Направление
Вакансии DevOps-инженеров
Инфраструктура, облака, CI/CD, SRE и AI-платформы.
Поиск
Подбор вакансий
ML-инженер
Мы — Далее, и мы занимаемся разработкой и поддержкой сложных digital-решений для крупных клиентов: от веб-сайтов до приложений, от Сбербанка до Nestle. Мы — один из крупнейших независимых продакшнов в России, работаем с 2005 года, сейчас в штате более 550 человек. Мы занимаем 1-е место в рейтинге Adindex Digital Index в сегменте web-production, входим в топ-20 Tagline. Сейчас мы ищем ML-инженера в команду, которая реализует AI-решения для различных проектов компании. Предстоит разрабатывать и внедрять ML-модели, участвуя во всем жизненном цикле продукта. Обязанности: Поддерживать текущие алгоритмические решения. Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы. Разрабатывать методологию и проектировать NLP/LLM решения. Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта. Интегрировать LLM API (OpenAI, Claude) с fallback-механизмами. Проводить исследования, тестировать новые идеи, оценивать жизнеспособность и качество моделей, реализовывать R&D-подходы на реальных бизнес-данных. Разрабатывать RAG-пайплайн для поиска и обработки данных (POI, отзывы, описания). Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование. Заниматься prompt engineering — создавать и тестировать промты для различных сценариев. Вести рабочую документацию и создавать отчеты о результатах работы. Мониторить ключевые показатели эффективности процессов, анализировать отклонения и их воздействие на общие показатели. Участвовать в проектировании архитектуры, CI/CD, мониторинге и оптимизации сервисов. Требования: Высшее образование в области математики, информатики или смежных дисциплин. Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других). Навыки создания ML-пайплайнов и backend-сервисов. Уверенное владение Python и PyTorch/TensorFlow, понимание принципов работы алгоритмов (GBDT, CNN, Transformers). Практический опыт работы с API, Docker/Kubernetes и базами данных. Понимание процессов Fine-tuning LLM и оценки качества моделей. Опыт внедрения RAG. Умение писать unit-тесты. Будет плюсом: Позитивный опыт внедрения RAG агентов в существующие бизнес-процессы. Реализованные проекты с существенной пользовательской нагрузкой. Понимание инфраструктуры для ML-сервисов (GPU, CPU). Мы предлагаем: Полностью белую заработную плату. Ориентируемся на ваши пожелания, опыт и навыки. Оформление по ТК РФ, оплачиваемый отпуск и больничный с первого рабочего дня. Работу в компании с аккредитацией в Минцифры. Расширенный пакет ДМС со стоматологией. 8-часовой рабочий день, удаленный формат работы. Спорт – корпоративный волейбол, беговой клуб и киберспортивные турниры). Яркую корпоративную жизнь – более 400 мероприятий в год (2 корпоратива с оплатой трансфера, разговорный клуб английского, совместные походы в музей, квизы, книжный и киноклуб, мем-чат и многое другое). Обучение и участие в профессиональных конференциях.
AI application security engineer, middle+/senior
Контур — экосистема для бизнеса. Наши сервисы помогают каждой третьей компании России делать рабочие процессы проще и эффективнее: вести бухгалтерию, сдавать отчетность в госорганы, обмениваться документами без бумаги, общаться друг с другом на удаленке и многое другое. С нами жизнь 3,1 миллионов предпринимателей и их сотрудников становится легче. О команде Мы — команда безопасности ИИ в Центре киберзащиты Контура. Ищем специалиста по кибербезопасности, который поможет внедрять и сопровождать решения на базе AI — от продуктовых сервисов и RAG-систем до внутренних AI-инструментов разработки. В Контуре активно развивается использование AI-ассистентов и агентов. Наша задача — сделать так, чтобы эти инструменты были безопасными, а разработчик получал защищенный результат, соответствующий ИБ-политикам, без необходимости погружаться во все тонкости ИБ. Задачи Проводить анализ защищенности (преимущественно Whitebox) LLM-приложений, AI-агентов, RAG, векторных БД, Low-Code/No-Code-систем (Dify, n8n) и интеграций с внешними API / облачными моделями. Выявлять специфичные для AI векторы атак: prompt injection, indirect prompt injection, jailbreak, data poisoning, excessive agency, unsafe tool calls и over-privileged agents. Настраивать и валидировать защитные механизмы: фильтры PII / конфиденциальных данных, ограничения контекста, rate limiting, контроль вызова tools и ручные подтверждения для критичных операций. Укреплять внутренний AI/ML-тулинг совместно с платформенными командами. Строить систему правил, скиллов и хуков, чтобы встраивать политики ИБ непосредственно в среду разработки: skills, rules, hooks, MCP-серверы. Проверять безопасность локального запуска LLM и агентов в Kubernetes и Linux-песочницах: изоляция сессий, памяти, контейнеров, RBAC, NetworkPolicy, Secrets Management. Формировать требования к аудиту и трассировке AI-систем: trace ID, логирование prompt/response, фиксация вызовов моделей и действий агентов. Консультировать команды, помогать внедрять безопасный код и выстраивать понятные процессы. Мы ожидаем Опыт в сфере ИБ от двух лет в одном или нескольких направлениях: AppSec, DevSecOps, Cloud/K8s Security, Product Security или ML Security. Уверенное владение одним из языков программирования: Python, Go, C, TS, Rust. Умение читать чужой код, искать уязвимости и писать PoC. Знание AI/LLM-стека: понимание устройства языковых моделей, RAG, векторных БД (Milvus, Qdrant, pgvector и др.), AI-агентов, agent memory, tool calling, а также стандарта взаимодействия MCP. Знание AI-угроз: понимание рисков OWASP for LLM, MITRE ATLAS (prompt injection, раскрытие system prompt, утечки данных, необдуманное выполнение кода агентами). Знание основ Linux и базовое понимание безопасности Kubernetes: RBAC, ServiceAccount, NetworkPolicy, Secrets, изоляция контейнеров. Знание классических веб-уязвимостей, механизмов аутентификации и авторизации OAuth2, OIDC, JWT, RBAC и безопасной разработки — Secure SDLC, Threat Modeling. Умение аргументированно объяснять риски, находить компромиссы с разработкой. Мы предлагаем Гибридный формат работы в Екатеринбурге. Офис на ул. Малопрудной, 5. Предоставим все необходимое: технику, рабочее место, библиотеку с профессиональной литературой, место для отдыха и кухонную зону с фруктами и снеками. Уровень дохода, который зависит от ваших технических знаний и навыков. Регулярно пересматриваем зарплаты с учетом профессионального роста. Финансовые бонусы тоже есть. Сильное инженерное комьюнити. Регулярно проводим внутренние технические конференции, обмениваемся опытом между командами. Вы всегда найдете с кем посоветоваться. Возможность сменить продукт, команду или предметную область внутри компании. Поддерживаем развитие в любом направлении. Общение на «ты» и максимум горизонтальных связей в коллективе, чтобы быстрее договариваться и решать рабочие задачи. Возможность делиться экспертизой. Помогаем выступать на конференциях, участвовать в подкастах или видео, писать статьи. Поддержку профессионального развития. Организуем внутреннее и внешнее обучение.
Инженер по созданию агентов ИИ/AI Agent Engineer
Мы строим собственную агентскую платформу корпоративного уровня Avatar— enterprise-аналог открытых агентских систем.Ищем сильного AI Agentic Engineer уровня Senior / Expert. Это инженерная роль на стыке agent engineering, backend и platform/infra-подхода. Вам не нужно быть архитектором всей агентской платформы, но нужно уметь проектировать устройство конкретных агентов и агентских сценариев внутри Avatar. Стек: LLM, MCP, RAG, Python, Rust, TypeScript Чем предстоит заниматься: Проектировать внутреннюю логику агентов и агентских сценариев в Avatar. Определять, где нужен agent, где tool, где sub-agent, а где deterministic-код. Строить agent loop: планирование, вызов инструментов, обработка ошибок, память, эскалации, ограничения действий. Проектировать multi-agent сценарии: роутинг задач, специализация агентов, контроль состояния. Разрабатывать MCP/tool-интеграции и подключать агентов к внутренним системам. Настраивать eval-харнессы, regression-эвалы и контроль качества агентов. Работать с observability: traces, tool calls, latency, retries, failure modes, cost tracking. Проектировать работу с контекстом: что инжектится на каждом turn, как работает память, как не раздувать историю. Участвовать в развитии self-hosted / sovereign agent stack: локальные модели, model-agnostic слой, OpenClaw-подобные рантаймы, SGLang/Ollama/vLLM/LiteLLM. Помогать продуктовым и инженерным командам правильно применять агентский подход. Наши ожидания: Реальный опыт разработки AI-агентов или agentic-систем. Понимание LLM, tool calling, function calling, RAG, memory, context management. Опыт с агентскими фреймворками или SDK: OpenAI Agents SDK, LangGraph, AutoGen, CrewAI, Semantic Kernel, OpenClaw-подобные рантаймы или аналогичные решения. Умение проектировать логику работы агента, а не только писать промпты. Сильный backend-опыт на Python или TypeScript. Опыт интеграций с API, MCP, внутренними системами, очередями, БД. Понимание Docker, Linux, Kubernetes, сетей, логов и эксплуатации. Опыт построения evals: наборы кейсов, regression-тесты, метрики качества, разбор деградаций. Понимание безопасности агентов: prompt injection, ограничение action space, sandboxing, права, audit trail. Умение считать performance/cost: latency, токены, retries, кэширование, параллелизация, выбор модели. Особенно ценно: Агент или агентский сценарий, который реально работал в production. Опыт self-hosted AI-инфраструктуры. Опыт OpenClaw / Claude Code-подобных / Claw-подобных runtime-подходов. Опыт MCP-серверов и skill-based architecture. Опыт построения reusable-подходов для других команд, а не только одного агента под одну задачу. Наличие постмортемов, дашбордов, eval-отчетов, метрик стоимости и качества. Сильное мнение о том, когда агента использовать не надо. Мы предлагаем: Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествий, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). Стабильную заработную плату и социальные гарантии, которые дают уверенность в настоящем и открывают перспективы в будущее. Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с дружной командой. Лучшие конференции и мастер-классы за счет компании. Участие в проектах, которые формируют цифровую трансформацию финансового сектора. Гибридный формат работы (2 дня офис). Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами с ароматным кофе, а также собственный тренажерный зал. Богатую корпоративную культуру: классные внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы и участвовать в креативных проектах.
AI-разработчик / MLOps
О нас Проект управляющей компании «Джетлин». Мы создаём и сопровождаем AI-решения, которые работают в микросервисной среде. Задачи - Разработка AI-агентов на Python с использованием внешних API. - Упаковка кода в минимальные и безопасные Docker-образы. - Написание Helm-чартов для развёртывания образов в Kubernetes. - Реагирование на блокировки образов SCA-сканером: поиск обновлений или патчей для уязвимых библиотек, пересборка и передеплой. - Мониторинг продакшен-подов через ArgoCD, анализ логов при падениях, исправление ошибок в коде, промптах или API. - Полная ответственность за доставку и поддержку AI-агентов: от идеи до эксплуатации. - Примерный баланс: 30% разработка, 70% внедрение и эксплуатация (Deployment & Ops). Требования - Уверенный промышленный опыт разработки на Python. - Глубокое понимание менеджеров зависимостей и виртуальных окружений (virtualenv, poetry, pip) — 70% проблем деплоя связаны именно с ними. - Навыки контейнеризации (Docker) и оркестрации (Kubernetes), позволяющие самостоятельно собирать образы, проходить security-проверки и запускать сервисы в кластере без помощи сисадминов. - Опыт написания Helm-чартов и понимание CI/CD (ArgoCD будет плюсом). - Желателен опыт в AI/ML-разработке: интеграция моделей, работа с промптами, понимание жизненного цикла AI-агента. - Автономность, проактивность и умение быстро расследовать инциденты. Условия - Полная удалёнка на территории РФ. - Оформление по ТК или ИП. - Занятость на проекте управляющей компании.
AI engineer (ML/DS)
AI-инженер (ML/DS) О нас Мы — команда Raft Digital Solutions. Мы разрабатываем решения на базе AI, внесли вклад в развитие фреймворка LangChain, создали собственный продукт для анализа голосовой связи с помощью GPT и провели исследования в области безопасности LLM. Работаем на рынках РФ и за рубежом. Сейчас мы ищем Senior AI-инженера с опытом в ML/DS в команду разработки AI-агентов для пользователей. Стек технологий - OpenAI, GigaChat, MCP - Python, PostgreSQL - LangChain, Langfuse - CI/CD, Docker, Kubernetes Задачи - Разрабатывать ассистентов с текстовыми и голосовыми интерфейсами - Анализировать качество генеративных моделей и искать способы его улучшения - Следить за лучшими практиками и open-source решениями в области AI - Деплоить сервисы в Kubernetes, настраивать мониторинг - Проводить Code Review существующих решений, предлагать идеи по оптимизации и развитию Требования - Коммерческий опыт разработки на Python / data science от 5 лет - Понимание архитектуры AI-агентов: оркестрация, memory, tools - Коммерческий опыт разработки AI/LLM-приложений (RAG, AI agents, векторные БД, tool calling, function calling, workflows) - Опыт работы с фреймворками для LLM-пайплайнов: LangChain, LlamaIndex, Haystack или аналогичными - Опыт деплоя сервисов в продакшен Условия - Удалённый формат работы - Гибкий график, полная занятость (40 часов в неделю) - Задачи на стыке бизнеса и современных AI-технологий - Дружная команда экспертов, обмен знаниями, технический рост - Оформление по договору B2B (с ИП)
Ищем MLOps инженера (Team Lead) на банковский проект
вакансия MLOps TeamLead Kubernetes DevOps ML удаленка 🚀 Ищем MLOps инженера (Team Lead) на банковский проект. 💰 Доход: • 430 000–466 700 ₽ gross (ТК РФ) • 500 000–527 300 ₽ gross (ИП) 📍 Формат: удалённо 🕒 Занятость: full-time Что предстоит делать: • Управлять командой MLOps-инженеров. • Конфигурировать и разворачивать инфраструктурные компоненты. • Разрабатывать и адаптировать ML-пайплайны (AutoML, LLM, Computer Vision и др.). • Создавать и развивать инструменты для единого ML-контура. • Масштабировать платформу и инструменты управления жизненным циклом ML-моделей. Требования: • Опыт в DevOps и MLOps. • Опыт администрирования Kubernetes от 2 лет. • Уверенные знания Python. • Опыт работы с JupyterHub/Coder, Airflow, Argo Workflows, MLflow, Seldon Core. • Hadoop (Spark, HDFS), Docker, OpenShift/Kubernetes, Jenkins, Kafka, Redis, PostgreSQL. • Самостоятельность, инициативность и опыт управления командой. Мы предлагаем: ✅ Оформление по ТК РФ или ИП в аккредитованную IT-компанию. ✅ ДМС со стоматологией. ✅ Корпоративные скидки (Skyeng, Xfit, КАРО). ✅ Современную технику для работы.