Вакансии для DevOps-инженеров на Python
Вакансии для DevOps-инженеров на Python: подборка ролей, где в задачах или стеке указан Python. Можно найти работу в этом направлении и сразу смотреть…
Фильтр вакансий
Python-разработчика для работы над разнообразными проектами
Компания: ИП Фомин Сергей Александрович Python-разработчик Мы — небольшая аутстаф компания, созданная ИТ-инженерами. Ищем Python-разработчика для работы над разнообразными проектами. Рассматриваем специалистов уровня Senior. Ты нам подходишь, если: - У тебя коммерческий опыт разработки на Python от 4 лет, и ты проходил полный цикл – от идеи до запуска в прод - Ты глубоко понимаешь Python: асинхронность (AsyncIO), многопоточность и многопроцессорность – и умеешь применять это для построения высоконагруженных сервисов - Ты уверенно владеешь FastAPI, а также имеешь опыт с Django или Flask / aiohttp - Ты проектировал микросервисные и событийно-ориентированные системы, работал с брокерами сообщений (Kafka, Redis PubSub) и знаешь, как обеспечить консистентность и отказоустойчивость - Ты умеешь работать со сложной логикой в PostgreSQL (оптимизация запросов, индексы, транзакции) и эффективно используешь SQLAlchemy, избегая проблем с производительностью - Ты имел дело с интеграциями: REST API, WebSockets, внешние системы (CRM, облачные хранилища, AI-сервисы) и готов проектировать надежные интерфейсы - У тебя есть практический опыт с Docker и оркестрацией (Kubernetes) – ты понимаешь, как упаковать, запустить и масштабировать сервис - Для тебя CI / CD – неотъемлемая часть процесса, ты привык к автоматическим сборкам, тестам и деплою - Качество кода для тебя важно: ты пишешь юнит- и интеграционные тесты, следуешь принципам чистой архитектуры и не забываешь про документацию (Swagger / OpenAPI) - Ты умеешь анализировать инциденты в production и обеспечивать наблюдаемость – логи, метрики, трейсинг – чтобы всегда понимать, что происходит в системе Будет плюсом: - Опыт в голосовых технологиях (ASR / TTS, SIP, VoIP) или работа с LLM / RAG-архитектурами - Опыт с большими данными: ClickHouse, ETL / ELT-пайплайны, Spark, Azure DataBricks / DataFactory - Знание Golang (для высокопроизводительных компонентов) - Настройка систем мониторинга (Prometheus, Loki, Grafana) - Опыт с Keycloak / OAuth2 / JWT - Английский язык от B1 Intermediate (для работы с документацией и заказчиками) Преимущества работы с нами: - Работа на удаленке с гибким графиком - После успешного проекта готовы предлагать вам новые, ещё более интересные задачи - Мы полностью берем на себя всю бюрократию, переговоры и поиск проектов - Подбираем проекты в технологичных и перспективных сферах: финтех, телеком, e-com и edtech
Разработчик в команду тасклетов Yandex Infrastructure
Разработчик в команду тасклетов Yandex Infrastructure Тасклеты предоставляют интерфейс на различных языках программирования для запуска приложений в облачных окружениях. Сервис позволяет написать приложение на Python, Go, Java, NodeJS и запускать его в своих процессах автоматизации. Наша команда делает запуск таких приложений надёжнее и эффективнее, а анализ результатов — удобнее и быстрее. Какие задачи вас ждут - Разработка бизнес-фич: Вы будете проектировать и создавать решения, которые нужны бизнесу. Например, добавлять фильтрацию исполнений по популярным срезам данных или внедрять AI-анализатор для исполнения тасклетов. - Работа с UX и техдолгом: Улучшение UX — один из приоритетов продуктового развития. Нам предстоит вместе придумывать и реализовывать решения, которые облегчат пользователю диагностику и сэкономят время тысячам разработчиков. В сервисе мало накопленного техдолга, и мы стремимся поддерживать его в таком состоянии. Для этого выделяем время на устранение легаси. - Решение сложных задач: Вам предстоит предоставлять альтернативу пользователям с особыми требованиями, которые невозможно удовлетворить в существующих рантаймах. Необходимо будет обеспечивать быстрый запуск простейших тасклетов, не требующих сложного окружения. Мы ждём, что вы - Работали с реляционными БД - Уверенно владеете Go - Умеете разрабатывать распределённые системы - Можете самостоятельно спроектировать фичу Будет плюсом, если вы - Работали с YDB или ClickHouse - Знаете фреймворк gRPC Почему у нас классно Нам важно здоровье сотрудников, поэтому в крупных офисах у нас есть спортзалы — с тренажёрами, инвентарём и душевыми.
Python Developer / Highload Backend
Python Developer / Highload Backend Компания: Альфа-Банк Обязанности - Разработка и поддержка высоконагруженных backend-сервисов на Python - Проектирование и разработка REST API - Интеграция сервисов с внутренними и внешними системами - Работа с асинхронным кодом и высоконагруженными сценариями - Настройка логирования, метрик, healthcheck endpoints и трассировки - Интеграция сервисов с observability-инфраструктурой: OpenTelemetry, Prometheus-compatible метрики, ElasticSearch - Работа с контейнеризацией и инфраструктурой: Docker, Kubernetes, Kafka - Участие в диагностике инцидентов, анализе логов, метрик и трейсов Пожелания к кандидатам - Коммерческий опыт разработки на Python от 4 лет - Опыт разработки REST API и микросервисной архитектуры - Опыт асинхронного программирования: asyncio, aiohttp/httpx или аналогичные инструменты - Опыт работы с FastAPI, Pydantic или аналогичным backend-стеком - Опыт работы с PostgreSQL, плюсом будет ClickHouse SQL - Опыт работы с Redis - Опыт работы с очередями или брокерами сообщений: Kafka или RabbitMQ - Опыт работы с Docker, базовое понимание Kubernetes: pod, deployment, service, liveness/readiness probes, Helm - Опыт настройки логирования: logging, structlog или аналогичные инструменты, ElasticSearch/OpenSearch - Опыт работы в Grafana, Kibana для мониторинга - Опыт написания тестов: pytest, unittest, mocks - Vibe-Coding (Cursor, Claude Code, Codex и другие)
Инженер Agentic AI, Azure AI Foundry
Условия - Локация: Мэдисон, Висконсин; Колумбус, Огайо; Чикаго, Иллинойс; Миннеаполис, Миннесота; Детройт, Мичиган. - Долгосрочный контракт. - Рассматриваются кандидаты на W2. Без C2C. Мы ищем высококвалифицированного инженера Agentic AI для проектирования, разработки и развертывания интеллектуальных ИИ-агентов с использованием Azure AI Foundry и современных фреймворков для ИИ-агентов. Идеальный кандидат должен иметь сильный опыт в разработке ПО, практические навыки работы с приложениями на основе LLM и подтвержденную способность создавать масштабируемые, готовые к продакшену мультиагентные системы в облачных средах. Обязанности - Проектировать, разрабатывать и развертывать интеллектуальных ИИ-агентов с использованием Azure AI Foundry и Azure OpenAI. - Создавать масштабируемые, готовые к продакшену мультиагентные системы для автоматизации предприятий. - Разрабатывать приложения на основе ИИ с использованием больших языковых моделей (LLM), генерации с дополненной выборкой (RAG) и техник промпт-инжиниринга. - Реализовывать оркестрацию агентов с помощью фреймворков, таких как AutoGen, Semantic Kernel, LangChain или аналогичных Agent SDK. - Разрабатывать RESTful API, микросервисы и событийно-ориентированные приложения для поддержки ИИ-решений. - Интегрировать ИИ-агентов с корпоративными системами, базами данных, API и SaaS-платформами. - Развертывать и управлять ИИ-нагрузками в облачных средах с использованием сервисов Azure. - Сотрудничать с кросс-функциональными командами для проектирования, разработки, тестирования и оптимизации ИИ-решений. - Внедрять CI/CD конвейеры и лучшие практики DevOps для развертывания ИИ-приложений. - Контейнеризировать приложения с помощью Docker и развертывать их в средах на основе Kubernetes. - Мониторить, устранять неполадки и оптимизировать производительность ИИ-агентов в продакшене. Требования - 5+ лет опыта в разработке ПО с сильным опытом разработки облачных приложений. - Сильные навыки программирования на Python (предпочтительно) или Java. - Практический опыт работы с Azure AI Foundry и Azure OpenAI. - Опыт разработки ИИ-агентов с использованием фреймворков, таких как: - AutoGen - Semantic Kernel - LangChain - Agent SDK Технические навыки - Языки программирования: Python, Java. - ИИ и машинное обучение: Azure AI Foundry, Azure OpenAI, большие языковые модели (LLM), промпт-инжиниринг, генерация с дополненной выборкой (RAG), мультиагентные системы.
Senior DevOps-инженер, платформенная инфраструктура
Luxury Presence — AI-платформа роста для сферы недвижимости. Компания серии C с годовой выручкой $100 млн, поддерживается Bessemer Venture Partners. Более 90 000 специалистов по недвижимости, включая более 30% топ-100 агентов WSJ Real Trends в США, используют платформу. Ищем Senior DevOps-инженера для создания AI-нативной self-service инфраструктурной платформы, на которой компания поставляет программное обеспечение. Платформа позволяет каждому разработчику, человеку или агенту, проверять изменения за минуты, быстро понимать причины сбоев и уверенно выпускать релизы. Вы присоединитесь к небольшой команде инфраструктуры с высокой отдачей, задача которой — умножить возможности каждого инженера и агента через автоматизацию, self-service и встроенные защитные механизмы. Цель — платформа, где self-service является нормой, а ручное вмешательство — исключением. Задачи: - Строить и эксплуатировать self-service инфраструктурную платформу, делая правильное действие простым, а безопасное — стандартным. - Создавать golden paths для инженеров и агентов: в рамках технического направления, заданного Staff-инженерами, строить и эксплуатировать слои, на которые они опираются (единый CI/CD-конвейер, GitOps-доставка на ArgoCD, каталог IaC-модулей, шаблоны для новых сервисов), владея конкретными компонентами от начала до конца. Цель — чтобы инженеры и агенты могли предоставлять инфраструктуру и выпускать изменения в рамках guardrails без ручного написания Terraform/Kustomize и ожидания тикетов. - Сделать агентов полноценными разработчиками: обобщить паттерн изоляции агентов в переиспользуемые примитивы платформы — sandboxed runtime, workload identity, audit trails, approval gates. Каждое действие агента должно работать на тех же рельсах идентичности, аудита, владения, распределения затрат и согласования, что и действия человека. - Строить и эксплуатировать платформу валидации и quality gates: предоставлять рельсы для проверки изменений перед продакшеном — эфемерные PR-окружения с автоудалением, а также gates безопасности, производительности и нагрузочного тестирования. Внедрять новые gates по мере роста покрытия, поддерживать их скорость и низкий уровень ложных срабатываний, переводить сервисы на эти gates. Делать результаты gates и тестов машиночитаемыми и вызываемыми вне PR-процесса, чтобы агенты и люди могли напрямую реагировать на сбои. - Отвечать за надежность и наблюдаемость создаваемого: создавать дашборды и операционные контроли, делающие поверхности, за которые вы отвечаете, наблюдаемыми и улучшаемыми по мере роста пропускной способности: pass rates gates, тренды approval-rate и self-service ratio, типичные сценарии отказов, распределение затрат, метрики DORA. Нести on-call для этих поверхностей, вести инциденты от обнаружения до разбора, превращая повторяющуюся рутину в автоматизацию и runbooks, которые используют другие инженеры. Требования: - Опыт уровня Senior в SRE, DevOps или Platform Engineering: построение и эксплуатация продакшен-инфраструктуры в масштабе, владение значимым направлением работы от начала до конца с ограниченным контролем. - Активное и осознанное использование AI-инструментов разработки (Claude Code, Codex и т.п.) в собственном инфраструктурном процессе: изменения Terraform, отладка Kubernetes, автоматизация, операционные расследования. Наличие собственной позиции о том, где эти инструменты полезны, а где нет. - Глубокий опыт с Kubernetes (EKS) и AWS (IAM, VPC, ECR, SSM/Secrets Manager, S3, SQS, Lambda, RDS/Aurora). - Сильный опыт с IaC (Terraform) и GitOps, включая PR-управляемые apply-процессы (Atlantis или аналоги) и ArgoCD. - Глубокие знания CI/CD (GitHub Actions): кэширование/параллелизм, управление артефактами, надежность тестов, наблюдаемость конвейеров. - Полный опыт владения инцидентами: on-call для созданных систем, ведение инцидентов от обнаружения до разбора. - Отличные кросс-командные коммуникации: умение переводить ограничения платформы в удобные для разработчиков решения и документацию. Будет плюсом: - Опыт с identity, access и policy-as-code: workload/service identity (SPIFFE/SPIRE, OIDC), короткоживущие credentials, управление секретами (Vault), enforcement политик. - Опыт построения self-service платформ для разработчиков, эфемерных окружений, CLI, инструментов шаблонизации или внутренних порталов разработчика (Backstage или кастомные). Отношение к инфраструктуре как к продукту. - Осознанность в затратах: построение распределения затрат, бюджетов или rightsizing в платформе. Технологический стек: - Инфраструктура: AWS, EKS, Terraform (с Atlantis), Vault, Docker, OPA (Open Policy Agent). - CI/CD: GitHub Actions, ArgoCD + Kustomize (GitOps). - Обмен сообщениями: Kafka (Confluent Cloud). - Наблюдаемость: Datadog, OpenTelemetry. - Языки и приложения: Node.js/TypeScript микросервисы, Python, React фронтенды.
Python-разработчик в AI-продукт
Python-разработчик в AI-продукт Удаленный формат, full time, 100 000 – 120 000 (на руки). Разрабатываем AI-систему автоматизации пользовательских действий и коммуникаций во внешних сервисах. Ищем разработчика для создания первой рабочей версии продукта. Задачи - Разработка backend на Python - Создание устойчивой браузерной автоматизации - Работа с пользовательскими сессиями, очередями и расписаниями - Интеграция LLM и vision-моделей - Реализация памяти, контекста и инструментов AI-агента - Настройка логирования, мониторинга и восстановления после ошибок - Защита пользовательских данных и секретов - Участие в оценке архитектуры, сроков и технических рисков Основные требования - Уверенное знание Python и asyncio - Опыт разработки production-систем, а не только отдельных скриптов - Опыт работы с Playwright или аналогами - Умение создавать автоматизацию для меняющегося и нестабильного интерфейса - Опыт реализации повторных попыток, переавторизации и восстановления после сбоев - Понимание идемпотентности действий - Опыт с долгоживущими фоновыми процессами, очередями, расписаниями и квотами - Опыт разработки LLM-приложений: агентные циклы, function calling, память и контекст диалога - Опыт работы с vision-моделями и контроля стоимости инференса - Понимание принципов шифрования, хранения секретов, разграничения доступа и аудита - Базовые навыки Docker, CI, логирования, метрик и алертов Будет преимуществом - Опыт работы с прокси-инфраструктурой и сетевой изоляцией клиентов - Опыт в антифрод-, платёжных или дейтинг-продуктах - Понимание того, как внешние площадки реагируют на нетипичную активность - Опыт продуктовой разработки в условиях нестабильного внешнего API или интерфейса - Умение самостоятельно декомпозировать задачи и предлагать проверяемые решения На первом этапе необходимо - Оценить реализуемость первой версии - Предложить архитектуру и последовательность разработки - Определить необходимые доступы, инфраструктуру и расходы - Собрать прототип для тестирования
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).
Инженер платформы, Kubernetes и bare metal
Grafana Labs — компания, стоящая за открытой облачной платформой наблюдаемости. Grafana Cloud — полностью управляемая платформа наблюдаемости, построенная для масштабирования. Более 35 миллионов пользователей и 7000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce, доверяют Grafana Labs обеспечение надёжности своих приложений и систем. Компания полностью удалённая, 1600+ сотрудников в 40+ странах. Позиция удалённая. Рассматриваются кандидаты только из Великобритании, Испании и Ирландии. О платформе: Grafana Cloud обрабатывает миллионы метрик, логов и трейсов в секунду из окружений клиентов, обеспечивая высокую доступность и низкую задержку. Внутренняя инженерная платформа (IEP), создаваемая группой Foundations, предоставляет инженерам приложений инструменты, системы и Kubernetes-кластеры для сборки, развёртывания и запуска их нагрузок. Новая команда «Metal» будет отвечать за создание и предоставление ресурсов — хранилищ, сетей и Kubernetes-кластеров — в новых окружениях, начиная с собственного физического оборудования. Команда предоставит Kubernetes control plane и базовые ресурсы вне публичного облака остальной части инженерного отдела. Задачи: - Управление физическим окружением «Metal» от bare metal до Kubernetes. - Управление компонентами кластерной сети: балансировка нагрузки, NAT, DNS, CNI, межкластерная связь, протоколы маршрутизации, архитектура. - Управление планированием и автоматическим масштабированием. - Поддержка Crossplane-композиций и Terraform-модулей для общих ресурсов CSP, а также управление версионированием и совместимостью Crossplane и Terraform core и провайдеров. - Работа с пользователями (командами приложений Grafana Cloud) для понимания их потребностей и инвестирования в нужные возможности. Требования: - Опыт работы с распределёнными системами. - Опыт эксплуатации собственного кода. - Опыт работы с дата-центрами. - Участие в дежурствах (on-call rotation). - Основной стек: Go, Python, Shell. - Готовность работать в удалённой компании, коммуникабельность, умение работать по консенсусу и следовать командным решениям. - Целостный подход к разработке: от написания дизайн-документов до интеграционного тестирования. Бонусы: - Опыт работы с Cluster-API, Tinkerbell, Talos и/или Ceph. - Опыт участия в open source или других сообществах. - Опыт работы с несколькими облачными провайдерами (AWS, GCP, Azure; управляемые Kubernetes-сервисы EKS, GKE, AKS). - Опыт эксплуатации и управления нагрузками на Kubernetes.
Инженер-программист платформы Metal
О компании Grafana Labs — компания, стоящая за открытой облачной платформой наблюдаемости. Grafana Cloud — полностью управляемая платформа наблюдаемости, гибкая и рассчитанная на масштабирование. Более 35 миллионов пользователей и 7 000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce, используют Grafana Labs для обеспечения надёжности приложений и систем, быстрого разрешения инцидентов и оптимизации телеметрии. Компания полностью удалённая: 1 600+ сотрудников в 40+ странах. Инвесторы: Lightspeed Venture Partners, Sequoia Capital, GIC, Coatue, J.P. Morgan, CapitalG и Lead Edge Capital. О платформе Grafana Cloud обрабатывает миллионы метрик, логов и трейсов в секунду из окружений клиентов, используя высокодоступный стек с низкой задержкой, который обрабатывает и хранит данные, а также отдаёт их в дашборды и инструменты оповещения. Планируется рост до сотен миллионов в секунду, поэтому важно улучшать производительность, надёжность и эффективность. Внутренняя инженерная платформа (IEP), создаваемая группой Foundations, предоставляет инженерам приложений инструменты, системы и Kubernetes-кластеры для сборки, развёртывания и запуска нагрузок. Открывается новая команда Foundations "Metal", которая будет отвечать за создание и предоставление ресурсов, включая хранилища, сети и Kubernetes-кластеры в новых окружениях, начиная с собственного физического оборудования. Команда будет предоставлять контрольную плоскость Kubernetes и базовые ресурсы вне публичного облака для остальной части инженерного отдела. Задачи - Управление физической средой "Metal" от bare metal до Kubernetes. - Управление компонентами кластерной сети: балансировка нагрузки, NAT, DNS, CNI, связь между кластерами, протоколы маршрутизации, архитектура. - Управление планированием (scheduling) и автоматическим масштабированием. - Поддержка Crossplane-композиций и Terraform-модулей для ресурсов облачных провайдеров, общих для пользователей. Также управление версионированием и совместимостью Crossplane и Terraform (ядро и провайдеры). - Работа с пользователями (командами приложений Grafana Cloud) для понимания их потребностей и инвестирования в нужные возможности. Требования - Готовность работать с инженерами и с управленческими структурами, которые поддерживают команду. - Комфортная работа в remote-first компании; важна коммуникация. Работа строится на сотрудничестве, дружелюбии и уважении. Решения принимаются консенсусом: вы можете участвовать в обсуждении, но затем присоединяетесь к командному решению. - Интерес к распределённым системам (компания высокораспределённая). - Желание учиться и развиваться. - Целостный подход к разработке: команда владеет полным жизненным циклом кода — от написания дизайн-документов до анализа обратной связи от разработчиков и интеграционного тестирования. - Опыт работы с Go, Python и Shell (основной стек платформенной команды). - Опыт эксплуатации своего кода. - Опыт работы в дата-центрах. - Участие в дежурствах (on-call rotation). Будет плюсом - Опыт работы с Cluster-API, Tinkerbell, Talos и/или Ceph. - Опыт участия в open source или других проектах на основе сообщества. - Опыт работы с несколькими облачными провайдерами (CSP). Grafana Cloud работает на AWS, GCP и Azure с использованием управляемых Kubernetes-сервисов EKS, GKE, AKS. - Опыт эксплуатации и управления нагрузками на Kubernetes. Условия - Удалённая работа. - Рассматриваются кандидаты из Великобритании, Испании и Ирландии.
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
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.
AI-инженер, платформа и агентные системы
Команда строит платформу ИИ-инженерии, которая обеспечивает доставку ИИ-решений. В зоне ответственности — жизненный цикл разработчика, инфраструктура развёртывания, наблюдаемость, автоматизация качества, конвейеры обработки документов и переиспользуемые паттерны агентов. Это практическая инженерия с прямым выходом на миллионы пользователей. Обязанности - Паттерны агентов, поиск и защитные механизмы для агентных ассистентов, которые отвечают на вопросы участников и выполняют операции от их имени. - MCP-сервер, предоставляющий реестр навыков для ИИ-агентов прямо в IDE. - Переиспользуемые паттерны агентов в LangGraph: мультиагентная оркестрация, память, безопасность использования инструментов и защитные механизмы. - Платформа оценки агентов (DeepEval, Ragas) с качественными гейтами, блокирующими неудачные развёртывания в CI/CD. - Конвейеры обработки и поиска документов: разбиение на чанки, эмбеддинги, векторный поиск, реранкинг и цитирование. - Автоматизация CI/CD и развёртывания ИИ-агентов на AWS (ECS, Fargate, Agent Core). - ИИ-совместимые devcontainer'ы с инструментарием, валидацией и тестированием. - Инструментирование OpenTelemetry, дашборды и отслеживание стоимости LLM и токенов для продакшн-нагрузок. - Контроль управления, преобразованный в проверки конвейера, с автоматическим сбором доказательств. - Семантическое кэширование, ограничение скорости и корректная деградация для агентных нагрузок. - Эталонные реализации, SDK и CLI-инструменты, документация для других инженеров. Требования - Владение Python (3.10+) — основной язык команды. - Рабочее знание AWS: ключевые сервисы (IAM, ECS/Fargate, сети), уверенность в cloud-native окружении. - Дисциплина программной инженерии: контроль версий (Git/GitHub), код-ревью, тестирование, документация, чистый код. - Осведомлённость о безопасности: работа с чувствительными данными, секреты, права доступа, защита данных по умолчанию. - Экспертиза в одной из шести областей: - Разработка ИИ-агентов: LangGraph или аналоги, мультиагентная оркестрация, память, использование инструментов, защитные механизмы, проектирование промптов и рабочих процессов. - Инженерия данных и поиска: разбиение на чанки, эмбеддинги и векторный поиск, RAG, гибридный поиск, реранкинг, оценка поиска. - Качество и оценка: фреймворки оценки агентов (DeepEval, Ragas), качественные гейты в CI/CD, метрики обоснованности и безопасности, автоматизация тестов для ИИ-систем. - Платформа и инфраструктура: CI/CD, Terraform, оркестрация контейнеров на AWS (ECS, Fargate), секреты и IAM, прогрессивное развёртывание. - Наблюдаемость и эксплуатация: трассировка OpenTelemetry, дашборды и алертинг, отслеживание стоимости LLM и токенов, циклы обратной связи. - Опыт разработчика: MCP-серверы, devcontainer'ы, CLI и SDK-инструменты, библиотеки промптов, документация и эталонные реализации.
Эксперт Claude Code, промт-инжиниринг и автоматизация
Компания: Grandeur Design Supply Мы ищем высококвалифицированного эксперта Claude Code с глубоким опытом в AI-ассистированной разработке, промт-инжиниринге и автоматизации рабочих процессов с использованием моделей Claude (Anthropic). Роль сосредоточена на использовании Claude для задач программирования, проектирования систем, документации и оптимизации процессов. Обязанности - Проектировать, тестировать и оптимизировать продвинутые промты для Claude для генерации качественного кода и технических результатов. - Создавать и поддерживать AI-ассистированные рабочие процессы разработки с использованием возможностей Claude Code. - Сотрудничать с инженерными и продуктовыми командами для интеграции Claude в инструменты, системы и процессы. - Отлаживать, дорабатывать и проверять AI-сгенерированный код на нескольких языках программирования. - Разрабатывать внутренние инструменты, скрипты и автоматизации на основе Claude API. - Документировать лучшие практики промт-инжиниринга и AI-ассистированного программирования. - Отслеживать новейшие достижения в моделях Claude и инструментах AI-разработки. - Оценивать производительность, точность и надёжность AI-сгенерированных результатов. Требования - Подтверждённый опыт работы с Claude (Anthropic) или аналогичными LLM (например, GPT, Gemini) для задач программирования. - Свободное владение одним или несколькими языками программирования (Python, JavaScript, TypeScript и т.д.). - Экспертиза в промт-инжиниринге и оптимизации выходных данных AI. - Опыт работы с API, интеграцией SDK и автоматизацией рабочих процессов. - Знакомство с жизненным циклом разработки ПО (SDLC) и системой контроля версий (Git). - Способность эффективно отлаживать и проверять AI-сгенерированный код. - Развитые навыки решения проблем и аналитического мышления. - Отличные письменные коммуникативные навыки и способность к документированию. Предпочтительные квалификации - Опыт создания AI-ассистированных инструментов для разработчиков или копилов. - Знание DevOps, CI/CD пайплайнов или облачных платформ (AWS, GCP, Azure). - Опыт в машинном обучении или обработке естественного языка. - Опыт работы с агентными системами или автономными рабочими процессами. Условия - Оплата: $10–15 в час (в зависимости от опыта и типа занятости). - Тип занятости: контракт. - Место работы: удалённо.
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.
Старший технический специалист, агентные среды
Cohere — ведущая enterprise AI-компания, ориентированная на безопасность. Компания разрабатывает фундаментальные модели ИИ и готовые продукты для решения бизнес-задач. В рамках этой роли требуется старший инженер с глубокими техническими знаниями в production-средах, способный соединять исследовательские концепции с реальными внедрениями. Позиция hands-on и ориентирована на инженерию: работа с production-системами, эксперименты с frontier-моделями, совместная разработка масштабируемых решений. Инженерия и исследования объединены: каждый сотрудник вносит вклад в оба направления в зависимости от потребностей организации. Предоставляется доступ к вычислительным ресурсам мирового класса, данным и талантам. Обязанности - Проектировать и писать высокопроизводительный масштабируемый код для обучения моделей. - Разрабатывать новые инструменты для ускорения исследований и обучения LLM. - Координировать работу с другими инженерными командами (Infrastructure, Efficiency, Serving) и научными командами (Agent, Multimodal, Multilingual и др.). - Исследовать, внедрять и экспериментировать с идеями на кластерной и data-инфраструктуре. - Взаимодействовать с другими учёными, инженерами и командами. Требования - Очень сильные навыки разработки ПО. - Приверженность test-driven development, чистому коду и снижению технического долга. - Владение Python и соответствующими ML-фреймворками: JAX, PyTorch и/или XLA/MLIR. - Опыт использования и отладки крупномасштабных стратегий распределённого обучения (профилирование памяти и скорости). - Опыт работы с инфраструктурами распределённого обучения (Kubernetes) и связанными фреймворками (Ray). - Опыт академических исследований в области ML и LLM. Личные качества - Глубокая увлечённость качественной работой. - Интерес к настройке и оптимизации больших LLM-моделей. - Комфортная работа с людьми разного уровня навыков разработки. - Умение разбираться в сложных ML-кодовых базах, находить и устранять проблемы. - Успешная работа в быстро меняющейся технической среде, готовность предлагать инновационные идеи и решения. Условия и преимущества - Еженедельная стипендия на обед: $75/£75 или эквивалент в местной валюте. - Полное медицинское и стоматологическое страхование, отдельный бюджет на ментальное здоровье. - RRSP matching, 401K, пенсионная схема. - 100% оплата отпуска по уходу за ребёнком до 6 месяцев для любого из родителей. - Ежегодные бонусы: культура и искусство, фитнес/здоровье, качественное время, кредит на улучшение рабочего места. - Стипендия на образование и обучение: конференции, курсы, коучинг. - 6 недель оплачиваемого отпуска (30 рабочих дней). - Бюджет на поездки в другие офисы для удалённых сотрудников, ежегодный корпоративный выезд. Формат работы - Remote-friendly, офисы в Торонто, Лондоне, Нью-Йорке, Сан-Франциско, Монреале, Париже, Берлине и Сеуле. - Для работы в офисе: ежедневная программа обедов, закуски, регулярные мероприятия. - Для удалённой работы: стипендия на коворкинг. - Все сотрудники получают $500 на обустройство домашнего офиса.
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.
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.
AI Solutions Builder, разработчик ИИ-инструментов
AI Solutions Builder Smartcat — платформа для создания гибридных команд из людей и ИИ-агентов. Компания работает в категории Agentic AI и помогает предприятиям повышать производительность. Платформа сочетает генеративный ИИ, человеческий контроль и корпоративный граф навыков. Более 1000 компаний, включая 20% из списка Fortune 500, используют Smartcat. Роль предполагает работу в небольшой команде в составе офиса CEO. Задачи: - Создание и оптимизация ИИ-инструментов для анализа воронки продаж, управления знаниями, операционной отчетности и поддержки принятия решений. - Работа со структурированными и неструктурированными данными, включая векторные базы данных, MCP и RAG. - Создание и поддержка ИИ-агентов, сочетающих семантический и ключевой поиск по базам знаний, транскриптам встреч и данным CRM. - Управление инфраструктурой для ИИ-сервисов при поддержке DevOps. - Преобразование неоднозначных бизнес-задач в масштабируемые ИИ-решения. - Внедрение ИИ-подходов в работу организации. Требования: - Сильный интерес к ИИ, автоматизации и новым технологиям. - Опыт работы с ИИ-инструментами для кодирования: Claude, Cursor, Cline или аналоги. - Базовые навыки программирования на Python или сильная мотивация быстро учиться. - Уверенная работа с командной строкой, базовое администрирование Linux, облачная инфраструктура (AWS/GCP). - Опыт ведения проектов от начала до конца. - Готовность работать в быстро меняющейся стартап-среде. - Развитые коммуникативные навыки и умение работать в команде. - Способность превращать бизнес-потребности в практические ИИ-инструменты. - Владение английским и русским языками. Условия: - Полная удаленная работа. - Возможность работать в ИИ-компании на переднем крае агентного ИИ. - Прямое взаимодействие с CEO и исполнительной командой. - Высокая степень ответственности и автономии. - Быстрая, коллаборативная и поддерживающая команда. - Культура, основанная на инновациях, скорости и результатах. - Возможности роста в быстрорастущей глобальной компании. О компании: - Команда из более чем 200 человек в 30+ странах, ключевые офисы в Нью-Йорке, Лондоне, Лиссабоне, Коста-Рике, Сербии, Армении, Грузии и Испании. - Большинство ролей удаленные. - Компания использует ИИ во всех направлениях деятельности, сотрудникам разрешено управлять собственными ИИ-агентами. - Smartcat работает на рынке многоязычного контента объемом 100 миллиардов долларов.
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.
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.
Staff-инженер SRE, облачные базы данных
О компании Grafana Labs — компания, развивающая открытую платформу наблюдаемости Grafana Cloud. Платформа предоставляется как управляемый сервис. Более 35 миллионов пользователей и 7000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce. Компания полностью удалённая: 1600+ сотрудников в 40+ странах. О роли Ищем Staff-инженера SRE для поддержки самых ценных клиентов Grafana Cloud за счёт повышения надёжности облачных баз данных на основе Mimir, Loki, Tempo и Pyroscope. Базы данных предоставляются как SaaS-продукт из AWS, GCP и Azure во всех регионах. SRE-команда встроена в продуктовые команды Mimir, Loki и Tempo и отвечает за надёжность продуктов баз данных для клиентов с высокими SLA. Задачи - Тесно работать с продуктовыми командами (встроенная модель). - Отвечать за производственную надёжность сред с высокими SLA и сложных клиентских окружений. - Проектировать и внедрять автоматизацию для масштабирования практик надёжности. - Обеспечивать достижение клиентами целей SLO. - Определять и развивать пер-тенантные SLO и модели надёжности. - Проактивно снижать сжигание SLO для предотвращения повторных инцидентов. - Быть основной точкой эскалации и на связи (on-call) при инцидентах. - Руководить реагированием на инциденты, влияющие на клиентов, и проводить пост-инцидентные разборы. - Участвовать в проектировании (design docs) и ревью кода. - Влиять на дизайн функций для обеспечения масштабируемости и эксплуатационной пригодности. - Строить автоматизацию для устранения рутинной работы (toil). - Улучшать качество алертов и снижать шумные эскалации. Требования - 8+ лет инженерного опыта, из них 4+ в SRE/CRE/production engineering. Предпочтителен формальный опыт в customer reliability engineering. - Сильный опыт работы с Kubernetes в AWS, GCP или Azure, знакомство с инструментами infrastructure-as-code (Helm, Terraform, Jsonnet и т.п.). - Сильный опыт технического лидерства: ведение команды через проекты, наставничество инженеров, роль force-multiplier. - Опыт эксплуатации мультитенантных систем в production. - Сильный опыт проектирования и внедрения SLO. - Опыт с одним или несколькими языками программирования (например, Go, Python, Java). - Опыт с внутренностями операционной системы Linux, базовые знания сетей, облачного хранения и масштабирования. - Отличные навыки решения проблем и траблшутинга. - Опыт спокойного и активного участия в безобвинительном реагировании на инциденты, отслеживании действий и написании качественных PIR (post-incident reviews). - Способность рассуждать о производительности, масштабировании и режимах отказа. - Комфортная работа в инженерной команде с высокой степенью автономии и самонаправленности. - Способность глубоко взаимодействовать с продуктовыми командами. - Ценятся любознательность, прозрачность, склонность к действию и доброжелательность. Условия - Удалённая работа. Рассматриваются кандидаты из Великобритании, Швеции, Испании или Германии. - Компания предоставляет оплачиваемый бюджет на использование современных AI-ассистентов для разработки (инструменты на выбор в рамках политики безопасности), а также доступ к передовым моделям (например, GPT-Codex, Claude Opus, Gemini 3 Pro).
Staff-инженер по надежности баз данных
Компания: Grafana Labs. Формат: удалённая работа. Рассматриваются кандидаты из Великобритании, Швеции, Испании, Германии или Ирландии. Роль: Staff Software Engineer — SRE для облачных баз данных Grafana Cloud (Mimir, Loki, Tempo, Pyroscope). Базы данных предоставляются как SaaS на AWS, GCP и Azure во всех регионах. SRE-команда встроена в продуктовые группы Mimir, Loki и Tempo. Задачи - Тесное партнёрство с продуктовыми инженерными командами (встроенная модель). - Обеспечение надёжности production-среды для клиентов с высокими SLA и сложных окружений. - Проектирование и внедрение автоматизации для масштабирования практик надёжности. - Обеспечение достижения клиентами целевых показателей SLO. - Определение и развитие пер-тенантных SLO и моделей надёжности. - Проактивное снижение выгорания SLO для предотвращения повторных инцидентов. - Выполнение роли основного эскалационного контакта и дежурного (on-call) при инцидентах. - Руководство разбором инцидентов, влияющих на клиентов, и пост-инцидентными ревью. - Участие в проектировании (design docs) и код-ревью. - Влияние на дизайн функций для обеспечения масштабируемости и эксплуатационной пригодности. - Создание автоматизации для устранения рутинной работы (toil). - Улучшение качества алертов и снижение шумных эскалаций. Требования - 8+ лет инженерного опыта, из них 4+ в SRE/CRE/production engineering. Предпочтителен формальный опыт в customer reliability engineering. - Сильный опыт работы с Kubernetes на AWS, GCP или Azure, знакомство с инструментами infrastructure-as-code (Helm, Terraform, Jsonnet и т.п.). - Сильный опыт технического лидерства: ведение команды через проекты, наставничество инженеров, роль force-multiplier. - Опыт эксплуатации мульти-тенантных систем в production. - Сильный опыт проектирования и внедрения SLO. - Опыт с одним или несколькими языками программирования (например, Go, Python, Java). - Опыт с внутренностями ОС Linux, знание сетей, облачного хранения и масштабирования. - Отличные навыки решения проблем и диагностики. - Опыт спокойного и активного участия в blame-free инцидент-менеджменте, выполнения последующих действий и написания качественных PIR (Post Incident Reviews). - Умение рассуждать о производительности, масштабировании и режимах отказов. - Комфортная работа в инженерной команде с высокой степенью автономии и самонаправленности. - Способность к глубокому партнёрству с продуктовыми командами. - Ценятся интеллектуальное любопытство, прозрачность, склонность к действию и доброта. Условия - Удалённая работа (из указанных стран). - Компания предоставляет бюджет на использование современных AI-ассистентов для кодирования (в рамках политики безопасности), а также доступ к передовым моделям (например, GPT-Codex 5/3, Claude Opus 4.6, Gemini 3 Pro).
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