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
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.
Data Engineer / Data Analyst
Data Engineer / Data Analyst On-site | Full-time | Astana, Kazakhstan Nomad Venture Studio — продуктовая IT-компания, которая создаёт и развивает digital-продукты в сфере образования, карьеры и фриланса. Флагманский продукт — Jobescape: AI-платформа с оценкой $50M, работающая на рынках США и стран Tier-1. Ищем Data Engineer / Data Analyst, который поможет развивать data infrastructure, строить надёжные ETL-процессы и поддерживать качество данных. Основной фокус роли — data engineering и data quality assurance, также участие в аналитических задачах и работе с бизнес-метриками. Чем предстоит заниматься - Разрабатывать и поддерживать data pipelines - Строить и оптимизировать ETL-процессы на Python, SQL и Apache Airflow - Работать с ClickHouse Cloud: таблицы, запросы, производительность, оптимизация хранения - Интегрировать новые источники данных в существующую инфраструктуру - Настраивать проверки качества данных - Улучшать надёжность существующих пайплайнов и разбираться с ошибками - Проводить ad-hoc аналитику по продуктовым, маркетинговым и платежным метрикам Что важно для нас - Опыт в Data Engineering / Data Analytics от 2–4 лет - Сильный SQL: CTE, window functions, joins, агрегации, оптимизация запросов - Опыт работы с ClickHouse или другими DWH / OLAP-базами - Уверенный Python для обработки данных и автоматизации - Практический опыт с Apache Airflow - Понимание ETL / ELT, data warehouse, data marts и data modeling - Опыт работы с большими датасетами - Понимание data quality процессов - Умение разбираться в чужих пайплайнах и улучшать существующую логику Будет плюсом - Опыт работы с GCP - Интеграция данных из внешних API - Опыт с маркетинговыми, продуктовыми или платежными данными - Опыт подготовки данных для Tableau - Понимание продуктовых метрик: funnel, conversion rate, retention, LTV, ARPU / ARPPU - Опыт мониторинга пайплайнов и настройки алертов - Базовое понимание A/B-тестирования Наш стек ClickHouse Cloud, Apache Airflow, Python, SQL, Tableau, GCP Platform. Мы предлагаем - Работу над международным AI-продуктом на рынках США и Tier-1 - Возможность влиять на data infrastructure и архитектуру данных - Задачи на стыке data engineering, product analytics, marketing analytics и payments - Пространство для инициативы и внедрения best practices - Быстрый рост вместе с продуктом и командой
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.
Research-инженер по агентным моделям
О роли JetBrains создаёт инструменты для разработчиков. В команде Agentic Models строят многошаговых агентов для написания кода, которые понимают большие кодовые базы, планируют изменения, вызывают инструменты и итерируют вместе с пользователем. Research Engineer отвечает за модели, тренировочные циклы и пайплайны оценки, которые обеспечивают работу этих агентов. Работа ведётся на стыке SFT и RL-посттренировки и продуктовой оценки, с использованием распределённых GPU- и MapReduce-кластеров для выпуска моделей в продукты JetBrains. Задачи - Проектировать, внедрять и поддерживать пайплайны SFT и RL-посттренировки для многошаговых агентов написания кода. - Обучать и адаптировать LLM для агентных сценариев: планирование, использование инструментов, многошаговые взаимодействия внутри IDE JetBrains. - Создавать и развивать среды оценки и симуляции, где агенты могут действовать, измеряться и сравниваться на реалистичных задачах разработчика. - Разрабатывать фреймворки и метрики оценки поведения агентов, анализировать трейсы и логи, замыкать цикл от оценки обратно к обучению, данным и дизайну наград. - Анализировать результаты обучения и оценки, предлагать и внедрять улучшения архитектур моделей, рецептов обучения и датасетов. - Работать с крупномасштабной инфраструктурой: распределённое обучение на GPU-кластерах и обработка данных в стиле MapReduce для претрейнинга и датасетов тонкой настройки. - Тесно взаимодействовать с исследовательскими, продуктовыми и инфраструктурными командами, превращая продуктовые задачи в конкретные модели, эксперименты и выпущенные функции. Требования - Обширный практический опыт обучения LLM (претрейнинг, тонкая настройка или посттренировка) в исследовательской или производственной среде. - Глубокое знание современных фреймворков глубокого обучения, таких как PyTorch, и специализированных стеков обучения LLM (Megatron, NeMo, verl или аналогичных). - Сильное теоретическое и практическое понимание основ LLM: архитектуры, токенизация, пайплайны данных, батчинг, mixed precision, распределённое обучение и отладка нестабильных запусков. - Умение вести проекты от начала до конца: от постановки проблемы или продуктовой боли до дизайна, экспериментов, реализации и итераций. - Продуктовое мышление: понимание того, как разработчики реально используют агентов, и умение переводить продуктовые потребности и сбои в задачи моделирования и оценки. - Не менее 3 лет опыта работы с Python и написания чистого поддерживаемого кода в современных ML-кодовых базах. Будет плюсом - Опыт работы с ML-оркестраторами и инструментами рабочих процессов: Kubeflow, Dagster, Airflow, ZenML и/или планировщиками задач вроде Kubernetes или SLURM. - Опыт работы с крупномасштабными пайплайнами данных и обучения: кластеры в стиле MapReduce, многоузловое GPU-обучение или нагрузки порядка 1M+ CPU/GPU-часов. - Проектирование и поддержка пайплайнов оценки для LLM или агентов: метрики, дашборды, отслеживание экспериментов, автоматические регрессионные проверки. - Разработка ИИ-агентов: агенты с использованием инструментов, планировщики, многошаговые сценарии написания кода, знакомство с агентными фреймворками и паттернами. - Отслеживание экспериментов и наблюдаемость с помощью Weights & Biases, MLflow, Langfuse или аналогичных инструментов. - Оптимизация инференса и эксплуатация оптимизированных моделей в production.
Senior MLOps-инженер, ML-пайплайны и инфраструктура
Команда ML Workflows Engineering занимается устранением инфраструктурных сложностей, оптимизацией операций машинного обучения (MLOps) и позволяет командам сосредоточиться на главном — создании значимых ML-моделей и интеллектуальных агентов. В составе команды вы будете играть ключевую роль в проектировании инструментов, автоматизации и пайплайнов, которые делают разработку машинного обучения простой и интуитивной. Интегрируя передовые практики MLOps и инженерное мастерство, мы стремимся максимизировать продуктивность и устранить сложность ML-инфраструктуры, чтобы наши команды могли расширять границы возможного в ИИ. Задачи - Создавать инструменты, автоматизацию и рабочие процессы для упрощения задач, связанных с инфраструктурой, позволяя ИИ-командам сосредоточиться на экспериментах и решении ключевых задач. - Разрабатывать надежные системы мониторинга, логирования и трассировки для обеспечения производительности и воспроизводимости ML-процессов в продакшене. - Проектировать, внедрять и поддерживать сквозные пайплайны машинного обучения для бесшовной разработки, обучения и развертывания ML-моделей и интеллектуальных агентов. - Работать с крупномасштабными распределенными системами, включая GPU-кластеры, для поддержки обучения, дообучения и оценки ML-моделей. - Взаимодействовать с продуктовыми и разработческими командами для превращения целей высокого уровня в конкретные, масштабируемые и поддерживаемые системы. - Оптимизировать рабочие процессы для воспроизводимости, масштабируемости и экономической эффективности, сохраняя продуктивность ML-команд и их фокус на инновациях. Требования - Практический опыт работы с современными MLOps-инструментами, включая Kubernetes, облачных провайдеров (GCP и AWS) и фреймворки оркестрации ML. - Глубокое понимание жизненного цикла ML от идеи до пользовательского приложения. - Способность вести проекты от начала до конца, начиная с проблемы высокого уровня или болевой точки продукта и контролируя этапы проектирования, экспериментов, внедрения и итераций. - Клиентоориентированное мышление — вам важно, как реально работают ML-инженеры, и вы можете превращать их потребности в практические, масштабируемые и поддерживаемые архитектурные решения. - Опыт работы с современными CI/CD-системами, такими как GitHub Actions или JetBrains TeamCity. - Не менее трех лет опыта написания чистого, поддерживаемого кода на Python в современных ML-кодовых базах. Желательно - Опыт работы с ML-оркестраторами и инструментами рабочих процессов, такими как ZenML, Dagster и Airflow. - Разработка инфраструктурных компонентов и сервисов с использованием кластерных решений, таких как Kubernetes. - Разработка бэкенд-сервисов на Python. - Создание и поддержка ML-пайплайнов, включая унаследованные. - Отслеживание экспериментов и наблюдаемость с помощью таких инструментов, как Weights & Biases, MLflow, Langfuse или аналогичных. Будет плюсом - Опыт работы с фреймворками инференса LLM, такими как vLLM, DeepSpeed и TensorRT. - Написание и поддержка Python-библиотек, используемых внутренними (или внешними) ML-инженерами. - Сильная теоретическая база в NLP и подходах на основе трансформеров. - Написание кода на Java и/или Kotlin. Условия - Гибридный формат работы.
Staff-инженер по исследованиям, предобучение LLM
О компании JetBrains с 2000 года разрабатывает инструменты для разработчиков. Компания работает над новой платформой, которая предоставляет возможности ИИ всем продуктам JetBrains. Платформа основана на моделях, разработанных внутри компании для помощи в написании кода и текстов, а также на интеграции со стратегическими партнёрами. JetBrains — работодатель равных возможностей. Важные качества - Умение самостоятельно планировать проекты и принимать решения, при необходимости консультируясь с другими. - Способность определять потребности клиентов и расставлять приоритеты задач. - Начинать с простейших решений и постепенно добавлять сложность по мере необходимости. - Готовность нести единоличную ответственность за целую подсистему. - Увлечённость обучением и желание быть в курсе последних разработок в области LLM. Задачи - Совместно со стейкхолдерами преобразовывать бизнес-требования в технические спецификации. - Обучать LLM с нуля на большом GPU-кластере. - Собирать и обрабатывать датасеты для предобучения и дообучения. - Поддерживать и улучшать существующие подсистемы. Требования - Опыт проектирования, развертывания и поддержки продакшн-ML-систем. - Сильная теоретическая база в NLP и подходах на основе трансформеров. - Свободное владение современными фреймворками глубокого обучения, такими как PyTorch, и распространёнными библиотеками для NLP. - Опыт распределённого обучения моделей с миллиардами параметров. - Внимание к деталям и отличные коммуникативные навыки. Будет плюсом - Опыт работы с фреймворками инференса LLM: vLLM, DeepSpeed, TensorRT. - Опыт применения техник выравнивания LLM: RLHF/RLAIF. - Инструменты и практики MLOps, включая CI/CD для ML. - K8s и Kubeflow. - Научные публикации в области NLP. Стек и инфраструктура - Кластер из сотен NVIDIA GPU в качестве инфраструктуры для обучения. - Git для управления исходным кодом. - Python, PyTorch и Hugging Face как ML-стек. - Kubeflow и Weights & Biases для отслеживания экспериментов. - TeamCity как система автоматизации CI.
Senior инженер-программист, JVM и инструменты разработчика
О компании и проекте JetBrains — компания, создающая инструменты для разработчиков. Проект AppGlass из JetBrains Innovation Hub — продукт для безопасной отладки production-систем с приоритетом ИИ. Он помогает инженерным командам исследовать проблемы в реальных средах с фокусом на безопасность, надёжность, защищённость, низкие накладные расходы и практическую интеграцию ИИ. В основе — JVM-инструментарий, анализ программ и ИИ. О роли Ищем Senior Software Engineer с сильным опытом работы с корпоративными JVM-системами. Роль подходит проактивным специалистам, которым интересны сложные инженерные задачи на стыке production-систем, инструментов для разработчиков и ИИ-агентов. Задачи - Проектировать, создавать и руководить разработкой функций продукта. - Разрабатывать инструменты и автоматизацию для AI-first инженерных процессов. - Работать над корпоративными интеграциями и сценариями развёртывания в Kubernetes и облачных средах. - Повышать надёжность, тестирование, производительность и безопасность для production-использования. Требования - Обширный опыт работы с Java, Kotlin и JVM-системами. - Опыт разработки корпоративного бэкенда, инфраструктуры или инструментов для разработчиков. - Уверенная работа с Kubernetes и облачными средами. - Ответственность, чёткая коммуникация, умение продвигать задачи вперёд без ожидания идеальных спецификаций. - Использование ИИ в разработке с проверкой результатов инженерной дисциплиной. Будет плюсом - Опыт работы с инструментами для отладки, инструментирования или наблюдаемости. - Опыт разработки бэкенд-продуктов на .NET или Python. - Глубокая забота о продуктивности разработчиков и инженерном качестве. Условия - Конкурентная зарплата, отражающая навыки и опыт. - Гибкое место работы: из дома или из офиса. - Удалённая работа: до 30 дней в году из-за границы. - Дополнительные выходные дни. - Медицинская страховка для сотрудника и семьи. - Возможности обучения и развития: конференции, курсы, языковые занятия. - Языковые курсы: местный язык или английский. - Горячее питание или компенсация на обед в рабочие дни. - Поддержка психического здоровья: доступ к профессиональным сервисам. - Спортивный бенефит: абонемент в спортзал или компенсация спортивного клуба. - Внутренние мероприятия: корпоративные праздники и командные встречи. - Некоторые бенефиты могут различаться в зависимости от локации.
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.
AI/ML-инженер, Amazon Bedrock, промт-инжиниринг
Компания rockITdata — SDVOSB-сервисная компания, партнёр коммерческих организаций в сфере здравоохранения и биологических наук, а также государственных структур. Роль отвечает за проектирование, создание и оптимизацию AI-функций в среде контакт-центра Amazon Connect, работающего в AWS GovCloud (IL4). Работа охватывает конфигурацию Amazon Bedrock Agent, промт-инжиниринг, разработку базы знаний, проектирование правил коучинга, внедрение рубрик оценки качества и непрерывную оценку моделей. Инженер работает со всеми четырьмя AI-возможностями: приём звонков через IVR, AI-коучинг, сводки звонков и пост-звонковый анализ. Ключевые обязанности - Настройка и оптимизация Amazon Bedrock Agents для виртуального агента, коучинга в реальном времени, сводок звонков и пост-звонкового анализа качества. - Проектирование, версионирование и итеративная доработка шаблонов промтов для каждой AI-возможности с оценкой точности по SLA (≥95% совпадения с QA). - Создание и поддержка базы знаний AWS Bedrock Knowledge Base, включая пайплайны загрузки контента из Salesforce и оптимизацию семантического поиска с использованием моделей Amazon Nova. - Разработка правил коучинга, сопоставляющих обязательные раскрытия, HIPAA-чувствительные языковые паттерны и скрипты DHA с типами звонков для мониторинга соответствия в реальном времени. - Внедрение рубрик оценки качества для платформы пост-звонкового анализа: автоматическая оценка тона, соответствия, точности и эффективности решения по 100% звонков. - Настройка Bedrock Guardrails для редактирования PHI/PII, обнаружения галлюцинаций, защиты от prompt-инъекций и фильтрации контента на каждом вызове модели. - Оценка новых релизов моделей Amazon Nova (Nova Pro, Nova Lite, Nova Micro) по производственным бенчмаркам точности, задержки и стоимости; предложение замены моделей через change management. - Совместно с интеграционным инженером — обеспечение корректной передачи выходных данных Bedrock в Salesforce (через Lambda и Platform Events) и в Verint. - Мониторинг производительности моделей с помощью CloudWatch и дашбордов QuickSight; выявление и устранение дрейфа моделей на интервалах повторного бенчмаркинга на 30-й и 60-й день. - Участие в двухнедельных демо-спринтах с представлением данных о производительности AI, результатах настройки промтов и метрик точности заинтересованным сторонам TriWest. - Совместная работа с QA-рецензентами и экспертами TriWest для закрытия пробелов в знаниях через циклы обратной связи пост-звонкового анализа. - Обеспечение соответствия всех AI-вызовов и логирования требованиям FedRAMP High, DFARS 252.204-7012, HIPAA и NIST AI RMF. Требования - 3+ лет опыта в прикладном AI/ML-инжиниринге с практической разработкой LLM-приложений (промт-инжиниринг, RAG-архитектуры, агентные фреймворки). - Прямой опыт работы с Amazon Bedrock: конфигурация агентов, настройка базы знаний, Guardrails, вызовы foundation-моделей. - Владение семейством моделей Amazon Nova или эквивалентными foundation-моделями (например, Claude, Titan) в продакшн-среде. - Уверенные навыки Python и/или Node.js для разработки Lambda-функций и интеграции AI-пайплайнов. - Опыт с паттернами RAG: управление векторными хранилищами, стратегии чанкинга, оптимизация семантического поиска. - Знакомство с бессерверными сервисами AWS: Lambda, Kinesis, S3, CloudWatch, IAM в среде GovCloud. - Понимание требований к конфиденциальности медицинских данных (HIPAA, обработка PHI/PII) и федеральных фреймворков соответствия (FedRAMP, NIST 800-53). - Опыт управления промтами с версионированием и A/B-тестирования вариантов промтов. - Развитые аналитические навыки для интерпретации метрик производительности моделей и преобразования выводов в улучшения промтов или архитектуры. - Степень бакалавра в области компьютерных наук, науки о данных, AI/ML или смежной области (или эквивалентный опыт). Желательные квалификации - Опыт работы с Amazon Connect, Contact Lens и AI-процессами контакт-центров. - Предыдущая работа в средах FedRAMP High или IL4/IL5. - Знакомство с паттернами интеграции Salesforce (Platform Events, Streaming API, REST/SOAP API). - Сертификаты AWS: Machine Learning Specialty, Solutions Architect или DevOps Professional. - Опыт в домене TRICARE, DHA или медицинского страхования. - Опыт в дизайне разговорного ИИ (IVR, чат-боты, голосовые агенты). Условия - Удалённая работа (США).
Талантливого Python+Go Backend разработчика
Senior Python+Go Developer (в Бильбао, Испания) Локация: Бильбао, Испания Формат: Офисный Домены: AI, Computer Vision, NLP, Fintech Команда: PhD, преподаватели университетов, победители олимпиад Artificial Seed разрабатывает передовые решения на стыке искусственного интеллекта и прикладных технологий, делая фокус на практических задачах, а не только на теоретических исследованиях. Мы работаем в направлениях AI, компьютерного зрения, NLP и финтеха, создавая и внедряя системы, которые решают сложные реальные бизнес-задачи. Наша международная команда насчитывает более 100 специалистов и работает в среде, где ценятся глубокая экспертиза, инновации и постоянное развитие. Участники команды получают возможность решать нетривиальные задачи, сотрудничать с сильными экспертами и расти в быстро развивающейся технологической индустрии. Мы ищем талантливого Python+Go Backend разработчика. Стек: Python, Golang, Postgres, Clickhouse, FastAPI, SQL, Kafka, Redis, RabbitMQ Что предстоит делать - Разрабатывать и поддерживать высоконагруженную систему - Создавать и развивать веб-сервис на FastAPI - Проектировать и реализовывать архитектурные решения - Писать качественные и покрывающие тесты - Улучшать и масштабировать существующее решение, расширяя поддержку новых языков программирования Кого мы ищем - Инженера с 5+ годами коммерческой разработки на Python и Golang - С опытом работы с FastAPI - С уверенным пониманием принципов разработки RESTful API - С опытом работы с SQLAlchemy или другими ORM Будет плюсом - Опыт работы с сервисами обработки данных - Знание Docker и принципов контейнеризации - Понимание DevOps-подходов и CI / CD - Готовность писать строго типизированный код Что мы предлагаем - Гибкий график работы - вы самостоятельно определяете комфортное время начала дня - Полную поддержку при релокации в Бильбао, для вас и вашей семьи - помощь с оформлением документов, адаптацией и переездом, включая питомцев - Неограниченный отпуск - возможность брать отдых тогда, когда это действительно нужно - Атмосферу доверия и уважения к экспертности без излишнего контроля - Современный офис в комфортной локации, командные мероприятия и регулярные оффсайты - Профессиональный рост, участие в архитектурных решениях, амбициозные задачи и работу в сильной команде, у которой можно перенимать опыт Заработная плата: Уровень дохода не указан
ML-разработчик
ML-разработчик Компания: Мегафон Локация: Санкт-Петербург, офис Задачи - Проектировать и разрабатывать масштабируемые ML-сервисы и микросервисы на базе Python (FastAPI/Flask) - Интегрировать обученные модели в существующие бизнес-процессы и продуктовые решения - Проводить рефакторинг и оптимизацию кода моделей для повышения их производительности - Разрабатывать и поддерживать ETL/ELT пайплайны для подготовки данных к обучению и эксплуатации - Анализировать технические требования к новым фичам и предлагать архитектурные решения с учетом ограничений по ресурсам и времени - Проводить A/B тестирование новых моделей и анализировать их влияние на бизнес-метрики - Документировать процессы разработки, архитектуры решений и инструкции по развертыванию - Предлагать улучшения в инструментарий команды и процессы MLOps для ускорения разработки Требования - Опыт работы в области Data Science от 2 лет - Глубокое понимание алгоритмов машинного обучения и статистического анализа - Базовый опыт работы с PyTorch или TensorFlow - Навыки построения аналитических моделей на Python - Опыт работы с реляционными (SQL) и распределёнными базами данных - Опыт работы с Linux на базовом уровне - Практические навыки работы с инструментами для разработки, такими как Docker, AirFlow, FastApi, Flask - Преимуществом будет опыт работы в телекоммуникационной отрасли, банковской сфере или цифровых индустриях - Участие и успехи в соревнованиях по data mining (например, Kaggle) будут плюсом - Знание английского языка на техническом уровне
ML-разработчик
ML-разработчик Компания: Мегафон Локация: Санкт-Петербург Формат: офис Задачи - Проектировать и разрабатывать масштабируемые ML-сервисы и микросервисы на базе Python (FastAPI/Flask) - Интегрировать обученные модели в существующие бизнес-процессы и продуктовые решения - Проводить рефакторинг и оптимизацию кода моделей для повышения их производительности - Разрабатывать и поддерживать ETL/ELT пайплайны для подготовки данных к обучению и эксплуатации - Анализировать технические требования к новым фичам и предлагать архитектурные решения с учетом ограничений по ресурсам и времени - Проводить A/B тестирование новых моделей и анализировать их влияние на бизнес-метрики - Документировать процессы разработки, архитектуры решений и инструкции по развертыванию - Предлагать улучшения в инструментарий команды и процессы MLOps для ускорения разработки Требования - Опыт работы в области Data Science от 2 лет - Глубокое понимание алгоритмов машинного обучения и статистического анализа - Базовый опыт работы с PyTorch или TensorFlow - Навыки построения аналитических моделей на Python - Опыт работы с реляционными (SQL) и распределёнными базами данных - Опыт работы с Linux на базовом уровне - Практические навыки работы с инструментами для разработки, такими как Docker, AirFlow, FastApi, Flask - Преимуществом будет опыт работы в телекоммуникационной отрасли, банковской сфере или цифровых индустриях - Участие и успехи в соревнованиях по data mining (например, Kaggle) будут плюсом - Знание английского языка на техническом уровне
DevOps-инженер LLM-инференса
LLM DevOps/Inference Engineer Локация: удаленно Контекст: работа над платформой оценки и бенчмаркинга ИИ-моделей для здравоохранения. Начальная цель — клинические задачи прогнозирования: сепсис, дни до смерти, прогнозирование трендов лабораторных показателей. Оценка проводится на нескольких frontier-моделях и отраслевых моделях. Обязанности: - Построение и поддержка AWS-инфраструктуры платформы оценки как кода: сеть, вычисления, оркестрация, секреты, наблюдаемость, CI/CD. - Запуск self-hosted трека инференса для нишевых медицинских моделей: GPU-инфраструктура с батчингом, квантизацией, автоскейлингом и стандартным онбордингом новых моделей. - Создание слоя абстракции провайдеров совместно с ИИ-инженерами: единый интерфейс для API-моделей (OpenAI, Anthropic, Gemini и др.) и self-hosted моделей. Ответственность за rate limiting, ретраи, управление квотами, логирование запросов и ответов, атрибуцию затрат на запуск. - Обеспечение воспроизводимости и оптимизации затрат на бенчмарк-запуски: закрепление версий моделей и контейнеров, стратегия spot и reserved capacity, устранение простоя GPU. - Построение наблюдаемости: пропускная способность, задержка, стоимость токенов и GPU-часов, таксономия сбоев, дашборды по моделям. - Поддержка волновой нагрузки: возможность для группы ИИ-инженеров запускать эксперименты и уходить без поломок и осиротевших ресурсов. - Участие в архитектуре Trusted Execution Environment (TEE): оценка AWS Nitro Enclaves и аналогичных подходов для сценария bring-your-own-data / bring-your-own-model, включая аттестационный выпуск ключей и практические ограничения инференса внутри enclave. Требования: - AWS-инфраструктура на продакшн-масштабе: EKS или ECS, GPU-инстансы EC2 (G5/G6, P4d/P5) и их ограничения, проектирование VPC, IAM, KMS, Secrets Manager, ECR, CloudWatch, Service Quotas. - Инфраструктура как код: Terraform. Без ручного создания ресурсов через консоль. - Опыт работы с LLM: практическое владение стратегией батчинга, поведением KV cache, компромиссами квантизации, мульти-GPU шардированием. - Оркестрация контейнеров и планирование GPU: ECS/EKS с GPU-нагрузками, автоскейлинг нод, пайплайны сборки образов для CUDA-зависимых стеков. - Надежность и оптимизация затрат: SLO, алертинг, подтвержденный опыт снижения облачных расходов без потери функциональности. - Опыт запуска инференс-контейнеров. - Опыт в ИИ и LLM. - Опыт работы в здравоохранении (HIPAA, HL7 и др.). - Сильные коммуникативные навыки. Желательно: - Опыт с AWS SageMaker endpoints и Bedrock. - Практический опыт Python для работы с harness и слоем адаптеров провайдеров. - Основы конфиденциальных вычислений: enclaves, remote attestation, sealed key release, границы безопасности TEE. - Комплаенс в здравоохранении: выбор HIPAA-совместимых сервисов, BAA scope, аудит-логирование, контроль доступа к PHI. - Усиление безопасности: сканирование образов, контроль исходящего сетевого трафика для замкнутого контура. Будет плюсом: - Опыт хостинга медицинских изображений или мультимодальных моделей. - Nitro Enclaves в продакшене или аналогичный опыт TEE. - Опыт поддержки self-service сред, чистых границ тенантов и быстрого предоставления учетных данных.
Senior AI-инженер, AI-агенты и RAG-пайплайны
Компания: TMS LLC О позиции Ищем Senior AI Software Engineer с опытом проектирования, создания и развертывания production-grade Agentic AI-систем. Нужен опыт разработки AI-агентов с многошаговыми рассуждениями, оркестрацией инструментов, RAG и безопасных корпоративных AI-решений. Это не традиционная Java/.NET Full Stack или интеграция чат-ботов. Нужны инженеры с реальным production-опытом создания AI-агентов на Python и современных Agentic AI-фреймворках. Задачи - Проектировать и разрабатывать корпоративные Agentic AI-решения. - Создавать AI-агентов с планированием, рассуждением, использованием инструментов и многошаговым выполнением задач. - Разрабатывать переиспользуемые AI-агентные фреймворки, SDK и RAG-пайплайны. - Создавать безопасные AI-сервисы с guardrails, approval workflows, retries и отказоустойчивостью. - Внедрять production LLMOps, мониторинг, оценку, наблюдаемость и оптимизацию производительности. - Взаимодействовать с продакт-менеджерами, дата-сайентистами и инженерными командами для создания масштабируемых AI-платформ. Требования - 5–10+ лет опыта в разработке ПО. - Сильный практический опыт с Python и бэкенд-разработкой (предпочтительно FastAPI). - Опыт создания и развертывания production AI-агентов / Agentic AI-приложений. - Сильный опыт с LangGraph, LangChain, CrewAI, AutoGen или аналогичными AI-агентными фреймворками. - Практический опыт с RAG, архитектурой AI-агентов, мультиагентными системами, tool calling / function calling, памятью агентов, промт-инжинирингом, эмбеддингами. - Опыт с векторными базами данных: Pinecone, FAISS, Weaviate, ChromaDB или Azure AI Search. - Опыт развертывания LLM-приложений с использованием OpenAI, Azure OpenAI, AWS Bedrock, Anthropic Claude, Google Vertex AI или Llama-моделей. - Сильный опыт с Docker, Kubernetes, CI/CD, LLMOps, мониторингом и наблюдаемостью. - Опыт работы с AWS, Azure или GCP. - Понимание AI-безопасности, guardrails, защиты от prompt injection, обработки PII, RBAC и Responsible AI. Желательно - LangGraph. - MCP (Model Context Protocol). - Фреймворки оценки AI-агентов. - Опыт в регулируемых отраслях: healthcare, banking, insurance. Условия - Очное собеседование в Нью-Джерси.
Senior AI-инженер инфраструктуры, LLM/AI-платформы
Вакансия удаленная, открыта для кандидатов из США. Компания — глобальный лидер в области кибербезопасности, специализирующийся на предотвращении взломов с помощью продвинутых платформ на базе ИИ. Ищут Senior AI Infrastructure Engineer для проектирования, создания и масштабирования ИИ-инфраструктуры для продуктов, с фокусом на большие языковые модели (LLM) и ИИ-системы. Обязанности - Предоставление и настройка крупных GPU-кластеров и вычислительных ресурсов для задач обучения, дообучения и инференса LLM. - Оптимизация инфраструктуры обслуживания LLM-моделей, включая развертывание и оптимизацию различных фреймворков инференса. - Управление жизненным циклом моделей: версионирование, контрольные точки и воспроизводимость в процессах обучения и инференса. - Проектирование и внедрение надежных фреймворков оценки для проверки производительности, точности и надежности моделей, обеспечивая соответствие ИИ-систем производственным стандартам. - Выявление и устранение узких мест использования GPU и эффективности памяти GPU, применение таких техник, как квантование, пакетная обработка и кэширование. - Проектирование и поддержка платформ и пайплайнов данных, специально предназначенных для поддержки LLM, RAG (Retrieval-Augmented Generation) и ИИ-систем в производственной среде, с акцентом на производительность, сопровождаемость и строгость тестирования, обеспечивая быструю поставку без ущерба качеству. - Применение экспертизы в моделировании данных, нормализации и семантическом каталогизировании для AI/ML-нагрузок. - Определение и внедрение лучших практик MLOps/DataOps для LLM, включая мониторинг, наблюдаемость и механизмы восстановления для ИИ-сервисов. - Тщательное документирование архитектурных решений и донесение технических деталей до заинтересованных сторон. - Взаимодействие с Data Scientists, Product Managers и другими инженерными командами для превращения исследовательских прототипов в надежные сервисы производственного уровня. Требования - Степень бакалавра в области компьютерных наук, инженерии данных или STEM; магистерская степень приветствуется. - 6+ лет опыта в инфраструктурной/дата-инженерии, как минимум 2 года в создании и поддержке платформ/пайплайнов, поддерживающих LLM-системы и приложения. - Подтвержденный практический опыт в LLM-инфраструктуре: предоставление кластеров, оптимизация обучающих нагрузок и поддержка инференс-пайплайнов. - Исключительная способность писать чистый, элегантный, поддерживаемый и хорошо протестированный код, а также сильный фокус на быстрой поставке результатов. - Глубокое понимание инженерных практик, включая эффективные ревью кода и отказоустойчивую архитектуру. - Проявление технического лидерства и наставнических качеств. - Подтвержденный опыт использования ИИ-технологий для улучшения принятия решений, оптимизации рабочих процессов и процессов, повышения эффективности и бизнес-результатов. - Практический опыт с MLOps-инструментами (MLflow, SageMaker, AI). - Сильное понимание основ CUDA, драйверов, GPU и TPU. - Опыт работы с фреймворками инференса, такими как vLLM и Triton Inference Server. - Владение фреймворками обучения: PyTorch, Ray, Megatron, JAX. - Экспертный уровень владения высокоуровневым языком программирования (Python). - Глубокие знания контейнеризации и оркестрации (Slurm, Airflow). - Владение инструментами Infrastructure as Code, такими как Terraform и Ansible. - Опыт работы с облачными платформами (AWS, GCP или OCI) и сервисами данных. - Опыт работы в сфере кибербезопасности, разведки или отраслях с высокими требованиями к соответствию. - Опыт создания, развертывания и управления LLM в производственной среде. - Опыт работы с распространенными фреймворками рабочих процессов. - Опыт работы с фреймворками обработки данных (например, Dask, Flink). Условия - Право на бонусы. - Гранты на акции. - Комплексный пакет льгот: медицинская страховка, 401k, оплачиваемый отпуск, конкурентоспособная компенсация и акции. - Комплексные программы физического и психического здоровья. - Конкурентоспособный отпуск и праздники, отпуск по уходу за ребенком и усыновлению. - Возможности для развития для всех сотрудников независимо от уровня или роли. - Сети сотрудников, географические сообщества и волонтерские возможности для установления связей. - Офисная культура с удобствами мирового класса. - Сертификация Great to Work Certified™ по всему миру.
Senior бэкенд-инженер, инфраструктура
О компании Soda — платформа мониторинга качества данных и ИИ. Клиенты: Disney, Ralph Lauren, CBRE, HelloFresh, 2K Games, Nubank. Open-source движок Soda Core используется компаниями Tesla, Slack, Adyen, Walmart, JPMC. Компания основана в 2019 году. Инвесторы: Point 9 Capital, Hummingbird, Singular, Eurazeo. О роли Присоединение к Platform-команде: полный путь от бэкенд-сервиса до продакшена — Java-сервисы Soda Cloud и AWS/Kubernetes-инфраструктура. Роль — в первую очередь бэкенд-инженер: большинство времени уходит на проектирование и разработку сервисов. Инфраструктура — часть работы, позволяющая доводить сервисы до продакшена. Это не DevOps и не SRE-позиция. Инженеры продукта: общение с пользователями, совместная разработка решений с продакт-менеджером, сквозная поставка. Используются AI-кодинг-агенты. Задачи - Проектировать и разрабатывать бэкенд-сервисы и API на Java для мультитенантной SaaS-платформы. - Поставлять продуктовые функции end-to-end, работать напрямую с продуктом и клиентами. - Повышать надёжность, производительность и масштабируемость сервисов, доводить их до продакшена на AWS/Kubernetes. - Поддерживать скорость разработки: CI/CD-пайплайны, GitOps-процессы, наблюдаемость. - Улучшать системы для агентной разработки: быстрая CI-обратная связь, надёжные dev-среды, защитные механизмы для безопасной работы агентов. - Принимать архитектурные решения — от дизайна сервисов до эволюции платформы. Требования - 5+ лет разработки бэкенда в продуктовой компании: проектирование, разработка и владение продакшен-сервисами. - Сильный Java: API, асинхронная обработка, конкурентность, оптимизация производительности. - Уверенный SQL в бэкенд-контексте: проектирование схем, оптимизация запросов, миграции в продакшене. Используются MySQL и ClickHouse. - Архитектурное мышление: понимание влияния дизайна API и сервисов на потоки данных, паттерны запросов, задержки и сценарии отказов. - Запуск собственных сервисов: опыт работы с Kubernetes и AWS (EKS, IAM, networking, RDS, S3) в продакшене. - CI/CD, GitOps и инфраструктура как код: GitHub Actions, ArgoCD/Flux, Terraform или Pulumi, скриптинг. - Наблюдаемость как привычка: метрики, логирование, трейсинг (Prometheus, Grafana, OpenTelemetry), написание тестов. - Агентная инженерия: разработка продакшен-кода с AI-кодинг-агентами (Claude Code, Cursor или аналоги) в цикле, умение направлять их при сохранении высокого стандарта качества. - Самостоятельность: работа в распределённой асинхронной команде из 12+ стран без постоянного контроля. - Свободный английский. Будет плюсом - Мультитенантный SaaS в масштабе; опыт работы в быстрорастущем стартапе. - Python: стек data engineering работает на нём. - Опыт в регулируемой среде (ISO27001, SOC2). - Опыт создания агентных рабочих процессов в продукте: функции на LLM, агенты с инструментами, AI-автоматизация для реальных пользователей. - Опыт в области качества данных, управления данными, наблюдаемости данных или мониторинга ML. Условия - Компенсация €85,000–120,000 в год + опционы. - Полная удалённость (в странах ЕС), доступен офис в Бельгии. - Доступ к токенам всех передовых моделей. - Реальная ответственность. Процесс отбора - Скрининг резюме. - 20-минутный телефонный разговор. - Первое техническое интервью (45 минут). - Второе техническое интервью (60 минут). - Интервью на соответствие культуре (45 минут). - Ответ каждому кандидату в течение 3–5 дней после каждого этапа.
Senior Full-Stack-разработчик, Backend и Frontend
О компании Soda Data Nv разрабатывает платформу мониторинга качества данных и производительности ИИ. Компания основана в 2019 году. Среди клиентов — Disney, Ralph Lauren, CBRE, HelloFresh, 2K Games, Nubank. Открытый движок Soda Core используют Tesla, Slack, Adyen, Walmart, JPMC. Инвесторы — Point 9 Capital, Hummingbird, Singular, Eurazeo. О роли Инженер работает над всем стеком: Java-бэкенд и TypeScript/Angular-фронтенд, обеспечивающие работу Soda Cloud. Продуктовые инженеры владеют функциональностью от начала до конца: общаются с пользователями, участвуют в проектировании, реализуют от базы данных до интерфейса. В компании активно используются ИИ-агенты для написания кода. Задачи - Реализация функций от начала до конца: бэкенд-API, изменения в БД, фронтенд, выкладка в продакшн. - Проектирование и разработка бэкенд-сервисов для мультитенантной SaaS-платформы. - Работа с реляционными БД (MySQL): проектирование схем, оптимизация запросов, моделирование данных. - Разработка фронтенд-функций: чистый, быстрый интерфейс. - Оптимизация производительности по всему стеку, написание тестов (unit, integration, e2e). - Встраивание агентных функций в продукт: рабочие процессы на основе LLM для поиска, понимания и исправления проблем с данными. - Улучшение систем для агентной разработки: инструкции для агентов, навыки, циклы обратной связи через тесты. - Совместная работа с продуктом, дизайном и клиентами для определения направлений разработки. Требования - 5+ лет разработки в продуктовой компании, владение значимыми частями продакшн-системы. - Сильный Java: REST API, взаимодействие с БД, асинхронная обработка. - TypeScript и современный фронтенд-фреймворк, предпочтительно Angular. - Фундаментальные знания фронтенда: сложные UI, компонентная архитектура, управление состоянием, производительность, адаптивный дизайн. - Уверенный SQL в бэкенд-контексте: проектирование схем, оптимизация запросов, миграции в продакшене. Используются MySQL и ClickHouse. - Привычка писать тесты, включая e2e (Cypress/Playwright). - Архитектурное мышление: проектирование API с точки зрения потребителя, понимание влияния на поток данных и задержки. - Владение DevOps: контейнеры, CI/CD, инфраструктура как код, уверенная работа с Linux. - Агентная разработка: опыт написания продакшн-кода с ИИ-агентами (Claude Code, Cursor или аналоги) в цикле, умение направлять их при сохранении высокого качества. - Самостоятельность в распределённой асинхронной команде из 12+ стран. - Свободный английский. Желательно - Опыт мультитенантного SaaS в масштабе, опыт работы в быстрорастущем стартапе. - Чувство дизайна. - Python: стек data engineering. - Опыт встраивания агентных функций в продукт: LLM-функции, агенты с инструментами, автоматизация на ИИ. - Опыт в области качества данных, управления данными, наблюдаемости данных или мониторинга ML. Условия - Компенсация €85,000–120,000 в год + опционы. - Полная удалённость (в пределах ЕС), доступен офис в Бельгии. - Доступ к токенам всех frontier-моделей. - Реальная ответственность и влияние, без микроменеджмента. - Команда senior-инженеров из 12+ стран. Ценности Свобода с ответственностью, прозрачность, мышление роста. Нетерпимость к нечестности, открытая и прямая коммуникация. Автономия в принятии решений.
Senior Backend Engineer, ML-инфраструктура
О компании Constructor — AI-first платформа для поиска и обнаружения товаров в электронной коммерции, запущена в 2019 году. Помогает покупателям находить нужные товары и позволяет мировым брендам электронной коммерции увеличивать выручку и конверсию. О роли Команда ML Infrastructure создаёт и поддерживает общие бэкенд-сервисы и платформенные возможности, которые команды ML и продуктов используют для разработки, развёртывания и запуска машинного обучения в масштабе — от сервинга моделей (включая LLM) до специализированных хранилищ и пайплайнов данных. Это сервисная команда: дорожная карта формируется потребностями продуктовых команд. Ищем Senior Backend Engineer, готового брать полную ответственность за ключевые сервисы. Ближайшие и среднесрочные направления: - Упрощение запуска, масштабирования и эксплуатации ML-нагрузок для всех команд. - Предоставление self-service и настраиваемых компонентов инфраструктуры для ML и продуктовых команд. - Развитие ключевых ML-сервисов и связанных пайплайнов с высокими требованиями к надёжности и производительности. Задачи - Проектировать, создавать и эксплуатировать высоконагруженные распределённые бэкенд-сервисы, обеспечивающие ML-инфраструктуру компании. - Владеть ключевыми ML-сервисами и связанными пайплайнами данных: от дизайна и реализации до развёртывания, наблюдаемости и постоянного улучшения. - Взаимодействовать с ML и продуктовыми командами, превращая их потребности в надёжные и переиспользуемые платформенные возможности. - Принимать и защищать технические решения: оценивать компромиссы, сначала проектировать, отвечать за результат. - Отвечать за свою работу и работу команды. Требования - 5+ лет профессионального опыта в бэкенд- или платформенной инженерии. - Глубокие знания Python (основной язык). - Практический опыт разработки в публичном облаке (AWS, GCP или Azure) или с self-managed Kubernetes. AWS — основная платформа, но не ограничиваясь ей. - Опыт проектирования и создания распределённых высоконагруженных сервисов и API. - Сильные знания структур данных, алгоритмов и их компромиссов. - Инженерный подход, ориентированный на проектирование: среда поддерживает использование AI-инструментов, но вы ведёте за счёт системного дизайна и понимания их применимости. - Ответственность и проактивность: не закрывать глаза на проблемы, решать их и отвечать за результаты. - Дружелюбие и готовность помогать коллегам. Будет плюсом - Опыт с Rust (или C/C++/Go) — существенный плюс. - Опыт разработки или участия в ML-платформах или ML-инфраструктуре — существенный плюс. - Опыт настройки и эксплуатации векторных баз данных (Qdrant, Milvus, Weaviate, OpenSearch, pgvector и т.п.) — существенный плюс. - Опыт с сервингом моделей / инференс-инфраструктурой, включая LLM. - Опыт с Infrastructure as Code (Terraform или аналоги). Условия - Безлимитный отпуск (рекомендуется минимум 3 недели в год). - Полностью удалённая команда — можно жить где угодно. - Стипендия на работу из дома для обустройства домашнего офиса. - Ноутбуки Apple для новых сотрудников. - Бюджет на обучение и развитие для каждого сотрудника, обновляется каждый год. - Оплачиваемый отпуск по беременности и уходу за ребёнком для соответствующих сотрудников. - Работа с умными людьми, которые помогают расти и влиять на результат. - Базовая зарплата: $80,000–$120,000 USD в зависимости от знаний, навыков, опыта и результатов интервью. - Опционы на акции в дополнение к базовой зарплате. - Регулярные командные оффсайты для общения и совместной работы.
Data Science (LLM/NLP)
⌨️ Data Science (LLM/NLP) Удаленно (Екатеринбург) Т1 — это стабильный и надёжный работодатель. Мы помогаем профессионально расти и решать действительно интересные задачи, создаём атмосферу открытости и комфортные условия для работы в гибридном формате. Требования: — Высшее образование (IT, техническое, математическое); — Уверенное владение Python, SQL; — Хорошие знания в области теории вероятностей, математической статистики, алгоритмов машинного обучения ML; — Знания в области NLP алгоритмов; — Понимание деталей работы LLM и того, как происходит их дообучение и инференс; — Опыт деплоя ML/LLM решений (Docker, Kubernetes, cloud); — Опыт работы с prompt engineering, fine-tuning / PEFT (LoRA, adapters), RAG-подходами. ➡️ Подробнее о вакансии на hirehi.ru 📍 Навигация: База знаний • Задачи • Собеседования
Full Stack Team Lead (AI PDLC)» (Москва)
Требуется «Full Stack Team Lead (AI PDLC)» (Москва) Компания «СберЗдоровье» ищет хорошего специалиста на вакансию «Full Stack Team Lead (AI PDLC)». Москва (Россия). Полный рабочий день. Можно удалённо. Требуемые навыки: lead, Kubernetes, CI/CD, ApacheKafka, SOA, Микросервиснаяархитектура, RabbitMQ, Python.
Middle Python / MLOps Engineer
Middle Python / MLOps Engineer удаленка гибрид middle Компания: Wildberries ☑️ Что нужно делать -Разрабатывать REST API с использованием FastAPI; -Проектировать и реализовать backend-сервисы с нуля; -Проводить интеграции с базами данных и системами обмена данными; -Обеспечивать масштабируемость и отказоустойчивость сервисов; -Писать и поддерживать автоматизированные тесты; -Настраивать и поддерживать CI/CD процессы для непрерывной интеграции; -Участвовать в планировании задач и работе по методологии Scrum; -Тесно взаимодействовать с командой для оперативного решения технических вопросов. ☑️ Какой опыт и знания нужны -Сильные инженерные навыки: мы ждем самостоятельного специалиста, который не только пишет код, но и понимает полный цикл доставки приложения - уверенный опыт настройки и использования CI/CD, работы с Docker и Kubernetes; -Понимание DevOps-культуры: умение написать и поддержать Helm-чарт/Dockerfile для своего сервиса, разобраться с деплоем, настроить базовый мониторинг и алертинг; -Глубокие знания Python и опыт работы с FastAPI; -Опыт работы с технологическим стеком и базами данных: PostgreSQL, ClickHouse, Kafka, Redis, Spark; -Умение писать чистый, поддерживаемый код с соблюдением best practices и знание архитектурных паттернов; -Опыт работы в высоконагруженных системах и решения реальных задач на production; -Аналитический склад ума, системное мышление и готовность самостоятельно доводить задачи до конца; -Продвинутое знание инструментов мониторинга (Prometheus, Grafana, Opensearch/ELK) и глубокий опыт в DevOps, опыт работы с Triton Inference Server и другими инструментами деплоя ML-моделей будет плюсом Python Job в Telegram | в VK | в Max
Team Lead команды автоматизации маркетинга
SMALL — крупнейший ритейлер повседневных товаров и готовой еды в Казахстане. Мы ищем того, кто будет развивать автоматизацию маркетинговых процессов. Вам предстоит возглавить инженерную команду, которая будет создавать и развивать решения для клиентской аналитики, CRM и программы лояльности, промо, маркетинговых коммуникаций, контента, retail media и оценки эффективности кампаний. Ваша миссия: Формировать техническое видение: совместно с владельцами маркетинговых направлений переводить бизнес-цели и клиентские сценарии в продуктовую и техническую дорожную карту, определять границы сервисов, целевую архитектуру и приоритеты автоматизации. Управлять командой: сформировать и развивать команду инженеров и аналитиков — backend, frontend, системный и data-анализ, QA, DevOps. Ставить задачи, проводить ревью архитектуры и кода, развивать инженерные практики и компетенции. Интегрировать маркетинговый контур в экосистему: обеспечивать согласованную работу CRM, CDP, системы лояльности, платформы маркетинговых коммуникаций, рекламной платформы, DWH/BI и каналов взаимодействия с клиентом. Развивать интеграции с e-commerce, мобильным приложением, сайтом, кассами, цифровыми экранами, MDM/PIM и учётными системами через API и событийный обмен. Обеспечивать надёжность, безопасность и соответствие требованиям: внедрять практики CI/CD, мониторинга, алертинга, управления инцидентами и техническим долгом; обеспечивать защиту персональных данных, управление согласиями и аудит действий с клиентскими данными. Снижать ручной труд и time-to-market: стандартизировать процессы подготовки, согласования, запуска и анализа кампаний, создавать переиспользуемые механики и self-service инструменты для маркетинга без переноса доменной ответственности на ИТ. Вы идеально подходите, если: Есть опыт руководства инженерной командой в роли Tech Lead / Engineering Lead: умеете принимать архитектурные решения, декомпозировать инициативы, проводить ревью, развивать людей и отвечать за результат команды. Имеете 5+ лет опыта разработки сложных интеграционных или высоконагруженных систем. Опыт в MarTech, AdTech или e-commerce будет большим преимуществом. Понимаете маркетинговый технологический контур: CRM, CDP, система лояльности, платформы массовых и триггерных коммуникаций, промо, CMS/DAM, web/app аналитика, рекламные и BI платформы. Обладаете сильной инженерной экспертизой: один из стеков Go, JS или Python; микросервисная и событийная архитектура; Имеете опыт сложных интеграций: синхронные API, Kafka или другие брокеры сообщений, интеграции с корпоративными системами и внешними платформами, управление версиями контрактов и устойчивостью распределённых сценариев. Понимаете клиентские и маркетинговые данные: идентификация и сегментация клиентов, событийная модель, атрибуция, согласия на коммуникации, качество данных и построение витрин. Знакомы с современными практиками DevOps/SRE: GitLab CI или аналоги, Docker, Kubernetes, наблюдаемость, управление SLI/SLO, безопасная эксплуатация и управление инцидентами. Умеете работать на стыке бизнеса, продукта, данных и разработки: задавать уточняющие вопросы, отделять бизнес-правила от технической реализации, договариваться о границах ответственности и объяснять сложные решения понятным языком. Ориентированы на измеримый эффект: связываете технические инициативы с сокращением сроков запуска кампаний, ростом конверсии и удержания, снижением ручных операций и повышением качества клиентского опыта. Мы предлагаем: Возможность удалённой работы или комфортный офис в Алматы. Ключевую роль в цифровой трансформации маркетинга: возможность построить технологический фундамент для персонализированных коммуникаций, программы лояльности, промо и retail media. Высокую степень автономии: влияние на архитектуру, технологический стек, состав команды и инженерные процессы. Масштаб и влияние: решения будут работать во всех клиентских каналах и непосредственно влиять на опыт покупателей и эффективность маркетинговых инвестиций. Сильное кросс-функциональное окружение: взаимодействие с командами маркетинга, e-commerce, магазинов, MDM, данных, информационной безопасности и инфраструктуры. Конкурентный пакет: достойная заработная плата, бонусы за достижение целей и возможности для профессионального развития.
Senior Full-Stack разработчик, TypeScript
О роли Должность подчиняется техническому директору (CTO). Полная занятость, открыта для кандидатов в Канаде. Зарплата: $98,000–$147,000. Мы ищем Senior Full Stack Software Engineer для присоединения к нашей инженерной команде. Вы будете работать во всём нашем стеке, создавая и поддерживая инструменты, на которые ежедневно полагаются независимые издатели. Наша среда охватывает множество языков и фреймворков, поэтому нам нужен человек, которому комфортно переключаться между ними и осваивать новые по мере необходимости. Обязанности - Проектировать, разрабатывать и выпускать функции во всём стеке — от базы данных до интерфейса. - Писать чистый, поддерживаемый и хорошо протестированный код. - Сотрудничать с продуктом, дизайном и другими инженерами для оценки и выполнения работы. - Отлаживать и решать проблемы в наших системах. - Принимать технические решения и помогать формировать архитектуру. - Работать напрямую с CTO над технической стратегией. - Масштабировать и унифицировать наши системы и инфраструктуру для сотен независимых издателей. - Проводить ревью кода и наставлять других инженеров команды. Требования - 5+ лет профессионального опыта full stack разработки. - Экспертиза в TypeScript, одном или нескольких фронтенд-фреймворках и как минимум одном другом языке. - Твёрдое понимание HTML и CSS. - Опыт работы с реляционными базами данных и проектированием API. - Способность и готовность изучать новые языки и фреймворки по мере необходимости: наша среда включает Python, PHP, Ruby, JavaScript, HTML и CSS. - Понимание лучших практик безопасности приложений (безопасное кодирование, CSP, аутентификация/авторизация, распространённые уязвимости, такие как XSS, XSRF и SQL-инъекции). - Отличные коммуникативные навыки и комфорт при работе в удалённой распределённой команде. - Уверенность в написании модульных и интеграционных тестов. - Подтверждённый опыт выпуска и владения производственными системами. - Способность владеть полным жизненным циклом разработки рабочего продукта — от прототипа (который может не иметь дизайна или полного объёма) до полноценной производственной функции. - Уверенное использование AI-инструментов для кодирования: умение применять их для повышения продуктивности, при этом понимая, проверяя и неся ответственность за выпускаемый код. Желательно - Опыт в издательской сфере, медиа или платформах подписок/членства. - Опыт работы с Python, PHP или Ruby. - Опыт DevOps с Heroku, Google Cloud, AWS или Cloudflare. Ценности компании В соответствии с ценностями Indiegraf мы ищем новых членов команды, которые: - Любят учиться и делиться знаниями. Мы верим, что постоянное тестирование, сбор данных и обратная связь ведут к инновациям. Вы готовы учиться и делиться со смирением и стремитесь получать обратную связь для улучшения своей работы. - Привержены равенству и инклюзивности. Миссия Indiegraf — изменить то, кто владеет медиа, чтобы они лучше служили всем. Мы хотим работать с людьми, которые осознают динамику власти во всём, что делают, и способствуют справедливой рабочей среде. - Энергичны от роста. Создание новых продуктов и процессов — ваше дело. Вас вдохновляет большая амбициозная цель. Вы не боитесь перемен, любите рисковать и отвечать за достижение целей. - Всегда ищут способы делать вещи эффективнее. Indiegraf масштабирует сеть независимых новостных изданий, которые могут преуспеть на рынках, где традиционные новостные модели терпят неудачу, потому что они более эффективны. Наша команда одержима воспроизводимостью, масштабируемостью и экономической эффективностью. - Ценят здоровую рабочую культуру. Мы миссионерская компания под руководством женщин, меняющая устоявшуюся динамику новостных медиа. Мы усердно работаем и отдыхаем в большинство выходных и во время отпусков. Вы хотите вносить вклад в отличную культуру, которая заставляет нашу команду любить понедельники. Мы сотрудничаем и стремимся побеждать вместе как команда. О компании Indiegraf Indiegraf — миссионерская технологическая компания, созданная независимыми лидерами локальных медиа и для них. Мы обслуживаем крупные и малые цифровые медиа, газеты, радиостанции и общественные медиа по всей Америке на английском и испанском языках, с особым вниманием к недостаточно обслуживаемым сообществам. Мы частная компания, зарегистрированная в Канаде и США, в большинстве принадлежащая сотрудникам и импакт-инвесторам, которые верят, что будущее локальных новостей — за независимостью. Штаб-квартира находится в Ванкувере, Канада. Мы запустились в мае 2020 года и теперь поддерживаем издателей по всему миру на английском и испанском языках. Наша миссия — защищать независимую журналистику, снижая зависимость от любого отдельного донора, источника дохода, аудиторной платформы или правительства, чтобы локальные медиа могли сами определять своё будущее. Наше видение — мир, в котором каждое сообщество обслуживается устойчивым, суверенным новостным изданием, превращающим локальную гражданскую информацию из хрупкого начинания в процветающий столп демократии.
ML‑инженер в Толк, middle/middle+
ML-инженер в Толк, middle/middle+ Компания: Контур Задачи - Улучшать автоматическое протоколирование встреч: повышать качество генерации, работать с галлюцинациями, настраивать и оптимизировать воркфлоу-решения, выстраивать мониторинг качества и предотвращать деградацию решения. - Запускать новую ИИ-функциональность, поддерживать и улучшать качество существующей функциональности как в NLP, так и на стыке разных доменных областей. - Развивать агентские системы внутри продукта: оптимизировать, улучшать качество, реализовывать новые сценарии. Ожидания - Опыт разработки и поддержки продакшн-решений на основе современных моделей NLP. - Владение Python на продакшн-уровне, PyTorch. - Опыт решения прикладных задач с LLM, практический опыт с SFT, RAG и дистилляцией. - Опыт работы с фреймворками для построения агентных систем: Pydantic AI, LangChain, LangGraph или аналоги. - Опыт работы с инструментами для наблюдения и отладки LLM-приложений: Langfuse, LangSmith или аналоги. - Опыт деплоя моделей, понимание MLOps: Docker, Kubernetes, CI/CD для ML. - Большой плюс — опыт разработки и внедрения моделей в CV- или Speech-доменах.
Senior разработчик ПО, Backend/Инфраструктура
Компания Webflow ищет Senior Software Engineer в команду Convert (Backend/Infra). Это постоянная полная занятость, удалённый формат (Аргентина). Задачи: - Проектировать, разрабатывать и эксплуатировать распределённые бэкенд-системы для пайплайна рекомендаций и движка выполнения AI-воркфлоу, преимущественно на Python и TypeScript/Node.js. - Владеть и укреплять инфраструктуру продуктов, включая AI-платформу на AWS и Kubernetes: повышать надёжность, наблюдаемость и масштабируемость. - Улучшать обработку сбоев: событийность и стриминг, ретраи, backpressure, восстановление. - Устранять единые точки отказа в инфраструктуре, разделять операционную и on-call ответственность. - Проектировать чистые границы сервисов и API, оптимизировать модели данных и запросы MongoDB. - Использовать современные AI-инструменты для повышения эффективности, строить надёжные системы на основе недетерминированных LLM-компонентов. - Работать с продуктовыми инженерами, PM и дизайнерами, повышать стандарты тестируемости, наблюдаемости и поддерживаемости кода. - Наставлять инженеров в области бэкенда и надёжности. Требования: - BA/BS степень или эквивалентный опыт. - Свободный деловой английский (чтение, письмо, речь). - 5+ лет опыта разработки и эксплуатации бэкенд-систем в production, желательно в масштабируемом multi-tenant SaaS. - Глубокие знания распределённых систем: конкурентность, асинхронная и событийно-согласованная обработка, очереди/стриминг, проектирование с учётом сбоев. - Уверенное владение Python и/или TypeScript/Node.js, опыт моделирования данных в MongoDB или аналогичной БД. - Практический опыт с облачной инфраструктурой и DevOps: AWS, контейнеры, Kubernetes, CI/CD, наблюдаемость (метрики, логи, трейсинг). - Ценность тестирования, документации и надёжности, умение объяснять компромиссы. - Комфорт в условиях неопределённости, готовность наставлять менее опытных инженеров. - Открытость к изучению нового, активное использование AI в работе. Будет плюсом: - Опыт с движками воркфлоу/оркестрации (n8n, Temporal, Airflow или аналоги). - Опыт создания или эксплуатации LLM-поддерживаемых или агентных систем в production. - Опыт превращения нестабильного сервиса в стабильно надёжный.