Вакансии для DevOps-инженеров с Docker
Вакансии для DevOps-инженеров с Docker: подборка ролей, где в задачах или стеке указан Docker. Можно найти работу в этом направлении и сразу смотреть…
Фильтр вакансий
DevOps-инженер
DevOps-инженер Компания: ApexPlay Сфера: AI Занятость: Full-time Формат: удалённо Зарплата: 2 500–5 000 USDT ApexPlay ищет DevOps-инженера для развития инфраструктуры, поддержки Production и мониторинга систем. Чем предстоит заниматься - развивать и поддерживать инфраструктуру; - сопровождать Production-окружения; - работать с переменными окружения и Ansible-плейбуками; - управлять сборками и релизами приложений; - работать с GitHub Actions; - настраивать и развивать мониторинг и алертинг; - реагировать на инциденты и вести их от обнаружения до закрытия; - улучшать покрытие мониторинга; - искать причины проблем и предлагать решения для предотвращения повторных инцидентов; - публично информировать команду о проблемах и статусе их устранения. Требования - опыт работы с Ansible; - опыт с Docker / Docker Swarm; - опыт настройки мониторинга и алертинга; - понимание процесса управления инцидентами; - проактивность и самостоятельность; - готовность работать в быстром стартап-темпе; - умение эффективно коммуницировать во время инцидентов; - способность быстро разбираться в новых технологиях. Будет плюсом - Grafana; - VictoriaMetrics / VictoriaLogs; - Sentry; - Patroni; - Cloudflare; - GitHub Actions; - опыт работы в стартапах, финтехе, мессенджерах или социальных сетях. Условия - удалённая работа; - полная занятость; - зарплата 2 500–5 000 USDT; - работа в AI-компании с высокой скоростью принятия решений.
Младший вайбкодер, GenAI-прототипирование
О вакансии - Компания: COVET IT INC - Роль: Vibe Coding Engineer / GenAI Prototyping Developer - Локация: Лос-Анджелес, Калифорния (удалённо) - Тип занятости: долгосрочный контракт - Уровень: начальный, 0–2 года опыта Задачи - Использовать AI-ассистентов кодирования: Cursor, Claude Code, GitHub Copilot, ChatGPT и аналогичные инструменты. - Быстро превращать идеи в функциональные прототипы, AI-приложения, внутренние инструменты и proof-of-concept. - Работать с LLM, AI-агентами, RAG, MCP-серверами, API, современными full-stack фреймворками и паттернами AI-оркестрации. - Сотрудничать с командами product, UX и engineering. Требования - 0–2 года опыта в разработке ПО, включая выпускников с сильным академическим, проектным, стажёрским или личным опытом программирования. - Уверенные основы программирования на Python, JavaScript/TypeScript, Node.js или Golang. - Базовый практический опыт с React, Next.js, REST API, Git и GitHub. - Знакомство с AI-ассистентами: Cursor, Claude Code, GitHub Copilot, ChatGPT, Windsurf или Replit AI. - Понимание основ генеративного ИИ, LLM, промт-инжиниринга, AI-агентов и RAG. - Базовое понимание MCP (Model Context Protocol) и того, как AI-агенты взаимодействуют с инструментами, API и внешними системами. - Опыт создания AI/LLM-приложений, чат-ботов, рабочих процессов или proof-of-concept в академических, стажёрских, личных или open-source проектах. - Понимание API, JSON, веб-сервисов и базовой архитектуры приложений. - Знакомство с Git-процессами и инженерными практиками. - Сильные аналитические навыки и способность быстро осваивать новые технологии. - Любознательность и готовность экспериментировать с новыми AI-инструментами, фреймворками и технологиями повышения продуктивности разработчика. - Практический подход и умение быстро собирать работающие прототипы с помощью AI-инструментов. Желательно - Опыт с LangChain, LangGraph, CrewAI, AutoGen или аналогичными AI-фреймворками. - Знакомство с векторными базами данных, эмбеддингами и семантическим поиском. - Базовый опыт с Docker, Kubernetes, AWS, Azure или GCP. - Опыт интеграции AI-приложений с корпоративными системами, базами данных или сторонними API. - Личные проекты, вклад в GitHub, хакатоны или академические проекты с GenAI или AI-агентами. - Продуктовое мышление и способность быстро превращать идею в работающее демо или прототип. - Комфорт в среде с быстрыми экспериментами, неопределённостью и постоянным обучением.
Junior AI-инженер, агентные системы и интеграции
О компании Bigge Crane and Rigging Co. работает с 1916 года. Парк компании насчитывает более 1800 кранов, присутствие — по всей стране. Компания покупает, продаёт, сдаёт в аренду, эксплуатирует и обслуживает один из крупнейших и самых современных парков кранов в США. Компания участвовала в строительстве некоторых знаковых достопримечательностей Америки и заслужила репутацию надёжного подрядчика. Bigge позиционирует себя как AI-first компания: создан отдел AI-инженерии. Сотрудники ежедневно работают с передовыми AI-инструментами, а инженеры компании создают интеграции, подключающие эти инструменты к системам, на которых работает бизнес: парк техники, продажи, планирование, документы. Компания покупает ПО, когда это правильное решение, и разрабатывает собственное, когда нет. Ожидается, что в будущем будет меньше готового ПО и больше собственной разработки. Решения принимаются быстро, без ожидания одобрения комитетом. В работе используются реальные задачи и данные о работе 1800 кранов, команда небольшая, и созданные разработки носят имя автора. Позиция Junior AI Engineer — специалист раннего этапа карьеры, который разрабатывает и внедряет AI-решения под руководством директора по AI-инженерии. Роль включает создание MCP-коннекторов к системам Bigge, разработку и расширение AI-агентов и агентных рабочих процессов, написание тестов и оценок для их валидации. Работа ведётся в рамках установленной архитектуры и процессов ревью. Это ступень в карьерной лестнице: Associate AI Engineer, Junior AI Engineer, AI Engineer. Ожидается рост до роли AI Engineer. Найм основан на продемонстрированной способности создавать продукты, а не на количестве лет опыта. Идеальный кандидат — технически подкованный, любознательный и обучаемый. Работа предполагает ежедневное взаимодействие с директором по AI-инженерии и AI-инженером, с ростом самостоятельности по мере подтверждения результатами. Обязанности - Создавать и расширять MCP-коннекторы к системам Bigge, включая WorkPro (внутренняя платформа управления жизненным циклом активов), D365 и Microsoft 365, в рамках установленных паттернов и ревью. - Реализовывать компоненты AI-агентов и агентных рабочих процессов, спроектированных совместно с директором по AI-инженерии. - Писать и поддерживать тесты, наборы оценок и регрессионные проверки для систем до выпуска и после каждого изменения. - Интегрировать возможности LLM во внутренние приложения и API под руководством. - Участвовать в сессиях изучения процессов с бизнес-подразделениями для наблюдения за картированием рабочих процессов и вносить вклад в документацию процессов. - Помогать в сборе базовых показателей производительности и метрик для инициатив отдела. - Соблюдать практики ответственного AI, стандарты управления данными и требования ИТ-безопасности. - Писать чистый, протестированный, документированный код. Участвовать в ревью кода в роли автора и развиваться до ревьюера чужих изменений. Требования - Степень бакалавра в области компьютерных наук, инженерии, науки о данных или эквивалентный опыт. - 1–3 года профессионального опыта с примерами завершённой работы: развёрнутый проект, продакшн-вклад, работающая система. Оценка основана на том, что кандидат создал, а не на длительности занятости. - Рабочее владение Python или TypeScript и готовность освоить оба языка — в работе будут использоваться оба. - Опыт работы с реальными API: аутентификация, обработка ошибок, чтение документации, которая иногда бывает некорректной. - Практический опыт работы с LLM API и промпт-инжинирингом — через работу, курсы или личные проекты. - Развитые коммуникативные навыки и способность решать проблемы, готовность работать напрямую с полевым и офисным персоналом. - Обучаемость, организованность, способность быстро учиться в динамичной среде. - Наличие действующих водительских прав и чистая водительская история. Предпочтительные навыки - Опыт работы с Model Context Protocol или другими архитектурами вызова инструментов. - Next.js, React и Tailwind. - Docker и облачное развёртывание любого типа. - Локальный запуск моделей или эксперименты с тонкой настройкой любого масштаба. - Предыдущая работа или стажировка в строительстве, тяжёлом оборудовании, логистике или промышленных операциях. Условия - Конкурентоспособная оплата и 401(k) с матчингом. - Отпуск, корпоративные праздники и больничные. - Гибкие расходные счета / Health Savings Account. - Компенсация по программе Bring Your Own Device (BYOD).
Вакансия
Обязанности - Разрабатывать и поддерживать автотесты - Проводить нагрузочное тестирование - Тестировать REST/gRPC API и асинхронные сервисы - Тестировать AI-модели и cross-service сценарии - Анализировать логи, метрики и трассировки - Взаимодействовать с разработчиками, архитекторами и DevOps Требования - От 3 лет в QA, от 2 лет в backend-автоматизации - Python - Обязательный опыт нагрузочного тестирования - Locust и k6 - Kafka/RabbitMQ - REST, gRPC, WebSockets - Prometheus, Grafana, ELK, OpenTelemetry, Jaeger - PostgreSQL/MySQL, Redis, MongoDB/DynamoDB - Docker, Git, Jira, Allure - Опыт тестирования высоконагруженных систем и AI-моделей - Понимание отказоустойчивости, retry, timeout, circuit breaker, rate limiting Условия - Формат: удалённо - Зарплата: до 125 000 ₽ на руки - Локация: РФ, гражданство РФ
DevOps-инженера
DevOps-инженер Компания ApexPlay. Продукт — AI-модели. Формат работы: удаленно. Занятость: полная. Зарплатная вилка: 2 500 – 5 000 USDT. Город или адрес офиса не имеет значения. Чем предстоит заниматься Инфраструктура и окружения: - Развитие и поддержка инфраструктуры - Сопровождение Production: админ-панели и внутренние технические ресурсы - Работа с переменными окружения, Ansible-плейбуками, сборками приложений Мониторинг и алертинг: - Настройка и поддержание систем мониторинга и алертинга - Обязательная реакция на инциденты — нельзя увидеть проблему и проигнорировать - Улучшение покрытия мониторинга Релизный цикл: - Помощь в выкладке релизов - Работа с GitHub Actions и подготовка сборок Реакция на инциденты: - Публичное оповещение о проблеме - Обозначение времени на разбор Технологический стек - Оркестрация: Ansible, Docker, Docker Swarm - Мониторинг и логи: Grafana, VictoriaMetrics, VictoriaLogs, InfluxDB, Sentry - Базы и HA: Patroni - Скрипты и секреты: Bash, Infisical - Сеть: Cloudflare - CI/CD: GitHub, GitHub Actions - Серверы: OVH, DigitalOcean, Cherry Servers Ожидания от кандидата - Проактивен — сам реагирует на алерты и доводит инциденты до конца - Комфортно работает в стартап-темпе — без корпоративных долгих процессов - Умеет коммуницировать во время инцидента — оповещает, ставит таймер, возвращается с результатом или чётким запросом помощи - После решения предлагает, как предотвратить повторение - Владеет стеком (Ansible, Docker/Swarm, мониторинг) или быстро в него входит Требования - Опыт работы с Ansible и Docker / Docker Swarm - Опыт настройки мониторинга и алертинга - Понимание, как вести инцидент от обнаружения до закрытия Будет плюсом - Опыт с Grafana / VictoriaMetrics / VictoriaLogs / Sentry - Опыт с Patroni, Cloudflare, GitHub Actions - Опыт работы в стартапах, финтехе, мессенджерах или соцсетях
Сильного инженера для развития ML-инфраструктуры и платформы хостинга моделей
Сильный инженер для развития ML-инфраструктуры и платформы хостинга моделей Центр ИИ — Контур ищет сильного инженера для развития ML-инфраструктуры и платформы хостинга моделей. Стек: Python, FastAPI, Celery, Docker, Kubernetes, Helm, Ansible, GitLab CI/CD, Prometheus, Grafana, OpenTelemetry, Sentry, PostgreSQL, MongoDB, Redis. Чем предстоит заниматься - Развивать инфраструктуру для запуска и хостинга ML-моделей. - Внедрять inference-движки и проводить R&D новых решений. - Развивать ClearML, Milvus, инструменты разметки данных и распределённых вычислений. - Создавать внутренние сервисы для управления кластерами и ресурсами. Ожидания - Уверенный опыт с Docker и Kubernetes. - Ansible, CI/CD, IaC, SRE. - Prometheus, Grafana, ELK. - Python на прикладном уровне. - Опыт проектирования инфраструктурных решений. - Готовность работать в условиях высокой неопределённости. Будет плюсом - ML lifecycle, MLOps, vector DB, ML-библиотеки, GPU-серверы и диагностика GPU. Условия - Формат: удалёнка / гибрид / офис. - Доход: обсуждается индивидуально + бонусы.
Senior ML-инженер, production ML и LLM
Работодатель: FUSTIS LLC. Формат: удалённо. Длительность: от 6 месяцев. Тип занятости: W2. Требования - Степень бакалавра в области компьютерных наук, науки о данных, инженерии, математики, статистики или смежной области. - Более 8 лет опыта разработки ML-решений в production-среде. - Уверенное владение Python и лучшими практиками разработки ПО. - Опыт работы с ML-фреймворками: TensorFlow, PyTorch, Scikit-learn, XGBoost. - Глубокое понимание методов обучения с учителем и без учителя. - Опыт создания и сопровождения пайплайнов данных. - Знание SQL и технологий обработки больших объёмов данных. - Опыт работы с облачными платформами: AWS, Azure или Google Cloud Platform. - Знакомство с инструментами контейнеризации и оркестрации: Docker, Kubernetes. - Опыт работы с системами контроля версий и CI/CD. - Развитые аналитические, коммуникационные навыки и навыки решения проблем. Предпочтительно - Степень магистра или PhD в соответствующей технической области. - Опыт работы с большими языковыми моделями (LLM), генеративным ИИ или RAG. - Знание MLOps-инструментов: MLflow, Kubeflow, SageMaker или Vertex AI. - Опыт работы с распределёнными вычислительными платформами, например Spark. - Знакомство с векторными базами данных и технологиями эмбеддингов. - Опыт создания AI-приложений в production-среде. - Знание ответственного ИИ, управления моделями и методов объяснимости. Технические навыки - Программирование: Python, SQL; Java, Scala или C++ (предпочтительно). - Машинное обучение и ИИ: глубокое обучение, NLP, компьютерное зрение, предиктивное моделирование, генеративный ИИ, тонкая настройка LLM. - Облако и инфраструктура: AWS, Azure или GCP, Docker, Kubernetes, REST API, CI/CD. - Технологии данных: Spark, Databricks, Airflow, feature stores, хранилища данных. Критерии успеха - Точность моделей и улучшение производительности. - Надёжность и масштабируемость развёртывания. - Снижение задержки моделей и затрат на инфраструктуру. - Бизнес-эффект от AI-инициатив. - Качество и поддерживаемость production ML-систем. - Операционная эффективность за счёт мониторинга и автоматизации.
Backend / Platform Engineer — Claude Code, оркестратор и данные
Backend / Platform Engineer — Claude Code, оркестратор и данные Удалённо. Продукт — платформа умного ремонта. Подписка на закрытые цены от 243+ брендов, AI-калькулятор бюджета, адаптация готовых интерьерных решений под планировку клиента, реализация под ключ. Текущее состояние Два контура в проде: - Платформа и Telegram-боты — работают на общей базе PostgreSQL в Yandex Cloud. Telegram Mini App и платформа используют одну БД, авторизация через initData. Платежи — YooKassa. - Веб-приложение, собранное через оркестратор Claude Code. Живёт отдельно: своя логика, свои данные, с основным контуром не связано. Значительная часть продуктовых данных до сих пор в Google Sheets: каталог материалов, расчётные таблицы, рабочие реестры. Задача — свести это в единую архитектуру: общая схема данных, единый пользователь во всех точках входа, API-слой поверх, постепенный вынос таблиц в БД. И построить оркестратор так, чтобы продуктом можно было управлять без разработчика. Главное в этой роли Ищем не того, кто пишет код руками, а того, кто работает через Claude Code как через управляющий слой и умеет строить такие слои внутри продукта. 1. Собранная собственная конфигурация Claude Code. CLAUDE.md, правила, skills, subagents, hooks, MCP-серверы к базе и сервисам. Не «иногда открываю чат», а настроенное окружение, где рутина делегирована, а вы держите архитектуру и ревью. 2. Умение построить оркестратор для владельца продукта. Капсулы, цены, тарифы, тексты живут как данные и редактируются основателем самостоятельно, без деплоя. Ваша зона: структура, права доступа, валидация, история изменений и откат. Новые типы сущностей добавляете вы — наполняет их продукт. Если вам комфортно быть единственной точкой доступа к продукту — это не та роль. Задачи - Спроектировать единую схему данных и свести два контура: платформа, боты, веб-приложение - Унифицировать авторизацию между точками входа, чтобы пользователь был один везде - Развивать оркестратор как рабочий инструмент заказчика - Запустить AI-агентов в продукте — от прототипа до прода: подбор материалов, адаптация капсулы под планировку, обработка обращений. Оркестрация вызовов, работа с инструментами и БД, управление состоянием диалога, ограничители и проверка результата, логирование для последующей отладки качества - Вести БД: миграции, индексы, бэкапы, доступы, SQL-витрины для аналитики - Постепенно переносить данные из Google Sheets в БД — блоками, без остановки процессов: таблицы продолжают работать, пока перенос не завершён - Интегрировать AI-модели (текст и изображения): очереди, асинхронная обработка, хранение результатов, учёт расхода по пользователю, фолбэк при отказе провайдера - Поддерживать и развивать интеграции: Telegram Bot API, YooKassa Требования Бэкенд Python, FastAPI, асинхронность. Проектирование REST API. Аутентификация и авторизация, роли и права. Вебхуки, идемпотентность обработки. Базы данных PostgreSQL на уровне проектирования, а не только запросов: схемы, нормализация, индексы, транзакции. Alembic или аналог. Бэкапы и восстановление. Данные и миграция Google Sheets API. ETL: выгрузка, очистка, валидация, дедупликация. Повторяемые идемпотентные загрузки. Двусторонняя синхронизация на переходный период, пока часть процессов ещё в таблицах. AI-агенты Проектирование агентных сценариев: tool calling, доступ агента к БД и внешним API, управление контекстом и состоянием, guardrails, обработка галлюцинаций и отказов. Оценка качества ответов, версионирование промптов, воспроизводимость. AI-интеграции Подключение LLM и image-моделей в прод. Стриминг, таймауты, лимиты, подсчёт и списание расхода по пользователю, переключение провайдера при отказе. Асинхронная обработка Очереди задач (Celery, ARQ, RQ — любое), Redis, ретраи, дедлеттеры, таймауты. Понимание, что делать с задачей, которая идёт минуту и может упасть. Интеграции Telegram Bot API, Telegram Mini App. YooKassa: платежи, вебхуки, рекуррентные списания. Инфраструктура Yandex Cloud, Docker, CI/CD, логирование, мониторинг, работа с секретами. Фронт Next.js на уровне чтения и правок — не писать с нуля, но уметь поправить и задеплоить. Админ-слой Опыт создания панели, которой пользуется нетехнический человек: валидация ввода, превью, аудит-лог, откат изменений, защита от разрушающих действий. Общее 3+ года коммерческой разработки. Минимум один проект с реальными платежами и пользователями. Умение разобраться в чужом коде и не переписать его с нуля. Задачи приходят продуктовыми формулировками, не техническими ТЗ. Условия - Продукт с выручкой и живыми пользователями, не идея на слайдах. Всё что делаете — идёт в прод сразу, не в бэклог - Вы единственный инженер на контуре. Архитектурные решения ваши. Ни комитетов, ни согласований, ни легаси-владельца, который скажет «у нас так принято» - Работа напрямую с основателем, без прослойки менеджеров и переводчиков с продуктового на технический - Claude Code — норма, а не эксперимент. Никто не будет спрашивать, почему вы делегируете агентам. Это заложено в саму роль - AI-агенты в проде, а не в демо — редкая возможность собрать агентный слой в работающем бизнесе, а не в песочнице - Задача целиком: собрать архитектуру от разрозненных контуров до единой системы
Senior AI-инженер, Google ADK и Python
О компании FullStack — консалтинговая компания по разработке ПО в Америке. Клиенты — крупные мировые компании и стартапы Кремниевой долины. Позиция Senior AI-инженер (Google ADK + Python) для работы с клиентами в одном из двух форматов: - Team Augmentation: интеграция в команду клиента и ежедневная работа вместе с его дизайнерами и инженерами. - Design & Build: работа в продуктовой команде FullStack над созданием и поставкой продукта клиенту. Требования - 5+ лет профессионального опыта в разработке ПО, создании production-приложений с Python и AI/agent-технологиями. - Продвинутый английский язык. - Обязательно наличие законченного высшего образования. - Практический опыт с Google ADK (Agent Development Kit) или аналогичными фреймворками для разработки агентов. - Сильный профессиональный опыт Python для разработки production-кода и бэкенд-сервисов. - Опыт работы с Git для контроля версий и совместной разработки. - Практический опыт с Docker и разработкой контейнеризированных приложений. - Опыт разработки и поставки production-ready решений. - Понимание современных практик разработки: тестирование, качество кода, деплой. - Навыки решения сложных задач и эффективной работы в команде. - Интерес к AI-ориентированной разработке и новым agentic AI-технологиям. - Способность разбираться в новых и сложных проблемах и вносить вклад в библиотеки по мере необходимости. - Умение создавать и поддерживать непрерывную интеграцию и доставку приложений. - Внимание к деталям. - Позитивный настрой и проактивное отношение. - Опыт работы в Agile/Scrum-командах. - Значимый опыт работы с крупными и сложными системами. - Способность брать полную ответственность за свою работу и выполнять согласованные с командой ожидания. - Способность разделять цели клиентов FullStack и выполнять взятые обязательства. Будет плюсом - Использование AI-инструментов в рабочем процессе. - Профессиональный опыт или личные проекты с Cursor, Windsurf, Google Antigravity, Claude Code, Gemini CLI, Codex или Copilot CLI. Условия - Конкурентная зарплата. - Оплачиваемый отпуск: отпуск, больничный, отпуск по уходу за ребёнком, праздники. - 100% удалённая работа. - Возможность работать с ведущими стартапами и компаниями из списка Fortune 500. - Медицинская, стоматологическая и офтальмологическая страховка. - 401(k) с матчингом 4%. - Возможности карьерного роста. - Возможности продолжения образования. Работа в США - Требуется действующее разрешение на работу в США на полную ставку. - FullStack не спонсирует рабочие визы сейчас или в будущем.
Full Stack-разработчик, .NET и AI
О компании Sogeti, входящая в группу Capgemini, помогает организациям внедрять инновации через качественную разработку, облачные и прикладные решения, а также ИИ, данные и автоматизацию. Компания основана в 2007 году, штаб-квартира в Осло, Норвегия, численность сотрудников — более 10 000. Обязанности - Проектировать, разрабатывать, тестировать и поддерживать масштабируемые веб-приложения с использованием .NET, C, ASP.NET Core и современных JavaScript-фреймворков. - Создавать и использовать RESTful API, микросервисы и облачные решения. - Использовать ИИ-ассистентов для разработки (GitHub Copilot, Microsoft Copilot или аналоги) для повышения продуктивности и качества кода. - Применять практики SDLC с поддержкой ИИ: анализ требований, генерация кода, тестирование, документация и автоматизация DevOps. - Взаимодействовать с владельцами продуктов, бизнес-аналитиками, архитекторами и UX-дизайнерами для уточнения требований. - Участвовать в модернизации приложений, интеграции и миграции в облако. - Вносить вклад в CI/CD-конвейеры, автоматизированное тестирование, ревью кода и управление релизами. - Поддерживать Agile-команды: планирование спринтов, оценка и уточнение бэклога. Требования - 5–7 лет практического опыта в Full Stack-разработке. - Уверенное владение C, .NET Core/.NET 8+, ASP.NET MVC, Web API и Entity Framework. - Опыт с React, Angular или другими современными фронтенд-фреймворками. - Опыт с SQL Server и моделированием данных. - Знакомство с Azure-сервисами, облачной разработкой и DevOps-практиками. - Рабочее знание ИИ-ассистированных инструментов разработки и современных инженерных практик. - Опыт с Git, CI/CD, автоматизированным тестированием и Agile-методологиями. - Развитые навыки решения проблем, коммуникации и работы в команде. - Опыт разработки ИИ-приложений с использованием Azure AI Services, OpenAI или Microsoft Copilot. - Знание архитектуры решений, доменного моделирования и паттернов корпоративной интеграции. - Опыт с контейнеризацией и оркестрацией: Docker, Kubernetes. - Сертификаты Microsoft Azure или .NET. Условия - Удалённая работа, открыта для кандидатов в США. - Возможна дополнительная компенсация: переменная часть, бонусы или комиссионные. - Для штатных сотрудников: оплачиваемый отпуск, медицинская/стоматологическая/оптическая страховка, 401(k) и другие льготы.
Senior AI/LLM-инженер, генеративный ИИ
О компании и проекте Компания: NTT DATA North America. Требуется Senior AI/LLM-инженер для проектирования, разработки и внедрения корпоративных решений генеративного ИИ на основе больших языковых моделей. Кандидат должен обладать опытом разработки на Python, RAG, AI-оркестрации и облачных архитектур. Роль предполагает работу с владельцами продуктов, архитекторами решений, инженерами данных и бизнес-заинтересованными сторонами для создания масштабируемых, безопасных и готовых к продакшену AI-приложений на базе OpenAI и других ведущих фундаментальных моделей. Локация: удалённо, необходимо поддерживать часовой пояс EST. Задачи - Проектировать, разрабатывать и внедрять корпоративные генеративные AI-приложения с использованием современных LLM-технологий. - Создавать продакшен-бэкенд-сервисы на Python с применением современных практик разработки ПО. - Разрабатывать масштабируемые AI-архитектуры с использованием OpenAI, Anthropic Claude, Gemini, Llama или аналогичных фундаментальных моделей. - Проектировать и внедрять RAG-пайплайны с использованием векторных баз данных и семантического поиска. - Разрабатывать мультиагентные AI-системы для оркестрации сложных бизнес-процессов. - Проектировать архитектуры AI-решений, отвечающие требованиям масштабируемости, безопасности и поддерживаемости. - Интегрировать AI-возможности в существующие корпоративные приложения, API и бизнес-процессы. - Разрабатывать и использовать REST API, микросервисы и событийно-ориентированные сервисы для AI-приложений. - Внедрять фреймворки оркестрации, такие как LangChain и связанные агентные фреймворки. - Оптимизировать промпты для повышения точности, качества рассуждений и бизнес-результатов. - Оценивать производительность LLM и внедрять методы улучшения качества ответов. - Устанавливать практики AI-управления, оценки моделей и ответственного ИИ. - Мониторить производительность AI-приложений и оптимизировать задержку, стоимость и качество. - Создавать облачные AI-решения с использованием Azure или AWS AI-сервисов. - Внедрять Azure AI Search и векторный поиск. - Проектировать безопасные корпоративные AI-приложения в соответствии со стандартами облачной безопасности и управления. - Взаимодействовать с DevOps-командами для развертывания AI-решений через CI/CD-пайплайны. - Взаимодействовать с бизнес-заинтересованными сторонами для понимания AI-кейсов и их трансформации в масштабируемые технические решения. - Представлять архитектурные решения и AI-стратегии технической и нетехнической аудитории. - Наставлять младших инженеров и развивать лучшие практики AI-инжиниринга. Требования - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, программной инженерии или смежной области. - 6+ лет опыта в разработке ПО или машинном обучении. - Минимум 3 года практического опыта создания решений в области ИИ и генеративного ИИ. - 3–5 лет сильного практического опыта разработки продакшен-приложений на Python. - 1–3 года опыта создания приложений с использованием OpenAI (предпочтительно), Anthropic Claude, Gemini, Llama или аналогичных LLM-платформ. - 3+ года опыта внедрения RAG-архитектур. - 1–3 года опыта интеграции векторных баз данных и решений семантического поиска. - 1–3 года уверенного понимания LangChain и фреймворков AI-оркестрации. - Опыт проектирования мультиагентных AI-архитектур. - Глубокие знания промпт-инжиниринга, оценки моделей, AI-управления и принципов ответственного ИИ. - Опыт создания REST API, микросервисов и событийно-ориентированных архитектур. - Опыт работы с облачными платформами Azure или AWS. - Понимание масштабируемой корпоративной архитектуры приложений. - Отличные аналитические навыки, навыки решения проблем и коммуникации. Необходимые технические навыки - Python - JavaScript - Генеративный ИИ - Большие языковые модели (LLM) - OpenAI (предпочтительно) - Retrieval-Augmented Generation (RAG) - Мультиагентная AI-оркестрация - LangChain - Langfuse - Архитектура AI-решений - Azure AI Search - Векторные базы данных - Промпт-инжиниринг - REST API - Микросервисы - Событийно-ориентированная архитектура - Облачные сервисы Azure или AWS Предпочтительно - Опыт работы с LangGraph, AutoGen, CrewAI, Semantic Kernel или аналогичными агентными фреймворками. - Опыт работы с векторными базами данных, такими как Pinecone, Weaviate, ChromaDB, Qdrant.
Senior AI-инженер, разработка ИИ-приложений
Zartis — глобальный партнер по AI-трансформации и технологическому консалтингу. Команда работает над проектами в области AI-платформ, безопасных API-архитектур и cloud-native разработки. Инженерные хабы расположены в EMEA и LATAM, компания имеет долгосрочные партнерства в финансовых услугах, здравоохранении, науках о жизни, энергетике и климате. Проект относится к логистической отрасли: поддержка лидера цепочки поставок, который предоставляет экспертный консалтинг, специализированное ПО и управляемые сервисы для оптимизации сквозных логистических операций. Роль предполагает работу в распределенной команде. Задачи: - Проектирование, разработка и развертывание AI-приложений на Python. - Интеграция моделей машинного обучения, AI-API и интеллектуальных алгоритмов в масштабируемые бэкенд-системы. - Совместная работа с дата-сайентистами, продакт-менеджерами и инженерами для разработки AI-функций. - Участие в архитектуре ПО, системном дизайне и технических решениях для AI-продуктов. - Разработка и поддержка CI/CD пайплайнов и контейнерных сред с использованием Docker. - Развертывание и управление AI-приложениями на облачных платформах: AWS, Azure или Google Cloud Platform. - Оптимизация AI-решений по масштабируемости, производительности, надежности и поддерживаемости. - Отслеживание последних достижений в области AI и машинного обучения, оценка возможностей их внедрения. Требования: - Степень бакалавра в Computer Science, программной инженерии или смежной области. - 5+ лет профессионального опыта разработки ПО с фокусом на интеграцию AI/ML-решений в продакшн-приложения. - Сильные навыки программирования на Python (предпочтительно) или Java. - Практический опыт с фреймворками машинного обучения: TensorFlow, PyTorch, scikit-learn или Hugging Face Transformers. - Понимание концепций машинного обучения, data engineering, ETL-процессов и развертывания моделей. - Опыт работы с SQL и крупномасштабными наборами данных. - Знакомство с контейнеризацией (Docker), CI/CD практиками и облачными платформами (AWS, Azure или GCP). - Опыт создания или потребления RESTful API и интеграции AI-сервисов в корпоративные приложения. - Опыт работы с LLM, векторными базами данных, промт-инжинирингом или AI-агентами. - Развитые аналитические и проблемно-ориентированные навыки. - Отличные коммуникационные навыки и умение работать в команде. - Проактивность, адаптивность, самостоятельность. - Способность работать независимо и в кросс-функциональных командах. - Мотивация вносить вклад в успех организации и соответствие её культуре и ценностям. Будет плюсом: - Опыт с современными фронтенд-фреймворками: React, Angular или Vue.js. - Знание MLOps-инструментов и практик. - Знакомство с Kubernetes, infrastructure as code или микросервисной архитектурой. Условия: - 100% удаленная работа. - Ежемесячная надбавка на удаленную работу. - Программа карьерного развития с 360-градусной обратной связью. - Обучение: выделенное время в течение недели, онлайн-курсы (Pluralsight, Educative.io), уроки английского, книги, конференции и мероприятия. - Программа менторства.
Senior ML-инженер, NLP и RAG
Senior Machine Learning Engineer в компании Unifonic, занимающейся SaaS-решениями для бизнес-коммуникаций. Команда из 500 сотрудников обслуживает более 5000 компаний. Задачи: - Проектирование, разработка и внедрение масштабируемых ML-решений с акцентом на NLP и RAG-архитектуры. - Построение RAG-систем, сочетающих большие языковые модели с механизмами поиска для повышения точности и интерпретируемости контента. - Применение NLP-техник: классификация текста, распознавание сущностей, анализ тональности, суммаризация, ответы на вопросы, извлечение информации. - Исследование и интеграция современных NLP-моделей и RAG-фреймворков (Transformers, BERT, GPT, векторные базы данных, семантический поиск). - Наставничество младших коллег, обмен знаниями и лучшими практиками ML и разработки ПО. - Взаимодействие с кросс-функциональными командами для интеграции ML-решений в продукты компании. - Разработка и оптимизация ML-алгоритмов, создание сервисных API с использованием Flask, FastAPI или аналогичных фреймворков. - Отслеживание актуальных исследований и трендов в области ИИ, включая генеративный ИИ. - Сбор и анализ больших наборов данных совместно с командой data engineering в реальном времени, около-реальном времени или пакетном режиме. - Реализация прототипов и proof-of-concept для новых AI-кейсов. - Построение масштабируемых ML-сервисов, выдерживающих тысячи запросов в секунду, и проведение нагрузочных тестов для соблюдения SLA. - Ревью кода коллег, улучшение архитектуры в соответствии с принципами SOLID. - Участие в документации проектов и демонстрациях. Требования: - Опыт проектирования и внедрения RAG-систем, знание стратегий поиска (BM25, плотный поиск, гибридные подходы) и интеграции графов знаний. - Практический опыт с фреймворками оркестрации LLM: LangChain, LangGraph, CrewAI или аналогичными для создания автономных агентов. - Глубокие знания NLP-техник и моделей: Transformer-архитектуры (BERT, GPT, T5, LLama, Mistral), большие языковые модели и их тонкая настройка, векторные эмбеддинги и поиск по сходству, классификация текста, NER, анализ тональности, суммаризация, ответы на вопросы. - Опыт работы ML-инженером от 3 до 5 лет. - Опыт работы с Python от 3 лет. - Аналитические способности для сбора, организации и анализа больших наборов данных. - Полный цикл обучения, оценки, тестирования и развертывания ML-продуктов в продакшене. - Написание качественного кода на Python (SOLID), знание структур данных, алгоритмов и моделирования данных. - Опыт работы с ML-фреймворками: NumPy, Pandas, Scikit-Learn, PyTorch, Keras, BERT, TensorFlow и аналогичными. - Знакомство с практиками MLOps.
Middle+ / Senior Python Developer (Онлайн-оценка залога)
Обязанности - Проектировать backend-сервисы. Разрабатывать отказоустойчивые микросервисы на Python, закладывая фундамент для масштабирования продукта. - Строить инфраструктуру для ML. Создавать API для инференса моделей, управлять очередями задач и обеспечивать бесшовную интеграцию дата-сайентистов в production-среду. - Работать с данными в реальном времени. Обрабатывать потоки информации через Kafka, выстраивать эффективную потоковую обработку событий. - Задавать стандарты качества. Участвовать в код-ревью, развивать культуру чистого кода и внедрять лучшие инженерные практики в команде. - Обеспечивать надежность. Писать юнит- и интеграционные тесты, чтобы гарантировать стабильность сервисов 24/7. - Участвовать в аналитической работе. Команда разрабатывает сервисы на основе экспертных алгоритмов, главная сложность — перенести многолетний человеческий опыт в машинный код и сохранить точность оценки. Разработчик также является в какой-то степени аналитиком, тестирующим различные гипотезы, влияющие на работу алгоритма и качество оценки. Требования - Опыт коммерческой разработки на Python от 3 лет. - Глубокое понимание микросервисной архитектуры: REST, gRPC, принципы взаимодействия распределенных систем. - Уверенная работа с реляционными базами данных (PostgreSQL) и брокерами сообщений (Kafka). - Владение асинхронным программированием (asyncio, aiohttp, FastAPI) для создания высоконагруженных систем. - Навык работы со всем циклом разработки ПО: от постановки задачи до выкатки в прод и поддержки. - Практический опыт с Docker и системами контроля версий (Git). - Высшее техническое образование, самостоятельность и умение находить общий язык с командой аналитиков, методологов и исследователей данных. Условия - Москва, офис. - Компания: Сбер.
C++ разработчик в команду фотоконтроля
C++ разработчик в команду фотоконтроля Команда контроля качества Яндекс Еды, Такси, Маркета и других сервисов Яндекса занимается фотоконтролем: регулярно проверяется, что за рулём или с курьерской сумкой находится именно тот человек, у которого есть разрешение работать. Система обрабатывает 800 тысяч проверок в день в 40+ странах, в базе более миллиарда записей. За последний квартал запущен онбординг-сторис для нескольких типов фотоконтроля — рост успешных проверок до +15 п. п. в отдельных странах. Запущен AI-агент для поддержки исполнителей: качество ответов выросло с 5,9 до 8,3 из 10, стоимость LLM-запросов снизилась на 70%. Стек - C++20 на фреймворке userver - Python 3.11 - PostgreSQL, MongoDB, Redis, YDB - Logbroker — внутренний аналог Apache Kafka Задачи - Разработка AdminUI с настройками фотоконтроля: проектирование и построение интерфейса управления всеми настройками фотоконтроля. - Миграция сущностей и проверок в YDB: проектирование новой схемы хранения данных фотоконтроля на базе YDB, реализация полноценных черновиков проверок. - Классификатор фотоконтроля — машины: поднятие нового сервиса, реализация API для получения размеченных признаков с фотографий автомобиля. - AI-агент и снижение операционной нагрузки: развитие LLM-агента фотоконтроля. Требования - Разработка под Linux - Знание C++ и STL - Ориентация в классических алгоритмах и структурах данных, знакомство с NoSQL- и SQL-базами Будет плюсом - Опыт работы с высоконагруженными системами - Опыт работы с микросервисной архитектурой и Docker - Опыт работы с LLM API Бонусы В Яндексе есть спортивные клубы, книжный клуб, киберспортивное сообщество.
ML-инженер | Senior
ML-инженер | Senior Bell Integrator ищет Senior ML-инженера на удалённую работу по РФ. Требования - от 3 лет опыта в Data Science; - разработка и продуктивизация ML-сервисов; - опыт ML-пайплайнов в real-time; - Docker, Airflow или другие шедулеры; - SQL/NoSQL. Задачи - улучшать рекомендательные системы и бизнес-метрики; - разрабатывать и выводить ML-модели в прод; - проводить A/B-тесты и формировать новые гипотезы; - взаимодействовать с Data Engineers, разработчиками и аналитиками; - разрабатывать агентские сервисы. Условия - зарплата обсуждается индивидуально; - удалённо по РФ, работа по МСК; - оформление по ТК РФ.
Python разработчика на проект по созданию высоконагруженной системы автоматического управления пополнением…
Python разработчик на проект по созданию высоконагруженной системы автоматического управления пополнением товарных запасов Компания: ООО Napoleon IT Мы — IT-компания, в которой искусственный интеллект объединяется с человеческим. Более 250 сотрудников, 3 офиса в России, 3 направления развития: заказная разработка, outstaffing, собственные продукты. Помимо существующих продуктов и решений на основе AI, мы развиваем разработку с использованием технологий LLM и Generative AI. Мы строим мультиагентные системы и платформенные решения для брендов, ритейла и маркетплейсов. Мы ищем Python разработчика на проект по созданию высоконагруженной системы автоматического управления пополнением товарных запасов. Проект реализуется на микросервисной архитектуре и направлен на создание решения, которое рассчитывает рекомендации по формированию заказов поставщикам с учетом параметров логистики, складских остатков, спроса и других бизнес-ограничений. Вы будете работать в команде аналитиков, архитекторов и разработчиков, участвуя в проектировании, проработке требований и создании интегрированного решения для управления цепочками поставок. Задачи - Разработка и поддержка высоконагруженных микросервисов; - Интеграция с Kafka для обработки потоков данных; - Проектирование Event Sourcing и CQRS паттернов; - Разработка API для межсервисного взаимодействия; - Настройка мониторинга и алертинга сервисов; - Code review. Требования - Опыт работы с Python от 5 лет; - Django / FastAPI — опыт разработки REST API; - Микросервисная архитектура — опыт проектирования и поддержки; - Apache Kafka — продакшн опыт работы с producers / consumers; - PostgreSQL — проектирование схем, оптимизация запросов; - ETL процессы — Extract, Transform, Load данных; - Docker / Kubernetes — контейнеризация и оркестрация; - Базы данных: PostgreSQL, ClickHouse; - Event-driven архитектура — паттерны работы с событиями; - API Gateway — опыт интеграции через шлюзы; - Мониторинг: Prometheus, Grafana или аналоги; - Git, CI / CD — DevOps практики. Будет плюсом - Знание gRPC для межсервисного взаимодействия; - Опыт с ELK Stack (Elasticsearch, Logstash, Kibana); - Redis Cluster для высокодоступного кэширования; - Знание Domain-Driven Design (DDD); - Опыт performance tuning Python приложений. Как проходит отбор Первый этап — короткое интервью на ИИ-платформе BRaiN HR. В интервью будут вопросы, которые задает рекрутер и руководитель при первичном собеседовании. Можно пройти интервью в любое время, не нужно ждать звонка рекрутера, интервью занимает до 30 минут. Ответы увидит не только рекрутер, но и нанимающий руководитель. Заработная плата: уровень дохода не указан.
Senior AI-инженер
AI-инженер отвечает за проектирование, разработку, развертывание и поддержку решений в области искусственного интеллекта и машинного обучения, которые обеспечивают интеллектуальную автоматизацию, прогнозную аналитику и продвинутую аналитику на уровне предприятия. Роль предполагает практическую разработку: применение принципов программной инженерии для написания production-кода, создание масштабируемых AI-систем, включая AI-агентов и пайплайны данных, и интеграцию моделей ИИ в новые и существующие бизнес-приложения. AI-инженер тесно сотрудничает с дата-сайентистами, дата-инженерами, ML Ops-инженерами и платформенными командами для перевода моделей машинного обучения из прототипа в продакшн. Критически важная часть функции — обеспечение перехода AI-кейсов от экспериментов к надежным, управляемым и готовым к бизнесу решениям, включая полную операционную готовность: внедрение надежной наблюдаемости, определение Service Level Objectives (SLO) и создание четких стратегий реагирования на инциденты и отката для всех AI-сервисов. Обязанности - Разработка и внедрение моделей: написание чистого, эффективного и документированного кода для разработки и внедрения моделей машинного обучения и ИИ, поддерживающих различные бизнес-кейсы. - Реализация пайплайнов обработки данных и предобработки, необходимых для входных данных моделей. - Постоянная оптимизация производительности и масштабируемости AI-приложений и моделей. - Проектирование, разработка и поддержка масштабируемых ML-пайплайнов для обучения, валидации, инференса и развертывания моделей. - Сотрудничество с ML Ops-инженерами для упаковки и развертывания моделей в корпоративных системах с использованием установленных практик MLOps. - Мониторинг развернутых моделей в продакшене на предмет производительности, дрейфа данных и надежности, устранение возникающих проблем. - Обеспечение операционной готовности всех AI-сервисов: определение и внедрение Service Level Objectives (SLO) для ключевых метрик, таких как p50/p95 задержка и доступность, создание надежного мониторинга и алертинга для дрейфа моделей, задержки и частоты ошибок. - Тесное сотрудничество с дата-сайентистами для перевода экспериментальных моделей и исследовательских прототипов в надежные production-системы. - Поддержка интеграции AI-возможностей в корпоративные рабочие процессы, приложения и цифровые платформы. - Участие в документировании и объяснимости выходов моделей для обеспечения ясности для бизнес-стейкхолдеров. - Обеспечение соответствия всех развернутых AI-систем корпоративным стандартам управления, справедливости и безопасности. - Оценка новых AI-технологий, таких как LLM и генеративный ИИ, для определения их применимости к бизнес-задачам и стимулирование инноваций. - Обеспечение поддержки аудируемости, объяснимости, прослеживаемости и соответствия регуляторным требованиям. - Реализация стратегий управления памятью, контекстной инженерии, планирования и многошаговых рассуждений. - Определение и отслеживание метрик качества, таких как обоснованность, точность (faithfulness), релевантность, процент выполнения задач и удовлетворенность пользователей. Предпочтительные навыки и опыт - Основные технические и AI-компетенции: - Сильные навыки программирования на Python, Java или C++, включая разработку API и проектирование ПО. - Глубокое понимание базовых концепций машинного обучения, включая классификацию, регрессию, кластеризацию и архитектуры глубокого обучения. - Практический опыт работы с современными фреймворками глубокого обучения и алгоритмами (обучение с учителем и без), такими как PyTorch, TensorFlow или аналогичными, для построения и обучения сложных нейронных сетей. - Навыки работы с LLM, промпт-инжинирингом, тонкой настройкой и использованием фреймворков LangChain и LangGraph для построения RAG-систем (Retrieval-Augmented Generation). - Работа с данными: data wrangling, SQL, хранилища данных и ETL-пайплайны для подготовки данных для моделей. - Полный жизненный цикл ML-моделей: - Подтвержденный опыт полного жизненного цикла моделей: разработка, обучение и развертывание моделей машинного обучения от прототипа до продакшена. - Владение предобработкой данных, инженерией признаков и методами оценки моделей для обеспечения надежной и точной производительности. - Подтвержденная способность строить и оптимизировать масштабируемые пайплайны данных для обучения и оценки моделей машинного обучения. - Хорошее знание как SQL, так и NoSQL баз данных для запросов и управления данными для AI-приложений. - Программная инженерия и MLOps: - Солидная база в лучших практиках программной инженерии, включая контроль версий (Git), автоматизированное тестирование и CI/CD пайплайны. - Практический опыт контейнеризации с помощью Docker и оркестрации контейнеров с помощью Kubernetes для масштабируемого развертывания. - Экспертиза в MLOps-наблюдаемости, включая мониторинг моделей для отслеживания производительности и дрейфа, а также установление происхождения моделей/версий, телеметрии и трассируемости. - Опыт внедрения продвинутых стратегий тестирования и развертывания, включая канареечные и теневые развертывания, а также комплексные наборы тестов (модульные, интеграционные, состязательные, регрессионные).
LLM-инженер
LLM-инженер Задачи - Проектирование, дообучение и развертывание больших языковых моделей (LLM), таких как OpenAI GPT, BERT или собственных архитектур, для решения задач обработки естественного языка. - Разработка и оптимизация API для интеграции ИИ-функциональности в основные продукты Qelp, обеспечение совместимости и производительности. - Совместная работа с кросс-функциональными командами, включая UX/UI-дизайнеров, фронтенд-разработчиков и продакт-менеджеров, для согласования возможностей ИИ с бизнес-задачами. - Повышение масштабируемости ИИ-решений за счет модульной архитектуры и эффективных практик развертывания моделей. - Разработка пайплайнов для обработки больших наборов данных, обеспечение качества и релевантности данных для обучения и дообучения LLM. - Обеспечение этичного и прозрачного использования ИИ: внедрение механизмов обнаружения смещений, объяснимости и соответствия требованиям. - Отслеживание последних достижений в области ИИ и машинного обучения, особенно в NLP и LLM, для внедрения передовых функций в продукты Qelp. - Внедрение инструментов для отслеживания производительности и надежности ИИ-моделей в продакшене, итеративное улучшение. Требования - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, науки о данных или смежной области. - Минимум 5 лет опыта в разработке машинного обучения и ИИ, из них не менее 2 лет — в работе с LLM или NLP. - Владение Python и фреймворками TensorFlow, PyTorch или Hugging Face Transformers. - Подтвержденный опыт развертывания и оптимизации LLM в продакшене. - Знакомство с облачными платформами (AWS, Azure или Google Cloud) для развертывания ИИ. - Продвинутое владение техниками NLP и разработкой ИИ-моделей. - Глубокое знание архитектур на основе трансформеров, таких как GPT, BERT или T5. - Навыки разработки API и микросервисной архитектуры. - Знакомство с DevOps-инструментами для развертывания ИИ-моделей (например, Docker, Kubernetes). - Понимание регулирования ИИ и лучших практик этичного развертывания. - Понимание техник предобработки данных и управления наборами данных. Условия - Конкурентоспособный компенсационный пакет. - Возможности для обучения и развития (ИИ, технологии, эволюция BPO-индустрии). - Возможности карьерного роста в расширяющейся команде. - Полностью удаленная работа (рынки EMEA, LATAM или APAC). - Работа в команде высококвалифицированных и динамичных лидеров. - Культура здорового баланса между работой и личной жизнью. - Зарплата: 72 000–108 000 долларов США в год.
Senior AI-инженер, машинное обучение
О компании Grafana Labs — компания, разрабатывающая открытую платформу наблюдаемости. Grafana Cloud — управляемая платформа наблюдаемости, построенная для масштабирования. Более 35 миллионов пользователей и 7000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce. Компания полностью удаленная, более 1600 сотрудников в 40+ странах. О роли Grafana AI-команды помогают пользователям понимать сложные данные наблюдаемости с помощью AI-функций. Эти возможности снижают рутинную работу, понижают порог экспертизы и выявляют значимые сигналы в шумной среде. Команда работает с высокой степенью автономии и ответственности. Инженеры могут принимать решения, быстро двигаться и проверять идеи на ранних этапах, при поддержке коллаборативной культуры. Ищем AI-инженера с сильным бэкграундом в разработке ПО, быстрым итеративным мышлением и страстью к экспериментам, а также с фокусом на выпуск и масштабирование значимых функций. Вы будете работать с кросс-функциональными командами, чтобы разрабатывать, тестировать и выпускать AI-функции, улучшающие инфраструктуру и качество наблюдаемости через автоматизацию, а также расширять возможности AI-агентов в стеке наблюдаемости для помощи пользователям при реагировании на инциденты. Задачи - Разрабатывать и внедрять AI-решения: создавать высокопроизводительные AI-функции для обнаружения, триажа и разрешения инцидентов с использованием данных и инструментов наблюдаемости. - Быстро экспериментировать и итерировать: прототипировать, тестировать и проверять на реальных пользователях, включая выпуск и развитие LLM- или агентских рабочих процессов для управления жизненным циклом инцидентов и автоматизированного анализа. - Работать кросс-функционально: взаимодействовать с аналитиками данных, продакт-менеджерами и дизайнерами для формирования AI-функций, включая интеграцию агентских компонентов с внутренними инструментами, системами оповещения, runbook и рабочими процессами разработчиков. - Эффективно использовать AI-инструменты: применять AI и инструменты автоматизации для улучшения функциональности продукта и собственных рабочих процессов разработки. - Эффективно общаться: работать в динамичной и коллаборативной среде, вносить вклад в работу команд. - Владеть результатом: нести полную ответственность за разработанные AI-решения, обеспечивая их инновационность, масштабируемость, поддерживаемость и соответствие реальным рабочим процессам пользователей. Условия - Удаленная работа, рассматриваются кандидаты только из часовых поясов Канады. - Компания инвестирует в продуктивность разработчиков: можно использовать современные AI-ассистенты для кодирования в повседневной работе (инструменты на выбор, в рамках политики безопасности), с оплачиваемым компанией бюджетом на использование. - Поощряется прагматичная AI-разработка: быстрое прототипирование, генерация тестов, рефакторинг, документация и разбор инцидентов — при соблюдении стандартов качества и код-ревью. - Доступ к последним frontier-моделям от OpenAI, Anthropic и Google.
MLOps-инженер в инфраструктуру Центра ИИ, senior» (Москва)
MLOps-инженер в инфраструктуру Центра ИИ, senior Компания «Контур» ищет специалиста на вакансию «MLOps-инженер в инфраструктуру Центра ИИ, senior». Локация: Москва (Россия), Санкт-Петербург (Россия), Иннополис (Россия). Формат работы: полный рабочий день, возможно удалённо. Требуемые навыки: - Senior - Ansible - CI/CD - Python - Kubernetes - Docker
AI Engineer / Инженер по внедрению AI
AI Engineer / Инженер по внедрению AI Мы развиваем внутренние AI-инструменты компании и ищем инженера, который умеет превращать бизнес-задачи в рабочие AI-сценарии — от прототипа до регулярного использования сотрудниками. Нам нужен прикладной инженер, который умеет работать на стыке AI, веб-разработки, интеграций, данных и автоматизации процессов. Основная задача — собирать AI-ассистентов, workflow и внутренние инструменты на базе Dify, n8n, LLM API и других low-code / pro-code решений, подключать их к корпоративным системам и доводить до стабильной эксплуатации. Кого мы ищем Нам нужен инженер-практик, который не ограничивается настройкой промптов, а умеет собрать полноценный рабочий инструмент вокруг AI: данные, интеграции, интерфейс, логику процесса, тестирование, документацию и поддержку. Важно не просто знать LLM, а уметь быстро разобраться в бизнес-задаче, собрать MVP, проверить его пользу, доработать и внедрить так, чтобы сотрудники регулярно и безопасно использовали инструмент. Наши задачи - Собирать AI-ассистентов, workflow и полуавтоматические инструменты под задачи подразделений. - Развивать внутреннюю AI-платформу на базе Dify, n8n и других прикладных инструментов. - Подключать AI-сценарии к внутренним системам через API, webhooks, SQL, файлы и выгрузки. - Создавать простые внутренние web-интерфейсы и сервисы для работы с AI-сценариями. - Настраивать RAG-контуры, базы знаний и поиск по документам и корпоративным данным. - Подготавливать данные для AI-сценариев: очищать, структурировать, нормализовать и описывать источники. - Тестировать качество ответов, разбирать ошибки, настраивать evaluation и критерии приёмки. - Проектировать сценарии с учётом контроля человека: проверка, подтверждение, логирование и обработка ошибок. - Документировать архитектуру, инструкции, ограничения и правила эксплуатации. - Обучать сотрудников работе с AI-инструментами. - Переводить успешные прототипы в промышленное или регулярное использование. Наши ожидания - Опыт создания прикладных решений с LLM / AI-инструментами. - Опыт работы с Dify, n8n, Flowise, LangChain, LlamaIndex или аналогичными инструментами. - Знание Python для интеграций, скриптов, обработки данных и работы с API. - Опыт web-разработки или готовность быстро собирать внутренние интерфейсы: React, Vue, Svelte, Next.js, FastAPI, Flask или аналогичные технологии. - Понимание RAG, embeddings, vector search, chunking, reranking и качества retrieval. - Умение интегрироваться с внешними API и внутренними корпоративными системами. - Понимание баз данных и SQL на уровне уверенной работы с данными. - Базовое понимание эксплуатации: Docker, переменные окружения, логи, обработка ошибок и мониторинг. - Системность, аккуратность и привычка доводить решение до состояния, в котором им реально пользуются. - Умение общаться с бизнес-пользователями, разбирать процессы и переводить задачи в технические решения. Будет плюсом - Опыт автоматизации бизнес-процессов. - Опыт разработки внутренних инструментов для юристов, финансов, закупок, продаж, поддержки или операционных подразделений. - Опыт работы с документами: PDF, DOCX, XLSX, сканы, OCR, классификация и извлечение данных. - Опыт настройки прав доступа, ролей и безопасной работы с корпоративными данными. - Опыт построения evaluation-наборов и регрессионного тестирования AI-сценариев. Условия - Удалённый формат работы. - График 5/2, 09:00–18:00. - Официальное трудоустройство по ТК РФ. - Полностью белая заработная плата. - Участие в развитии AI-продуктов компании и работе с данными. - Гибкость в выборе подходов и используемых технологий. - Команда, в которой ценятся инженерное мышление, инициативность и ответственность за результат. - ДМС со стоматологией, софинансирование от компании 50/50. - Корпоративные скидки от BestBenefits.
Разработчика в NDA-компанию для создания backend-сервисов с AI-агентами и автоматизации digital-маркетинга
Middle+ AI-разработчик (Python/Go) — AdTech Ищем разработчика в NDA-компанию для создания backend-сервисов с AI-агентами и автоматизации digital-маркетинга. Формат: удалённо Зарплата: $1 200–1 500 в месяц Занятость: full-time График: ПН–ПТ, 10:00–19:00 МСК Задачи: - разработка backend-сервисов с AI-агентами; - интеграции с рекламными сетями, трекерами, аналитикой и платёжными системами; - автоматизация сбора данных, отчётности и мониторинга; - разработка MVP и быстрых прототипов; - code review и рефакторинг, включая AI-generated код; - настройка окружения, инструкций и контекста для AI-агентов. Требования: - Python от 2 лет коммерческого опыта; - asyncio, FastAPI/Flask, SQLAlchemy; - PostgreSQL/MySQL, сложные SQL-запросы, индексы, миграции; - Redis; - REST API, webhooks, OAuth, rate limiting; - Git, Docker, docker-compose, базовый CI/CD; - Linux, удалённый дебаг и работа с логами; - Go (goroutines, channels, concurrency) — будет плюсом. Условия: - оплачиваемая стажировка до 2 недель по полной ставке; - выплаты 1 и 16 числа в USDT BEP-20; - AI-инструменты полностью оплачивает компания; - NDA + видеоверификация.
AI/ML-инженер, специализация: LLM и RAG
Компания UnitedHealth Group, подразделение Optum Tech. Локация и формат Удалённо из любой точки США или гибридно в Миннеаполисе (Миннесота) / Вашингтоне (округ Колумбия). Для найма в районах Миннеаполиса или Вашингтона требуется работа в офисе минимум четыре дня в неделю. Обязанности - Разработка и внедрение решений машинного обучения с использованием LLM. - Использование фреймворка LangChain для работы с закрытыми и открытыми моделями. - Применение методов тонкой настройки (fine-tuning) и RAG для оптимизации языковых моделей под конкретные задачи и наборы данных. - Написание чистого, поддерживаемого и эффективного кода в соответствии со стандартами PEP8. - Использование технологий контейнеризации, таких как Docker, для разработки и развертывания. - Обеспечение production-качества кода, включая тщательное тестирование и документацию. - Работа в терминале для задач разработки и развертывания. - Работа с традиционными методами ML: XGBoost для задач классификации и методы обучения без учителя, такие как K-means. Требования - Высшее образование (степень бакалавра) или эквивалентный опыт. - 3+ года подтвержденного опыта работы с большими языковыми моделями (LLM). - 3+ года опыта с концепциями машинного обучения и методами тонкой настройки. - 3+ года профессионального опыта программирования на Python с соблюдением PEP8. - Опыт использования фреймворка LangChain. - Опыт применения техник RAG. - Опыт работы с технологиями контейнеризации, такими как Docker. - Опыт обеспечения production-качества кода, включая тестирование и документацию. - Опыт работы с системами контроля версий, такими как Git. - Развитые навыки решения проблем и внимание к деталям. - Уверенная работа в терминале. - Разрешение на работу в США без необходимости спонсорства визы (например, H-1B, TN, F-1/OPT, CPT или других рабочих виз). Предпочтительно - Опыт в здравоохранении. - Знание статистики. Условия - Зарплата: $98,500–$176,000 в год (при полной занятости). - Комплексный пакет льгот, программы поощрения и признания, программа покупки акций и взносы в 401k (в зависимости от соответствия требованиям). - Для всех удаленных сотрудников обязательно соблюдение политики Telecommuter Policy компании UnitedHealth Group.
ML-инженер в области генеративного ИИ и LLM
О компании Команда мирового уровня из инженеров и специалистов по данным из Facebook, Uber, Amazon и Google. Быстрорастущая консалтинговая компания из Торонто. Клиенты — от ведущих стартапов, создающих значимые технологии, до компаний из списка Fortune 500, масштабирующих инженерные и аналитические возможности. Задачи - Проектирование, прототипирование и вывод в продакшн масштабируемых решений машинного обучения. - Работа с клиентами и коллегами. - Создание передовых систем на основе LLM и реальных данных. Требования - Экспертиза в LLM-инжиниринге, включая знание популярных LLM-провайдеров и их лучших практик. - Опыт создания или работы с агентными системами (tool use, память, планирование, координация нескольких агентов) — преимущество. - Демонстрация LLM-проектов с указанием зоны ответственности и вклада. - Способность быстро прототипировать передовые инструменты и исследовательские идеи; опыт превращения прототипов в продакшн-сервисы. - Практический опыт в статистике и машинном обучении. - Уверенная работа с Python ML-стеком: Pandas, Numpy, scikit-learn, XGBoost, PyTorch и др. - Владение инструментами разработки: Git, Docker, SQL, Bash, FastAPI. - Аналитическое мышление и понимание бизнеса; умение критически оценивать данные и их влияние на продукт или бизнес-результаты. - Степень бакалавра или выше (магистр, PhD) в Computer Science или смежной инженерной области, связанной с программированием. - Бонус: знакомство с AWS или Azure, GitHub Actions, Spark, Neo4j Cypher и графовыми базами данных. Условия - Конкурентоспособная компенсация. - Ответственность и отсутствие микроменеджмента.
AI-разработчик
Обязанности - Разрабатывать и поддерживать fullstack-решения на Node.js — от API до интеграций с внешними сервисами - Проектировать и реализовывать LLM-powered фичи: RAG-пайплайны, AI-агенты, интеграции с Claude API и другими LLM-провайдерами - Разрабатывать MCP-серверы и кастомные инструменты для LLM-агентов — tools, resources, интеграции с внешними API - Писать промпты, настраивать и оптимизировать взаимодействие с языковыми моделями - Работать с векторными базами данных и строить системы семантического поиска - Участвовать в проектировании архитектуры AI-сервисов и декомпозиции задач - Проводить code review, поддерживать качество кода и документацию - Взаимодействовать с командой — аналитиками, продактами и другими разработчиками Требования - Уверенное владение Python (3.10+, async / await, типизация, FastAPI / Flask) и Node.js (Fastify / NextJS / Hono) - Опыт проектирования и разработки REST API и интеграций между сервисами - Практический опыт работы с Claude API (Anthropic) — prompt engineering, tool use, structured output, управление контекстом - Опыт использования AI-assisted разработки: Cursor, GitHub Copilot / Codex как часть ежедневного рабочего процесса - Опыт построения LLM-приложений: RAG-пайплайны, агенты, интеграция с векторными БД (Chroma, Pinecone, Qdrant и др.) - Работа с реляционными (PostgreSQL) и NoSQL базами данных (MongoDB, Redis) - Опыт разработки MCP-серверов (Model Context Protocol) и кастомных инструментов для LLM-агентов - Уверенное владение Docker, базовые навыки деплоя и работы с CI / CD - Понимание принципов чистой архитектуры, умение писать читаемый и поддерживаемый код - Навыки code review и работы в команде по Git-flow Будет плюсом - Знакомство с LangChain, LlamaIndex или аналогичными фреймворками О компании KODE разрабатывает цифровые продукты (mobile, web, backend, IoT, Conversation Design и другие) с 2013 года. Компания занимает первые места в рейтингах: 1-е место среди разработчиков мобильных приложений в рейтингах Рейтинга Рунета, Tagline, Workspace, Tadviser и Cnews; Золотая группа в рейтинге работодателей Forbes 2024; 1-е место в рейтинге работодателей РБК 2024; 2-е место среди лучших работодателей России в IT-компаниях среднего размера по версии hh.ru 2025. В команде работает более 350 профессионалов по всему миру.
Medical Systems Backend Python Software Engineer (Developer) Middle+
Medical Systems Backend Python Software Engineer (Developer) Middle+ Компания: Remedy Logic Зарплата: от 250 000 до 350 000 ₽ Обязанности - Доставка результатов AI клиентам через веб-API и приложения. - Поддержка Python-бэкенд сервисов в распределенной системе. - Разработка REST API. - Увеличение покрытия юнит-тестами, внедрение автоматизированного тестирования. - Повышение общей стабильности системы, расследование отчетов об ошибках, исправление багов. - Регулярное обновление схемы базы данных. - Создание переиспользуемой кодовой базы с высокой гибкостью. - Сотрудничество с врачами и AI-специалистами для построения моделей вокруг процессов принятия клинических решений. Ключевые компетенции и квалификация - Опыт разработки на Python от 2 лет. - Опыт проектирования веб-приложений и баз данных. - Навыки веб-программирования (FastAPI, REST, HTTP, TCP). - Опыт работы с SQL: запросы, проектирование баз данных, инструменты миграции. - Опыт работы с Linux, Docker. - Английский язык уровня B2 и выше. Предпочтительная квалификация - Знание медицинских стандартов (DICOM, HL7). - Опыт облачного развертывания (GCP, AWS, k8s). - Опыт работы с JavaScript. - Высокий уровень понимания алгоритмов машинного обучения и компьютерного зрения. - Формальное образование в области компьютерных наук. - Опыт работы с кодинг-агентами. Мы предлагаем - Разнообразная и интересная работа с американскими и европейскими учеными и врачами. - Много возможностей для роста и обучения. - Интересные задачи для решения. - Ежемесячные бонусы. - Акции для сотрудников. - Полная занятость. - Гибкий график работы. Процесс собеседования - Скрининг. - Техническое интервью, 1,5 часа. - Интервью на соответствие культуре компании.
DevOps
DevOps Формат: удаленный Зарплата: от 4000$ до 8000$ Быстрорастущий VPN-сервис с аудиторией в несколько сотен тысяч пользователей активно масштабируется и ищет сильного DevOps/SRE для развития проекта. Чем предстоит заниматься - Администрировать и развивать Linux-инфраструктуру - Настраивать и оптимизировать сетевой стек - Писать production-код на Go и Python - Работать с сетевыми протоколами, поддерживать и развивать распределенную инфраструктуру доставки и маршрутизации трафика Что мы ожидаем - Опыт работы в VPN-сервисах - Уверенное администрирование Ubuntu - Опыт работы с systemd (юниты, зависимости, hot-reload сервисов), netplan, journald, logrotate - Настройка и оптимизация сетевого стека Linux через sysctl (буферы, conntrack, очереди NIC), настройка IPv4/IPv6, swap - Опыт написания идемпотентных Bash-скриптов - Уверенная работа по SSH с большим количеством серверов - Опыт реализации безопасных деплоев и green-blue updates - Глубокое понимание TCP/UDP, TLS (SNI, ALPN, handshake на уровне пакетов), HTTP/1.1–HTTP/2, WebSocket - Экспертное знание DNS - Опыт построения DNS Load Balancing - Опыт работы с CDN, nginx Reverse Proxy, TLS-терминацией, проксированием WebSocket, fallback-страницами и health-check - Уверенный опыт разработки на Go (concurrency, тестирование, работа с сетевым стеком) - Опыт разработки на Python (FastAPI, слоистая архитектура) - Уверенный технический стек (SQLAlchemy, Alembic, pytest (unit и e2e), генерация конфигураций из YAML-деклараций) - Опыт работы с Prometheus, Grafana, Docker, Docker Compose - Навыки диагностики production-инцидентов с использованием tcpdump, dig, ss, iproute2 - Ежедневное использование AI-инструментов в разработке, автоматизации и инженерных задачах Мы предлагаем - Полностью удаленная работа, full-time 5/2 - Конкурентную заработную плату - Полностью оплачиваемый испытательный срок (1 месяц) - Возможность напрямую влиять на архитектуру продукта и принимать ключевые технические решения - Работу в небольшой сильной команде без бюрократии и долгих согласований
Специалиста для развития корпоративной AI-платформы и автоматизации инженерных и бизнес-процессов
Специалист для развития корпоративной AI-платформы и автоматизации инженерных и бизнес-процессов Чем предстоит заниматься AI-платформа: - проектировать и развивать корпоративную AI-платформу; - внедрять LLM и современные AI-сервисы; - создавать масштабируемую архитектуру; - участвовать в разработке AI-стратегии. AI-ассистенты: - создавать интеллектуальных помощников для продаж, проектировщиков, конструкторов, производства, сервисных служб и руководителей проектов. RAG и база знаний: - разрабатывать интеллектуальный поиск по технической документации, ГОСТам, проектам, CAD-моделям, конструкторской документации, внутренним регламентам. Автоматизация: - технические задания; - коммерческие предложения; - BOM/спецификации; - инженерная документация; - отчёты и аналитика. AI Agents: - мультиагентные системы; - интеллектуальные workflow; - AI-сценарии автоматизации бизнес-процессов. Интеграции: - CRM, ERP, PDM/PLM, CAD и внутренние API. Что важно - уверенный Python; - backend — FastAPI, REST API; - опыт создания AI-продуктов с LLM; - понимание архитектуры AI-систем и GenAI; - опыт разработки масштабируемых сервисов; - практический опыт с OpenAI, Claude, Gemini, Llama, Mistral; - опыт построения RAG; - знание Vector DB: Qdrant, Pinecone, Weaviate, ChromaDB или аналогов. Будет плюсом: - LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen, Docker, PostgreSQL, Git. Большой плюс: - опыт в инженерных или производственных компаниях; - понимание CAD/PDM/PLM и жизненного цикла инженерного продукта; - опыт создания корпоративных AI Copilot или AI-платформ.
Senior Java-разработчик, Spring Boot и Camunda
Компания Rockstardevelopers, основанная в 2015 году в Мангейме, имеет офисы в Штутгарте и Мюнхене. Специализируется на индивидуальных проектах для корпоративных клиентов и среднего бизнеса. Задачи: - Концепция, разработка и тестирование микросервисов на Java - Разработка API: REST и SOAP, синхронные и асинхронные, спецификация с OpenAPI 3 - Автоматизация процессов с Camunda BPM - Автоматизация тестирования с JUnit 5 и Cucumber - Эксплуатация собственных сервисов: деплой, мониторинг, анализ ошибок - Участие в проектировании архитектуры - Генерация, ревью и рефакторинг кода с Claude Code, Copilot или Cursor - Согласование с партнерами по интерфейсам Большинство сотрудников приходят в офис один-два дня в неделю, но это необязательно. Выезды к клиенту — только на отдельные встречи раз в несколько недель. В части проектов предусмотрена дежурная поддержка сервисов, она регулируется и распределяется в команде. Проекты: - Крупные концерны, например Deutsche Bahn / DB Systel (домены железнодорожной отрасли: управление расписанием, продажи, диспетчерские и охранные системы) - Государственный сектор и ведомства (например, Федеральное агентство занятости, ITZBund, Bundesdruckerei) — регулируемые среды, доступность, Security by Design - Корпоративные клиенты и средний бизнес из разных отраслей Требования: - Java и Spring Boot, Spring Data и Hibernate/JPA - Микросервисы: концепция, разработка, тестирование - REST и SOAP веб-сервисы (JSON/XML через HTTP), OpenAPI 3 - PostgreSQL и Oracle - JUnit 5 и Cucumber - Docker и Kubernetes - CI/CD с GitLab Pipelines, сборка с Maven - Git, Jira, Confluence, гибкая методология Отличительные навыки: - Camunda BPM из реальных проектов - OAuth 2.0 и Keycloak для аутентификации и авторизации Желательно: - Apache Kafka и асинхронная коммуникация - XML, XSD, XSLT - Опыт в сложных проектах с несколькими командами - Миграция J2EE-легаси на Spring Boot Языки: немецкий на уровне носителя или C1/C2, английский свободно. Обязательно продуктивное владение AI-инструментами (Claude Code, Copilot, Cursor). Условия: - Удаленная работа, офис или смешанный формат - MacBook (если клиент не предоставляет собственное оборудование) - Разные клиенты и проекты - Прямой контакт с основателями компании - Внутреннее обучение AI-разработке