Биржа вакансий в сфере ИИ, ML

Формат

Удалённо

Страна

Любая

Город

Не указан

Principal AI-инженер по персонализации и рекомендациям Rula Health — компания, работающая в сфере ментального здоровья, полностью удалённо. Наём ведётся в большинстве штатов США, за исключением Гавайев. О роли Специалист отвечает за прикладные AI и ML-решения, определяющие, как ИИ применяется в ментальном здравоохранении. Фокус — не на изолированных прототипах, а на production-grade системах, которые напрямую обеспечивают подбор пациентов и терапевтов, клинические рабочие процессы и вовлечение пациентов. Непосредственная зона ответственности — поисковое ранжирование, релевантность и подбор пациентов и терапевтов. Более широкая область — стратегии персонализации и рекомендаций, а также развитие базовых ML-платформ для их масштабирования. Работа находится на стыке прикладных исследований, системной архитектуры и реальных клинических ограничений. Задачи включают разработку продвинутых рекомендательных движков и моделей поиска, применение NLP и генеративного ИИ в клинических процессах, установление технических стандартов безопасности ИИ и принятие ключевых решений о внедрении машинного обучения в среде с высокими требованиями. Цель — сделать помощь доступнее и эффективнее без ущерба для доверия и результатов. Роль предполагает глубокую практическую работу и реальное техническое владение. Специалист будет разрабатывать и дообучать модели (Learning-to-Rank, эмбеддинги, алгоритмы рекомендаций, LLM), проектировать продуктовые AI-архитектуры и базовую ML-инфраструктуру, решать сложные инженерные задачи и усиливать команду инженеров на разных продуктовых поверхностях. Успех измеряется внедрением прикладных AI-функций, которые заметно улучшают качество подбора и пользовательский опыт, а также созданием масштабируемых и надёжных AI-основ для дальнейшего развития. Требования - 10+ лет в разработке ПО, включая 7+ лет проектирования и масштабирования распределённых систем и 5+ лет создания и развёртывания production-grade ML-приложений. - 5+ лет практического опыта построения и оптимизации поисковых, ранжирующих и рекомендательных систем в масштабе (Learning-to-Rank, коллаборативная фильтрация, глубокие рекомендательные системы, семантический векторный поиск). - 5+ лет сильного опыта программирования на Python и как минимум одном бэкенд-языке (предпочтительно TypeScript, Java или Go), а также 2+ года создания AI-продуктов на базовых моделях (OpenAI, Anthropic, Gemini) и паттернов интеграции LLM (RAG, агенты). - Подтверждённый опыт работы как с традиционной поисковой инфраструктурой (Elasticsearch, OpenSearch), так и с современными векторными базами данных (Pinecone, Weaviate, FAISS, Milvus). - 3+ года опыта с MLOps, пайплайнами данных и системами оценки (офлайн-метрики NDCG/MAP, онлайн A/B-тестирование), а также способность определять техническую стратегию и направлять развитие AI/ML-инфраструктуры. Предпочтительные квалификации - Опыт проектирования безопасных и соответствующих требованиям AI-решений в регулируемых средах (HIPAA, GDPR). - Знакомство с системами с участием человека (human-in-the-loop) и фреймворками клинической поддержки принятия решений. - Опыт разработки пайплайнов оценки для выравнивания с человеком, фактической точности или интерпретируемости моделей. - Вклад в open-source AI-фреймворки или прикладные исследования в NLP, healthcare AI или безопасности GenAI. - Опыт развития команды на ранней стадии (0 → 1). - Опыт руководства или менторства инженерных команд в области AI и ML.

Формат

Офис

Страна

Не указана

Город

Не указан

Хедж-фонд, базирующийся в Гринвиче (Коннектикут) и Нью-Йорке, ищет desk-разработчика для создания AI-инструментов, которые связывают инвестиционных профессионалов с их данными. Вы будете работать вместе с командами сделок, наблюдать за их процессами и превращать повторяющуюся аналитическую работу — структуры капитала, ценообразование, экраны экспозиций, due diligence эмитентов, мониторы секторов — в долговечные переиспользуемые инструменты, доступные любому сотруднику деска. Задачи - Проектировать и внедрять Claude Skills и MCP-серверы, подключающие модели к Databricks, DealCloud, Box, Microsoft 365 и лицензированным поставщикам рыночных и кредитных данных. - Владеть полным циклом: понимать инвестиционный вопрос, писать SQL в Unity Catalog gold layer, оборачивать его в надёжные инструменты и итерировать совместно с аналитиком, который запросил решение. Требования - Опыт разработки с Claude: практическое владение Claude Skills, MCP-серверами и агентными паттернами — ключевое требование; важнее реально запущенные проекты, чем общий стаж разработки. - Python, SQL и Databricks как основа. - Примерно 3–6 лет создания продакшн-инструментов для данных или аналитики. - Увлечённость AI: отслеживание развития инструментов, тестирование новых релизов и формирование собственного мнения о том, что действительно полезно, а что шум. - Знание кредитных рынков или private equity — структуры капитала, спреды, леверидж и покрытие, экспозиция на уровне фонда — существенное преимущество, как и опыт поддержки трейдингового, исследовательского или инвестиционного деска. - При отсутствии такого опыта — способность быстро осваивать домен и интерес к этому; инструменты работают только при понимании вопроса за ними. Эта роль подходит тому, кто занимался бы подобным и в свободное время.

Формат

Офис

Страна

Канада

Город

Не указан

Грейд

Junior

Компания Exelixis ищет младшего инженера по AI и агентным системам. Сотрудник будет создавать базовые AI-приложения, прототипы, промпты, тесты, документацию и агентные автоматизации, осваивая практики SDLC, требования безопасности и стандарты ответственного AI. Задачи: - Помощь в создании простых AI-прототипов, внутренних инструментов и автоматизации рабочих процессов. - Перевод четко определенных требований в небольшие программные компоненты, скрипты, промпты, тестовые сценарии и изменения конфигурации. - Поддержка промпт-инжиниринга, базовых агентных рабочих процессов, сценариев с retrieval-подходом и интеграций с API. - Использование одобренных AI-инструментов разработки, таких как кодинг-копайлоты или агентные инструменты, для обучения, прототипирования, документирования и улучшения кода с соответствующей проверкой. - Написание и выполнение базовых юнит-тестов, проверок валидации и шагов по устранению неполадок. - Ведение четкой документации: заметки по настройке, сводки дизайна, заметки по промптам и спецификациям, инструкции для пользователей, операционные руководства. - Участие в код-ревью, демо, тестировании, обсуждениях бэклога и командных обучающих активностях. - Соблюдение политик компании по конфиденциальности данных, информационной безопасности, контролю доступа, комплаенсу и ответственному использованию AI. Требования: - Степень бакалавра в области компьютерных наук, искусственного интеллекта, науки о данных, программной инженерии или смежной области, либо эквивалентная комбинация образования и опыта. - Начальный опыт в программной инженерии, науке о данных, автоматизации или смежной технической работе, полученный через стажировки, академические проекты, исследовательские задания, open-source вклад, хакатоны или личное портфолио. - Портфолио, GitHub-репозиторий, учебный проект, результат стажировки или выпускной проект, демонстрирующие навыки кодинга, автоматизации, AI, работы с данными или решения проблем. - Базовые навыки программирования на Python, JavaScript/TypeScript, Java или аналогичном языке. - Базовое понимание основ разработки ПО: структуры данных, API, Git, отладка, тестирование, документация. - Начальные знания AI, машинного обучения, генеративного AI, LLM, промпт-инжиниринга или науки о данных. - Способность ответственно применять одобренные AI-инструменты разработки с проверкой и наставничеством старших коллег. - Навыки быстрого обучения, критического мышления, внимания к деталям, умение задавать уточняющие вопросы. - Четкие письменные и устные коммуникационные навыки, умение объяснять работу, документировать решения и взаимодействовать с техническими и нетехническими коллегами. - Способность применять принципы ответственного AI, конфиденциальности данных, информационной безопасности и этичных технологических практик. Предпочтительно: - Базовое знакомство с облачными платформами, базами данных, REST API, ноутбуками или инструментами для работы с данными. Условия: - Зарплата: $103,000 - $145,000 в год, зависит от географического региона, знаний, навыков, опыта и внутренней справедливости. - Компенсационный пакет: 401k с щедрыми взносами компании, медицинская, стоматологическая и офтальмологическая страховка, страхование жизни и инвалидности, гибкие счета расходов. - Дискреционная ежегодная премия. - Возможность покупки акций компании и долгосрочные стимулы. - 15 дней оплачиваемого отпуска в первый год, 17 оплачиваемых праздников, включая зимний корпоративный перерыв в декабре, до 10 дней больничного в год. - Командировки не требуются (0%). - Офис в современном пространстве, способствующем сотрудничеству и творчеству.

Формат

Офис

Страна

Канада

Город

Не указан

Грейд

Senior

Senior Software Engineer в команду Global Cluster Engineering. Проект — платформа, где автономные AI-агенты запускают кампании валидации оборудования, разбирают сбои и пополняют общую базу знаний без участия человека. Роль — ключевой инженер системы: проектирование и разработка LLM-агентного фреймворка, RAG-пайплайнов, MCP-бэкенда и инструментов для разработчиков. Задачи: - Проектирование и поддержка слоя оркестрации агентов: мультиагентная маршрутизация, управление контекстом, защита от галлюцинаций, отслеживание прогресса, восстановление после сбоев, журналы аудита, протоколы межмодульного взаимодействия. - Разработка и улучшение RAG-пайплайна: загрузка документов из Slack, GitHub, Jira и Confluence; стратегии чанкинга и эмбеддингов; гибридный векторный и ключевой поиск; реранкинг на основе кросс-энкодеров и LLM; индексация графа знаний через LightRAG и Neo4j. - Создание веб-приложений и пользовательских интерфейсов для взаимодействия инженеров с AI-агентами, базами знаний, процессами валидации, дашбордами наблюдаемости и операционными инструментами. - Проектирование и реализация распределённых сервисов, API, событийно-ориентированных архитектур и микросервисов для AI-процессов и интеграций платформы. - Разработка масштабируемых низколатентных AI-сервисов для генерации метаданных, извлечения признаков и поиска знаний. - Создание LLM-инструментов: автоматическая генерация тест-планов, аудит качества тест-кейсов, AI-разбор сбоев, автономное пополнение знаний после каждого тестового запуска, интеллектуальная генерация отчётов. - Разработка и внедрение агентных AI-решений: автономные агенты, мультиагентные фреймворки, LLM-процессы. Требования: - Опыт разработки ПО с сильным портфолио продакшн-систем. - Увлечённость AI-нативным ПО: опыт запуска реальных LLM-систем, внимание к деталям — grounding, оценка, сценарии отказов, а не только промпты. - Практический опыт создания RAG-пайплайнов: модели эмбеддингов, векторные базы данных, стратегии чанкинга, оценка поиска, гибридный поиск, реранкинг. - Продакшн-опыт с LLM-инструментами, мультиагентной оркестрацией, промпт-инжинирингом, управлением контекстом и снижением галлюцинаций. - Уверенное владение одним или несколькими современными языками программирования: Python, TypeScript/Node.js, Go, Java, C, Rust. Предпочтителен Python из-за AI/ML-экосистемы. - Асинхронное программирование, проектирование API, распределённые системы, чистый код. Опыт проектирования надёжности в автоматизированных средах без участия человека: восстановление после сбоев, журналы аудита, управление состоянием, наблюдаемость. - Опыт работы с AWS, Azure или GCP: предоставление инфраструктуры, управляемые сервисы, сети, развёртывание продакшн-нагрузок в масштабе. - Активное использование AI-ассистентов и LLM-инструментов для разработки: Claude Code, GitHub Copilot, Cursor и аналогичных. Условия: - Найм двух Senior Software Engineers на эту роль; зоны ответственности определяются сильными сторонами и интересами каждого. - Глубокие знания аппаратного обеспечения не требуются, но интерес к валидации прошивок и сетевому оборудованию поможет создавать лучшие инструменты для инженеров.

Формат

Офис

Страна

Не указана

Город

Не указан

Грейд

Senior

О компании HUB International — глобальный страховой и брокерский брокер по льготам для сотрудников, предоставляющий услуги по бизнес-страхованию, льготам для сотрудников, управлению рисками, личному страхованию, пенсионным и частным капиталовложениям. Выручка — более $5 млрд, почти 20 000 сотрудников, 600 офисов в Северной Америке. О позиции HUB ищет AI-инженера в команду RPA & Automation в составе централизованной технологической организации, часть AI & Automation организации. Это практическая роль по созданию, разработке и запуску production-grade AI-приложений. Работа строится на платформе Claude AI: создание переиспользуемых навыков и плагинов, их компоновка в управляемые AI-приложения, настройка RAG над управляемыми корпоративными данными, владение платформой AI-активов. HUB использует Claude как основную модель, стек будет развиваться в сторону агентных систем. Идеальный кандидат — опытный инженер с практическим опытом создания и запуска AI-приложений, навыков и плагинов в регулируемой среде, продуктивный с первых недель и готовый развиваться в разработку агентов. AI-инженер превращает экспериментальные AI-прототипы в управляемые, протестированные, enterprise-ready приложения и владеет корпоративными стандартами и управлением для навыков, плагинов и MCP. Команда напрямую создаёт простые и средние навыки, плагины и MCP-подключения. Сложные разработки (новый бэкенд, инфраструктура, интеграции) выполняет Enterprise Engineering и возвращает в каталог для управления и публикации. Ключевые обязанности - Создание AI-приложений: разработка переиспользуемых навыков и их упаковка в плагины, компоновка в управляемые AI-приложения для бизнес-линий HUB. - Настройка и тюнинг фундаментальных моделей (Claude, Gemini) для сценариев HUB, включая системный и промпт-дизайн. - Построение RAG, эмбеддингов и многошаговых рабочих процессов над управляемыми корпоративными данными. - Превращение бизнес-прототипов AI в надёжные, управляемые приложения. - Владение платформой AI-активов: управление маркетплейсом навыков и плагинов, каталогом MCP: приём, публикация, версионирование, поддержка. - Установление и соблюдение корпоративных стандартов и управления для навыков, плагинов и MCP на всех поверхностях, включая Claude Code, а также для сборок других инженерных команд. - Применение контроля доступа, минимальных привилегий и аудита к AI-активам, совместно с Security и Cloud по идентификации и учётным данным. - Прямое создание простых и средних навыков, плагинов и MCP-подключений; маршрутизация сложных сборок в Enterprise Engineering, затем управление и публикация результата. - Качество, оценка и управление: создание оценочных стендов, golden-set тестирования, защитных механизмов, мониторинга и логирования для согласованного и надёжного вывода AI в масштабе предприятия. - Продакшн-поддержка выпущенных командой навыков, плагинов и приложений. - Совместная работа с бизнес-стейкхолдерами по превращению черновых прототипов в production-ready управляемые возможности. - Совместная работа с Enterprise Engineering и командами данных для надёжного выпуска и маршрутизации глубоких сборок. - Работа в Agile-процессах, документирование навыков, приложений и технических решений для передачи, аудита и сопровождения. Требования - 5+ лет опыта в разработке ПО или автоматизации, включая 2+ года создания и запуска LLM-приложений в продакшн. - Непосредственный, недавний практический опыт создания и публикации навыков или плагинов Claude; широкий опыт работы с LLM или фреймворками без опубликованных навыков и плагинов недостаточен. - Сильный Python, REST API и корпоративная интеграция, уверенные основы тестирования, контроля версий и мониторинга. - Практический опыт работы с фундаментальными моделями: системный и промпт-дизайн.

Формат

Офис

Страна

Азербайджан

Город

Не указан

AI-инженер по агентным системам American Express строит платформы, продукты и системы управления, которые позволяют агентному ИИ работать ответственно и в масштабе предприятия. Фокус — разработка агентного ИИ: проектирование интеллектуальных адаптивных систем, способных планировать, рассуждать и действовать в сложных рабочих процессах с соответствующим уровнем автономии. Эти системы обеспечивают автономные рабочие процессы, поддержку принятия решений и клиентский опыт, соответствуя высоким стандартам безопасности, объяснимости, надежности и соответствия требованиям в финансовой сфере. Роль предполагает практическую разработку производственных агентных ИИ-систем, работающих с реальными финансовыми данными и обслуживающих реальных клиентов. Вы будете работать вместе с инженерами, продакт-менеджерами и дизайнерами, создавая и запуская ИИ-функции, а также учиться работать в регулируемой среде, ориентированной на клиента. Это не исследовательская роль: вы будете писать производственный код, участвовать в обсуждениях системного дизайна и помогать эксплуатировать созданное после запуска при поддержке старших инженеров. Задачи - Участие в проектировании и реализации продуктовых функций на основе LLM и агентных систем. - Создание и развитие агентных ИИ-рабочих процессов, которые рассуждают над контекстом, вызывают инструменты и выполняют действия под руководством старших инженеров. - Внедрение и поддержка пайплайнов RAG (генерация с дополнением поиском) над финансовыми данными с акцентом на корректность и безопасность. - Вклад в общую ИИ-инфраструктуру: LLM-сервисы, компоненты оркестрации, инструменты оценки и мониторинга. - Участие в эксплуатации ИИ-систем в продакшене: мониторинг, отладка, повышение надежности и производительности. - Тесное сотрудничество с продуктовыми и дизайнерскими командами, перевод потребностей клиентов в технические решения. Технологический стек - Языки: Python, Go, TypeScript. - Облако и инфраструктура: AWS и/или GCP, Kubernetes. - API и сервисы: REST, gRPC. - Распределенные системы: событийно-ориентированные архитектуры, включая Kafka. - Коммерческие и открытые LLM, интегрированные в агентные рабочие процессы. - Инструменты оркестрации агентов, RAG, векторные хранилища и оценка. - Валидация схем и обработка структурированных данных. - Использование ИИ-ассистированных и агентных инструментов разработки для проектирования, реализации, тестирования, отладки и рефакторинга. Все системы строятся в соответствии с высокими стандартами надежности, безопасности и аудируемости, отражая ответственность развертывания автономного ИИ в сфере финансовых услуг. Требования - От 2 лет профессионального опыта в разработке ПО. - Практический опыт создания или участия в ИИ-функциях, LLM-приложениях или прикладных ML-системах (профессиональный или проектный). - Уверенные инженерные основы минимум в одном бэкенд-языке: Python, Go или TypeScript. - Знакомство с API, базовыми облачными концепциями и современными практиками разработки. - Интерес к агентным ИИ-системам, автономии и ИИ-ассистированным рабочим процессам. - Готовность учиться, воспринимать обратную связь и со временем брать на себя техническую ответственность. - Комфортная работа в кросс-функциональных командах. - Сильная клиентоориентированность и любопытство к решению реальных задач. Предпочтительные квалификации - Опыт работы с LLM-инструментами, промт-инжинирингом, RAG или агентными фреймворками в работе, учебе или личных проектах. - Стажировка или ранний карьерный опыт в финтехе или других регулируемых средах. - Вклад в open-source проекты, хакатоны или побочные проекты, связанные с ИИ или инструментами разработчика.

Формат

Офис

Страна

Ватикан

Город

Не указан

О компании Credence — компания в сфере AI, облачных технологий, кибербезопасности и модернизации. Штат — более 1700 сотрудников, включая 1500+ экспертов по AI и данным. Компания имеет 100+ prime-контрактов. Признана Top Workplace по версии Washington Post шесть лет подряд и входит в Inc. 5000 Fastest Growing Private Companies 13 из последних 14 лет. О роли Credence ищет AI Software Engineer в практику AI и автоматизации. Роль предполагает техническое лидерство в практике, применение фундаментальных навыков AI для создания и развертывания решений на основе данных. Под руководством старших AI-лидеров инженер будет вести жизненный цикл разработки агентного ИИ и взаимодействовать с командами инженеров, данных и заинтересованными сторонами для создания высокоэффективных облачных AI-возможностей для федеральных миссий. Обязанности - Генеративный ИИ и LLM: участие в проектах с генеративным ИИ и LLM, прототипирование, кастомизация и доработка AI-функций. - Разработка агентных ИИ-систем: поддержка полного цикла разработки — выбор модели, создание агентов, вызов инструментов, синтез ответов и фоновые агенты. - Инженерия ПО: соблюдение принципов разработки с использованием современных AI-инструментов генерации кода для ускорения рабочих процессов. - Совместная работа: работа с инженерами данных, разработчиками ПО и дата-сайентистами над созданием операционных агентных AI-систем. - Облачная поддержка: автоматизация развертывания моделей с помощью Infrastructure as Code (IaC), CI/CD и инструментов оркестрации контейнеров. - Мониторинг и оптимизация: мониторинг AI-систем после развертывания, настройка производительности, обеспечение надежности и масштабируемости. - Техническая строгость и документация: написание чистого, документированного кода по отраслевым и федеральным стандартам; поддержка воспроизводимой разработки. - Профессиональный рост: отслеживание трендов AI/ML, обучение у старших коллег через менторство и технические ревью. Требования - Степень бакалавра или магистра в области компьютерных наук, AI/ML или смежной области. - 1–5 лет практического опыта в разработке AI/ML-решений. - Опыт работы с генеративным ИИ, LLM и добавлением вызовов инструментов (MCP). - Опыт работы с агентными фреймворками: Agent2Agent Protocol, Mastra, Strands, AgentCore и/или Gemini Agent Platform. - Глубокое понимание AI API: OpenAI, Anthropic, Gemini, Bedrock. - Владение TypeScript и ключевыми библиотеками и фреймворками (Nx, NextJS, Mastra, Vercel AI SDK, Playwright, Jest, Vite). - Владение Python и библиотеками и фреймворками (uv, Pydantic, FastAPI, CrewAI, LangChain, LangGraph, Unstructured). - Опыт развертывания приложений с использованием облачных платформ (AWS, GCP) и контейнерных инструментов (Docker, Kubernetes). - Знакомство с CI/CD (GitLab CI). - Опыт использования AI-инструментов для кодинга (Claude Code, Codex, Antigravity). - Развитые коммуникативные навыки и клиентоориентированность. - Гражданство США и возможность получения допуска DoD Secret. Предпочтительно - Интерес к новейшим AI-инновациям, нацеленность на достижение миссии. - Опыт в смежных областях: инженерия данных, дата-сайенс, UI/UX, облачная и платформенная инженерия. - Опыт с IaC-инструментами: Terraform, Open Tofu, AWS CDK или CloudFormation. - Знание федеральной кибербезопасности, RMF, FedRAMP или регуляторных фреймворков. Зарплата и условия - Зарплата: $120,000–$150,000 в год. Фактическая компенсация зависит от опыта, образования, сертификатов, навыков и квалификации. - Медицинская страховка (медицина, стоматология, зрение). - Пенсионный план (401k, IRA). - Страхование жизни (базовое, добровольное, AD&D). - Оплачиваемый отпуск (отпуск, больничные, государственные праздники). - Семейный отпуск (декретный, отцовский). - Краткосрочная и долгосрочная нетрудоспособность. - Обучение и развитие.

Формат

Офис

Страна

США

Город

Сан-Франциско

О компании Стелс-стартап в сфере AI и логистики. Цель — заменить медленные ручные процессы интеллектуальным ПО, которое понимает контекст, принимает решения и действует от имени пользователей. Компания начинает с крупной устоявшейся отрасли, где существующее ПО оставляет много ручной работы. AI-агенты уже демонстрируют способность автоматизировать эту работу. Стартап поддерживается ведущими инвесторами и формируется с нуля небольшой высокотехничной командой основателей. Задачи - Расширять границы возможного с AI-агентами и большими языковыми моделями для автоматизации сложных реальных рабочих процессов. - Создавать агентов, которые могут рассуждать, взаимодействовать с внешними системами, общаться с людьми и действовать автономно. - Проектировать и разрабатывать поведение агентов: промпты, моделирование намерений, навыки, использование инструментов и оркестрацию действий. - Тесно работать с основателями и ранними клиентами, формируя продукт, технологии и инженерную команду. Требования - 2+ года опыта в разработке ПО, сильные знания Python и бэкенда. - Опыт создания или запуска AI/LLM-продукта или функции в продакшн. - Опыт работы с LLM, поведением агентов, системами «промпт-к-действию», моделированием намерений и разработкой навыков агентов. - Уверенная работа с API, базами данных, облачной инфраструктурой и быстро развивающимися AI-инструментами. - Готовность к жизни в раннем стартапе: высокая ответственность, неопределённость, многозадачность. - Склонность к созданию, запуску, обучению на пользователях и доведению вещей до работающего состояния. Условия - Полная занятость.

Формат

Офис

Страна

Марокко

Город

Не указан

Грейд

Senior

GE Vernova — команда, работающая на стыке передовых технологий и традиционной промышленности. Сотрудники взаимодействуют с бизнес-подразделениями GE Vernova, правительством США и более чем 420 организациями, выполняя более 150 проектов в сфере энергетики. Обязанности - Совместно с профильными экспертами выявлять бизнес-потребности и превращать их в понятные и эффективные промпты для LLM. - Разрабатывать, тестировать и улучшать промпты для различных сценариев, обеспечивая точность и релевантность результатов. - Тесно взаимодействовать с разработчиками для интеграции LLM-решений в существующие и новые приложения. - Участвовать в создании масштабируемого фреймворка для промт-инжиниринга, способствуя переиспользованию и обмену знаниями между бизнес-подразделениями. - Собирать и анализировать обратную связь от пользователей для постоянного повышения эффективности промптов. - Отслеживать развитие технологий LLM и участвовать в стратегических решениях по выбору инструментов и платформ. - Документировать процессы промт-инжиниринга, лучшие практики и результаты сценариев для формирования базы знаний. Требования - Опыт работы от 10 лет. - Минимум степень бакалавра в области компьютерных наук, искусственного интеллекта, машинного обучения, AI-инжиниринга или смежных областях. Условия - Готовность работать в офисе в Кембридже (Массачусетс) или Нискаюне (Нью-Йорк). - Для сотрудников на базе Кембриджа: обязательная трёхмесячная (гибридная) программа адаптации в Исследовательском центре GE Vernova Advanced Research Center в Нискаюне. Предоставляются расходы на поездки, жильё и стипендия. - Предоставляется помощь с переездом. - Требуется разрешение на работу в США. - Предложение о работе обусловлено успешным прохождением теста на наркотики (где применимо). - Вилка зарплаты для позиций в США: $152 400 – $254 000. В отдельных регионах применяется географический коэффициент 110%, 120% или 130% от зарплаты. Конкретный размер оплаты зависит от опыта, образования и навыков кандидата. - Бонус: дискреционный ежегодный бонус. - Льготы: медицинская, стоматологическая, офтальмологическая страховка и покрытие рецептурных препаратов; доступ к Health Coach от GE Vernova (круглосуточный ресурс с медсёстрами); Программа помощи сотрудникам (конфиденциальные консультации и услуги 24/7). - Пенсионные льготы: GE Vernova Retirement Savings Plan — налогово-эффективный 401(k) с матчинг-взносами компании. - Компания предлагает рабочую среду, профессиональное развитие, интересные задачи и конкурентоспособную компенсацию. Будет плюсом - Степень магистра или PhD в области компьютерных наук, инженерии, науки о данных или смежных областях. - Опыт промт-инжиниринга и знакомство с инструментами: модели OpenAI GPT, Hugging Face и др. - Опыт работы с Python или другими языками программирования, обычно используемыми в AI/ML-разработке. - Опыт работы с фреймворками машинного обучения (например, PyTorch) и библиотеками обработки данных (Pandas, NumPy). - Предыдущий опыт или стажировки в проектах по NLP или машинному обучению. - Знакомство с системами контроля версий, например Git. - Развитые навыки решения проблем и внимание к деталям. - Отличные коммуникативные навыки, умение объяснять сложные технические концепции нетехническим заинтересованным сторонам. - Способность работать в команде и адаптироваться к меняющимся требованиям проекта. - Понимание операционных процессов и вызовов традиционной промышленности.

Формат

Удалённо

Страна

Не указана

Город

Не указан

Грейд

Senior

Senior Full Stack Engineer (Realtime & Voice) в команду Customer Experience Platform. HTS Assist — агентный ИИ-ассистент Hopper для путешествий: обрабатывает изменения рейсов, отмены, возвраты и бронирования в чате и по голосу для крупнейших мировых туристических брендов. Инженер будет отвечать за продукт целиком, владея слоем realtime и voice от начала до конца, и работать с фронтендами на React/TypeScript, сервисами на Scala и Python и облачной инфраструктурой. Команда небольшая и опытная, зона ответственности широкая, путь от кода до звонка путешественника короткий. Задачи: - Владеть голосовым каналом целиком: телефония и интеграции CPaaS (Twilio, Amazon Connect), стриминговые пайплайны speech-to-text и text-to-speech, оркестрация realtime-моделей, бюджеты задержки и качества. - Разрабатывать продуктовые фичи по всему стеку: веб-чат на React/TypeScript, бэкенд-сервисы на Scala и Python, инфраструктура на GCP. - Проектировать мультитенантный масштаб: одна кодовая база обслуживает множество партнёров через конфигурацию, а не форки. - Строить механизмы безопасности и соответствия, которые проверяют корпоративные партнёры: guardrails, фильтрация контента, точки интеграции для удаления PII. - Поддерживать критичные для выручки деплои через observability, алертинг, реагирование на инциденты и выполнение SLA. - Развивать платформенные возможности, которые forward-deployed инженеры настраивают для партнёрских телефоний и запусков. - Повышать инженерную планку через код-ревью, архитектурные ревью и менторство. Требования: - 6+ лет опыта в разработке ПО, владение продакшн-системами на senior-уровне и настоящий full-stack диапазон. - Практический опыт с realtime-системами: голосовые приложения, WebRTC/SIP, стриминг медиа или аналогичные low-latency продукты. - Сильный современный фронтенд (React, TypeScript) и глубина на бэкенде (Scala или другой JVM-язык, и/или Python), плюс опыт с облачной инфраструктурой на GCP или AWS. - Подтверждённый опыт проектирования, разработки и поддержки RESTful API, микросервисов или event-driven систем. - Знакомство с ИИ-инструментами кодинга как стандартной частью рабочего процесса, с умением ревьюить, исправлять и отвечать за всё, что выходит в продакшн. - Мышление оператора систем: SLA, observability, дежурства, планы отката. - Умение декомпозировать сложные задачи, принимать прагматичные компромиссы и итеративно доставлять, с сильной коммуникацией с продуктом, дизайном и операциями. - Бонус: опыт с conversational AI или оркестрацией LLM, включая речевые технологии (Deepgram, ElevenLabs, Whisper, OpenAI Realtime). - Бонус: рабочие знания облачной телефонии или CPaaS-платформ (Twilio, Amazon Connect, Genesys, LiveKit). - Бонус: опыт создания инструментов для клиентского сервиса, CRM, контакт-центров или автоматизации рабочих процессов. - Знание технологий туристической индустрии (PSS/GDS, hotel PMS/CRS) — плюс, но не обязательно. Условия: - Хорошо финансируемый стартап с большими амбициями, конкурентная зарплата, опционы pre-IPO. - Hopper покрывает 100% страховых взносов за сотрудника по групповому плану Vitality Health. - Автоматические взносы в Smart Pension при старте. - Щедрый parental leave, значительно выше отраслевых стандартов. - Доступ к коворкингам по запросу через FlexDesk и стипендия на работу из дома. - Carrot Cash — стипендия на путешествия. - Безлимитный PTO. - Предпринимательская культура, где расширять границы и рисковать — обычное дело. - Открытая коммуникация с менеджментом и руководством компании. - Небольшие динамичные команды, огромное влияние. О компании: Hopper — туристическая платформа, развивающая мобильное приложение, сайт и B2B-бизнес HTS (Hopper Technology Solutions). Платформа использует большие объёмы данных и алгоритмы машинного обучения, сочетая турагентский сервис с собственными финтех-продуктами. Приложение Hopper скачано более 120 миллионов раз, 70% пользователей — поколение Z и миллениалы. Через HTS компания усиливает прямые каналы своих партнёров.

Формат

Офис

Страна

США

Город

Не указан

О компании Future создаёт персонализированную систему рекомендаций для поддержания здоровья на протяжении всей жизни. Компания помогает людям понимать, что делать дальше для своего тела, целей и этапа жизни, а затем поддерживает их в превращении этих решений в устойчивое изменение поведения. Сочетая ИИ, человеческий опыт, персональные данные о здоровье и ответственность, Future помогает участникам улучшать результаты сегодня, одновременно развивая устойчивость, ресурс и продолжительность здоровой жизни на десятилетия вперёд. О роли Мы ищем прикладного AI-инженера, который поможет создавать и внедрять AI-функции, напрямую улучшающие продуктовый опыт и бизнес-результаты. Это практическая, продуктовая роль: от идеи до продакшена — проектирование интеллектуальных систем, проверка их на реальных пользователях и превращение в надёжные масштабируемые сервисы. Вы будете работать на стыке AI, продукта и инженерии, в тесном сотрудничестве с кросс-функциональными командами, чтобы находить возможности с высоким влиянием, быстро создавать прототипы и итерировать на основе данных. Это не исследовательская роль. Вы будете владеть полным циклом: эксперименты, оценка, развёртывание, мониторинг и постоянное улучшение. Задачи - Создавать и запускать AI-агентов для реальных пользователей: LLM-системы с вызовом инструментов, структурированным выводом, параллельной оркестрацией API и потоковой передачей ответов. - Проектировать оценочные стенды и скоринг качества — используются Langfuse и рубрики для измерения безопасности, эффективности и персонализации. - Владеть полным циклом: прототип новой возможности агента, проверка с помощью оценок, развёртывание в staging и production, мониторинг трейсов и итерации. - Улучшать надёжность, задержку и стоимость за счёт стратегий кэширования промптов, бюджетов токенов, логики повторов и наблюдаемости. - Писать инструменты, которые используют агенты: интеграции API с валидацией Pydantic, поиск упражнений по локальным базам данных, структурированная отправка тренировок. Требования - Сильные навыки Python: создание и развёртывание сервисов в крупных production-системах. - Опыт с LangChain/LangGraph или аналогичными агентными фреймворками. - Практический опыт работы с LLM в production: промпт-инжиниринг, вызов инструментов/функций, структурированный вывод, оценка. - Уверенное владение асинхронным Python, HTTP API и потоковыми протоколами (SSE, webhooks). - Опыт валидации данных и проектирования схем (Pydantic, JSON Schema). - Способность отлаживать на разных уровнях: от сломанного вызова инструмента LLM до неправильно настроенного ресурса Terraform. - Чёткая коммуникация: вы будете работать напрямую с продуктовыми, мобильными и бэкенд-инженерами. Будет плюсом - Знакомство с AWS (Bedrock, ECR, CloudFront, S3, Cognito) или другим облачным хостингом агентов. - Инструменты наблюдаемости и трейсинга (Langfuse, OpenTelemetry, Datadog). - Опыт с фреймворками оценки: LLM-as-a-judge, автоматическое скоринг, управление датасетами. - Инфраструктура как код (Terraform, CDK). Условия и компенсация - Базовая зарплата: $215,000–$250,000 в год + опционы на акции. - Диапазон зарплаты определяется с учётом бизнес-потребностей, рыночного спроса, доступности талантов, опыта и уникальных навыков. Диапазон может быть изменён в будущем. - Участие в капитале компании (equity). - Медицинская страховка: комплексное покрытие (медицина, зрение, стоматология) и страхование по инвалидности, а также налоговые сберегательные счета для всех подходящих сотрудников. - Пенсионный план 401(k). - Удалённая работа (Remote-First) для всех сотрудников, находящихся в континентальной части США. Командировки не требуются. - Ежемесячный стипендиат на здоровье и фитнес, доступ к платформе ментального здоровья, возмещение расходов на медицинские поездки и ежегодный бюджет на обучение и развитие. - Гибкий отпуск (PTO). - Бесплатное использование платформы Future.

Формат

Офис

Страна

Канада

Город

Не указан

О команде Команда моделирования данных создает и поддерживает ключевые модели данных и метрики, которые обеспечивают принятие решений в Mural. Мы входим в Data Organization и сосредоточены на создании общих переиспользуемых моделей данных, представляющих ключевые продуктовые и бизнес-концепции и используемых по всей компании. Наша работа поддерживает внутреннюю аналитику, отчеты о клиентах, встроенные в продукт, и обучение ИИ/ML-моделей. Мы тесно сотрудничаем с командами Product, Engineering, Data Platform, Business Analytics, Data Science и Analytics Engineering, чтобы компания работала с едиными определениями, высоким качеством данных и надежной доступностью данных. Мы небольшая команда, работа которой дает высокий эффект, и мы сосредоточены на создании прочных фундаментальных данных, а не разовых решений. Миссия Вы будете отвечать за поставку и развитие ключевых моделей данных и общих метрик Mural, с особым вниманием к качеству, надежности и доступности данных. Это практическая руководящая роль. Вы не будете создавать витрины данных для конкретных заинтересованных сторон или разовые аналитические выгрузки. Вместо этого вы сосредоточитесь на создании фундаментальных переиспользуемых моделей данных и определений метрик, которые поддерживают множество сценариев использования по всей компании. Ваш успех будет измеряться тем, насколько широко доверяют, насколько стабильно доступны и широко переиспользуются ваши модели данных и метрики в таких командах, как Business Analytics, встроенная аналитика в продукте и ML. Что вы будете делать - Владение и развитие ключевых моделей данных и метрик: определение и поддержка общих моделей для использования продукта, клиентов, аккаунтов и ключевых бизнес-метрик, которые поддерживают аналитику, встроенные клиентские отчеты и обучение ИИ/ML-моделей. - Создание и эксплуатация фундаментальных продуктов данных: оставаться практиком, создавая модели с помощью SQL, Python и Spark в современном lakehouse-окружении (например, Databricks), с вниманием к качеству данных, доступности, производительности и стоимости. - Определение общей семантики: проектирование и поддержка общих определений метрик и семантических слоев, чтобы данные интерпретировались единообразно во всех командах и системах. - Партнерство с командами: тесная работа с Product для определения фундаментальных продуктовых концепций, с Data Platform по архитектуре и надежности, а также с Business Analytics, Data Science, ML и командами встроенной аналитики как ключевыми потребителями. - Определение технического направления: принятие прагматичных решений по стандартам моделирования, архитектуре, оркестрации (Airflow/Astronomer) и инструментам, которые балансируют краткосрочную поставку и долгосрочную поддерживаемость. Требования - Опыт руководства: 2+ года руководства или формального управления специалистами по данным. - Сильный опыт в фундаментальном моделировании данных: 6+ лет создания и владения общими переиспользуемыми ключевыми моделями данных в современных платформах данных. - Опыт поддержки SaaS-бизнеса: знакомство с данными об использовании продукта и клиентскими данными, типичными для SaaS-среды. - Практическая техническая глубина: продвинутый SQL, уверенный Python, опыт работы со Spark и комфортная работа в современном lakehouse-окружении (например, Databricks). - Операционное мышление: опыт проектирования с учетом качества, надежности и доступности данных, включая оркестрацию рабочих процессов с помощью Airflow или Astronomer. - Мышление в пользу переиспользования: подтвержденная способность создавать фундаментальные модели и определения метрик, поддерживающие множество сценариев, а не разовые витрины данных. - Понимание систем: понимание вопросов производительности, стоимости, управления, безопасности и соответствия требованиям для общих данных. - Совместный подход: способность эффективно работать с командами Product, Data Platform, Business Analytics, Engineering и Data Science. - Прагматичный подход к поставке: вы знаете, когда выпускать, а когда вкладываться в долговечность. - Интерес к разработке с помощью ИИ: вы активно изучаете ИИ-инструменты, чтобы улучшить то, как вы и ваша команда создаете и поддерживаете модели данных. Желательно - Опыт поддержки данных, используемых для обучения ИИ/ML-моделей. - Опыт работы в команде инфраструктуры данных или платформы данных. Условия Предлагаемая компенсация будет определяться такими факторами, как локация, уровень, знания, навыки и опыт, относящиеся к должности.

Формат

Офис

Страна

США

Город

Не указан

О компании Branch помогает компаниям ускорять платежи и предоставляет работающим американцам доступные бесплатные финансовые услуги. О роли Ищем Cloud Operations-инженера в команду Cloud Ops. Задачи - Внедрение и поддержка облачной инфраструктуры в GCP под руководством старших инженеров. - Поддержание масштабируемости, безопасности и высокой доступности облачной инфраструктуры. - Создание автоматизации для снижения рутинной работы и восстановления инфраструктуры после инцидентов. - Диагностика проблем и поддержка облачной инфраструктуры и инструментов наблюдаемости. - Обеспечение соответствия облачной инфраструктуры требованиям безопасности и регуляторным стандартам. - Участие в процессе реагирования на инциденты и инструментарии; работа с мониторингом и алертингом по всему стеку приложений. - Взаимодействие с техорганизацией по инфраструктурным задачам, включая кросс-функциональные проекты: автоматизация рабочих процессов (crons, n8n, Airflow). - Участие в процессах Ops-команды: инциденты, комплаенс, спринты, сбор метрик, документация. Требования - Степень бакалавра в Computer Science, Engineering или смежной области, или эквивалентный опыт. - 3+ года профессионального опыта в облачной инфраструктуре (предпочтительно GCP). - Знакомство с инструментами наблюдаемости: мониторинг, логирование, трейсинг. - Опыт работы минимум с одним языком программирования или скриптов: Python, Bash, Java или Go. - Опыт с контейнеризацией: Docker и Kubernetes. - Базовое знакомство с практиками безопасности сетей и приложений. - Готовность использовать AI-инструменты для ускорения работы. Компания предоставляет доступ к Claude и интегрирует Copilot и Gemini в автоматизацию. - Готовность к круглосуточной дежурной ротации (24/7 on call). Плюсы - Знакомство с CI/CD и Git. - Опыт совместной работы с командами Data Engineering. - Опыт с инструментами автоматизации и конфигурации: Terraform, Ansible или Chef. - Предыдущий опыт работы в режиме 24/7 on call. Компенсация Базовая зарплата: $135 000–150 000 в год. Диапазон отражает среднюю базовую зарплату по США; фактическое предложение может быть выше или ниже в зависимости от навыков, опыта и образования кандидата. Локация Удалённая работа в пределах США. Найм кандидатов за пределами США невозможен. Условия - Медицинская, стоматологическая и офтальмологическая страховка (рыночный уровень). - Опционы на акции. - Бесплатная подписка Premium-Tier Origin Financial Wellness. - Ежемесячная надбавка на домашний офис. - 401k (TransAmerica). - 12 недель оплачиваемого отпуска по уходу за ребёнком для обоих родителей. - Гибкий отпуск и больничные. - 11 оплачиваемых праздничных дней. - Опция Same Day Pay (Branch@Branch).

Формат

Офис

Страна

США

Город

Не указан

О роли Ищем Enterprise-инженера в команду данных. В этой роли вы поможете проектировать и создавать взаимосвязанные системы, которые обеспечивают работу бизнеса, используя сторонние инструменты, MCP-серверы, внутренние API, лёгкие веб-приложения и автоматизированные рабочие процессы. Это роль для Python-инженера, который хочет создавать, разворачивать и поддерживать высокоэффективные внутренние инструменты и автоматизацию. Команда небольшая, с высоким уровнем доверия, ценит ясность, поддерживаемость и внимание к деталям. Что вы будете делать - Создавать и поддерживать MCP-серверы, которые открывают возможности платформы данных и корпоративных бизнес-систем для внутренних инструментов и ИИ-процессов детерминированным образом. - Создавать внутренние API для обогащения экосистемы программно адресуемых ресурсов. - Создавать лёгкие веб-приложения и дашборды на Streamlit для поддержки внутренних процессов. - Разрабатывать stateful-приложения, обеспечивающие соблюдение стандартных операционных процедур (SOP) в правильном порядке. - Разрабатывать и поддерживать автоматизированные рабочие процессы и пайплайны на Python. - Писать чистый, хорошо документированный код и поддерживать культуру технического качества. Что мы ищем Обязательно: - 2+ года опыта с Python. - 1+ год full-stack разработки. - Уверенное владение SQL и работа с реляционными базами данных. - Развитые коммуникативные навыки и способность работать кросс-функционально. Желательно: - Опыт в финтехе, платежах или финансовых услугах. - Опыт создания или работы с MCP-серверами. - Опыт проектирования и создания API (предпочтительно FastAPI или Flask). - Опыт работы со Streamlit или аналогичными лёгкими UI-фреймворками. - Опыт детерминированного LLM-программирования (например, LangChain, UserPromptSubmit, PostToolUse). - Опыт работы с OLTP-базами данных и технологиями кэширования. - Знакомство с инструментами автоматизации рабочих процессов (например, Airflow, Prefect, n8n). - Знакомство с облачной инфраструктурой (например, AWS, GCP, Azure). Компенсация Диапазон базовой зарплаты для этой роли: $120–125 тыс. Указанный диапазон отражает среднюю базовую зарплату по позиции по всем США. Предложенная базовая зарплата может быть выше или ниже в зависимости от конкретных навыков, глубины опыта, профильного образования или обучения кандидата. Локация Позиция классифицируется как удалённая в пределах США. Найм кандидатов за пределами США невозможен. Преимущества - Медицинская, стоматологическая и офтальмологическая страховка рыночного уровня. - Опционы на акции. - Бесплатная подписка Premium-Tier Origin Financial Wellness. - Ежемесячная надбавка на домашний офис. - 401k (TransAmerica). - 12 недель оплачиваемого отпуска по уходу за ребёнком для рожавших и нерожавших родителей. - Гибкий отпуск + больничный и безопасный отпуск. - 11 оплачиваемых корпоративных праздников. - Опция Same Day Pay Branch@Branch.

Формат

Офис

Страна

США

Город

Не указан

Грейд

Senior

О компании Branch помогает компаниям ускорять платежи и предоставляет работающим американцам доступные бесплатные финансовые услуги. Компания работает полностью удалённо, сотрудники находятся в США. О роли Ищем Senior Enterprise Engineer в команду данных. Роль предполагает проектирование и создание взаимосвязанных систем, которые управляют бизнесом, с использованием сторонних инструментов, MCP-серверов, внутренних API, лёгких веб-приложений и автоматизированных процессов. Нужно тесно работать с инженерами, аналитиками и бизнес-заинтересованными сторонами. Это роль для опытного Python-инженера, который умеет вести сложные проекты от начала до конца: от планирования и архитектуры до развёртывания и поддержки. Команда небольшая, с высоким уровнем доверия, ценит ясность, поддерживаемость и внимание к деталям. Задачи - Создавать и поддерживать MCP-серверы, которые предоставляют возможности платформы данных и корпоративных бизнес-систем внутренним инструментам и ИИ-процессам детерминированным образом. - Создавать внутренние API для обогащения экосистемы программно адресуемых ресурсов. - Создавать лёгкие веб-приложения и дашборды на Streamlit для поддержки внутренних процессов. - Разрабатывать stateful-приложения, обеспечивающие соблюдение стандартных операционных процедур в соответствии с политиками. - Разрабатывать и управлять автоматизированными процессами и пайплайнами на Python. - Управлять SDLC для преобразования высокоценных макросов и других инструментов, созданных менее техническими пользователями, в отдельные сервисы и low-code процессы, которые могут использоваться несколькими внутренними командами. - Определять стандарты кодирования и лучшие практики взаимодействия с ИИ-агентами в Branch. - Взаимодействовать с заинтересованными сторонами для определения объёма и реализации решений. - Писать чистый, хорошо документированный код и вносить вклад в культуру технического качества. Требования Обязательные: - 5+ лет профессионального опыта в Python. - 3+ года опыта проектирования и создания API (предпочтительно FastAPI или Flask). - 3+ года опыта full-stack разработки на Python. - Опыт создания или работы с MCP-серверами. - Опыт детерминированного LLM-программирования (например, LangChain, UserPromptSubmit, PostToolUse). - Знакомство с OLTP-базами данных и технологиями кэширования. - Уверенное владение SQL и работа с реляционными базами данных. - Отличные коммуникативные навыки и способность работать кросс-функционально. - Подтверждённая способность вести полный жизненный цикл проекта. Желательно: - Опыт в финтехе, платежах или финансовых услугах. - Опыт работы со Streamlit или аналогичными лёгкими UI-фреймворками. - Знакомство с инструментами автоматизации процессов (например, Airflow, Prefect, n8n). - Знакомство с облачной инфраструктурой (например, AWS, GCP, Azure). Условия - Зарплата: $175 000–190 000 в год (базовый диапазон для США). - Удалённая работа в пределах США. - Медицинская, стоматологическая и офтальмологическая страховка. - Опционы на акции. - Бесплатная подписка Origin Financial Wellness (премиум-тариф). - Ежемесячная надбавка на домашний офис. - 401k (TransAmerica). - 12 недель оплачиваемого отпуска по уходу за ребёнком для обоих родителей. - Гибкий график отпусков + больничные. - 11 оплачиваемых праздничных дней. - Опция Same Day Pay от Branch@Branch.

Формат

Офис

Страна

Словакия

Город

Не указан

О компании Bloomreach создаёт агентную платформу для персонализации. Компания разрабатывает и внедряет AI-агентов для персонализации пути клиента, развивает автономный поиск, разговорные покупки и автономный маркетинг на основе единого AI-движка Loomi. Платформой пользуются более 1400 глобальных брендов, включая American Eagle, Sonepar и Pandora. Отрасли: розница, финансовые услуги, гостиничный бизнес, игровая индустрия. О команде Небольшая инженерная команда внутри Go-To-Market организации. Задача — с помощью AI создавать демо-среды, автоматизировать работу и разрабатывать self-serve инструменты для пресейл-команд по всему миру. О роли Ищется AI Demo Engineer — гибкий инженер, который в первую очередь использует AI-инструменты, быстро учится и решает с помощью технологий задачи, блокирующие поле. Это не традиционная инженерная роль: не поддержка продакшн-систем и не стандартный продуктовый бэклог, а роль 0-1 Builder. Работа начинается с нечётких пресейл-потребностей, быстрого прототипирования, тестирования с полем и превращения лучших идей в готовые демо, автоматизации, внутренние инструменты и повторяемые активы. Нужно тесно работать с тимлидом, находящимся в США, поэтому важна асинхронная коллаборация и способность взаимодействовать с командами в разных часовых поясах (ЕС и США). Задачи - Создавать AI-демо: проектировать и выпускать демо, прототипы и интерактивные сценарии, которые делают платформу Bloomreach осязаемой и релевантной. - Автоматизировать работу с помощью AI: находить повторяющиеся GTM-задачи и превращать их в автоматизации, промпт-паттерны, внутренние инструменты, интеграции, агентов, навыки, MCP, SDK-воркфлоу и другие решения, экономящие время. - Обеспечивать self-serve для консультантов: создавать инструменты, позволяющие Solution Consultants настраивать, персонализировать и запускать демо без участия инженеров. - Быстро прототипировать и превращать работающее в продукт: брать нечёткие идеи, быстро собирать, тестировать с полем и решать, что станет долгосрочным внутренним продуктом, акселератором или демо-активом. - Оживлять Loomi и AI Bloomreach: использовать AI-сценарии, персонализацию, LLM-интеграции и умные воркфлоу, чтобы помочь потенциальным клиентам понять ценность платформы. - Обучать и подготавливать поле: документировать, демонстрировать демо и укреплять внутреннюю уверенность в новых инструментах. - Поддерживать надёжность демо: быстро устранять неполадки, поддерживать клиентские среды и относиться к сломанному демо перед потенциальным клиентом как к срочной задаче. Технический фон - TypeScript / JavaScript, Python, React, Next.js, Node.js или аналогичный современный веб-стек. - Claude Code, Cursor или аналогичные AI-ассистированные инструменты разработки; LLM API (OpenAI, Anthropic); промпт-инжиниринг, оркестрация воркфлоу, SDK-интеграции, агенты, MCP, ретривальные системы. - Shopify; Hydrogen (на основе Remix), Liquid, Storefront API, Admin API. Глубокий опыт со всеми перечисленными инструментами не обязателен. Более важный сигнал — способность быстро учиться, оставаться в курсе изменений в AI-ландшафте и использовать сам AI для закрытия пробелов в собственном опыте.

Формат

Офис

Страна

США

Город

Не указан

О компании TeamSnap — платформа для коммуникаций в любительском спорте. Инженерная команда полностью распределённая. Компания входит в списки Outside Magazine «Best Places to Work» и Built In «100 Best Remote-First Places to Work». Задачи - Проектировать, развивать и поддерживать бэкенд-API, сервисы, event-driven процессы, очереди, фоновые задачи, модели данных, кэширование и интеграции для миллионов пользователей и тысяч спортивных организаций. - Вести сложные бэкенд-задачи от discovery до дизайна, внедрения, продакшена и долгосрочной поддержки. - Руководить неоднозначными техническими инициативами: декомпозиция проблем, оценка рисков, практические компромиссы, переход от неопределённости к чёткому исполнению. - Повышать надёжность, масштабируемость, производительность и управляемость продакшен-систем: архитектура, тестирование, оптимизация БД, кэширование, мониторинг, алерты, разбор инцидентов. - Разбирать сложные проблемы продакшена на уровне кода, БД, кэшей, очередей, задач, observability и жизненного цикла запроса. - Работать с командами Product, Design, Engineering, Infrastructure, Platform, Data, Support и другими для превращения roadmap в устойчивые бэкенд-системы и планы внедрения. - Давать и получать конструктивную обратную связь, менторить инженеров, влиять на согласованность между командами и объяснять технические компромиссы нетехническим заинтересованным сторонам. Требования - Сильная экспертиза в Node и опыт создания и поддержки продакшен-бэкенд-систем. - Глубина на уровне Staff: подтверждённый опыт создания и эксплуатации высоконагруженных API, сервисов, распределённых систем или общих продуктовых возможностей в продакшене. - Уверенное владение бэкенд-технологиями: Node, TypeScript, Elixir, Ruby/Rails, Java, Go, Python или аналогичными, включая поведение в рантайме, сценарии отказов и продакшен-компромиссы. - Сильное понимание SQL и реляционных БД: индексы, оптимизация запросов, миграции, профилирование, моделирование данных, транзакции, паттерны чтения и записи, настройка производительности. - Практическое понимание сервис-ориентированной и event-driven архитектуры, очередей, фоновых задач, вебхуков, Redis или аналогичных инструментов кэширования и систем, работающих под реальной нагрузкой. - Рабочее знание продакшен-инфраструктуры и платформенных вопросов: деплой, контейнеры, CI/CD, облачные сервисы, основы сетей, observability, операционная отладка. - Ответственность за продакшен: использование логов, метрик, трейсов, дашбордов, алертов, разбора инцидентов и поведения системы для повышения надёжности. - Умение вести за счёт влияния, менторить инженеров, принимать технические решения, понятно объяснять компромиссы и связывать бэкенд-решения с влиянием на клиентов, бизнес и долгосрочную поддерживаемость. Будет плюсом - Опыт работы в инфраструктурных, платформенных, SRE, DevOps или data-командах или в тесной связке с ними. - Знакомство с Elasticsearch, BigQuery, аналитическими пайплайнами, поисковой инфраструктурой, отчётностью или обработкой больших объёмов данных. - Ответственное использование AI-ассистированных рабочих процессов для отладки, тестирования, документации, рефакторинга, прототипирования или улучшения developer experience без потери качества и понимания.

Формат

Офис

Страна

США

Город

Не указан

Грейд

Senior

О роли OpenAI ищет опытного Performance-инженера для масштабирования производительности, надёжности и эффективности систем. Роль предполагает оптимизацию инфраструктуры и производительности приложений для критически важных продуктов, включая ChatGPT и API для разработчиков. Это индивидуальный технический вклад с фокусом на анализ первопричин, профилирование, инструментирование и улучшение производительности на уровне архитектуры. Задачи - Анализировать и оптимизировать производительность на уровнях приложения, middleware, рантайма и инфраструктуры: сети, хранилища, Python-рантайм, использование GPU и другое. - Разрабатывать инструменты и метрики для глубокой наблюдаемости за производительностью систем. - Тесно взаимодействовать с командами инфраструктуры, платформы, обучения и продуктов для определения ключевых целей производительности и системных улучшений. - Влиять на архитектурные и дизайнерские решения, чтобы приоритизировать задержку, пропускную способность и эффективность в масштабе. - Проводить расследования значительных регрессий производительности или проблем масштабируемости в продакшене. - Разрабатывать стратегии тестирования производительности и помогать определять SLA/SLO по задержке и пропускной способности для критических систем. Требования - 7+ лет опыта в разработке ПО с подтверждённым опытом в производительности или надёжности высоконагруженных распределённых систем. - Уверенное владение инструментами профилирования производительности и системами трассировки. - Опыт оптимизации производительности на одном или нескольких уровнях стека: базы данных, сети, хранилища, рантайм приложения, настройка GC, внутренности Python/Golang, использование GPU. - Глубокое понимание внутренностей ОС, планировщика, управления памятью и паттернов ввода-вывода. - Участие в создании наблюдаемости, бенчмаркинга или инфраструктуры, ориентированной на производительность, в масштабе. - Подтверждённый опыт работы в условиях неопределённости и согласования заинтересованных сторон вокруг целей производительности. - Ценность простоты, строгости и сотрудничества при решении сложных системных задач. О компании OpenAI — исследовательская и внедренческая компания в области ИИ, миссия которой — обеспечить, чтобы общий искусственный интеллект приносил пользу всему человечеству. Компания расширяет границы возможностей систем ИИ и стремится безопасно внедрять их через свои продукты.

Формат

Офис

Страна

Россия

Город

Не указан

Проект Разработка AI-помощника на базе GigaChat в поверхности GigaAssistant в канале Казначейства. Помощник позволит клиенту самостоятельно вносить изменения в параметры работы услуги «Единый остаток». Команда также занимается разработкой услуг «Единый остаток», «Компенсационные продукты», «Контроль и акцепт» в канале Казначейства. Задачи - Проектирование, разработка и внедрение AI-агентов. - Интеграция решений с другими системами, обеспечение их взаимодействия. - Работа с LLM, включая prompt engineering и оптимизацию взаимодействия с большими языковыми моделями. Требования - Отличное знание Python, опыт коммерческой разработки от 3 лет (по ТК РФ). - Хорошее знание FastAPI, REST API и асинхронного программирования. - Опыт работы с PostgreSQL, Docker / Docker Compose. - Опыт работы с Qdrant или другими векторными базами данных. - Практическое понимание RAG: chunking, embeddings, vector search, metadata filtering. - Опыт интеграции LLM API: OpenAI, GigaChat, Anthropic или аналогов. - Опыт работы с LangChain, LlamaIndex, HuggingFace или sentence-transformers. - Опыт работы с Kafka; RabbitMQ может рассматриваться как аналог. - Опыт написания unit- и интеграционных тестов. Условия - Участие в интересном проекте. - Возможность профессионального и карьерного роста. - Работа в команде профессионалов. - Уровень заработной платы обсуждается индивидуально. - Формат работы — удалённо на территории РФ.

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Lead

Компания — лидер в автоматизации контроля качества. Разработана платформа RETAILIQA для автоматизации операционного аудита, которой пользуются компании по России и ближнему зарубежью. Среди клиентов: МВидео, Эльдорадо, Инвитро, Татнефть, РусАгро, Аскона, DNS, ВсеИнструменты, Spar, Мираторг, Рив Гош и другие. В связи с запросами ритейла активно развивается платформа RETAILIQA AI-VISION для автоматизации контроля выкладки товаров и промопрограмм на базе ML, Deep Learning и Computer Vision. Ищем ведущего AI/ML-инженера для разработки и развития AI-сервисов в области автоматизации compliance-процессов — от архитектуры и экспериментов до запуска решений в production. Основной технологический фокус — Agentic AI, RAG, мультимодальные LLM и классические Deep Learning-модели (Computer Vision). Решения разворачиваются в облачной инфраструктуре и on-premise на оборудовании компании. Используемые технологии: Python, FastAPI, FastMCP, RabbitMQ, FastStream, PostgreSQL/pgvector, Milvus, LlamaIndex, PydanticAI, LangGraph, DeepEval, RAGAS, Langfuse, ClearML, vLLM, Triton Inference Server, Docker, GitLab CI/CD, Prometheus, Grafana. Чем предстоит заниматься - Проектировать архитектуру AI-сервисов и принимать ключевые технические решения. - Разрабатывать LLM-, RAG- и Agentic AI-решения. - Создавать production-ready сервисы на Python. - Разрабатывать AI-агентов, workflow и интеграции с корпоративными системами. - Быстро проверять AI-гипотезы и создавать PoC/MVP. - Доводить успешные решения до production. - Организовывать evaluation и контроль качества AI-систем. - Участвовать в развитии технической архитектуры и инженерных стандартов нового AI-направления. - Взаимодействовать с backend-разработчиками, DevOps, аналитиками и продуктовыми специалистами. Что мы ожидаем - От 3 лет опыта промышленной разработки ML/AI-решений преимущественно на Python. - Практический опыт разработки LLM-, RAG- или Agentic AI-систем. - Опыт самостоятельного создания AI/ML-сервисов от идеи и прототипа до production. - Сильные навыки проектирования архитектуры AI-сервисов. - Уверенное владение Python и опыт backend-разработки. - Понимание RAG: ingestion, chunking, embeddings, retrieval, reranking, generation и evaluation. - Опыт интеграции коммерческих LLM API и/или развёртывания open-source моделей. - Опыт работы с PostgreSQL и векторными базами данных. - Уверенное владение Linux, Docker и Git. - Понимание распределённых систем, очередей сообщений и асинхронной обработки. - Понимание принципов model serving, мониторинга и эксплуатации ML/LLM-сервисов. - Способность самостоятельно принимать технические решения в условиях технологической неопределённости. Будет плюсом - Опыт работы с LlamaIndex, LangGraph, PydanticAI или аналогичными фреймворками. - Опыт разработки MCP-серверов и MCP-интеграций. - Опыт работы с PostgreSQL/pgvector, Milvus или другими векторными хранилищами. - Опыт эксплуатации open-source LLM через vLLM, Triton Inference Server или аналогичные решения. - Опыт evaluation LLM/RAG-систем: DeepEval, RAGAS, Langfuse или аналоги. - Опыт on-premise развёртывания AI-моделей. - Опыт работы с мультимодальными моделями или Computer Vision. - Опыт технического взаимодействия с корпоративными заказчиками. - Опыт участия в создании новой AI/ML-команды или технического направления с нуля. Условия работы - Официальное трудоустройство по ТК РФ. - Работа в аккредитованной IT-компании. - Гибкий график работы. - Конкурентная зарплата, зависящая от опыта и квалификации кандидата. - Профессиональное развитие и обучение. - Доступ к проектам с реальными бизнес-заказчиками из числа федеральных сетей. - Возможность непосредственно влиять на практическое применение AI в бизнесе. - Система квартального премирования.

Формат

Офис

Страна

Не указана

Город

Не указан

Грейд

Senior

Команда Merchant & Partner Lifecycle занимается архитектурной трансформацией Affirm: консолидирует оркестрацию жизненного цикла мерчантов в новый домен. Инженер выступит техническим лидером и построит новый сервис-оркестратор, который находится в центре нескольких связанных систем. Работа даст немедленные улучшения доступности за счёт упрощения и изоляции систем, а также модернизацию устаревших частей кодовой базы. Задачи: - Проектировать и расширять основу платформы для масштабирования на сотни тысяч мерчантов по всему миру. - Согласовывать объём работы с другими командами для реализации кросс-командных проектов. - Наставлять других инженеров для их развития и роста. - Совместно с инженерным менеджером и тимлидом реализовывать долгосрочное видение команды. - Выполнять техническую стратегию для сложных требований, решая масштабные открытые задачи. - Использовать агентные инструменты разработки, такие как Claude Code, для автоматизации части процесса разработки. - Улучшать инженерные стандарты, инструменты и процессы в организации. Требования: - 5+ лет опыта работы бэкенд-инженером. - Сильное понимание Domain-Driven Design, распределённых систем и влияния архитектурных решений на производительность и поддерживаемость. - Владение моделями данных, проектированием API (HTTP и RPC), конечными автоматами, событийно-ориентированной архитектурой и проектированием баз данных. - Отличные письменные и устные коммуникационные навыки, включая асинхронную коммуникацию: технические спеки, ADR, планы проектов. - Опыт проектирования, разработки и запуска бэкенд-систем (стек: AWS, gRPC, Snowflake, Kotlin, Python, MySQL, Kubernetes). Опыт с Java и Kotlin особенно полезен. - Опыт работы с системами мониторинга и алертинга (sentry.io, rollbar, chronosphere, kibana). Условия: - Компания remote-first: большинство ролей удалённые, можно работать почти из любого места в стране найма. Сотрудники на проксимальных ролях могут работать удалённо, но иногда обязаны работать в назначенном офисе Affirm. Ограниченное число ролей остаются офисными из-за характера обязанностей. - Базовая зарплата в США (CA, WA, NY, NJ, CT): 195 000–255 000 долларов в год. - Базовая зарплата в США (все остальные штаты): 173 000–233 000 долларов в год. - Медицинское страхование: Affirm покрывает все премии для всех уровней покрытия для сотрудника и иждивенцев. - Гибкие расходные счета: щедрые стипендии на технологии, еду, различные нужды образа жизни и расходы на создание семьи. - Отпуск: конкурентные графики отпусков и праздников. - ESPP: план покупки акций Affirm со скидкой.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Bright Vision Technologies — технологическая консалтинговая компания, разрабатывающая облачные, AI, данные и корпоративные решения по всей территории США. Должность: Conversational AI Engineer Локация: удаленно (США) Тип занятости: полная, прямая занятость (W2) Зарплата: $130,000–$180,000 в год (в зависимости от опыта) Требуемый опыт: 10+ лет Спонсорство: рассматриваются граждане США, обладатели грин-карт, EAD и кандидаты на перевод H-1B. Спонсорство новых H-1B не предоставляется. Компания ищет опытного инженера с 10+ годами опыта в разработке ПО и глубокой экспертизой в больших языковых моделях (LLM), агентном ИИ и разработке корпоративных AI-приложений. Кандидат будет определять и вести стратегию, архитектуру и инженерные практики для создания интеллектуальных диалоговых систем, фреймворков промт-инжиниринга и AI-приложений. Роль сочетает глубокие технические знания современных LLM с умением создавать переиспользуемые AI-платформы, оценочные фреймворки и инструменты для разработчиков, обеспечивающие масштабируемые, безопасные и готовые к продакшену решения. Задачи: - Проектировать, разрабатывать и внедрять корпоративные диалоговые AI-приложения на базе LLM. - Определять стандарты промт-инжиниринга, переиспользуемые библиотеки промтов и лучшие практики для корпоративной AI-разработки. - Архитектура и внедрение агентных AI-процессов, мультиагентных систем, оркестрации инструментов и решений RAG. - Создание масштабируемых оценочных фреймворков для качества промтов, обнаружения галлюцинаций, точности ответов, задержки и пользовательского опыта. - Разработка переиспользуемых SDK, API и инструментов, ускоряющих создание AI-приложений в командах. - Взаимодействие с продакт-менеджерами, AI-исследователями, инженерами и бизнес-стейкхолдерами для выпуска готовых к продакшену решений. - Внедрение практик безопасности ИИ, ответственного ИИ, безопасности, соответствия, защитных механизмов и управления для корпоративных развертываний. - Оптимизация производительности LLM, эффективности инференса, выполнения промтов, стратегий кэширования и операционной масштабируемости. - Наставничество инженеров и установление стандартов для архитектуры, тестирования, развертывания и мониторинга диалоговых систем. - Оценка новых LLM, агентных фреймворков и AI-технологий для стимулирования инноваций и улучшения платформы. Требования: - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, машинного обучения, программной инженерии или смежной технической дисциплине. - 10+ лет профессионального опыта в разработке ПО, включая значительный опыт создания и развертывания приложений на базе LLM. - Подтвержденный опыт выпуска корпоративных диалоговых AI-продуктов или продуктов на базе LLM в продакшен. - Глубокая экспертиза в современных LLM API и моделях: OpenAI GPT, Anthropic Claude, Google Gemini, Llama или Mistral. - Сильный опыт с агентными фреймворками: LangChain, LangGraph, LlamaIndex, Semantic Kernel, CrewAI или AutoGen. - Сильные навыки программирования на Python и опыт создания масштабируемых бэкенд-сервисов и API. - Опыт внедрения RAG, векторных баз данных, эмбеддингов, промт-инжиниринга и AI-оркестрации. - Глубокое понимание AI-оценки, мониторинга моделей, наблюдаемости, ответственного ИИ и корпоративного управления ИИ. - Отличные коммуникативные, аналитические навыки и лидерские качества. Предпочтительно: - Публичные технические публикации, выступления на конференциях, вклад в open-source или лидерство в разработке LLM-приложений. - Опыт проектирования мультиагентных архитектур, автономных AI-процессов и сложных систем использования инструментов. - Знакомство с тонкой настройкой LLM, параметрически эффективной настройкой (LoRA/QLoRA) и техниками выравнивания моделей. - Опыт разработки AI-решений для поддержки клиентов, ассистентов программирования, корпоративного поиска, аналитики, управления знаниями или бизнес-автоматизации. - Опыт интеграции диалогового ИИ в корпоративные приложения со строгими требованиями соответствия: HIPAA, PCI-DSS, SOC 2 или FedRAMP. - Опыт работы с Kubernetes, MLOps, CI/CD, облачными платформами (AWS, Azure или GCP) и продакшен-инфраструктурой ИИ.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Компания: Strategic Resources International Роль: Golang Developer / Forward Deployment Engineer Локация: Удаленно Тип занятости: Контракт Опыт: 10+ лет Обзор роли Требуется высококвалифицированный Forward Deployment Engineer (Golang) для владения архитектурой и технической реализацией Claim Validation Engine на целевой платформе. Это практическая техническая лидерская роль: инженер отвечает за решение от начала до конца — от архитектуры до внедрения, работая напрямую с заинтересованными сторонами клиента и инженерными командами для определения архитектуры платформы, установления инженерных стандартов, руководства реализацией и поставки масштабируемых, безопасных и высокопроизводительных систем. Идеальный кандидат сочетает глубокую экспертизу в распределенных системах, Go-микросервисах и cloud-native архитектуре с сильными навыками обратного проектирования легаси-приложений, а также владеет современными практиками разработки с использованием ИИ. Ключевые обязанности Техническое лидерство и проектирование решений: - Владение сквозной технической архитектурой платформы Claim Validation. - Проектирование масштабируемых, отказоустойчивых cloud-native микросервисов на Go и Azure. - Определение архитектурных паттернов, стандартов кодирования, принципов API-дизайна и инженерных лучших практик. - Проектирование расширяемых возможностей rule-engine для поддержки развивающихся бизнес-требований. - Проведение архитектурных ревью и технических дизайн-обсуждений. Платформенная инженерия: - Архитектура и руководство реализацией rule engine целевой платформы. - Проектирование и контроль разработки Validation API (POST /validate) и вспомогательных сервисов. - Обеспечение высокопроизводительного параллельного выполнения правил с низкой задержкой и высокой пропускной способностью. - Определение переиспользуемых фреймворков и общих компонентов платформы. Обратное и прямое проектирование: - Руководство обратным проектированием легаси-систем валидации медицинских претензий. - Перевод бизнес-правил в масштабируемые cloud-native микросервисы. - Драйв инициатив по модернизации и определение стратегий миграции легаси-платформ. - Создание переиспользуемых инженерных паттернов и акселераторов. Инженерия с использованием ИИ: - Внедрение AI-assisted инструментов разработки: GitHub Copilot, Cursor, LLM, AI-агенты, AI-навыки, рабочие процессы spec-to-code. - Определение управления для AI-сгенерированного кода и инженерных рабочих процессов. - Повышение инженерной продуктивности через AI-автоматизацию. Инженерное совершенство: - Ревью архитектуры, качества кода, безопасности и производительности. - Установление CI/CD quality gates, автоматизированного тестирования и стандартов развертывания. - Менторство инженеров через дизайн-ревью, код-ревью и техническое руководство. - Обеспечение соблюдения архитектурных стандартов и гайдлайнов кодирования. Работа с клиентом: - Прямая работа с архитекторами клиента, владельцами продуктов и инженерными лидерами. - Проведение технических воркшопов, архитектурных обсуждений и демонстраций решений. - Перевод бизнес-требований в технические дизайны. - Решение критических технических задач и поддержка команд доставки на этапе внедрения. Требуемые навыки и опыт Техническая экспертиза (обязательно): - 10+ лет опыта в разработке ПО, включая 3+ года как Senior Developer/Lead. - Экспертный уровень Go (Golang) и микросервисной архитектуры. - Опыт full stack разработки (React и Angular). - Сильные навыки в распределенных системах, REST API и проектировании высокопроизводительных приложений. - Опыт Python и современного веб-фронтенда (React или Angular). - Глубокие знания PostgreSQL и проектирования реляционных баз данных. - Azure, Kubernetes, Docker, Azure DevOps, cloud-native разработка. - Платформы обмена сообщениями: Kafka или RabbitMQ. - API-first дизайн и спецификации OpenAPI. Архитектура и инженерия: - Подтвержденный опыт проектирования enterprise-масштабных распределенных систем. - Сильный бэкграунд в обратном проектировании и модернизации легаси-приложений. - Опыт определения архитектурных стандартов и технического управления. - Глубокое понимание масштабируемости, отказоустойчивости, наблюдаемости, безопасности и оптимизации производительности. ИИ и современная инженерия (дифференциатор): - Практический опыт с GitHub Copilot, Cursor, LLM, AI-кодинг-ассистентами, AI-рабочими процессами. - Опыт интеграции ИИ в жизненный цикл разработки ПО. - Знакомство с AI-assisted генерацией кода, промт-инжинирингом и инженерной автоматизацией. Лидерство: - Отличные технические лидерские и менторские навыки. - Сильные коммуникационные навыки и управление стейкхолдерами. - Способность принимать архитектурные решения, оставаясь практичным в реализации. - Опыт прямой работы с enterprise-клиентами в средах быстрой доставки. Ключевые показатели эффективности - Успешная архитектура и доставка платформы Claim Validation в согласованные сроки. - Высококачественное, масштабируемое и поддерживаемое архитектурное решение. - Успешная миграция легаси-бизнес-правил на целевую платформу. - 85%+ автоматизированное покрытие тестами с надежными CI/CD пайплайнами. - Высокая удовлетворенность клиентов через эффективное техническое лидерство и доставку.

Формат

Офис

Страна

Новая Каледония

Город

Не указан

Грейд

Junior

AI Engineer I (младший инженер по искусственному интеллекту) в компании Victra — крупнейшем премиальном ритейлере Verizon в США. Позиция предполагает гибридный формат работы в Дареме (США). Компания формирует собственную команду AI-инженерии, и эта роль станет её отправной точкой. Вы будете создавать, тестировать и запускать AI-агентов и рабочие процессы на Microsoft Copilot Studio и Azure AI Foundry, следуя спецификациям и архитектуре, заданным старшими инженерами. Это осознанно ранняя карьерная роль: нанимают за способности, любознательность и инженерный склад ума, а не за годы опыта в AI. Опыт работы с генеративным ИИ не требуется. Роль подойдёт разработчику на раннем этапе карьеры, специалисту по автоматизации или Power Platform, готовому перейти к профессиональному коду, системному администратору или инженеру, желающему освоить разработку агентов на структурированном пути. Предусмотрены наставник, бюджет на сертификацию и реальная ответственность за результат. Основной стек — Azure AI Foundry, но фундаментальные навыки (API, промптинг, оркестрация, оценка) платформенно-независимы. Иногда потребуется поддержка проектов за пределами основных платформ, включая open-source фреймворки и AI-инструменты для кодинга. Задачи: - Создание, тестирование и развёртывание AI-агентов и рабочих процессов на Copilot Studio и Azure AI Foundry по стандартам и паттернам старших инженеров. - Интеграция агентов с бизнес-системами: коннекторы, API, инструментальные интеграции. - Проверка выходных данных AI на соответствие критериям приёмки; написание и запуск тестов, включая базовые оценочные проверки, до релиза. - Устранение пограничных случаев и проблем в продакшене при поддержке старших коллег, документирование первопричин. - Сопровождение одного закреплённого агента после запуска: мониторинг, небольшие исправления, обработка обратной связи от пользователей, с назначенным старшим ревьюером. - Документирование каждой разработки по стандарту команды. - Поддержка проектов за пределами основных платформ по указанию руководства, включая open-source фреймворки агентов и AI-инструменты для кодинга, с применением тех же стандартов тестирования и документации. - Регистрация всех выпущенных решений в реестре агентов. - Прохождение структурированной программы обучения (учебный план Microsoft Learn по разработке агентов и оплачиваемые сертификации) в согласованные сроки. Требования: - Степень бакалавра в области компьютерных наук, информационных систем или смежной области, демонстрирующая техническую вовлечённость, способность к долгосрочным обязательствам и сильное критическое мышление. - Подтверждённые навыки программирования на языке общего назначения: Python, C или Java; также засчитывается опыт скриптинга (PowerShell, JavaScript, Power Fx). - Рабочее знание API и основ работы с данными: вызов сервиса, чтение JSON, перемещение данных между системами. - Защитное, пограничное мышление: привычка задавать вопрос «что произойдёт, если входные данные неверны». - Чёткая письменная коммуникация и привычка к документированию. - Подтверждение самостоятельного обучения: побочные проекты, эксперименты или самостоятельно освоенный инструмент, включая неудачные попытки и последующие действия. - Ежедневное использование AI-инструментов (Claude, GitHub Copilot или аналогичных) в работе. - Опыт работы с генеративным ИИ не требуется — компания обучит. Желательно: - Опыт реальной разработки: разработка ПО или приложений, скриптинг или автоматизация; приветствуется опыт Power Platform, RPA, ServiceNow или системного администрирования как отправная точка. - Интерес к профессиональной разработке на Azure: написание и использование REST API, Azure Functions (function apps), API Management (APIM), а также работа с retrieval-augmented generation (RAG): индексация и стратегии grounding в Azure AI Foundry. - Знакомство с современным процессом разработки: Git, управление ветками, CI/CD для вывода кода в продакшен. - Опыт работы с open-source фреймворками агентов или инструментами наблюдаемости LLM (LangChain, Langfuse или аналогичные). - Сертификации Microsoft — плюс, но не обязательны: AI-901 или AB-900 (основы), AB-620 AI Agent Builder Associate или AI-103 Azure AI Apps and Agents Developer Associate; компания оплачивает сертификацию тем, у кого её нет. - Опыт работы в рознице или полевых операциях. Карьерный рост: - Опубликованная лестница от AI Engineer I к старшей разработке агентов, подкреплённая оплачиваемыми сертификациями, учебным бюджетом и растущей ответственностью. Первый управляемый продакшен-агент ожидается примерно на шестом месяце; далее объём самостоятельной работы растёт. Условия: - Оплачиваемое обучение и возможности карьерного развития. - Комплексная медицинская, стоматологическая и офтальмологическая страховка. - Пенсионный план 401k. - Компенсация обучения.

Формат

Офис

Страна

Ватикан

Город

Не указан

Salesforce нанимает AI-инженеров для участия в программе для выпускников. Вы будете работать в составе кросс-функциональных команд, создавая агентные решения для клиентов из списка Fortune 500. Задачи: - Разработка AI-агентов, работающих в продакшене для крупных компаний. - Проектирование архитектуры агентов: промпты, рассуждения, вызовы инструментов, с использованием LLM и платформы Agentforce. - Поддержка технического жизненного цикла: архитектура, разработка, отладка и развертывание продакшен-систем на JavaScript, Python и Apex. - Консультирование клиентов: превращение бизнес-задач в агентные решения. - Тестирование и итеративное улучшение собственных решений. Требования: - Сильный бэкграунд в Computer Science или смежной инженерной дисциплине. - Опыт работы с LLM и промпт-инжинирингом. - Владение React, TypeScript, GraphQL, Python, ООП и Real-Time Infra. - Навыки взаимодействия с продакт-командами и клиентами. - Умение писать качественный код и оценивать результаты AI с инженерной строгостью. - Готовность к командировкам 25–50% рабочего времени. Условия: - Работа над реальными проектами, влияющими на бизнес компании. - Наставничество: парный онбординг-бадди, поддержка старших разработчиков, теневые стажировки. - Программа развития технических и продажных навыков. - Доступ к AI-инструментам: Cursor, Claude, внутренние продукты для разработки.

Формат

Офис

Страна

Канада, США

Город

Лос-Анджелес

Грейд

Senior

О роли Ищем AI-инженера с опытом от 5 лет для проектирования, разработки и внедрения AI-решений, включая современные агентные AI-процессы. Роль предполагает разработку масштабируемых ML-моделей и интеллектуальных агентов на основе фундаментальных моделей для автоматизации сложных бизнес-процессов и улучшения принятия решений. Задачи - Проектировать, разрабатывать и внедрять ML и AI модели для бизнес-кейсов - Проектировать и дообучать модели, включая цепочки рассуждений, использование инструментов и агентные архитектуры (ReAct, мультиагентные фреймворки и др.) - Определять возможности агентов, границы автономного принятия решений и управлять ожиданиями заинтересованных сторон по надёжности - Проектировать и оптимизировать промпт-инструкции, персоны, описания инструментов и каркасы рассуждений, направляющие поведение агентов - Разрабатывать и оркестрировать многошаговые AI-агенты, способные к рассуждению, использованию инструментов и выполнению процессов - Строить агентные процессы на основе фундаментальных моделей для автоматизации задач и поддержки решений - Тестировать AI-агентов на корпоративных системах, API, инструментах и платформах данных - Проектировать бенчмарки и автоматические оценки для измерения надёжности, точности и безопасности агентов в различных сценариях - Работать со структурированными и неструктурированными данными для предиктивных и генеративных AI-решений - Управлять и наставлять команду дата-сайентистов, задавая чёткие ожидания по качеству моделей, документации и готовности к продакшену - Сотрудничать с дата-сайентистами, BI-командами и бизнес-стейкхолдерами для трансформации требований в AI-решения - Оптимизировать производительность моделей, масштабируемость и экономическую эффективность - Мониторить развёрнутые модели и агентов, внедрять циклы обратной связи и стратегии переобучения - Документировать технические проекты, агентные процессы и системную архитектуру Требования - Степень бакалавра или магистра в области компьютерных наук, AI, науки о данных или смежной области - Опыт от 4 лет в AI/ML, науке о данных или прикладном AI-инжиниринге - Сильные навыки программирования на Python - Твёрдое понимание основ машинного обучения и методов оценки - Знакомство с промпт-инжинирингом и работой с большими языковыми моделями (LLM) - Опыт с архитектурами RAG (Retrieval-Augmented Generation) - Опыт работы с API и интеграцией AI в приложения - Знакомство с фреймворками оркестрации (например, LangChain, Semantic Kernel или аналогичными) Предпочтительные квалификации - Практический опыт с Amazon SageMaker и Bedrock для ML и генеративных AI-приложений - Знакомство с Amazon Bedrock Guardrails и Knowledge Bases - Практический опыт с Amazon AgentCore для запуска агентных AI-приложений - Опыт проектирования агентных процессов (мультиагентные системы, агенты с использованием инструментов, автономные процессы) - Опыт с облачными платформами, такими как Amazon Web Services - Знание практик MLOps (Docker, CI/CD, мониторинг моделей) Условия - Зарплата от $122 000 до $148 000 на момент найма для районов Джерси-Сити, Нью-Джерси и Вудленд-Хиллз, Калифорния - Фактический размер компенсации зависит от географического расположения кандидата, навыков, опыта и других квалификаций - Право на дискреционный бонус в соответствии с условиями применимого плана стимулирования - Конкурентный пакет льгот как часть общей компенсации

Формат

Офис

Страна

США

Город

Нью-Йорк

Компания David создает продукты для увеличения мышечной массы и снижения жира. Первый продукт — протеиновый батончик. David — платформа для разработки высокобелковых, низкокалорийных продуктов, дружественных к уровню сахара в крови. Компанию возглавляет CEO Питер Рахал, сооснователь и бывший CEO RXBAR (продажа Kellogg за $600 млн в 2017 году). Цель — стать самым популярным высокобелковым батончиком в Северной Америке и за ее пределами. Роль Software Engineer, AI & Internal Tools — один из ключевых разработчиков внутренних инструментов, автоматизированных рабочих процессов и AI-систем. Задача — находить возможности для оптимизации, проектировать масштабируемые решения и влиять на внедрение AI и новых технологий в компании. Роль предполагает устранение рутинной ручной работы с помощью надежных программных решений, включая AI-рабочие процессы и инструменты для повышения эффективности операций. Вакансия открыта для кандидатов любого уровня опыта. Задачи: - Проектирование, разработка и поддержка внутренних инструментов, заменяющих ручные процессы в Finance, Operations, Growth, Retail и Supply Chain. - Написание production-кода на Python и/или TypeScript; выбор подходящего языка и фреймворка для задачи. - Разработка и внедрение AI-рабочих процессов для парсинга документов, извлечения данных, классификации, суммаризации и поддержки принятия решений. - Создание и оркестрация AI-агентов с использованием LLM API, агентных фреймворков, MCP-коннекторов и RAG, включая оркестрацию инструментов, логику маршрутизации и guardrails. - Внедрение систем оценки и паттернов human-in-the-loop для обеспечения надежности и точности AI-результатов. - Управление учетными данными, чувствительными данными и сторонними интеграциями; проектирование рабочих процессов с соответствующими правами доступа и guardrails. - Совместное владение пайплайнами данных и dbt-моделями для переноса данных из источников в BigQuery и преобразования их в чистые, готовые к анализу наборы данных. - Устранение проблем с пайплайнами и качеством данных; поддержка новых интеграций при подключении дополнительных платформ. - Автоматизация и поддержка отчетности для Finance, Operations и руководства: дашборды, регулярные отчеты и ad hoc-анализы. Требования: - Минимум 2 года профессионального опыта в software engineering, data engineering или смежной технической роли. - Сильное владение Python/TypeScript: чистый, тестируемый, production-код с тестированием, контролем версий и CI/CD. - Production-опыт с минимум одним full-stack веб-фреймворком (предпочтительно Next.js/React) и одной реляционной базой данных (предпочтительно Postgres). - Свободное владение современными AI-инструментами: LLM API (Claude, GPT), агентные фреймворки, context engineering, RAG, MCP, tool use и структурированные выходные данные. - Подтвержденный опыт создания инструментов, систем или автоматизаций, которые реально используются другими людьми в профессиональной среде, в side-проекте или open-source. - Способность работать самостоятельно, четко коммуницируя приоритеты и инициативы команде. - Скромность, самоосознанность и любознательность. - Желание строить early-stage CPG-компанию с миссией помогать людям увеличивать мышечную массу и снижать жир. Условия: - Полная занятость. - Зарплата: $150,000–$250,000 в год, включая денежный бонус по достижении целей компании. - Опцион на акции компании. - Медицинская, стоматологическая и офтальмологическая страховка — 100% покрытие. - 401(k). - Дополнительные льготы, включая оплату абонемента в спортзал. - Существенный и обязательный оплачиваемый отпуск. - Работа в офисе 5 дней в неделю в Нью-Йорке.

Формат

Офис

Страна

США

Город

Нью-Йорк

Компания Obin AI ищет AI-инженеров для создания и масштабирования интеллектуальных агентов с нуля. Это одна из первых позиций в команде. Работа предполагает непосредственное взаимодействие с основателями (экс-Google) и принятие ключевых технических решений с первого дня. Задачи: - Проектирование и развертывание агентов на основе LLM: создание агентных систем с использованием LLM и RAG для автоматизации сложных кредитных процессов, включая дизайн промптов, использование инструментов, логику оркестрации и оценку систем. - Работа с заказчиками: взаимодействие с техническими и нетехническими стейкхолдерами в крупных кредитных компаниях для понимания проблем рабочих процессов и совместная разработка AI-решений, влияющих на ROI. - Владение продакшен-инфраструктурой: архитектура и поддержка бэкенд-систем и API, подключаемых к источникам данных и клиентским платформам; обеспечение высокой доступности, производительности и наблюдаемости. - Оценка и оптимизация систем: балансировка точности, задержки, надежности, стоимости и объяснимости агентных систем; проведение экспериментов и циклов улучшений. - Участие в проектировании основной платформы: определение технической архитектуры, создание переиспользуемой инфраструктуры для развертывания агентов и формирование основ инженерных практик Obin AI. - Формирование культуры и стандартов: участие в определении инженерной культуры, стандартов найма и долгосрочного технического плана. Требования: - 5+ лет опыта в разработке ПО. - 1+ год практического опыта создания LLM-агентов и/или RAG-систем в продакшене. - Опыт логирования, оценки и оптимизации AI-приложений. - Владение Python и опыт работы с современными AI/ML-фреймворками и облачной инфраструктурой (предпочтительно GCP). - Опыт работы с облачной инфраструктурой (предпочтительно GCP) и API. - Готовность быстро двигаться, отвечать за результаты и создавать долгосрочные решения. - Развитая интуиция в области системной архитектуры, производительности и масштабирования. - Четкая коммуникация, особенно в неоднозначных и ответственных задачах. Желательно: - Опыт с системами human-in-the-loop, обратной связью и длительными агентными задачами. - Опыт в финансовых системах, моделировании рисков или автоматизации решений. - Знакомство с PydanticAI, LlamaIndex, Google ADK, Claude Agent SDK или аналогичными фреймворками. - Опыт создания или участия во внутренней AI-платформе или переиспользуемых LLM-инструментах.

Формат

Удалённо

Страна

Не указана

Город

Не указан

Грейд

Senior

Мы — технический, ориентированный на внедрение спин-офф глобальной управленческой консалтинговой компании. Наши клиенты — преимущественно компании из DAX и Fortune Global 500, которым мы оказываем консультации по вопросам аналитики, больших данных и машинного обучения. В рамках группы мы занимаемся разработкой индивидуальных и управляемых данными решений, чтобы превратить клиентов в компании на базе ИИ. Мы предлагаем международную рабочую среду с гибкими командами и креативными стартап-методами, а также выше среднего вознаграждение и многочисленные дополнительные льготы. Офисы в Гамбурге, Мюнхене и Дюссельдорфе, а также хаб-локации во всех крупных городах Германии (Берлин, Франкфурт, Штутгарт) обеспечивают интеграцию всех коллег в нашу команду экспертов по всей Германии. В роли Senior AI Engineer вы объединяете миры науки о данных, машинного обучения, разработки ПО и консалтинга. Ваша миссия — разрабатывать и вводить в эксплуатацию модели ИИ, которые приносят измеримый эффект для клиентов. Вы тесно сотрудничаете с заинтересованными сторонами, чтобы понять бизнес-задачи, преобразовать их в подходы на основе данных и перевести инсайты в готовые к продакшену сквозные решения. Вы проектируете, внедряете и оцениваете кейсы применения ИИ и ML — от классического ML до передовых LLM — и обеспечиваете их надежное развертывание и мониторинг в реальных средах. Помимо создания прототипов, вы сосредоточены на практиках MLOps, разработке ПО и интеграции, обеспечивая воспроизводимость, масштабируемость и непрерывное улучшение систем ИИ. Вы ясно и уверенно доносите результаты до технической и нетехнической аудитории, делая сложные решения понятными и применимыми. Вам нравится мыслить за пределами краткосрочной реализации, чтобы создавать долгосрочный эффект для бизнеса клиентов. Требования: - Подтвержденный опыт в науке о данных, статистике, машинном обучении, разработке ПО и/или прикладных проектах ИИ. - Свободное владение Python, уверенное использование современных и распространенных ML-фреймворков и библиотек. - Опыт в MLOps и развертывании: сервировка моделей, мониторинг, CI/CD-процессы (например, MLflow, Airflow, Docker, GitHub Actions). - Навыки разработки ПО: чистый поддерживаемый код, структурирование проектов с использованием современных практик (FastAPI, SQLAlchemy, Pydantic). - Практический опыт в NLP и LLM, таких как GPT, Claude, Gemini, Llama или Deepseek. - Основы инженерии данных: уверенное знание SQL и работы с базами данных, умение проектировать эффективные пайплайны для обучения и инференса. - Опыт работы с ML-стеками на AWS, Azure или Google Cloud. - Свободное владение немецким (C1) и английским языками. Условия: - Гибкая работа: гибридные модели, гибкий график, возможность работы из дома. - Открытая коллаборативная культура с плоской иерархией, международная команда. - Индивидуальные возможности обучения и карьерные пути, поддержка профессионального и личного развития. - Международная сеть из более чем 1300 коллег, регулярные кросс-офисные и международные мероприятия. - Возможность саббатикала. - Программа Company Bike и субсидируемое членство EGYM Wellpass. - Современные офисы в центральных локациях Гамбурга, Мюнхена и Дюссельдорфа, а также гибкие хаб-локации в крупных городах Германии. - Бесплатные напитки, свежие фрукты, закуски, премиальный кофе. - Среда, построенная на доверии, ответственности и непрерывном росте, где ваши идеи ценятся независимо от роли или уровня.

Формат

Удалённо

Страна

Канада, США

Город

Сан-Франциско, Сиэтл

Грейд

Senior

AI-инженер в команду GTM Claudification компании Anthropic. Задачи: - Строить и эксплуатировать автономных агентов, которые выполняют go-to-market процессы от начала до конца: входящие и исходящие продажи, управление воронкой, взаимодействие с клиентами. - Проектировать человеческий контроль для каждого процесса: точки согласования, передача задач, эскалации, чтобы продавцы сохраняли контроль. - Разрабатывать фреймворки оценки поведения агентов и запускать их в разработке и продакшене. - Инструментировать вызовы моделей и инструментов в продакшене, строить наблюдаемость и метрики, связывающие действия агентов с воронкой и выручкой. - Разрабатывать MCP-серверы, навыки агентов и веб-приложения, подключаемые к CRM, коммуникационным инструментам и хранилищу данных. - Определять техническое направление по созданию, оценке и эксплуатации агентов в команде. - Архитектурировать общие кодовые базы для go-to-market команды, задавать стандарты и практики ревью. - Работать напрямую с продавцами, чтобы основывать дизайн агентов на реальных рабочих процессах и итерировать на основе наблюдений. - Выявлять повторяющиеся паттерны и передавать инсайты продуктовой и инженерной командам Anthropic. - Поддерживать актуальные знания о последних разработках в возможностях LLM, фреймворках агентов и методах оценки. Минимальные требования: - Сильные навыки программирования на Python или TypeScript, опыт создания и эксплуатации продакшен-приложений. - Продакшен-опыт с LLM: контекстная инженерия, разработка агентов, разработка MCP, использование инструментов, фреймворки оценки. - Опыт использования оценок и анализа транскриптов для поиска и исправления реальных проблем в LLM-системах. - Свободное владение данными, включая SQL. - Способность работать в условиях неопределённости и запускать проекты без спецификации, находить простые решения сложных задач. - Стремление развивать безопасный и полезный ИИ, забота о пользователях создаваемых продуктов. Предпочтительные квалификации: - 8+ лет опыта в ролях: инженер-программист, ML-инженер или forward deployed инженер. Бывшие технические основатели приветствуются. - Опыт с Claude Code и Claude Agent SDK. - Опыт с go-to-market системами (CRM, sales engagement, enrichment, conversation intelligence) или работа в тесном контакте с revenue-командой. - Опыт развития кодовой базы, в которую вносит вклад много людей, inner-source или open-source. - Прикладной ML и экспериментальный бэкграунд: A/B-тестирование, модели вероятности, рекомендации или каузальный анализ. - Отличные коммуникативные навыки для объяснения технических концепций нетехническим партнёрам. Примеры проектов (иллюстрация характера работы, не список задач): - Создать агента, который выполняет рутинный процесс продаж от первого сигнала до черновика действия, проверяемого человеком. - Развернуть набор оценок для агента: стартовые сценарии, рубрики оценки, регрессионные прогоны при каждом изменении. - Запустить MCP-сервер, дающий продавцам и их агентам управляемый доступ к ключевой revenue-системе. - Спроектировать общий репозиторий, где go-to-market разработчики публикуют агентов и навыки, с тестами и правилами ревью. - Построить прогнозную модель, которая объясняет свои решения, чтобы агент мог объяснить продавцу, почему предлагает действие. Годовой диапазон компенсации указан в оригинальной публикации. Для продажных ролей диапазон включает целевой заработок (OTE), то есть сумму целевых комиссий и бонусов.