплата, бонус и льготы. Зарплата и льготы Зарплата: $95 000–$120 000 базового оклада в зависимости от опыта, плюс ежегодный дискреционный бонус. Предлагается комплексный пакет льгот: медицинская, стоматологическая и офтальмологическая страховка, страхование по краткосрочной и долгосрочной нетрудоспособности, страхование жизни, оплачиваемый отпуск, оплачиваемый родительский отпуск, оплачиваемый волонтёрский отпуск и подписка на приложение Calm. Развивающаяся программа благополучия поддерживает здоровье и баланс между работой и жизнью.

Формат

Офис

Страна

США

Город

Не указан

Компания: Beyond-ED Задачи - Проектировать и масштабировать промпты и поведение агентов на живых звонках. - Анализировать реальные данные звонков для поиска следующих улучшений. - Создавать eval-системы и бенчмарки, чтобы быстро и уверенно повышать качество. - Цель — выпускать больше улучшений быстрее, каждое подтверждено данными, а не догадками. Обязательные требования - Опыт применения LLM в продакшене: вы создавали и запускали LLM-функции в реальных продуктах, а не только прототипы. - Серьёзный опыт промпт-инжиниринга: умение разбивать сложную задачу на надёжные промпты и шаги агента; понимание структуры, версионирования и поддержки промптов в масштабе. - Подход evals-first: вы создавали eval-системы, бенчмарки и тестовые наборы; качество измеряется, а не оценивается по ощущениям. - Уверенная работа с данными: SQL и Python/TypeScript для анализа звонков и транскриптов, поиска сигналов и оценки влияния. - Инженерная база: production-код на TypeScript/Node и интеграция в реальный бэкенд, а не передача в виде ноутбука. - Строгость вместо интуиции: эксперименты и доказательства, аргументация данными. - Владение Claude Code / Codex или аналогами: уверенное и осознанное использование AI-ассистированной разработки; в 2026 году это считается обязательным. - Ответственность за качество агента end-to-end, включая продакшен, и понимание влияния на реальные агентства и их клиентов. Навыки и языки - Node.js — 4 года - TypeScript — 4 года - LLM — 4 года - Английский язык — обязательно

Формат

Офис

Страна

Не указана

Город

Не указан

Грейд

Junior

О компании Bigge Crane and Rigging Co. работает с 1916 года. Парк компании насчитывает более 1800 кранов, присутствие — по всей стране. Компания покупает, продаёт, сдаёт в аренду, эксплуатирует и обслуживает один из крупнейших и самых современных парков кранов в США. Компания участвовала в строительстве некоторых знаковых достопримечательностей Америки и заслужила репутацию надёжного подрядчика. Bigge позиционирует себя как AI-first компания: создан отдел AI-инженерии. Сотрудники ежедневно работают с передовыми AI-инструментами, а инженеры компании создают интеграции, подключающие эти инструменты к системам, на которых работает бизнес: парк техники, продажи, планирование, документы. Компания покупает ПО, когда это правильное решение, и разрабатывает собственное, когда нет. Ожидается, что в будущем будет меньше готового ПО и больше собственной разработки. Решения принимаются быстро, без ожидания одобрения комитетом. В работе используются реальные задачи и данные о работе 1800 кранов, команда небольшая, и созданные разработки носят имя автора. Позиция Junior AI Engineer — специалист раннего этапа карьеры, который разрабатывает и внедряет AI-решения под руководством директора по AI-инженерии. Роль включает создание MCP-коннекторов к системам Bigge, разработку и расширение AI-агентов и агентных рабочих процессов, написание тестов и оценок для их валидации. Работа ведётся в рамках установленной архитектуры и процессов ревью. Это ступень в карьерной лестнице: Associate AI Engineer, Junior AI Engineer, AI Engineer. Ожидается рост до роли AI Engineer. Найм основан на продемонстрированной способности создавать продукты, а не на количестве лет опыта. Идеальный кандидат — технически подкованный, любознательный и обучаемый. Работа предполагает ежедневное взаимодействие с директором по AI-инженерии и AI-инженером, с ростом самостоятельности по мере подтверждения результатами. Обязанности - Создавать и расширять MCP-коннекторы к системам Bigge, включая WorkPro (внутренняя платформа управления жизненным циклом активов), D365 и Microsoft 365, в рамках установленных паттернов и ревью. - Реализовывать компоненты AI-агентов и агентных рабочих процессов, спроектированных совместно с директором по AI-инженерии. - Писать и поддерживать тесты, наборы оценок и регрессионные проверки для систем до выпуска и после каждого изменения. - Интегрировать возможности LLM во внутренние приложения и API под руководством. - Участвовать в сессиях изучения процессов с бизнес-подразделениями для наблюдения за картированием рабочих процессов и вносить вклад в документацию процессов. - Помогать в сборе базовых показателей производительности и метрик для инициатив отдела. - Соблюдать практики ответственного AI, стандарты управления данными и требования ИТ-безопасности. - Писать чистый, протестированный, документированный код. Участвовать в ревью кода в роли автора и развиваться до ревьюера чужих изменений. Требования - Степень бакалавра в области компьютерных наук, инженерии, науки о данных или эквивалентный опыт. - 1–3 года профессионального опыта с примерами завершённой работы: развёрнутый проект, продакшн-вклад, работающая система. Оценка основана на том, что кандидат создал, а не на длительности занятости. - Рабочее владение Python или TypeScript и готовность освоить оба языка — в работе будут использоваться оба. - Опыт работы с реальными API: аутентификация, обработка ошибок, чтение документации, которая иногда бывает некорректной. - Практический опыт работы с LLM API и промпт-инжинирингом — через работу, курсы или личные проекты. - Развитые коммуникативные навыки и способность решать проблемы, готовность работать напрямую с полевым и офисным персоналом. - Обучаемость, организованность, способность быстро учиться в динамичной среде. - Наличие действующих водительских прав и чистая водительская история. Предпочтительные навыки - Опыт работы с Model Context Protocol или другими архитектурами вызова инструментов. - Next.js, React и Tailwind. - Docker и облачное развёртывание любого типа. - Локальный запуск моделей или эксперименты с тонкой настройкой любого масштаба. - Предыдущая работа или стажировка в строительстве, тяжёлом оборудовании, логистике или промышленных операциях. Условия - Конкурентоспособная оплата и 401(k) с матчингом. - Отпуск, корпоративные праздники и больничные. - Гибкие расходные счета / Health Savings Account. - Компенсация по программе Bring Your Own Device (BYOD).

Формат

Удалённо

Страна

Испания

Город

Не указан

Grafana Labs — компания, стоящая за открытой облачной платформой наблюдаемости. Grafana Cloud — полностью управляемая платформа наблюдаемости, построенная для масштабирования. Более 35 миллионов пользователей и 7000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce, доверяют Grafana Labs обеспечение надёжности своих приложений и систем. Компания полностью удалённая, 1600+ сотрудников в 40+ странах. Позиция удалённая. Рассматриваются кандидаты только из Великобритании, Испании и Ирландии. О платформе: Grafana Cloud обрабатывает миллионы метрик, логов и трейсов в секунду из окружений клиентов, обеспечивая высокую доступность и низкую задержку. Внутренняя инженерная платформа (IEP), создаваемая группой Foundations, предоставляет инженерам приложений инструменты, системы и Kubernetes-кластеры для сборки, развёртывания и запуска их нагрузок. Новая команда «Metal» будет отвечать за создание и предоставление ресурсов — хранилищ, сетей и Kubernetes-кластеров — в новых окружениях, начиная с собственного физического оборудования. Команда предоставит Kubernetes control plane и базовые ресурсы вне публичного облака остальной части инженерного отдела. Задачи: - Управление физическим окружением «Metal» от bare metal до Kubernetes. - Управление компонентами кластерной сети: балансировка нагрузки, NAT, DNS, CNI, межкластерная связь, протоколы маршрутизации, архитектура. - Управление планированием и автоматическим масштабированием. - Поддержка Crossplane-композиций и Terraform-модулей для общих ресурсов CSP, а также управление версионированием и совместимостью Crossplane и Terraform core и провайдеров. - Работа с пользователями (командами приложений Grafana Cloud) для понимания их потребностей и инвестирования в нужные возможности. Требования: - Опыт работы с распределёнными системами. - Опыт эксплуатации собственного кода. - Опыт работы с дата-центрами. - Участие в дежурствах (on-call rotation). - Основной стек: Go, Python, Shell. - Готовность работать в удалённой компании, коммуникабельность, умение работать по консенсусу и следовать командным решениям. - Целостный подход к разработке: от написания дизайн-документов до интеграционного тестирования. Бонусы: - Опыт работы с Cluster-API, Tinkerbell, Talos и/или Ceph. - Опыт участия в open source или других сообществах. - Опыт работы с несколькими облачными провайдерами (AWS, GCP, Azure; управляемые Kubernetes-сервисы EKS, GKE, AKS). - Опыт эксплуатации и управления нагрузками на Kubernetes.

Формат

Удалённо

Страна

Ирландия

Город

Не указан

О компании Grafana Labs — компания, стоящая за открытой облачной платформой наблюдаемости. Grafana Cloud — полностью управляемая платформа наблюдаемости, гибкая и рассчитанная на масштабирование. Более 35 миллионов пользователей и 7 000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce, используют Grafana Labs для обеспечения надёжности приложений и систем, быстрого разрешения инцидентов и оптимизации телеметрии. Компания полностью удалённая: 1 600+ сотрудников в 40+ странах. Инвесторы: Lightspeed Venture Partners, Sequoia Capital, GIC, Coatue, J.P. Morgan, CapitalG и Lead Edge Capital. О платформе Grafana Cloud обрабатывает миллионы метрик, логов и трейсов в секунду из окружений клиентов, используя высокодоступный стек с низкой задержкой, который обрабатывает и хранит данные, а также отдаёт их в дашборды и инструменты оповещения. Планируется рост до сотен миллионов в секунду, поэтому важно улучшать производительность, надёжность и эффективность. Внутренняя инженерная платформа (IEP), создаваемая группой Foundations, предоставляет инженерам приложений инструменты, системы и Kubernetes-кластеры для сборки, развёртывания и запуска нагрузок. Открывается новая команда Foundations "Metal", которая будет отвечать за создание и предоставление ресурсов, включая хранилища, сети и Kubernetes-кластеры в новых окружениях, начиная с собственного физического оборудования. Команда будет предоставлять контрольную плоскость Kubernetes и базовые ресурсы вне публичного облака для остальной части инженерного отдела. Задачи - Управление физической средой "Metal" от bare metal до Kubernetes. - Управление компонентами кластерной сети: балансировка нагрузки, NAT, DNS, CNI, связь между кластерами, протоколы маршрутизации, архитектура. - Управление планированием (scheduling) и автоматическим масштабированием. - Поддержка Crossplane-композиций и Terraform-модулей для ресурсов облачных провайдеров, общих для пользователей. Также управление версионированием и совместимостью Crossplane и Terraform (ядро и провайдеры). - Работа с пользователями (командами приложений Grafana Cloud) для понимания их потребностей и инвестирования в нужные возможности. Требования - Готовность работать с инженерами и с управленческими структурами, которые поддерживают команду. - Комфортная работа в remote-first компании; важна коммуникация. Работа строится на сотрудничестве, дружелюбии и уважении. Решения принимаются консенсусом: вы можете участвовать в обсуждении, но затем присоединяетесь к командному решению. - Интерес к распределённым системам (компания высокораспределённая). - Желание учиться и развиваться. - Целостный подход к разработке: команда владеет полным жизненным циклом кода — от написания дизайн-документов до анализа обратной связи от разработчиков и интеграционного тестирования. - Опыт работы с Go, Python и Shell (основной стек платформенной команды). - Опыт эксплуатации своего кода. - Опыт работы в дата-центрах. - Участие в дежурствах (on-call rotation). Будет плюсом - Опыт работы с Cluster-API, Tinkerbell, Talos и/или Ceph. - Опыт участия в open source или других проектах на основе сообщества. - Опыт работы с несколькими облачными провайдерами (CSP). Grafana Cloud работает на AWS, GCP и Azure с использованием управляемых Kubernetes-сервисов EKS, GKE, AKS. - Опыт эксплуатации и управления нагрузками на Kubernetes. Условия - Удалённая работа. - Рассматриваются кандидаты из Великобритании, Испании и Ирландии.

Формат

Офис

Страна

США

Город

Не указан

О роли В Meta инженер данных участвует в создании продуктов для всей семьи приложений: Facebook, Instagram, Messenger, WhatsApp, Reality Labs, Threads. Роль включает проектирование и создание одних из самых масштабных наборов данных в мире, сотрудничество с командами разработки, data science и управления продуктами для оптимизации роста, стратегии и пользовательского опыта для более чем 3 миллиардов пользователей и внутренних сотрудников. Вы будете решать сложные задачи с данными в масштабе, который мало кто может предложить, и станете частью сообщества data engineering, ориентированного на развитие навыков и карьерный рост. Инженерия данных: вы будете направлять команды, создавая оптимальные артефакты данных (включая наборы данных и визуализации) для решения ключевых вопросов. Вы будете совершенствовать системы, проектировать решения для логирования и создавать масштабируемые модели данных. Обеспечивая безопасность и качество данных, а также уделяя особое внимание эффективности, вы будете предлагать подходы к архитектуре и разработке, а также стандарты управления данными для решения сложных аналитических задач. Продуктовое лидерство: вы будете использовать данные для формирования разработки продуктов, выявления новых возможностей и решения предстоящих задач. Вы будете обеспечивать ценность продуктов для пользователей и бизнеса, расставляя приоритеты проектов и внедряя инновационные решения в ответ на вызовы или возможности. Коммуникация и влияние: вы не просто будете представлять данные, а рассказывать истории на основе данных. Вы будете убеждать и влиять на партнеров с помощью четких идей и рекомендаций. Вы будете строить доверие через структуру и ясность и быть надежным стратегическим партнером. Обязанности - Концептуализировать и владеть архитектурой данных для нескольких крупномасштабных проектов, оценивая компромиссы между дизайном и операционными затратами в системах. - Создавать и вносить вклад в фреймворки, повышающие эффективность логирования данных, а также работать с инфраструктурой данных для устранения проблем и их решения. - Сотрудничать с инженерами, продакт-менеджерами и дата-сайентистами для понимания потребностей в данных, представляя ключевые идеи данных визуально значимым образом. - Определять и управлять соглашениями об уровне обслуживания (SLA) для всех наборов данных в закрепленных областях ответственности. - Определять и внедрять модель безопасности на основе требований конфиденциальности, подтверждать соблюдение мер защиты, решать проблемы качества данных и развивать процессы управления в закрепленных областях ответственности. - Проектировать, создавать и запускать коллекции сложных моделей данных и визуализаций, поддерживающих множество вариантов использования в разных продуктах или доменах. - Решать самые сложные проблемы интеграции данных, используя оптимальные паттерны ETL, фреймворки, методы запросов, источники структурированных и неструктурированных данных. - Участвовать в сопровождении существующих процессов в продакшене, оптимизируя сложный код с помощью продвинутых алгоритмических концепций. - Оптимизировать пайплайны, дашборды, фреймворки и системы для упрощения разработки артефактов данных. - Влиять на продуктовые и кросс-функциональные команды для выявления возможностей данных, способствующих росту. - Наставлять членов команды, давая и получая конструктивную обратную связь. Требования - Степень бакалавра в области компьютерных наук, компьютерной инженерии, смежной технической области или эквивалентный практический опыт. - 7+ лет опыта, где основная ответственность связана с работой с данными. Это могут быть роли дата-аналитика, дата-сайентиста, дата-инженера или аналогичные. - 7+ лет опыта работы с SQL, ETL, моделированием данных и как минимум одним языком программирования (например, Python, C++, C, Scala или другими). - Степень магистра или PhD в области STEM. - Подтвержденная способность интегрировать AI-инструменты для оптимизации или перепроектирования рабочих процессов и достижения измеримого влияния (например, повышение эффективности, улучшение качества). - Опыт соблюдения и внедрения ответственных, этичных практик AI (например, оценка рисков, снижение предвзятости, проверка качества и точности). - Подтвержденное постоянное развитие навыков AI (например, промпт-инженерия, контекстная инженерия, оркестрация агентов) и отслеживание новых AI-технологий.

Формат

Удалённо

Страна

Россия

Город

Не указан

Обязанности - Разрабатывать и поддерживать автотесты - Проводить нагрузочное тестирование - Тестировать REST/gRPC API и асинхронные сервисы - Тестировать AI-модели и cross-service сценарии - Анализировать логи, метрики и трассировки - Взаимодействовать с разработчиками, архитекторами и DevOps Требования - От 3 лет в QA, от 2 лет в backend-автоматизации - Python - Обязательный опыт нагрузочного тестирования - Locust и k6 - Kafka/RabbitMQ - REST, gRPC, WebSockets - Prometheus, Grafana, ELK, OpenTelemetry, Jaeger - PostgreSQL/MySQL, Redis, MongoDB/DynamoDB - Docker, Git, Jira, Allure - Опыт тестирования высоконагруженных систем и AI-моделей - Понимание отказоустойчивости, retry, timeout, circuit breaker, rate limiting Условия - Формат: удалённо - Зарплата: до 125 000 ₽ на руки - Локация: РФ, гражданство РФ

Формат

Удалённо

Страна

Россия

Город

Не указан

Грейд

Junior

AQA Python тестировщик, Junior+ Москва. До 125 000 рублей на руки. Обязанности - Разработка и сопровождение автотестов. - Проведение нагрузочного тестирования. Требования - Гражданство и локация РФ. - Опыт в QA от 3 лет, из них не менее 2 лет в автоматизации тестирования backend и микросервисной архитектуры.

Формат

Удалённо

Страна

Не указана

Город

Не указан

Сильный инженер для развития ML-инфраструктуры и платформы хостинга моделей Центр ИИ — Контур ищет сильного инженера для развития ML-инфраструктуры и платформы хостинга моделей. Стек: Python, FastAPI, Celery, Docker, Kubernetes, Helm, Ansible, GitLab CI/CD, Prometheus, Grafana, OpenTelemetry, Sentry, PostgreSQL, MongoDB, Redis. Чем предстоит заниматься - Развивать инфраструктуру для запуска и хостинга ML-моделей. - Внедрять inference-движки и проводить R&D новых решений. - Развивать ClearML, Milvus, инструменты разметки данных и распределённых вычислений. - Создавать внутренние сервисы для управления кластерами и ресурсами. Ожидания - Уверенный опыт с Docker и Kubernetes. - Ansible, CI/CD, IaC, SRE. - Prometheus, Grafana, ELK. - Python на прикладном уровне. - Опыт проектирования инфраструктурных решений. - Готовность работать в условиях высокой неопределённости. Будет плюсом - ML lifecycle, MLOps, vector DB, ML-библиотеки, GPU-серверы и диагностика GPU. Условия - Формат: удалёнка / гибрид / офис. - Доход: обсуждается индивидуально + бонусы.

Формат

Гибрид

Страна

Не указана

Город

Не указан

Грейд

Middle / Senior

Deep Learning Researcher (Middle / Senior) Ищем того, кто уже строил и запускал в production модели прогнозирования временных рядов и хочет применить это в квант-финансах. Домен прошлого опыта не важен: прайсинг, e-commerce, логистика и ETA, спрос, риск, антифрод. Опыт в трейдинге не обязателен, нужен интерес к рынкам. Команда строит собственные торговые стратегии на reinforcement learning и управляет капиталом в стейблкоинах. KPI роли не метрика модели, а PnL стратегии в проде. Команда небольшая, работа напрямую с фаундером. Что важно: - коммерческий опыт от 2 лет: ML Engineer / DL Engineer / ML Researcher / Data Scientist - production-модели для временных рядов, которые влияли на метрику - интерес к рынкам - Python, PyTorch, Scikit-Learn, CatBoost, LightGBM/XGBoost, Optuna Условия: - гибрид, офис в центре Москвы - фикс в USDT/USDC - квартальный profit sharing от результатов стратегий - оплачиваемый отпуск - компания оплачивает AI-подписки

Формат

Гибрид

Страна

Не указана

Город

Не указан

Грейд

Middle / Senior

Обязанности Не указаны. Требования - Коммерческий опыт от 2 лет: ML Engineer / DL Engineer / ML Researcher / Data Scientist - Production-модели для временных рядов, которые влияли на метрику - Интерес к рынкам - Python, PyTorch, Scikit-Learn, CatBoost, LightGBM/XGBoost, Optuna Условия - Гибрид, офис в центре Москвы - Фикс в USDT/USDC - Квартальный profit sharing от результатов стратегий - Оплачиваемый отпуск - Компания оплачивает AI-подписки О компании и команде Ищем того, кто уже строил и запускал в production модели прогнозирования временных рядов и хочет применить это в квант-финансах. Домен прошлого опыта не важен: прайсинг, e-commerce, логистика и ETA, спрос, риск, антифрод. Опыт в трейдинге не обязателен, нужен интерес к рынкам. Команда строит собственные торговые стратегии на reinforcement learning и управляет капиталом в стейблкоинах. KPI роли не метрика модели, а PnL стратегии в проде. Команда небольшая, работа напрямую с фаундером.

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Middle / Senior

Middle / Senior Python Backend Developer СберЗдоровье — аккредитованная IT-компания и одна из крупнейших Digital Health платформ в России. Развивается новое направление AI-native продуктов: новое мобильное приложение, ИИ-помощник, персонализированный риск-профиль и сервисы, которые помогают пользователю лучше понимать свое здоровье и следующие шаги. Ищем Middle / Senior Python Backend Developer. Основной фокус роли — backend-сервисы, API, интеграции, работа с данными пользователя и production-контур для AI-сценариев. Это не ML Engineer роль и не research. От Python-разработчика ожидается сильная backend-инженерия: FastAPI, Pydantic, PostgreSQL, Redis, интеграции, надежность, безопасность, observability и умение работать в кросс-функциональной команде рядом с ML, Mobile, Frontend / PWA, QA, SA и Product. Обязанности - Разрабатывать и проектировать backend-сервисы на Python / FastAPI. - Проектировать и поддерживать REST API для мобильного приложения, PWA, риск-профиля и ИИ-помощника. - Описывать и поддерживать контракты API: request / response schemas, validation, error model, versioning. - Работать с Pydantic, PostgreSQL, Redis и, при необходимости, S3-compatible storage. - Интегрироваться с AI / ML-слоем: n8n-прототипы, FastAPI / FastMCP-сервисы, LLM API, RAG / context, Qdrant, traces. - Строить observability: structured logs, trace / request id, metrics, dashboards, error tracking. - Писать поддерживаемый код, покрывать критичную логику тестами, участвовать в code review и технических обсуждениях. Требования - Опыт backend-разработки на Python от 3 лет. - Хорошая база в технологиях веба: HTTP, контейнеры, хранение, веб-серверы. - Практический опыт разработки production API на FastAPI, Django, Flask или аналогичном backend-фреймворке; FastAPI будет сильным плюсом. - Уверенное владение Python. - Здравый смысл в использовании ИИ-агентов. - Хорошее понимание PostgreSQL: схемы, связи, индексы, транзакции, миграции, профилирование запросов. - Опыт проектирования REST API и умение договариваться о контрактах с mobile / frontend / SA / QA. - Опыт работы с микросервисами. - Умение писать тесты для критичной backend-логики. - Готовность работать в продуктовой команде, где требования меняются быстро, а API влияет на mobile, PWA и AI-сценарии. Будет плюсом - Опыт работы с очередями: Kafka / RabbitMQ, подготовка Celery. - Понимание, где зона ответственности AI / ML, а где классического Python-сервиса. - Понимание AI / ML инструментов и подходов. - Опыт в MedTech, HealthTech, FinTech или другом домене с чувствительными данными. Уровень дохода не указан.

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Senior

Senior AI Software Engineer — Spectral::Technologies Зарплата: 240–360k USD на руки + profit sharing Spectral::Technologies ищет Senior AI Software Engineer для развития AI-инфраструктуры в HFT-фонде. Задачи - Решение HFT-задач с AI-агентами - Подключение новых бирж и исследование биржевой инфраструктуры - Оптимизация задержек - Разработка агентной инфраструктуры для команды - Интеграция LLM: tool use, structured output, MCP Требования - Ежедневный опыт работы с Claude Code, Codex, Cursor и аналогичными AI-инструментами - Уверенный C++17+ и Python - Инженерное понимание LLM: контекст, токены, галлюцинации - Готовность отвечать за AI-generated code наравне с собственным Условия - ДМС + стоматология - Неограниченный бюджет на AI-токены - Учебные отпуска - Перфоманс-коучинг - Мероприятия и корпоративы в разных странах - Вкусная еда

Формат

Удалённо

Страна

Любая

Город

Не указан

Команда строит платформу ИИ-инженерии, которая обеспечивает доставку ИИ-решений. В зоне ответственности — жизненный цикл разработчика, инфраструктура развёртывания, наблюдаемость, автоматизация качества, конвейеры обработки документов и переиспользуемые паттерны агентов. Это практическая инженерия с прямым выходом на миллионы пользователей. Обязанности - Паттерны агентов, поиск и защитные механизмы для агентных ассистентов, которые отвечают на вопросы участников и выполняют операции от их имени. - MCP-сервер, предоставляющий реестр навыков для ИИ-агентов прямо в IDE. - Переиспользуемые паттерны агентов в LangGraph: мультиагентная оркестрация, память, безопасность использования инструментов и защитные механизмы. - Платформа оценки агентов (DeepEval, Ragas) с качественными гейтами, блокирующими неудачные развёртывания в CI/CD. - Конвейеры обработки и поиска документов: разбиение на чанки, эмбеддинги, векторный поиск, реранкинг и цитирование. - Автоматизация CI/CD и развёртывания ИИ-агентов на AWS (ECS, Fargate, Agent Core). - ИИ-совместимые devcontainer'ы с инструментарием, валидацией и тестированием. - Инструментирование OpenTelemetry, дашборды и отслеживание стоимости LLM и токенов для продакшн-нагрузок. - Контроль управления, преобразованный в проверки конвейера, с автоматическим сбором доказательств. - Семантическое кэширование, ограничение скорости и корректная деградация для агентных нагрузок. - Эталонные реализации, SDK и CLI-инструменты, документация для других инженеров. Требования - Владение Python (3.10+) — основной язык команды. - Рабочее знание AWS: ключевые сервисы (IAM, ECS/Fargate, сети), уверенность в cloud-native окружении. - Дисциплина программной инженерии: контроль версий (Git/GitHub), код-ревью, тестирование, документация, чистый код. - Осведомлённость о безопасности: работа с чувствительными данными, секреты, права доступа, защита данных по умолчанию. - Экспертиза в одной из шести областей: - Разработка ИИ-агентов: LangGraph или аналоги, мультиагентная оркестрация, память, использование инструментов, защитные механизмы, проектирование промптов и рабочих процессов. - Инженерия данных и поиска: разбиение на чанки, эмбеддинги и векторный поиск, RAG, гибридный поиск, реранкинг, оценка поиска. - Качество и оценка: фреймворки оценки агентов (DeepEval, Ragas), качественные гейты в CI/CD, метрики обоснованности и безопасности, автоматизация тестов для ИИ-систем. - Платформа и инфраструктура: CI/CD, Terraform, оркестрация контейнеров на AWS (ECS, Fargate), секреты и IAM, прогрессивное развёртывание. - Наблюдаемость и эксплуатация: трассировка OpenTelemetry, дашборды и алертинг, отслеживание стоимости LLM и токенов, циклы обратной связи. - Опыт разработчика: MCP-серверы, devcontainer'ы, CLI и SDK-инструменты, библиотеки промптов, документация и эталонные реализации.

Формат

Удалённо

Страна

Любая

Город

Не указан

Компания: Grandeur Design Supply Мы ищем высококвалифицированного эксперта Claude Code с глубоким опытом в AI-ассистированной разработке, промт-инжиниринге и автоматизации рабочих процессов с использованием моделей Claude (Anthropic). Роль сосредоточена на использовании Claude для задач программирования, проектирования систем, документации и оптимизации процессов. Обязанности - Проектировать, тестировать и оптимизировать продвинутые промты для Claude для генерации качественного кода и технических результатов. - Создавать и поддерживать AI-ассистированные рабочие процессы разработки с использованием возможностей Claude Code. - Сотрудничать с инженерными и продуктовыми командами для интеграции Claude в инструменты, системы и процессы. - Отлаживать, дорабатывать и проверять AI-сгенерированный код на нескольких языках программирования. - Разрабатывать внутренние инструменты, скрипты и автоматизации на основе Claude API. - Документировать лучшие практики промт-инжиниринга и AI-ассистированного программирования. - Отслеживать новейшие достижения в моделях Claude и инструментах AI-разработки. - Оценивать производительность, точность и надёжность AI-сгенерированных результатов. Требования - Подтверждённый опыт работы с Claude (Anthropic) или аналогичными LLM (например, GPT, Gemini) для задач программирования. - Свободное владение одним или несколькими языками программирования (Python, JavaScript, TypeScript и т.д.). - Экспертиза в промт-инжиниринге и оптимизации выходных данных AI. - Опыт работы с API, интеграцией SDK и автоматизацией рабочих процессов. - Знакомство с жизненным циклом разработки ПО (SDLC) и системой контроля версий (Git). - Способность эффективно отлаживать и проверять AI-сгенерированный код. - Развитые навыки решения проблем и аналитического мышления. - Отличные письменные коммуникативные навыки и способность к документированию. Предпочтительные квалификации - Опыт создания AI-ассистированных инструментов для разработчиков или копилов. - Знание DevOps, CI/CD пайплайнов или облачных платформ (AWS, GCP, Azure). - Опыт в машинном обучении или обработке естественного языка. - Опыт работы с агентными системами или автономными рабочими процессами. Условия - Оплата: $10–15 в час (в зависимости от опыта и типа занятости). - Тип занятости: контракт. - Место работы: удалённо.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Работодатель: FUSTIS LLC. Формат: удалённо. Длительность: от 6 месяцев. Тип занятости: W2. Требования - Степень бакалавра в области компьютерных наук, науки о данных, инженерии, математики, статистики или смежной области. - Более 8 лет опыта разработки ML-решений в production-среде. - Уверенное владение Python и лучшими практиками разработки ПО. - Опыт работы с ML-фреймворками: TensorFlow, PyTorch, Scikit-learn, XGBoost. - Глубокое понимание методов обучения с учителем и без учителя. - Опыт создания и сопровождения пайплайнов данных. - Знание SQL и технологий обработки больших объёмов данных. - Опыт работы с облачными платформами: AWS, Azure или Google Cloud Platform. - Знакомство с инструментами контейнеризации и оркестрации: Docker, Kubernetes. - Опыт работы с системами контроля версий и CI/CD. - Развитые аналитические, коммуникационные навыки и навыки решения проблем. Предпочтительно - Степень магистра или PhD в соответствующей технической области. - Опыт работы с большими языковыми моделями (LLM), генеративным ИИ или RAG. - Знание MLOps-инструментов: MLflow, Kubeflow, SageMaker или Vertex AI. - Опыт работы с распределёнными вычислительными платформами, например Spark. - Знакомство с векторными базами данных и технологиями эмбеддингов. - Опыт создания AI-приложений в production-среде. - Знание ответственного ИИ, управления моделями и методов объяснимости. Технические навыки - Программирование: Python, SQL; Java, Scala или C++ (предпочтительно). - Машинное обучение и ИИ: глубокое обучение, NLP, компьютерное зрение, предиктивное моделирование, генеративный ИИ, тонкая настройка LLM. - Облако и инфраструктура: AWS, Azure или GCP, Docker, Kubernetes, REST API, CI/CD. - Технологии данных: Spark, Databricks, Airflow, feature stores, хранилища данных. Критерии успеха - Точность моделей и улучшение производительности. - Надёжность и масштабируемость развёртывания. - Снижение задержки моделей и затрат на инфраструктуру. - Бизнес-эффект от AI-инициатив. - Качество и поддерживаемость production ML-систем. - Операционная эффективность за счёт мониторинга и автоматизации.

Формат

Офис

Страна

США

Город

Нью-Йорк

Грейд

Senior

Задачи - Проектировать, создавать и эксплуатировать защищённые корпоративные ИИ-платформы, которые соединяют ИИ-модели, агентов, инструменты и внутренние системы Spotify. - Владеть крупными направлениями работы в корпоративной ИИ-инфраструктуре, включая шлюз Model Context Protocol (MCP) и возможности корпоративного контекста, от технического проектирования до запуска и эксплуатации. - Создавать надёжные бэкенд-сервисы, API и интеграции, обеспечивающие ИИ-функции в цифровом рабочем пространстве Spotify. - Помогать в разработке масштабируемых подходов к управлению ИИ, включая доступ с учётом идентичности, разрешения, аудит, контроль политик и управление рисками, связанными со сторонними ИИ-инструментами. - Проектировать, создавать, тестировать и оценивать агентные системы и рабочие процессы, которые помогают сотрудникам Spotify получать доступ к информации и эффективно выполнять задачи. - Нести операционную ответственность за создаваемые сервисы и компоненты, балансируя скорость, надёжность, безопасность и долгосрочную поддерживаемость. - Взаимодействовать с инженерами и заинтересованными сторонами по всему Spotify, чтобы находить возможности, принимать взвешенные технические компромиссы и превращать новые потребности в области ИИ в масштабируемые возможности платформы. - Вносить вклад в инженерные практики, обмен знаниями и развитие ИИ-компетенций по мере освоения эксплуатации корпоративной ИИ-инфраструктуры в масштабе Spotify. Требования - Сильные фундаментальные знания в разработке ПО и опыт создания, тестирования, отладки и эксплуатации надёжных бэкенд-систем. - Опыт работы с бэкенд-языками, такими как Python, Go или аналогичными, и уверенное проектирование API и интеграций в сложных системах. - Понимание архитектуры ПО и того, как сервисы, API, корпоративные инструменты и пользовательские интерфейсы сочетаются друг с другом. - Опыт работы с концепциями и технологиями идентификации и аутентификации, такими как OAuth, SAML или SCIM. - Опыт работы с облачной инфраструктурой; знакомство с Google Cloud Platform будет полезно. - Уверенность в работе в условиях неопределённости, способность создавать ясность и самостоятельно принимать взвешенные технические решения. - Ответственное отношение к операционной деятельности и созданию надёжной инфраструктуры, на которую могут полагаться другие команды и сотрудники. - Интерес к экспериментам, итерациям, обмену знаниями и непрерывному обучению в совместной инженерной среде. - Опыт работы с корпоративным SaaS или платформенным инжинирингом, или с паттернами интеграции LLM, такими как использование инструментов, вызов функций, агентные рабочие процессы или системный промпт-инжиниринг, поможет добиться результатов в этой роли. Условия - Роль базируется в Нью-Йорке. - Предоставляется гибкость в выборе места работы: часть встреч проходит очно, но возможна работа из дома. - Вилка зарплаты в США: $164,448–$234,926 в год, плюс акции. - Льготы: медицинская страховка, шестимесячный оплачиваемый отпуск по уходу за ребёнком, пенсионный план 401(k), ежемесячная надбавка на питание, 23 оплачиваемых дня отпуска, оплачиваемые гибкие праздники и оплачиваемый больничный. - Эти диапазоны могут быть изменены в будущем.

Формат

Офис

Страна

Европа

Город

Не указан

Грейд

Senior

Cohere — ведущая enterprise AI-компания, ориентированная на безопасность. Компания разрабатывает фундаментальные модели ИИ и готовые продукты для решения бизнес-задач. В рамках этой роли требуется старший инженер с глубокими техническими знаниями в production-средах, способный соединять исследовательские концепции с реальными внедрениями. Позиция hands-on и ориентирована на инженерию: работа с production-системами, эксперименты с frontier-моделями, совместная разработка масштабируемых решений. Инженерия и исследования объединены: каждый сотрудник вносит вклад в оба направления в зависимости от потребностей организации. Предоставляется доступ к вычислительным ресурсам мирового класса, данным и талантам. Обязанности - Проектировать и писать высокопроизводительный масштабируемый код для обучения моделей. - Разрабатывать новые инструменты для ускорения исследований и обучения LLM. - Координировать работу с другими инженерными командами (Infrastructure, Efficiency, Serving) и научными командами (Agent, Multimodal, Multilingual и др.). - Исследовать, внедрять и экспериментировать с идеями на кластерной и data-инфраструктуре. - Взаимодействовать с другими учёными, инженерами и командами. Требования - Очень сильные навыки разработки ПО. - Приверженность test-driven development, чистому коду и снижению технического долга. - Владение Python и соответствующими ML-фреймворками: JAX, PyTorch и/или XLA/MLIR. - Опыт использования и отладки крупномасштабных стратегий распределённого обучения (профилирование памяти и скорости). - Опыт работы с инфраструктурами распределённого обучения (Kubernetes) и связанными фреймворками (Ray). - Опыт академических исследований в области ML и LLM. Личные качества - Глубокая увлечённость качественной работой. - Интерес к настройке и оптимизации больших LLM-моделей. - Комфортная работа с людьми разного уровня навыков разработки. - Умение разбираться в сложных ML-кодовых базах, находить и устранять проблемы. - Успешная работа в быстро меняющейся технической среде, готовность предлагать инновационные идеи и решения. Условия и преимущества - Еженедельная стипендия на обед: $75/£75 или эквивалент в местной валюте. - Полное медицинское и стоматологическое страхование, отдельный бюджет на ментальное здоровье. - RRSP matching, 401K, пенсионная схема. - 100% оплата отпуска по уходу за ребёнком до 6 месяцев для любого из родителей. - Ежегодные бонусы: культура и искусство, фитнес/здоровье, качественное время, кредит на улучшение рабочего места. - Стипендия на образование и обучение: конференции, курсы, коучинг. - 6 недель оплачиваемого отпуска (30 рабочих дней). - Бюджет на поездки в другие офисы для удалённых сотрудников, ежегодный корпоративный выезд. Формат работы - Remote-friendly, офисы в Торонто, Лондоне, Нью-Йорке, Сан-Франциско, Монреале, Париже, Берлине и Сеуле. - Для работы в офисе: ежедневная программа обедов, закуски, регулярные мероприятия. - Для удалённой работы: стипендия на коворкинг. - Все сотрудники получают $500 на обустройство домашнего офиса.

Формат

Гибрид

Страна

Россия

Город

Не указан

Разработчик в команду оптимизации разметок Поиска с Алисой Команда развивает поисковую строку с Алисой. Основополагающая часть любого ML — датасеты, команда отвечает за ускорение и удешевление процесса их сбора. От этого зависит частота релизов, которые напрямую влияют на пользователей Поиска. Работа с быстро развивающимися продуктами на стыке ML и краудсорсинга. Задачи - Встраивание ML-моделей в инфраструктуру разметок. Современные генеративные модели позволяют получить качество разметки, сопоставимое с человеческой или даже лучше, на простых задачах, а также ускорить процесс разметки асессорами при помощи генеративных подсказок. Задача — строить надёжные пайплайны инференса моделей, оптимизировать их и собирать дополнительные данные, необходимые для применения моделей. - Построение витрины разметок. В Поиске есть несколько крупных (по бюджету и количеству заданий) разметок, и в них в разной степени внедрены ML-модели. Нужно создать единую витрину, где можно будет увидеть объёмы разметки, полученной от асессоров и моделей, степень внедрения этих моделей, затраты на разные компоненты и другие показатели. Требования - Хорошее знание Python - Знание SQL или ClickHouse Будет плюсом - Опыт с технологиями обработки больших данных - Опыт работы с ML-моделями и агентами - Умение строить читаемые графики и дашборды Бонусы В крупных офисах есть спортзалы — с тренажёрами, инвентарём и душевыми.

Формат

Офис

Страна

Россия

Город

Не указан

Backend / Platform Engineer — Claude Code, оркестратор и данные Удалённо. Продукт — платформа умного ремонта. Подписка на закрытые цены от 243+ брендов, AI-калькулятор бюджета, адаптация готовых интерьерных решений под планировку клиента, реализация под ключ. Текущее состояние Два контура в проде: - Платформа и Telegram-боты — работают на общей базе PostgreSQL в Yandex Cloud. Telegram Mini App и платформа используют одну БД, авторизация через initData. Платежи — YooKassa. - Веб-приложение, собранное через оркестратор Claude Code. Живёт отдельно: своя логика, свои данные, с основным контуром не связано. Значительная часть продуктовых данных до сих пор в Google Sheets: каталог материалов, расчётные таблицы, рабочие реестры. Задача — свести это в единую архитектуру: общая схема данных, единый пользователь во всех точках входа, API-слой поверх, постепенный вынос таблиц в БД. И построить оркестратор так, чтобы продуктом можно было управлять без разработчика. Главное в этой роли Ищем не того, кто пишет код руками, а того, кто работает через Claude Code как через управляющий слой и умеет строить такие слои внутри продукта. 1. Собранная собственная конфигурация Claude Code. CLAUDE.md, правила, skills, subagents, hooks, MCP-серверы к базе и сервисам. Не «иногда открываю чат», а настроенное окружение, где рутина делегирована, а вы держите архитектуру и ревью. 2. Умение построить оркестратор для владельца продукта. Капсулы, цены, тарифы, тексты живут как данные и редактируются основателем самостоятельно, без деплоя. Ваша зона: структура, права доступа, валидация, история изменений и откат. Новые типы сущностей добавляете вы — наполняет их продукт. Если вам комфортно быть единственной точкой доступа к продукту — это не та роль. Задачи - Спроектировать единую схему данных и свести два контура: платформа, боты, веб-приложение - Унифицировать авторизацию между точками входа, чтобы пользователь был один везде - Развивать оркестратор как рабочий инструмент заказчика - Запустить AI-агентов в продукте — от прототипа до прода: подбор материалов, адаптация капсулы под планировку, обработка обращений. Оркестрация вызовов, работа с инструментами и БД, управление состоянием диалога, ограничители и проверка результата, логирование для последующей отладки качества - Вести БД: миграции, индексы, бэкапы, доступы, SQL-витрины для аналитики - Постепенно переносить данные из Google Sheets в БД — блоками, без остановки процессов: таблицы продолжают работать, пока перенос не завершён - Интегрировать AI-модели (текст и изображения): очереди, асинхронная обработка, хранение результатов, учёт расхода по пользователю, фолбэк при отказе провайдера - Поддерживать и развивать интеграции: Telegram Bot API, YooKassa Требования Бэкенд Python, FastAPI, асинхронность. Проектирование REST API. Аутентификация и авторизация, роли и права. Вебхуки, идемпотентность обработки. Базы данных PostgreSQL на уровне проектирования, а не только запросов: схемы, нормализация, индексы, транзакции. Alembic или аналог. Бэкапы и восстановление. Данные и миграция Google Sheets API. ETL: выгрузка, очистка, валидация, дедупликация. Повторяемые идемпотентные загрузки. Двусторонняя синхронизация на переходный период, пока часть процессов ещё в таблицах. AI-агенты Проектирование агентных сценариев: tool calling, доступ агента к БД и внешним API, управление контекстом и состоянием, guardrails, обработка галлюцинаций и отказов. Оценка качества ответов, версионирование промптов, воспроизводимость. AI-интеграции Подключение LLM и image-моделей в прод. Стриминг, таймауты, лимиты, подсчёт и списание расхода по пользователю, переключение провайдера при отказе. Асинхронная обработка Очереди задач (Celery, ARQ, RQ — любое), Redis, ретраи, дедлеттеры, таймауты. Понимание, что делать с задачей, которая идёт минуту и может упасть. Интеграции Telegram Bot API, Telegram Mini App. YooKassa: платежи, вебхуки, рекуррентные списания. Инфраструктура Yandex Cloud, Docker, CI/CD, логирование, мониторинг, работа с секретами. Фронт Next.js на уровне чтения и правок — не писать с нуля, но уметь поправить и задеплоить. Админ-слой Опыт создания панели, которой пользуется нетехнический человек: валидация ввода, превью, аудит-лог, откат изменений, защита от разрушающих действий. Общее 3+ года коммерческой разработки. Минимум один проект с реальными платежами и пользователями. Умение разобраться в чужом коде и не переписать его с нуля. Задачи приходят продуктовыми формулировками, не техническими ТЗ. Условия - Продукт с выручкой и живыми пользователями, не идея на слайдах. Всё что делаете — идёт в прод сразу, не в бэклог - Вы единственный инженер на контуре. Архитектурные решения ваши. Ни комитетов, ни согласований, ни легаси-владельца, который скажет «у нас так принято» - Работа напрямую с основателем, без прослойки менеджеров и переводчиков с продуктового на технический - Claude Code — норма, а не эксперимент. Никто не будет спрашивать, почему вы делегируете агентам. Это заложено в саму роль - AI-агенты в проде, а не в демо — редкая возможность собрать агентный слой в работающем бизнесе, а не в песочнице - Задача целиком: собрать архитектуру от разрозненных контуров до единой системы

Формат

Гибрид

Страна

Россия

Город

Не указан

Аналитик-разработчик в Яндекс Кит Руководитель B2B-аналитики в Transactional AI развивает независимый еком и транзакции через Яндекс. Цели — быть надёжным партнёром для бизнеса, помогать пользователям быстро находить нужные товары. Яндекс Кит — продукт, который позволяет открыть интернет-магазин за неделю. Сейчас 2500 магазинов работают на Ките. Задачи - Выявление точек роста продукта и партнёрств через анализ метрик. Развитие системы управления бизнеса: оценка эффективности, поиск возможностей для роста и монетизации. - Внедрение AI в аналитику и self-service. Self-service включает не только дашборды, но и настроенных ИИ-агентов для менеджеров. Задача — масштабировать управление на данных. - Проведение экспериментов: проектирование и сопровождение A/B-тестов. - Контроль качества данных: валидация и выстраивание источников, отслеживание консистентности метрик и документации. Требования - Опыт работы с BI, DWH, событийной аналитикой, A/B-тестами - Опыт работы с B2C- или B2B-продуктами, умение строить деревья метрик, формулировать и проверять гипотезы - Уверенное владение SQL и Python - Понимание принципов работы LLM - Умение выстраивать деловую коммуникацию Будет плюсом - Участие и победы в олимпиадах по математике, программированию или экономике - Опыт работы в екоме или крупных транзакционных сервисах - Опыт применения аналитических LLM-агентов Условия - Ежегодные медицинские чекапы - Йога - Психотерапия

Формат

Офис

Страна

Россия

Город

Не указан

Компания НЛ Континент — международная торгово-производственная группа с центром в Новосибирске. Собственное производство, реферальная сеть, R&D-лаборатория в Кольцово, 11 складов и 78 розничных магазинов в СНГ и Турции. Компания формирует команду внутренней автоматизации Сервисного подразделения. Кого ищут Software Engineer, который умеет превращать LLM в рабочие бизнес-инструменты. Задачи - Разрабатывать AI-решения для внутренних процессов: ассистентов, агентов, классификацию обращений, извлечение данных и автоматизацию сценариев. - Работать с LLM API, prompting, structured output, tool calling, RAG и agent workflows. - Автоматизировать процессы Контактного центра: обработку обращений, подсказки операторам, автоответы. - Развивать внутреннюю CRM и интеграции между системами. - Проектировать новые сервисы и дорабатывать существующие. - Вместе с Product Owner разбирать бизнес-задачи, проверять гипотезы и оценивать результат. - Использовать и развивать coding agents в ежедневной разработке. Требования Инженерная база: - 2+ года коммерческой разработки на Python, JavaScript или TypeScript. - Опыт проектирования и поддержки production-систем. - Понимание system design. - Уверенная работа с REST API, интеграциями и SQL. - Понимание современного frontend и опыт с Vue 3. - Знание принципов тестирования и сопровождения систем. Прикладная работа с LLM: - Практический опыт создания приложений поверх LLM API. - Умение работать с prompts и контекстом. - Опыт со structured output / JSON Schema, tool calling, RAG. - Понимание, как строить и надёжно запускать agent workflows в production. AI-native разработка: - Использование Claude Code, Codex, Cursor или аналогов для реальных задач разработки. - Умение ставить задачи coding agents, давать им контекст и проверять результат. - Умение декомпозировать задачу, сформировать спецификацию и критерии готовности. - Умение ревьюить AI-generated код и сохранять качество кодовой базы. Продуктовый подход: - Понимание, зачем делается задача и как понять, что решение действительно работает. - Умение работать с Product Owner и внутренними заказчиками, проверять гипотезы и оценивать результат. - Умение объяснить свой подход другим разработчикам и помочь команде эффективнее работать с AI-инструментами. Условия - Обеды за счёт компании. - Формат работы: офис / гибрид / удалёнка по часовому поясу Новосибирска (UTC+7). - ДМС после испытательного срока. - Продуктовый бонус — 6 000 руб. в месяц на продукцию компании (после испытательного срока). - Охраняемая подземная парковка. - Офис в Новосибирске в 5 минутах от ст. м. Маршала Покрышкина. - Кадровое оформление полностью онлайн через КЭДО. - Работа над реальными продуктами с миллионной аудиторией, культура открытого общения, возможности для профессионального роста и насыщенная внутренняя жизнь компании.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

О компании FullStack — консалтинговая компания по разработке ПО в Америке. Клиенты — крупные мировые компании и стартапы Кремниевой долины. Позиция Senior AI-инженер (Google ADK + Python) для работы с клиентами в одном из двух форматов: - Team Augmentation: интеграция в команду клиента и ежедневная работа вместе с его дизайнерами и инженерами. - Design & Build: работа в продуктовой команде FullStack над созданием и поставкой продукта клиенту. Требования - 5+ лет профессионального опыта в разработке ПО, создании production-приложений с Python и AI/agent-технологиями. - Продвинутый английский язык. - Обязательно наличие законченного высшего образования. - Практический опыт с Google ADK (Agent Development Kit) или аналогичными фреймворками для разработки агентов. - Сильный профессиональный опыт Python для разработки production-кода и бэкенд-сервисов. - Опыт работы с Git для контроля версий и совместной разработки. - Практический опыт с Docker и разработкой контейнеризированных приложений. - Опыт разработки и поставки production-ready решений. - Понимание современных практик разработки: тестирование, качество кода, деплой. - Навыки решения сложных задач и эффективной работы в команде. - Интерес к AI-ориентированной разработке и новым agentic AI-технологиям. - Способность разбираться в новых и сложных проблемах и вносить вклад в библиотеки по мере необходимости. - Умение создавать и поддерживать непрерывную интеграцию и доставку приложений. - Внимание к деталям. - Позитивный настрой и проактивное отношение. - Опыт работы в Agile/Scrum-командах. - Значимый опыт работы с крупными и сложными системами. - Способность брать полную ответственность за свою работу и выполнять согласованные с командой ожидания. - Способность разделять цели клиентов FullStack и выполнять взятые обязательства. Будет плюсом - Использование AI-инструментов в рабочем процессе. - Профессиональный опыт или личные проекты с Cursor, Windsurf, Google Antigravity, Claude Code, Gemini CLI, Codex или Copilot CLI. Условия - Конкурентная зарплата. - Оплачиваемый отпуск: отпуск, больничный, отпуск по уходу за ребёнком, праздники. - 100% удалённая работа. - Возможность работать с ведущими стартапами и компаниями из списка Fortune 500. - Медицинская, стоматологическая и офтальмологическая страховка. - 401(k) с матчингом 4%. - Возможности карьерного роста. - Возможности продолжения образования. Работа в США - Требуется действующее разрешение на работу в США на полную ставку. - FullStack не спонсирует рабочие визы сейчас или в будущем.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

О компании и проекте Компания: NTT DATA North America. Требуется Senior AI/LLM-инженер для проектирования, разработки и внедрения корпоративных решений генеративного ИИ на основе больших языковых моделей. Кандидат должен обладать опытом разработки на Python, RAG, AI-оркестрации и облачных архитектур. Роль предполагает работу с владельцами продуктов, архитекторами решений, инженерами данных и бизнес-заинтересованными сторонами для создания масштабируемых, безопасных и готовых к продакшену AI-приложений на базе OpenAI и других ведущих фундаментальных моделей. Локация: удалённо, необходимо поддерживать часовой пояс EST. Задачи - Проектировать, разрабатывать и внедрять корпоративные генеративные AI-приложения с использованием современных LLM-технологий. - Создавать продакшен-бэкенд-сервисы на Python с применением современных практик разработки ПО. - Разрабатывать масштабируемые AI-архитектуры с использованием OpenAI, Anthropic Claude, Gemini, Llama или аналогичных фундаментальных моделей. - Проектировать и внедрять RAG-пайплайны с использованием векторных баз данных и семантического поиска. - Разрабатывать мультиагентные AI-системы для оркестрации сложных бизнес-процессов. - Проектировать архитектуры AI-решений, отвечающие требованиям масштабируемости, безопасности и поддерживаемости. - Интегрировать AI-возможности в существующие корпоративные приложения, API и бизнес-процессы. - Разрабатывать и использовать REST API, микросервисы и событийно-ориентированные сервисы для AI-приложений. - Внедрять фреймворки оркестрации, такие как LangChain и связанные агентные фреймворки. - Оптимизировать промпты для повышения точности, качества рассуждений и бизнес-результатов. - Оценивать производительность LLM и внедрять методы улучшения качества ответов. - Устанавливать практики AI-управления, оценки моделей и ответственного ИИ. - Мониторить производительность AI-приложений и оптимизировать задержку, стоимость и качество. - Создавать облачные AI-решения с использованием Azure или AWS AI-сервисов. - Внедрять Azure AI Search и векторный поиск. - Проектировать безопасные корпоративные AI-приложения в соответствии со стандартами облачной безопасности и управления. - Взаимодействовать с DevOps-командами для развертывания AI-решений через CI/CD-пайплайны. - Взаимодействовать с бизнес-заинтересованными сторонами для понимания AI-кейсов и их трансформации в масштабируемые технические решения. - Представлять архитектурные решения и AI-стратегии технической и нетехнической аудитории. - Наставлять младших инженеров и развивать лучшие практики AI-инжиниринга. Требования - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, программной инженерии или смежной области. - 6+ лет опыта в разработке ПО или машинном обучении. - Минимум 3 года практического опыта создания решений в области ИИ и генеративного ИИ. - 3–5 лет сильного практического опыта разработки продакшен-приложений на Python. - 1–3 года опыта создания приложений с использованием OpenAI (предпочтительно), Anthropic Claude, Gemini, Llama или аналогичных LLM-платформ. - 3+ года опыта внедрения RAG-архитектур. - 1–3 года опыта интеграции векторных баз данных и решений семантического поиска. - 1–3 года уверенного понимания LangChain и фреймворков AI-оркестрации. - Опыт проектирования мультиагентных AI-архитектур. - Глубокие знания промпт-инжиниринга, оценки моделей, AI-управления и принципов ответственного ИИ. - Опыт создания REST API, микросервисов и событийно-ориентированных архитектур. - Опыт работы с облачными платформами Azure или AWS. - Понимание масштабируемой корпоративной архитектуры приложений. - Отличные аналитические навыки, навыки решения проблем и коммуникации. Необходимые технические навыки - Python - JavaScript - Генеративный ИИ - Большие языковые модели (LLM) - OpenAI (предпочтительно) - Retrieval-Augmented Generation (RAG) - Мультиагентная AI-оркестрация - LangChain - Langfuse - Архитектура AI-решений - Azure AI Search - Векторные базы данных - Промпт-инжиниринг - REST API - Микросервисы - Событийно-ориентированная архитектура - Облачные сервисы Azure или AWS Предпочтительно - Опыт работы с LangGraph, AutoGen, CrewAI, Semantic Kernel или аналогичными агентными фреймворками. - Опыт работы с векторными базами данных, такими как Pinecone, Weaviate, ChromaDB, Qdrant.

Формат

Удалённо

Страна

Любая

Город

Не указан

Компания Mindrift ищет специалистов по вайбкодингу для проекта Tendem. Роль называется AI Pilot: вы будете работать вместе с агентами Tendem, которые выполняют повторяющиеся задачи, а вы обеспечиваете критическое мышление, экспертизу и контроль качества. Это частичная занятость, полностью удалённо, для технических специалистов с опытом веб-скрапинга, извлечения и обработки данных. Задачи - Управление сквозными процессами извлечения данных с сложных сайтов: полное покрытие, точность и надёжная поставка структурированных наборов данных. - Использование внутренних инструментов (Apify, OpenRouter) и собственных подходов для ускорения сбора, валидации и выполнения задач. - Обеспечение надёжного извлечения данных с динамических и интерактивных веб-источников, включая JavaScript-рендеринг и изменяющееся поведение сайтов. - Контроль качества данных: проверки валидации, контроль согласованности между источниками, соблюдение форматов и систематическая верификация перед сдачей. - Масштабирование операций скрапинга для больших наборов данных: эффективная пакетная обработка или параллелизация, мониторинг сбоев, устойчивость к изменениям структуры сайтов. Требования - Желателен опыт от 1 года в анализе данных, AI-автоматизации, инженерии данных или разработке ПО. - Плюс — степень бакалавра или магистра в инженерии, прикладной математике, компьютерных науках или смежных областях. - Python-скрапинг: создание надёжных скриптов с использованием BeautifulSoup, Selenium (или аналогов) для многоуровневых сайтов, динамического JS-контента (бесконечная прокрутка, AJAX) и API-эндпоинтов через предоставленный прокси. - Экспертиза в извлечении данных: работа со сложными иерархическими структурами (регионы → компании → детали), архивными страницами и различными HTML-форматами. - Обработка данных: очистка, нормализация, валидация; поставка качественных наборов данных в структурированных форматах (CSV, JSON, Google Sheets). - Практический опыт с LLM и AI-фреймворками для автоматизации и решения задач. - Внимание к деталям и точности данных. - Самостоятельность и способность независимо устранять неполадки. - Английский от Upper-Intermediate (B2) и выше — обязательно. Условия - Частичная занятость, полностью удалённо, свободный график; нужны ноутбук и стабильный интернет. - Оплата за экспертизу: до $32/час в зависимости от навыков, опыта и потребностей проекта. Также указана годовая вилка $64 000–66 560. - Опыт в гибридной среде, где человеческая экспертиза и AI-агенты работают совместно. - Участие в бонусных программах, основанных на качестве и стабильности работы.

Формат

Офис

Страна

Канада

Город

Не указан

Грейд

Senior

Компания RXNT — healthtech-компания, цифровой фундамент системы здравоохранения США. Более 25 лет работает на стыке здравоохранения и технологий, развивает AI-продукты. Задачи - Преобразовывать неоднозначные продуктовые концепции в конкретные ML-стратегии: начинать с данных, проводить EDA, выявлять паттерны и признаки. - Донастраивать мультимодальные генеративные модели и оркестрировать AI-агентов (например, LangGraph) с учётом домена здравоохранения; тестировать крайние случаи, строить запасные эвристики. - Определять строгие статистические и бизнес-метрики с первого дня, строить фреймворки для оценки моделей. - Писать production-grade Python, сотрудничать с инженерами для развёртывания масштабируемых решений, участвовать в мониторинге здоровья системы, дрейфа данных и деградации моделей. - Работать автономно, согласовывать действия со стейкхолдерами, предоставлять чёткие обновления техническому руководству. Требования - 5+ лет профессионального опыта в ML-инжиниринге и/или data science. - MS или PhD в Computer Science, математике, ИИ или смежной области (или BSc с эквивалентным подтверждённым опытом). - Глубокое знание ML: сильная статистическая база, экспертные знания архитектур моделей, анализа данных и методов оценки; владение основными фреймворками (PyTorch, TensorFlow, JAX) и продвинутыми техниками донастройки. - Практическое знакомство с контейнеризацией, оркестрацией, облачными сервисами (AWS, GCP, Azure) и CI/CD для поддержания production ML-систем. Условия - Удалённая работа.

Формат

Удалённо

Страна

Любая

Город

Не указан

Задачи - Разработка и выпуск функций на основе LLM. Требования - Практический опыт программирования на Python и работы с LLM-моделями. - Навыки использования AI-ассистирующих инструментов кодирования. - Понимание методологий машинного обучения. - Готовность к совместной работе в глобальных командах. Условия - Удалённая работа. - Полная занятость. - Оплата $85–110 в час в зависимости от опыта. - Компания отмечена за приверженность разнообразию и благополучию сотрудников.

Формат

Офис

Страна

США

Город

Сан-Франциско

Хорошо финансируемый стартап в области инфраструктуры создает контекстный слой для инженерных команд и ИИ-агентов кодирования — по мнению многих, недостающий уровень современного стека ПО для ИИ. Компания строит постоянно обновляемый детерминированный граф всей инженерной среды организации. Граф служит оперативной памятью для людей и ИИ-агентов, обеспечивая более безопасные развертывания, лучшие архитектурные решения, снижение производственных рисков и ускорение разработки. Роль: AI-инженер для создания интеллектуального слоя, который делает систему полезной для инженеров и ИИ-агентов. Работа на стыке ИИ, программной инфраструктуры, инструментов разработчика и представления знаний. Значительная ответственность за техническое направление и продукт. Обязанности - Создавать ИИ-системы, которые понимают и рассуждают о сложных инженерных средах. - Разрабатывать интеллектуальные рабочие процессы, объединяющие структурированные данные, неструктурированную информацию, код, инфраструктуру и операционный контекст. - Работать с LLM, агентами, системами поиска и представлениями знаний, чтобы сделать инженерный контекст доступным для людей и ИИ. - Проектировать и внедрять системы извлечения, организации и постоянного обновления знаний из инженерных сред. - Повышать точность, надежность и детерминированность ИИ-генерируемого контекста и рекомендаций. - Создавать интеграции с репозиториями кода, инфраструктурой, инструментами разработчика, документацией, коммуникационными платформами и другими инженерными системами. - Разрабатывать системы оценки качества и надежности ИИ-систем. - Тесно работать с командами продукта и разработки, превращая неоднозначные проблемы в масштабируемые технические решения. - Помогать формировать архитектуру и техническое направление раннего продукта. Требования - Сильные основы разработки ПО и опыт создания production-систем. - Опыт создания приложений или инфраструктуры с использованием LLM, ИИ-агентов, RAG, графов знаний или других ИИ/ML-систем. - Опыт работы с Python и/или TypeScript; знание других современных бэкенд-языков — плюс. - Опыт работы с API, распределенными системами, базами данных и облачной инфраструктурой. - Понимание ограничений систем на основе LLM и умение строить надежные системы вокруг них. - Опыт доведения ИИ-систем от прототипа до production. - Комфорт в работе в среде ранней стадии с высокой ответственностью и автономией. - Развитое продуктовое чутье и интерес к решению сложных задач для инженеров ПО. - Наличие неограниченного разрешения на работу в США; спонсорство не предоставляется. - Возможность работать 5 дней в неделю в Сан-Франциско. Условия - Зарплата: $250k + доля в компании. - Хорошо финансируемая команда, решающая фундаментальную проблему, созданную быстрой эволюцией разработки ПО на основе ИИ. - Возможность помочь определить новую категорию и создать инфраструктуру, которая может стать критически важной для понимания и изменения сложных программных систем инженерами и ИИ-агентами.

Формат

Офис

Страна

Не указана

Город

Не указан

О компании Kokosing — один из 50 крупнейших генеральных подрядчиков США, обслуживающий широкий круг клиентов в частном и государственном секторах. Услуги включают тяжелое гражданское и промышленное строительство: автомагистрали, мосты, подземные коммуникации, объекты водоснабжения и водоотведения, морское строительство. Более 75 лет компания привлекает квалифицированных технических специалистов, предлагая видимые задачи, высокое качество и привлекательное вознаграждение. Годовой объем продаж — более 2,8 млрд долларов. О роли Kokosing ищет инженера по ИИ в строительстве. Этот сотрудник будет стратегическим партнером между отделом технологий и инноваций (T&I), IT и бизнес-подразделениями для поддержки внедрения интеллектуальных инструментов, копилотов и агентных рабочих процессов с целью автоматизации процессов и решения реальных задач в строительной отрасли в соответствии с целями организации. Специалист будет связующим звеном между разработкой ПО и прикладным ИИ, интегрируя прогнозные модели и генеративный ИИ в реальное выполнение проектов и операционную деятельность предприятия. Инженер по ИИ в строительстве будет подчиняться директору по строительным технологиям и инновациям и ежедневно взаимодействовать с операционными руководителями и IT-отделом. Корпоративная культура Инженер по ИИ в строительстве должен воплощать и укреплять основные культурные ценности организации: - Ориентация на клиента: построение долгосрочных отношений с клиентами (внутренними и внешними), предоставление комплексных решений и качественных результатов, превышение ожиданий безопасно и надежно. - Управление «с засученными рукавами»: «Никто из нас не умнее, чем все мы вместе». Лидерский подход, совместное достижение целей, готовность помогать, а не просто наблюдать. - Финансовая устойчивость: долгосрочные решения, анализ рисков, разумные стратегии, реинвестирование прибыли в компанию и обеспечение ресурсов для лидерства в отрасли. - Инновационное мышление: инновации — ключевой фокус организации, оптимизация бизнеса и лидерство в сообществе и стране. Ключевые обязанности Роль заключается в переводе бизнес- и полевых потребностей в работающие решения — от интеллектуальных рабочих процессов и копилотов до агентных инструментов и ИИ-приложений для строительного сектора. Вы будете разрабатывать надежные системы, которые стабильно работают в среде с высокими ставками и управлением рисками физического строительства. Вместе мы создадим и внедрим практические ИИ-решения, обеспечивающие автоматизацию, производительность и бизнес-ценность. - Создание ИИ-агентов и автоматизаций: проектирование и реализация интеллектуальных рабочих процессов с использованием LLM, вызова функций, агентного ИИ и мультиагентных паттернов, а также архитектур поиска. - Системная интеграция: интеграция ИИ-возможностей в корпоративные системы и полевые приложения (например, Procore или Autodesk) для реального внедрения и измеримой ценности. Партнерство с инженерами и аналитиками, работающими над безопасностью, операциями, планированием и рисками, для превращения агентных возможностей в инструменты для суперинтендантов, менеджеров проектов и инженеров-проектировщиков. - Тестирование и оценка: создание надежной инфраструктуры оценки, золотых наборов данных и тестовых стендов для недетерминированных ИИ-систем для обеспечения надежности и соответствия требованиям. - Управление данными: работа со структурированными и неструктурированными строительными данными, создание систем поиска, охватывающих векторный поиск и графы знаний по сложным проектным данным. - Взаимодействие с заинтересованными сторонами: партнерство с отраслевыми экспертами (руководителями проектов, суперинтендантами, директорами по безопасности) для уточнения требований и превращения агентных возможностей в удобные ежедневные инструменты. - Управление моделями: обеспечение соответствия ИИ-решений корпоративным стандартам безопасности, конфиденциальности и ответственной практики ИИ. Квалификация и навыки - Образование: степень бакалавра или магистра в области компьютерных наук, инженерии, науки о данных или смежной технической области. - Опыт: более 5 лет практической разработки ПО или инженерии ИИ/ML с подтвержденным опытом выпуска ИИ-приложений в производственной среде. - Инструменты ИИ и оркестрации: практический опыт работы с ИИ-фреймворками для оркестрации (например, LangChain, LangGraph, CrewAI, AutoGen или LlamaIndex). - Программирование и облако: уверенные знания Python и опыт работы с основными корпоративными облачными платформами и векторными базами данных (например, Azure, Databricks, Snowflake, Palantir). - Знание строительства: знание технологических стеков архитектуры, инженерии и строительства (AEC), цифровых двойников.

Формат

Удалённо

Страна

Великобритания, Польша

Город

Не указан

Грейд

Senior

О компании GitLab — платформа интеллектуальной оркестрации для DevSecOps. Она помогает организациям повышать продуктивность разработчиков, улучшать операционную эффективность, снижать риски безопасности и соответствия требованиям, а также ускорять цифровую трансформацию. Более 50 миллионов зарегистрированных пользователей и более 50% компаний из Fortune 100 доверяют GitLab. О роли В команде Plan: Spec-Driven Development вы будете помогать создавать цикл «от намерения к коду» в GitLab: агентные рабочие процессы, которые превращают сформулированное намерение в уточнённую рабочую задачу, план реализации и проверяемый, готовый к слиянию код. Вы будете отвечать за раннюю бэкенд-разработку: потоки, API, модели данных и системы оценки, используя Ruby on Rails, Python, PostgreSQL, GitLab Duo Agent Platform, API больших языковых моделей и шлюз искусственного интеллекта. Вы присоединитесь к небольшой распределённой команде, работающей над одним из самых заметных продуктовых направлений GitLab, и будете сотрудничать с дизайн-партнёрами в подготовке публичной беты. В первый год вы будете вести крупные функции от неясной проблемы до релиза, помогать определять объём с продуктом и пользователями, наставлять других инженеров и влиять на технические решения в области агентных рабочих процессов и методов оценки. Чем предстоит заниматься - Вести бэкенд-функции от ранних обсуждений продукта до технического дизайна, реализации, запуска и анализа после релиза. - Создавать потоки, API и модели данных для агентно-генерируемых рабочих задач, планов реализации, долговечных спецификаций и готового к слиянию кода. - Разрабатывать системы оценки и бенчмаркинга, измеряющие качество рабочих процессов, стоимость токенов и процент успеха. - Использовать Ruby on Rails и Python для создания надёжных production-систем, а также PostgreSQL, GraphQL, REST, GitLab Duo Agent Platform, API больших языковых моделей и шлюз ИИ. - Напрямую сотрудничать с продуктом, дизайном, инженерами, дизайн-партнёрами и пользователями для определения объёма и практических компромиссов. - Координировать проекты с участием нескольких человек в команде и чётко сообщать о решениях в асинхронной, полностью удалённой среде GitLab. - Наставлять других инженеров и вносить вклад в техническое направление в группе Plan и связанных инициативах в области ИИ. - Работать короткими итерациями, делиться прогрессом через демо и использовать результаты и отзывы пользователей для определения дальнейших шагов. Что мы ожидаем - Уверенный опыт работы с Ruby on Rails в большой production-кодовой базе и production-опыт с Python. - Опыт ведения крупных проектов с участием нескольких инженеров на протяжении нескольких месяцев с понятными пользовательскими или бизнес-результатами. - Продуктовое мышление и опыт владения функциями от начала до конца, включая определение объёма, поиск компромиссов, взаимодействие с пользователями и анализ внедрения после запуска. - Full stack-бэкграунд с текущим фокусом на бэкенд-разработке, а также умение читать современный фронтенд-код и проектировать эффективные API. - Сильные основы проектирования API и SQL. - Опыт изучения разработки с помощью искусственного интеллекта. - Способность работать самостоятельно, взаимодействовать между функциями и регионами, поддерживать других через техническое лидерство и наставничество. Опыт с GraphQL, производительностью PostgreSQL в масштабе или созданием и оценкой больших языковых моделей или агентных систем полезен, но не обязателен. Мы приветствуем кандидатов с разным опытом и переносимыми навыками. Если вас заинтересовала эта роль, но вы соответствуете не всем требованиям, мы приглашаем вас откликнуться. О команде Мы — команда из четырёх инженеров: два бэкенд- и два фронтенд-инженера из Канады и Европы. Вы будете работать в полностью удалённой, асинхронной среде с еженедельными синхронными звонками, ретроспективами, демо и короткими итерациями. Это ранний этап.