Биржа вакансий в сфере ИИ, ML

Формат

Офис

Страна

США

Город

Не указан

AI Engineer (Chicago) Insight Global ищет AI-инженера для компании Camping World Holdings в Линкольншире, штат Иллинойс. Роль заключается в преобразовании созданных с помощью ИИ фронтенд-приложений в готовые к промышленной эксплуатации, полностью интегрированные приложения, соединяющие пользовательские интерфейсы с бэкенд-сервисами, API, базами данных и корпоративными системами. Ключевые обязанности - Полнофункциональная интеграция: соединение фронтенд-кода, созданного ИИ, с надёжной бэкенд-инфраструктурой - Работа в процессе разработки с использованием ИИ-инструментов - Управление CI/CD-пайплайнами и процессами развёртывания - Проектирование баз данных и управление API Требования - 4+ года профессиональной разработки ПО, из них минимум 2 года в full-stack - JavaScript/TypeScript, React, Next.js - Node.js, Python или Go - PostgreSQL и навыки проектирования баз данных - Облачные платформы (GCP, Azure или AWS) - OAuth 2.0/SSO, RESTful API, рабочие процессы с Git Будет преимуществом - Инструменты разработки с ИИ-ассистентами: Claude Code, Lovable, GitHub Copilot - Supabase, Vercel, векторные базы данных - API-шлюз Kong, Kubernetes/Docker - Архитектуры ИИ-агентов и платформы для мониторинга Оплата и формат работы - Почасовая ставка: $62–$77 в час - Гибридный график (обязательное присутствие в офисе 3 дня в неделю)

Формат

Удалённо

Страна

Не указана

Город

Не указан

Staff DevOps инженер Компания: MEDvidi Мы строим AI-платформу для mental health в США: лицензированные врачи + собственные AI-инструменты, которые забирают рутину (charting, follow-ups, планы лечения), чтобы врачи занимались пациентами, а не бумагами. Ищем Staff DevOps инженера, который сам решает, куда двигать инфраструктуру. Что на тебе: - Vision и квартальный роадмап инфры, проактивно, с трейд-оффами и метриками - AWS + Kubernetes (EKS): Karpenter, Kyverno, zero-downtime - IaC end-to-end: Terraform, AWS CDK (TS) + GitLab CI (self-managed) - Observability, которой реально пользуются: Prometheus, Grafana, OpenTelemetry - Blue-green деплои, health-gated rollback, zero-downtime миграции PostgreSQL - Security в HIPAA-среде: секреты, Vault as code - Agentic AI (Claude Code и подобные) как часть ежедневной работы, а не «на посмотреть» Стек: AWS · EKS · Terraform · AWS CDK (TS) · GitLab CI · Prometheus / Grafana / OTel · Vault · PostgreSQL · Node.js / TS Условия: - Remote - Долгосрочный контракт, B2B - Русский свободно, английский от B1 - $5.000-7.000 gross/monthly - Медстраховка после испытательного, компенсация спорта и wellness, 19 дней отпуска + 4 wellness-дня, English на Preply

Формат

Удалённо

Страна

Россия

Город

Не указан

DevOps-инженер AI HealthTech-стартап Компания: Астратех Формат: удалёнка по РФ, мск-время (офис — Москва-Сити) Оформление: ГПХ → переход на ТК Занятость: full-time Вилка: 300 000 — 350 000 ₽ gross О проекте AI Healthcare-стартап строит ИИ-продукты в медицине: B2B-платформу для мониторинга здоровья сотрудников на производствах и B2C-сервис персонального ИИ-доктора. Сейчас команда в поиске DevOps-инженера, который наведёт порядок в инфраструктуре и снизит зависимость от внешних подрядчиков. Важно про подход Самостоятельность, зрелость, высокий уровень ownership. Нужно зайти в сложную среду, разобраться и методично привести её в порядок. Инфраструктурная безопасность — неотъемлемая часть работы. Ключевые задачи - Развитие Kubernetes-инфраструктуры и смежных сервисов. - Построение и доработка CI/CD (Jenkins, GitLab CI, GitHub Actions). - Внедрение мониторинга: Prometheus, Grafana, ELK, Graylog. - Infrastructure as Code: Ansible, Terraform, Puppet. - Контейнерная безопасность: сканирование образов, hardening K8s. - Управление доступом: Keycloak, интеграция с LDAP. - Compliance для медданных: анонимизация, аудит API, SIEM для K8s. - Автоматизация на Python, Bash, Go. - Контроль соблюдения 152-ФЗ, приказов ФСТЭК №17 и №21. Приоритеты на старте Настроить отказоустойчивый Kubernetes, привести в порядок CI/CD, внедрить мониторинг, собрать недокументированные знания и снизить риски зависимости от подрядчиков. Ожидания - 3+ лет в DevOps или инфраструктурной роли. - Уверенный Linux; базовый Windows / PowerShell; опыт с Astra Linux, RedOS. - Автоматизация на Python и Bash; понимание Go на уровне работы со стеком. - Docker (multistage, compose), Kubernetes (развёртывание с нуля, RBAC, HA, Helm, ArgoCD). - Опыт с PV/PVC, Longhorn, GlusterFS и БД в K8s: MongoDB, ClickHouse, PostgreSQL, Redis, MinIO. - CI/CD с DevSecOps-практиками (GitLab, GitHub, SCA, SAST, DAST). - Мониторинг: Prometheus, Grafana, ELK, fluent-bit. Понимание RED и USE Observability. - Сетевые основы, опыт с закрытыми сетями и изолированными контурами. - Знание 152-ФЗ, приказов ФСТЭК №17 и №21. - Опыт с Keycloak, базовые навыки MLOps (Kubeflow). Почему интересно - Сложный домен: ML, медданные, высокие требования к безопасности. - Архитектурная автономность и сильная команда инженеров. - Продукт, который реально помогает людям.

Формат

Удалённо

Страна

Россия

Город

Москва

Грейд

Middle

DevOps (Middle) Формат: удаленно, фуллтайм (аутстафф) Компания: 13tm Зарплата: 200–230 тысяч рублей на руки Локация: Москва, возможны выезды в офис Требования - опыт работы DevOps от 3 лет, знание методологии, опыт поддержки процесса разработки ПО - опыт работы с Docker, Nginx - понимание и опыт работы с Kubernetes - опыт конфигурации и уверенное владение Linux (RedOS, Astra) - опыт конфигурирования БД (NoSQL/SQL) - опыт автоматизации CI/CD-процессов (GitlabCI и т. п.) - понимание сетей, сетевых протоколов, принципов работы ОС - опыт использования систем управления конфигурацией и знакомство с IaC (Ansible, Terraform) - знание скриптовых языков (bash, python) - опыт настройки инструментов мониторинга (Prometheus, Grafana, Victoriametrics) - опыт использования GenAI инструментов для выполнения рабочих задач - опыт настройки gitops инструментов (ArgoCD) - опыт работы с облачной инфраструктурой (Ya cloud, VK Cloud, AWS) Задачи - поддержка работоспособности и отказоустойчивости сервисов и компонентов платформы - автоматизация процесса подготовки окружений, тестовых сред, сборки и развертывания приложений - организация работы сервисов в облаке

Формат

Удалённо

Страна

Не указана

Город

Не указан

Грейд

Lead

Team Lead / Principal ML Engineer Компания: Авиасейлс Удалённая работа Чего ждём от тебя - 5+ лет в ML/DS — ты выкатывал модели в прод и знаешь, что это значит на практике - Уверенный Python: ООП, типизация, тесты - Классический ML: бустинги, валидация, понимание где нейросеть избыточна, а где достаточно градиентного бустинга - Опыт с текстовыми нейросетевыми моделями: BERT-подобные трансформеры, LLM API, промпт-инжиниринг, eval-сеты - Практический опыт MLOps: пайплайны данных, оркестрация (Airflow, Kubeflow или аналоги), трекинг экспериментов - Инфраструктурный бэкграунд: Docker, CI/CD, Kubernetes, логирование и мониторинг — ты понимаешь, как устроены высоконагруженные сервисы, а не только модели внутри них - Умение мыслить P&L: переводить метрики моделей (F1, ROC-AUC) в конверсии и деньги, защищать технические решения перед бизнесом финансовыми аргументами - У тебя уже есть опыт менторства или лидерства — и тебе это нравится

Формат

Удалённо

Страна

Не указана

Город

Не указан

Грейд

Lead

Компания: Авиасейлс Тимлид / Ведущий ML-инженер Формат работы: удаленная работа Обязательные требования - 5+ лет в ML/DS — выкатывал модели в прод и понимаешь, что это значит на практике - Уверенный Python: ООП, типизация, тесты - Классический ML: бустинги, валидация, понимание, где нейросеть избыточна, а где достаточно градиентного бустинга - Опыт с текстовыми нейросетевыми моделями: BERT-подобные трансформеры, LLM API, промпт-инжиниринг, eval-сеты - Практический опыт MLOps: пайплайны данных, оркестрация (Airflow, Kubeflow или аналоги), трекинг экспериментов - Инфраструктурный бэкграунд: Docker, CI/CD, Kubernetes, логирование и мониторинг — понимаешь, как устроены высоконагруженные сервисы, а не только модели внутри них - Умение мыслить P&L: переводить метрики моделей (F1, ROC-AUC) в конверсии и деньги, защищать технические решения перед бизнесом финансовыми аргументами - Опыт менторства или лидерства — и тебе это нравится Будет плюсом - Понимание Go или опыт с Go-сервисами: бэкенд компании на Go, без этого контекста часть архитектурных решений будет непрозрачной - ClickHouse, Kafka, PostgreSQL - Опыт в highload: проектирование систем под миллионы запросов - Опыт миграции или выпила сервисов из монолита — понимаешь цену архитектурных решений на масштабе

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Middle / Senior

Data Scientist middle/senior Москва Компания: X5 Tech офис middle senior Обязанности - Участвовать в разработке моделей для продуктивной среды - Строить модели машинного обучения, улучшать качество прогноза - Заниматься аналитикой и проверкой гипотез - Развивать инструменты для проведения A/B тестов - Писать код, проводить code-review - Предлагать способы оптимизации и совершенствования существующих инструментов Требования - Знание Python (Scala/Java могут оказаться плюсом) - Знание классических алгоритмов и структур данных - Знание теоретических и практических продвинутых методов машинного обучения - Знание SQL, знакомство с hadoop-стэком (кандидаты уровня middle должны понимать, как выглядит план запросов и что происходит "под капотом") - A/B тесты, генерация и проверка гипотез (будет плюсом опыт с variance reduction, CUPED, линеаризацией и методом бакетов) - Опыт работы с (docker, kubernetes, pyspark, kafka, postgres, airflow) - Наличие опыта вывода разработанных решений в прод

Формат

Офис

Страна

Россия

Город

Не указан

Мы — Далее, и мы занимаемся разработкой и поддержкой сложных digital-решений для крупных клиентов: от веб-сайтов до приложений, от Сбербанка до Nestle. Мы — один из крупнейших независимых продакшнов в России, работаем с 2005 года, сейчас в штате более 550 человек. Мы занимаем 1-е место в рейтинге Adindex Digital Index в сегменте web-production, входим в топ-20 Tagline. Сейчас мы ищем ML-инженера в команду, которая реализует AI-решения для различных проектов компании. Предстоит разрабатывать и внедрять ML-модели, участвуя во всем жизненном цикле продукта. Обязанности: Поддерживать текущие алгоритмические решения. Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы. Разрабатывать методологию и проектировать NLP/LLM решения. Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта. Интегрировать LLM API (OpenAI, Claude) с fallback-механизмами. Проводить исследования, тестировать новые идеи, оценивать жизнеспособность и качество моделей, реализовывать R&D-подходы на реальных бизнес-данных. Разрабатывать RAG-пайплайн для поиска и обработки данных (POI, отзывы, описания). Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование. Заниматься prompt engineering — создавать и тестировать промты для различных сценариев. Вести рабочую документацию и создавать отчеты о результатах работы. Мониторить ключевые показатели эффективности процессов, анализировать отклонения и их воздействие на общие показатели. Участвовать в проектировании архитектуры, CI/CD, мониторинге и оптимизации сервисов. Требования: Высшее образование в области математики, информатики или смежных дисциплин. Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других). Навыки создания ML-пайплайнов и backend-сервисов. Уверенное владение Python и PyTorch/TensorFlow, понимание принципов работы алгоритмов (GBDT, CNN, Transformers). Практический опыт работы с API, Docker/Kubernetes и базами данных. Понимание процессов Fine-tuning LLM и оценки качества моделей. Опыт внедрения RAG. Умение писать unit-тесты. Будет плюсом: Позитивный опыт внедрения RAG агентов в существующие бизнес-процессы. Реализованные проекты с существенной пользовательской нагрузкой. Понимание инфраструктуры для ML-сервисов (GPU, CPU). Мы предлагаем: Полностью белую заработную плату. Ориентируемся на ваши пожелания, опыт и навыки. Оформление по ТК РФ, оплачиваемый отпуск и больничный с первого рабочего дня. Работу в компании с аккредитацией в Минцифры. Расширенный пакет ДМС со стоматологией. 8-часовой рабочий день, удаленный формат работы. Спорт – корпоративный волейбол, беговой клуб и киберспортивные турниры). Яркую корпоративную жизнь – более 400 мероприятий в год (2 корпоратива с оплатой трансфера, разговорный клуб английского, совместные походы в музей, квизы, книжный и киноклуб, мем-чат и многое другое). Обучение и участие в профессиональных конференциях.

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Middle / Senior

Контур — экосистема для бизнеса. Наши сервисы помогают каждой третьей компании России делать рабочие процессы проще и эффективнее: вести бухгалтерию, сдавать отчетность в госорганы, обмениваться документами без бумаги, общаться друг с другом на удаленке и многое другое. С нами жизнь 3,1 миллионов предпринимателей и их сотрудников становится легче. О команде Мы — команда безопасности ИИ в Центре киберзащиты Контура. Ищем специалиста по кибербезопасности, который поможет внедрять и сопровождать решения на базе AI — от продуктовых сервисов и RAG-систем до внутренних AI-инструментов разработки. В Контуре активно развивается использование AI-ассистентов и агентов. Наша задача — сделать так, чтобы эти инструменты были безопасными, а разработчик получал защищенный результат, соответствующий ИБ-политикам, без необходимости погружаться во все тонкости ИБ. Задачи Проводить анализ защищенности (преимущественно Whitebox) LLM-приложений, AI-агентов, RAG, векторных БД, Low-Code/No-Code-систем (Dify, n8n) и интеграций с внешними API / облачными моделями. Выявлять специфичные для AI векторы атак: prompt injection, indirect prompt injection, jailbreak, data poisoning, excessive agency, unsafe tool calls и over-privileged agents. Настраивать и валидировать защитные механизмы: фильтры PII / конфиденциальных данных, ограничения контекста, rate limiting, контроль вызова tools и ручные подтверждения для критичных операций. Укреплять внутренний AI/ML-тулинг совместно с платформенными командами. Строить систему правил, скиллов и хуков, чтобы встраивать политики ИБ непосредственно в среду разработки: skills, rules, hooks, MCP-серверы. Проверять безопасность локального запуска LLM и агентов в Kubernetes и Linux-песочницах: изоляция сессий, памяти, контейнеров, RBAC, NetworkPolicy, Secrets Management. Формировать требования к аудиту и трассировке AI-систем: trace ID, логирование prompt/response, фиксация вызовов моделей и действий агентов. Консультировать команды, помогать внедрять безопасный код и выстраивать понятные процессы. Мы ожидаем Опыт в сфере ИБ от двух лет в одном или нескольких направлениях: AppSec, DevSecOps, Cloud/K8s Security, Product Security или ML Security. Уверенное владение одним из языков программирования: Python, Go, C, TS, Rust. Умение читать чужой код, искать уязвимости и писать PoC. Знание AI/LLM-стека: понимание устройства языковых моделей, RAG, векторных БД (Milvus, Qdrant, pgvector и др.), AI-агентов, agent memory, tool calling, а также стандарта взаимодействия MCP. Знание AI-угроз: понимание рисков OWASP for LLM, MITRE ATLAS (prompt injection, раскрытие system prompt, утечки данных, необдуманное выполнение кода агентами). Знание основ Linux и базовое понимание безопасности Kubernetes: RBAC, ServiceAccount, NetworkPolicy, Secrets, изоляция контейнеров. Знание классических веб-уязвимостей, механизмов аутентификации и авторизации OAuth2, OIDC, JWT, RBAC и безопасной разработки — Secure SDLC, Threat Modeling. Умение аргументированно объяснять риски, находить компромиссы с разработкой. Мы предлагаем Гибридный формат работы в Екатеринбурге. Офис на ул. Малопрудной, 5. Предоставим все необходимое: технику, рабочее место, библиотеку с профессиональной литературой, место для отдыха и кухонную зону с фруктами и снеками. Уровень дохода, который зависит от ваших технических знаний и навыков. Регулярно пересматриваем зарплаты с учетом профессионального роста. Финансовые бонусы тоже есть. Сильное инженерное комьюнити. Регулярно проводим внутренние технические конференции, обмениваемся опытом между командами. Вы всегда найдете с кем посоветоваться. Возможность сменить продукт, команду или предметную область внутри компании. Поддерживаем развитие в любом направлении. Общение на «ты» и максимум горизонтальных связей в коллективе, чтобы быстрее договариваться и решать рабочие задачи. Возможность делиться экспертизой. Помогаем выступать на конференциях, участвовать в подкастах или видео, писать статьи. Поддержку профессионального развития. Организуем внутреннее и внешнее обучение.

Формат

Офис

Страна

Россия

Город

Не указан

Мы строим собственную агентскую платформу корпоративного уровня Avatar— enterprise-аналог открытых агентских систем.Ищем сильного AI Agentic Engineer уровня Senior / Expert. Это инженерная роль на стыке agent engineering, backend и platform/infra-подхода. Вам не нужно быть архитектором всей агентской платформы, но нужно уметь проектировать устройство конкретных агентов и агентских сценариев внутри Avatar. Стек: LLM, MCP, RAG, Python, Rust, TypeScript Чем предстоит заниматься: Проектировать внутреннюю логику агентов и агентских сценариев в Avatar. Определять, где нужен agent, где tool, где sub-agent, а где deterministic-код. Строить agent loop: планирование, вызов инструментов, обработка ошибок, память, эскалации, ограничения действий. Проектировать multi-agent сценарии: роутинг задач, специализация агентов, контроль состояния. Разрабатывать MCP/tool-интеграции и подключать агентов к внутренним системам. Настраивать eval-харнессы, regression-эвалы и контроль качества агентов. Работать с observability: traces, tool calls, latency, retries, failure modes, cost tracking. Проектировать работу с контекстом: что инжектится на каждом turn, как работает память, как не раздувать историю. Участвовать в развитии self-hosted / sovereign agent stack: локальные модели, model-agnostic слой, OpenClaw-подобные рантаймы, SGLang/Ollama/vLLM/LiteLLM. Помогать продуктовым и инженерным командам правильно применять агентский подход. Наши ожидания: Реальный опыт разработки AI-агентов или agentic-систем. Понимание LLM, tool calling, function calling, RAG, memory, context management. Опыт с агентскими фреймворками или SDK: OpenAI Agents SDK, LangGraph, AutoGen, CrewAI, Semantic Kernel, OpenClaw-подобные рантаймы или аналогичные решения. Умение проектировать логику работы агента, а не только писать промпты. Сильный backend-опыт на Python или TypeScript. Опыт интеграций с API, MCP, внутренними системами, очередями, БД. Понимание Docker, Linux, Kubernetes, сетей, логов и эксплуатации. Опыт построения evals: наборы кейсов, regression-тесты, метрики качества, разбор деградаций. Понимание безопасности агентов: prompt injection, ограничение action space, sandboxing, права, audit trail. Умение считать performance/cost: latency, токены, retries, кэширование, параллелизация, выбор модели. Особенно ценно: Агент или агентский сценарий, который реально работал в production. Опыт self-hosted AI-инфраструктуры. Опыт OpenClaw / Claude Code-подобных / Claw-подобных runtime-подходов. Опыт MCP-серверов и skill-based architecture. Опыт построения reusable-подходов для других команд, а не только одного агента под одну задачу. Наличие постмортемов, дашбордов, eval-отчетов, метрик стоимости и качества. Сильное мнение о том, когда агента использовать не надо. Мы предлагаем: Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествий, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). Стабильную заработную плату и социальные гарантии, которые дают уверенность в настоящем и открывают перспективы в будущее. Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с дружной командой. Лучшие конференции и мастер-классы за счет компании. Участие в проектах, которые формируют цифровую трансформацию финансового сектора. Гибридный формат работы (2 дня офис). Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами с ароматным кофе, а также собственный тренажерный зал. Богатую корпоративную культуру: классные внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы и участвовать в креативных проектах.

Формат

Удалённо

Страна

Россия

Город

Не указан

Ищем MLOps Engineer (AI / LLM) — удалённо Компания Selecty развивает экосистему цифровых сотрудников на базе передовых LLM/VLM-моделей. Создаём AI-агентов, которые автоматизируют бизнес-процессы и повышают эффективность компаний. Формат работы - Формат: Remote (РФ) - Заработная плата: 250–340 тыс. ₽ gross - Занятость: Full-time Задачи - проектировать и развивать CI/CD для деплоя AI-агентов и мультиагентных систем - разворачивать и оптимизировать LLM/VLM (vLLM, Triton Inference Server, SGLang) - обеспечивать масштабирование и стабильность AI-сервисов - внедрять мониторинг инфраструктуры и ML-метрик (качество генерации, дрейф данных, тональность ответов) Требования - опыт вывода LLM-решений в production - Python + asyncio - Kubernetes (Helm, управление кластерами) - GitLab CI / Jenkins - понимание RAG-архитектур, embeddings, reranking - оптимизация инференса: квантизация, continuous batching, PagedAttention Будет плюсом - опыт с графовыми БД - мультиагентные системы Стек Python, FastAPI, LangChain / LlamaIndex / Haystack, Kubernetes, Docker, S3, PostgreSQL, Vector DB Условия - оформление по ТК РФ - ДМС + стоматология - компенсация фитнеса - скидки на английский (Skyeng) - индексация зарплаты - современная техника

Формат

Офис

Страна

Россия

Город

Не указан

DevOps / SRE Engineer Компания: Chatus Мы ищем сильного DevOps / SRE-инженера, который возьмёт ответственность за развитие, автоматизацию и стабильность нашей инфраструктуры. Мы — AI-First команда. Искусственный интеллект для нас — не дополнительный инструмент, а часть ежедневных рабочих процессов. Мы активно используем AI для разработки, автоматизации, анализа инфраструктуры, поиска проблем и ускорения принятия решений. Поэтому нам нужен специалист, который не только уверенно работает с современной инфраструктурой, но и обладает экспертным уровнем владения Claude Code, Codex и другими AI-инструментами. Чем предстоит заниматься - Развивать и поддерживать Kubernetes-инфраструктуру. - Управлять деплоем приложений с помощью Helm. - Проектировать, развивать и поддерживать CI/CD-пайплайны. - Автоматизировать создание и изменение инфраструктуры с помощью Terraform. - Работать с облачной инфраструктурой, преимущественно Selectel. - Настраивать мониторинг, алертинг и централизованное логирование. - Обеспечивать безопасную работу с секретами, ролями и политиками доступов. - Поддерживать Linux-серверы и production-окружение. - Настраивать reverse proxy, балансировку нагрузки и сетевое взаимодействие сервисов. - Диагностировать и устранять инциденты в production. - Автоматизировать инфраструктурные процессы с помощью Bash, Python и AI-инструментов. - Анализировать текущую инфраструктуру и предлагать решения по повышению её надёжности, производительности и управляемости. - Взаимодействовать с разработчиками и CTO по вопросам архитектуры, эксплуатации и развития инфраструктуры. Hard skills - Практический опыт работы с Kubernetes и Helm. - Уверенное владение Docker и понимание принципов контейнеризации приложений. - Опыт проектирования и поддержки CI/CD-пайплайнов: GitLab CI, GitHub Actions или аналогичные решения. - Опыт работы с облачными провайдерами. Опыт с Selectel будет преимуществом. - Уверенное использование Terraform для управления инфраструктурой. - Опыт настройки мониторинга, алертинга и централизованного логирования. - Понимание принципов безопасной работы с секретами и политиками доступов. - Опыт администрирования Linux-серверов. - Понимание сетевых протоколов, reverse proxy и балансировки нагрузки. - Навыки диагностики и устранения инцидентов в production. - Навыки автоматизации инфраструктурных процессов с помощью Bash или Python. - AI-First подход к работе. - Экспертное владение Claude Code и Codex. - Умение использовать AI не только для генерации кода, но и для анализа инфраструктуры, диагностики инцидентов, автоматизации процессов, ревью конфигураций и ускорения инженерной работы. Soft skills - Готовность брать на себя ответственность за результат. - Проактивность и инициативность в улучшении инфраструктуры и внутренних процессов. - Умение самостоятельно находить и устранять причины проблем, а не только их последствия. - Системное мышление и внимание к деталям. - Готовность работать в условиях высокой степени автономности. - Умение эффективно коммуницировать с разработчиками, CTO и другими участниками команды. - Способность предлагать новые решения и аргументированно защищать свою позицию. - Открытость к обратной связи и желание постоянно развивать свои компетенции. - Ориентация на качество, надёжность и автоматизацию вместо ручных процессов. - Ответственный подход к эксплуатации production-систем. - Готовность постоянно внедрять AI в собственные процессы и помогать команде находить новые сценарии его применения. Что для нас особенно важно Мы не ищем инженера, который использует AI только как поисковик или генератор отдельных команд. Нам нужен специалист, для которого Claude Code, Codex и другие AI-инструменты являются полноценной частью инженерного процесса: от проектирования решений и написания конфигураций до диагностики production-инцидентов, автоматизации рутины и анализа возможных рисков. AI-First мышление — одно из ключевых требований этой позиции. Мы ожидаем, что вы будете активно искать способы выполнять работу быстрее, точнее и надёжнее за счёт грамотного сочетания инженерной экспертизы, автоматизации и возможностей искусственного интеллекта.

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Senior

Старший ML-инженер — прогнозирование спроса и оптимизация запасов SMALL — одна из крупнейших розничных сетей продуктовых магазинов в Казахстане. Мы управляем более чем 160 магазинами в 10 городах страны. Мы строим систему автозаказа, которая определяет, сколько товара необходимо заказать в каждый магазин. Ищем сильного ML-инженера, который возьмёт на себя техническое руководство проектом: работу с данными, постановку экспериментов, выбор моделей для продакшен-пайплайна, офлайн- и онлайн-оценку качества, управление автозаказом как продуктом. Чем предстоит заниматься - Формировать roadmap ML-экспериментов и самостоятельно выбирать наиболее перспективные направления. - Исследовать подходы к прогнозированию сезонного, нерегулярного и прерывистого спроса. - Работать с промо, календарными эффектами, новыми SKU, дефицитом истории и спросом, цензурированным спросом и восстановлением lost sales при отсутствии товара. - Проводить ABC/XYZ-анализ. - Развивать rolling-origin backtesting и методологию сравнения моделей без временных утечек. - Оценивать решения не только по forecast-метрикам, но и по бизнес-результатам: out-of-stock, fill rate, оборачиваемости и объёму избыточного запаса. - Улучшать преобразование прогноза в заказ с учётом графика поставок, остатка, lead time и ограничений поставщика. - Развивать продакшен ML-пайплайн: качество данных, воспроизводимость экспериментов, мониторинг моделей и диагностику деградаций. - Взаимодействовать с командами Data Engineering, инфраструктуры и бизнеса, превращая неопределённые задачи в проверяемые гипотезы и работающие решения. - Определять техническую архитектуру ML-части системы и стандарты разработки: от подготовки выборок и экспериментов до деплоя и мониторинга. Что для нас важно - Сильный практический опыт в машинном обучении и опыт эксплуатации моделей в production. - Опыт решения задач прогнозирования временных рядов: корректная временная валидация, сезонность, cold start, sparse или intermittent demand. - Хорошее понимание того, как выбирать метрики и дизайн эксперимента под бизнес-задачу, а не оптимизировать одну офлайн-метрику. - Уверенные Python и SQL. - Умение разбираться в данных, находить смещения и утечки, проверять качество источников. - Способность самостоятельно формулировать план работы, принимать технические решения и доводить изменения до production. - Готовность объяснять результаты и компромиссы как инженерам, так и бизнесу. - Дисциплинированный опыт AI-assisted development: умение ускорять работу с помощью coding agents, не перекладывая на них ответственность за корректность решений, качество кода и безопасность данных. Будет большим плюсом - Опыт в grocery retail, e-commerce, supply chain или inventory replenishment. - Опыт построения глобальных моделей на большом количестве связанных временных рядов. - Понимание retail-специфики: промо, каннибализация, out-of-stock, цензура спроса, ассортиментные изменения, новые магазины и SKU. - Знание основ inventory optimization: safety stock, service level, lead time, order multiple, lost sales. - Опыт проведения онлайн-экспериментов или пилотов, где прогноз влияет на реальные операционные решения. - Опыт с CatBoost, PyTorch, ClickHouse, Kafka, Airflow, SLURM или Kubernetes. Наш текущий контур Масштаб задачи: - несколько миллионов SKU × store комбинаций каждый день - ежедневный и внутридневной расчет - прогнозирование на разные горизонты — от нескольких дней до нескольких недель - несколько лет истории в данных Сейчас в проекте есть: - модель прогнозирования спроса на основе градиентного бустинга - фреймворк для rolling-origin backtesting - интеграции с ClickHouse, Kafka, Airflow, Slurm, Kubernetes - продакшен-пайплайн с платформенным мониторингом и наблюдаемостью То есть задача не «сделать первую модель с нуля». Система уже работает в production в пилотном режиме и используется для формирования заказов на все SKU и магазины. Куда мы хотим прийти: - Повысить доступность товаров, одновременно снижая избыточный запас и списания. - Расширить систему с контура «распределительный центр → магазин» на заказы «поставщик → распределительный центр» и другие supply-chain сценарии. - Корректно учитывать неопределённость спроса и целевой service level, выбирая квантили прогноза с учётом стоимости дефицита и избыточного запаса. - Построить устойчивый процесс экспериментов и внедрения изменений с измеримым бизнес-эффектом. Что мы предлагаем - Реальный end-to-end ownership: возможность влиять на постановку задачи, данные, модели, backtesting, production и бизнес-метрики. - Доступ к вычислительному кластеру из 8 нод, каждая — 128 CPU, 2 TB RAM и 8×NVIDIA H200. Мы не требуем использовать deep learning там, где он не нужен, но инфраструктура позволяет проверять вычислительно сложные подходы без искусственных ограничений. - Возможность удаленной работы или в офисе в Алматы или Астане.