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.
Backend-разработчик/Инженер автоматизации IT-операций (Python, AI/LLM)
Задачи - Разрабатывать MCP-серверы и интеграции с внутренними IT-системами. - Создавать цифровые роли Avatar для обработки заявок, диагностики и подсказок инженерам. - Автоматизировать типовые операции IT Operations. - Подключать источники данных: мониторинг, логи, CMDB, Jira/ITSM, базы, внутренние API. - Делать простые backend-сервисы, скрипты, воркфлоу и API-обвязки. - Работать с RAG, памятью, skill-ами, tool calling, LLM API. - Разбирать реальные кейсы инженеров и превращать их в работающие MVP. - Писать документацию: как работает интеграция, как поддерживать, как диагностировать. Требования - Уверенная backend-разработка или automation engineering. - Python как основной рабочий инструмент; Go / TypeScript — плюс. - Опыт работы с REST API, JSON, SQL, Git, Docker. - Понимание Linux, сетей, логов, мониторинга, базовой эксплуатации. - Умение писать надежные интеграции, а не только прототипы. - Понимание LLM-инструментов: prompts, tools, agents, RAG, function calling. - Готовность работать с внутренними legacy-системами и неполной документацией. - Самостоятельность: сам разобрался, уточнил, сделал, задокументировал. Условия - Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествия, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). - Стабильную заработную плату и социальные гарантии. - Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с командой. Лучшие конференции и мастер-классы за счет компании. - Участие в проектах, которые формируют цифровую трансформацию финансового сектора. - Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами, а также собственный тренажерный зал. - Гибридный формат работы (2 дня офис), возможен удалённый формат. - Корпоративная культура: внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы.
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.
Дата инженер ИИ/AI Data Engineer
Мы строим собственную агентскую платформу корпоративного уровня — enterprise-аналог открытых агентских систем. Ищем инженера, который возьмёт на себя ядро системы и будет развивать его, опираясь на актуальные исследования и production-практику. Эта роль на стыке глубокой инженерии (производительное ядро) и работы с LLM/ML. Стек: ClickHouse, SQL, LLM, ETL Чем предстоит заниматься: Проектирование и развитие корпоративного DWH на ClickHouse: архитектура, модель данных, выбор движков таблиц (семейство MergeTree), партиционирование, шардирование, материализованные представления. Построение и поддержка ETL/ELT-пайплайнов загрузки данных из внешних систем-источников. Разработка системы стандартов на данные (data contracts): единые требования к структуре, форматам, типам и качеству данных, поступающих из источников. Создание и ведение каталога данных / data dictionary с детальным описанием структуры и бизнес-смысла каждого набора данных (метаданные, документация, семантический слой). Контроль качества данных: валидация, тесты на данные, мониторинг. Оптимизация производительности хранения и аналитических запросов. Проектирование и разработка агентского слоя (LLM-агентов) поверх данных DWH, закрывающего произвольные аналитические запросы пользователей (text-to-SQL / диалоговая аналитика). Интеграция LLM, разработка инструментов и функций для агентов, организация семантического слоя для корректной работы агентов с данными. Настройка процессов оценки и улучшения качества ответов агентов (evals). Настройка разграничения прав доступа к данным средствами СУБД: RBAC, row-level и column-level политики в ClickHouse. Документирование архитектуры и принятых решений Наши ожидания: Опыт в data-инжиниринге от ~4 лет, уровень Senior. Глубокий опыт работы с ClickHouse (или сильный опыт с другими OLAP/колоночными СУБД + готовность быстро войти в ClickHouse): движки таблиц, оптимизация. Опыт проектирования DWH с нуля, владение подходами к моделированию данных (Kimball / Data Vault / wide tables и т.п.). Уверенный SQL и навыки оптимизации запросов. Опыт построения ETL/ELT-пайплайнов (Airflow / dbt / аналоги). Python (или другой язык для дата-инжиниринга и интеграции с LLM). Практический опыт с LLM и построением агентов: агентские фреймворки (LangChain / LlamaIndex / аналоги), function/tool calling, RAG, text-to-SQL. Понимание подходов к управлению качеством данных и data governance / data contracts. Опыт настройки разграничения прав доступа в СУБД. Будет большим преимуществом: Опыт с semantic / metrics layer. Опыт LLMOps и оценки качества агентов (evals, мониторинг). Опыт с инструментами каталогизации данных (DataHub / OpenMetadata / Amundsen). Опыт работы с большими объёмами данных и высоконагруженными системами. 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.
Ищем MLOps Engineer (AI / LLM) — удалённо
Ищем MLOps Engineer (AI / LLM) — удалённо Компания Selecty развивает экосистему цифровых сотрудников на базе передовых LLM/VLM-моделей. Создаём AI-агентов, которые автоматизируют бизнес-процессы и повышают эффективность компаний. Формат работы - Формат: Remote (РФ) - Заработная плата: 250–340 тыс. ₽ gross - Занятость: Full-time Задачи - проектировать и развивать CI/CD для деплоя AI-агентов и мультиагентных систем - разворачивать и оптимизировать LLM/VLM (vLLM, Triton Inference Server, SGLang) - обеспечивать масштабирование и стабильность AI-сервисов - внедрять мониторинг инфраструктуры и ML-метрик (качество генерации, дрейф данных, тональность ответов) Требования - опыт вывода LLM-решений в production - Python + asyncio - Kubernetes (Helm, управление кластерами) - GitLab CI / Jenkins - понимание RAG-архитектур, embeddings, reranking - оптимизация инференса: квантизация, continuous batching, PagedAttention Будет плюсом - опыт с графовыми БД - мультиагентные системы Стек Python, FastAPI, LangChain / LlamaIndex / Haystack, Kubernetes, Docker, S3, PostgreSQL, Vector DB Условия - оформление по ТК РФ - ДМС + стоматология - компенсация фитнеса - скидки на английский (Skyeng) - индексация зарплаты - современная техника
Senior ML Engineer — Demand Forecasting & Inventory Optimization
Старший ML-инженер — прогнозирование спроса и оптимизация запасов SMALL — одна из крупнейших розничных сетей продуктовых магазинов в Казахстане. Мы управляем более чем 160 магазинами в 10 городах страны. Мы строим систему автозаказа, которая определяет, сколько товара необходимо заказать в каждый магазин. Ищем сильного ML-инженера, который возьмёт на себя техническое руководство проектом: работу с данными, постановку экспериментов, выбор моделей для продакшен-пайплайна, офлайн- и онлайн-оценку качества, управление автозаказом как продуктом. Чем предстоит заниматься - Формировать roadmap ML-экспериментов и самостоятельно выбирать наиболее перспективные направления. - Исследовать подходы к прогнозированию сезонного, нерегулярного и прерывистого спроса. - Работать с промо, календарными эффектами, новыми SKU, дефицитом истории и спросом, цензурированным спросом и восстановлением lost sales при отсутствии товара. - Проводить ABC/XYZ-анализ. - Развивать rolling-origin backtesting и методологию сравнения моделей без временных утечек. - Оценивать решения не только по forecast-метрикам, но и по бизнес-результатам: out-of-stock, fill rate, оборачиваемости и объёму избыточного запаса. - Улучшать преобразование прогноза в заказ с учётом графика поставок, остатка, lead time и ограничений поставщика. - Развивать продакшен ML-пайплайн: качество данных, воспроизводимость экспериментов, мониторинг моделей и диагностику деградаций. - Взаимодействовать с командами Data Engineering, инфраструктуры и бизнеса, превращая неопределённые задачи в проверяемые гипотезы и работающие решения. - Определять техническую архитектуру ML-части системы и стандарты разработки: от подготовки выборок и экспериментов до деплоя и мониторинга. Что для нас важно - Сильный практический опыт в машинном обучении и опыт эксплуатации моделей в production. - Опыт решения задач прогнозирования временных рядов: корректная временная валидация, сезонность, cold start, sparse или intermittent demand. - Хорошее понимание того, как выбирать метрики и дизайн эксперимента под бизнес-задачу, а не оптимизировать одну офлайн-метрику. - Уверенные Python и SQL. - Умение разбираться в данных, находить смещения и утечки, проверять качество источников. - Способность самостоятельно формулировать план работы, принимать технические решения и доводить изменения до production. - Готовность объяснять результаты и компромиссы как инженерам, так и бизнесу. - Дисциплинированный опыт AI-assisted development: умение ускорять работу с помощью coding agents, не перекладывая на них ответственность за корректность решений, качество кода и безопасность данных. Будет большим плюсом - Опыт в grocery retail, e-commerce, supply chain или inventory replenishment. - Опыт построения глобальных моделей на большом количестве связанных временных рядов. - Понимание retail-специфики: промо, каннибализация, out-of-stock, цензура спроса, ассортиментные изменения, новые магазины и SKU. - Знание основ inventory optimization: safety stock, service level, lead time, order multiple, lost sales. - Опыт проведения онлайн-экспериментов или пилотов, где прогноз влияет на реальные операционные решения. - Опыт с CatBoost, PyTorch, ClickHouse, Kafka, Airflow, SLURM или Kubernetes. Наш текущий контур Масштаб задачи: - несколько миллионов SKU × store комбинаций каждый день - ежедневный и внутридневной расчет - прогнозирование на разные горизонты — от нескольких дней до нескольких недель - несколько лет истории в данных Сейчас в проекте есть: - модель прогнозирования спроса на основе градиентного бустинга - фреймворк для rolling-origin backtesting - интеграции с ClickHouse, Kafka, Airflow, Slurm, Kubernetes - продакшен-пайплайн с платформенным мониторингом и наблюдаемостью То есть задача не «сделать первую модель с нуля». Система уже работает в production в пилотном режиме и используется для формирования заказов на все SKU и магазины. Куда мы хотим прийти: - Повысить доступность товаров, одновременно снижая избыточный запас и списания. - Расширить систему с контура «распределительный центр → магазин» на заказы «поставщик → распределительный центр» и другие supply-chain сценарии. - Корректно учитывать неопределённость спроса и целевой service level, выбирая квантили прогноза с учётом стоимости дефицита и избыточного запаса. - Построить устойчивый процесс экспериментов и внедрения изменений с измеримым бизнес-эффектом. Что мы предлагаем - Реальный end-to-end ownership: возможность влиять на постановку задачи, данные, модели, backtesting, production и бизнес-метрики. - Доступ к вычислительному кластеру из 8 нод, каждая — 128 CPU, 2 TB RAM и 8×NVIDIA H200. Мы не требуем использовать deep learning там, где он не нужен, но инфраструктура позволяет проверять вычислительно сложные подходы без искусственных ограничений. - Возможность удаленной работы или в офисе в Алматы или Астане.
Стажер AI-разработчик
Стажер AI-разработчик О компании и проекте AGIMA — интегратор Digital-решений. С 2006 года реализовано более 700 крупных проектов для таких заказчиков, как X5 Retail Group, МегаФон, АльфаСтрахование, Леруа Мерлен, O’Stin, Спортмастер, М.Видео и других. Принципы работы: - Главный капитал — это люди, компания готова помочь в непростых жизненных ситуациях. - Регламенты должны помогать, а не ограничивать. - Жёсткая субординация не практикуется. - Ценится эффективность сотрудников и их профессиональный рост. В AGIMA действует внутренний R&D, создающий AI-инструменты для команды и продуктов компании. В команду ищут стажёра-вайбкодера. Задачи full-stack: бывают и на бэке, и на фронте, иногда в одном тикете. Точно понадобится: голова, любопытство и привычка доводить дело до прода с помощью AI-агентов. Точно не понадобится: глубокая специализация в одной области. Что предстоит делать - Писать интеграции AI-агентов с корпоративными системами. - Допиливать внутренние сервисы: авторизация, логирование, личные кабинеты, дашборды. - Собирать лендинги и продуктовые страницы из готовых блоков под брендбук. - Делать UI поверх AI-сервисов: дашборды, плагины для мессенджера, обучающие интерфейсы. - Поднимать сервисы в инфраструктуре, привязывать домены, чинить мониторинг. Микс задач подбирается под сильные стороны и интересы кандидата. Слабые стороны прокачиваются под менторами. Требования - Знакомство с LLM-харнесом (Claude Code / Codex / VS Code + Claude Code extension): понимание, что такое контекст, скиллы, sub-agents, MCP. Если эти слова незнакомы — пока рано. - Базовый код: умение прочитать чужой Python / JS / TS-сервис, разобраться и внести изменение. - Linux, Docker, git на уровне «не теряюсь в терминале». - Самостоятельность как принцип: задачи декомпозируются и движутся самостоятельно, ментор — для архитектурных вопросов и ревью, а не для пошагового сопровождения. - Английский на уровне чтения документации. Будет плюсом - Next.js / React / TypeScript, Tailwind, shadcn/ui. - Python / Node.js на уровне «писал свои сервисы». - n8n, DeepResearch, опыт деплоя и работы с CI/CD. - Figma → код, базовое SEO. Если знаете половину — не страшно, вторую половину доберёте по ходу. Что мы предлагаем - Удалённая работа, гибкий график, 25–40 часов в неделю. - Минимальная стажёрская ставка или бесплатная стажировка с возможным продолжением сотрудничества при стабильном результате в течение 2–3 месяцев. - Подписки на ведущие AI-инструменты за счёт компании. - Реальный продакшн с ежедневными пользователями — не учебные песочницы. - Опыт работы в R&D-команде, которая каждый день решает задачи на стыке AI и продукта. - Развитие и обучение: предоставляются возможности для углубленного изучения AI через специализированные курсы. Грейдирование для менеджеров — возможность роста и развития в компании. В сопроводительном письме просьба указать 1. Что вы автоматизировали или собрали с помощью AI-агентов за последние 3 месяца (сервис / сайт / интерфейс / плагин — что угодно). 2. Ссылку на результат: репозиторий / live-сайт / видео-демо. 3. С каким харнесом работаете и почему.
ML Engineer в «Максима Прайдекс
ML Engineer в «Максима Прайдекс» Мы создаем системы управления очередью для крупных клиентов (ПСБ, ФНС, МФЦ). Ищем специалиста для развития ИИ-сервисов, создания пайплайнов обработки данных и умной аналитики. Что предстоит делать - Audio Processing: развитие пайплайна (диаризация спикеров -> распознавание речи -> NLP-модерация). - LLM & RAG: разработка корпоративной RAG-системы (поиск по истории чатов, файлам и регламентам). - Smart Analytics: предиктивная аналитика для банковских терминалов (оптимизация работы операторов). - Production: интеграция ML-моделей и обеспечение их стабильной работы. Что мы ожидаем - Опыт: коммерческая разработка на Python от 1 года. - Backend & Инфраструктура: уверенное использование Docker, создание API на FastAPI, проектирование асинхронной обработки тяжелых ML-запросов. - NLP / LLM: практический опыт построения RAG, векторный поиск и эмбеддинги, LangChain. - Speech-to-Text: работа с распознаванием речи (Vosk, Whisper, GigaAM) и диаризацией. - Data Science: PyTorch, Pandas, NumPy, базовые алгоритмы и метрики ML. - Английский: от B1 (свободное чтение документации). Будет плюсом - Apache Airflow - Celery Мы предлагаем - Аккредитованная ИТ-компания. - Оформление по ТК РФ - Заработная плата 120 000 руб. после вычета налогов, полностью официальная, периодическая индексация. - Офис у м. Стахановская / Гибридный формат после испытательного срока. - Удобный график (базово 9:00–18:00, можно согласовать свой).
ML Engineer в «Максима Прайдекс
ML Engineer в Максима Прайдекс Мы создаем системы управления очередью для крупных клиентов (ПСБ, ФНС, МФЦ). Ищем специалиста для развития ИИ-сервисов, создания пайплайнов обработки данных и умной аналитики. Обязанности - Audio Processing: развитие пайплайна (диаризация спикеров -> распознавание речи -> NLP-модерация) - LLM & RAG: разработка корпоративной RAG-системы (поиск по истории чатов, файлам и регламентам) - Smart Analytics: предиктивная аналитика для банковских терминалов (оптимизация работы операторов) - Production: интеграция ML-моделей и обеспечение их стабильной работы Требования - Опыт: коммерческая разработка на Python от 1 года - Backend & Инфраструктура: уверенное использование Docker, создание API на FastAPI, проектирование асинхронной обработки тяжелых ML-запросов - NLP / LLM: практический опыт построения RAG, векторный поиск и эмбеддинги, LangChain - Speech-to-Text: работа с распознаванием речи (Vosk, Whisper, GigaAM) и диаризацией - Data Science: PyTorch, Pandas, NumPy, базовые алгоритмы и метрики ML - Английский: от B1 (свободное чтение документации) Будет плюсом - Apache Airflow - Celery Условия - Аккредитованная ИТ-компания - Оформление по ТК РФ - Заработная плата 120 000 руб. после вычета налогов, полностью официальная, периодическая индексация - Офис у м. Стахановская / Гибридный формат после испытательного срока - Удобный график (базово 9:00–18:00, можно согласовать свой)
Python / LLM Engineer: RAG и ИИ-агенты
Python / LLM Engineer: RAG и ИИ-агенты О компании ООО «М‑ТЕХ» — динамично развивающаяся ИТ‑компания с большим опытом успешных проектов по внедрению и сопровождению информационных систем для бизнеса и государственных учреждений. Развиваем направление ИИ‑автоматизации, разрабатывая прикладные LLM/RAG‑решения и ИИ‑агентов для процессов малого и среднего бизнеса. Ищем Middle+ / Strong Middle Python‑разработчика с опытом LLM/RAG и интересом к агентным системам, интеграциям и бизнес‑процессам. Обязанности - Проектирование, разработка и внедрение ИИ‑агентов под конкретные бизнес‑задачи - Настройка сценариев работы агента: диалог, вызов инструментов, работа с базой знаний, эскалация человеку, обработка ошибок - Интеграция ИИ‑агентов с внешними и внутренними системами (API, БД, ERP/CRM, мессенджеры и др.) - Проектирование RAG‑пайплайнов: загрузка документов, чанкинг, embeddings, поиск, ранжирование, проверка качества ответов - Тестирование, отладка и поддержка ИИ‑агентов на всех этапах жизненного цикла - Оптимизация качества, скорости ответа и стоимости использования токенов - Анализ требований, участие в архитектурных решениях и выборе технологий Требования - Опыт коммерческой разработки на Python от 2-3 лет - Практический опыт с LLM‑приложениями, RAG, ИИ‑ассистентами от 6 месяцев (для Middle) или от 1–2 лет (для Senior) - Понимание архитектуры агентных систем, включая планирование, память, инструменты, оркестрацию и обработку ошибок - Опыт работы хотя бы с одним из инструментов: LangChain, LangGraph, LlamaIndex, CrewAI, PydanticAI или аналогами - Понимание RAG: чанкинг, embeddings, векторный поиск, reranking, оценка качества retrieval - Навыки интеграции через REST API, WebSocket, опыт работы с базами данных (SQL/NoSQL) - Навыки работы с контейнеризацией (Docker) - Самостоятельность, инициативность, желание учиться и развиваться в сфере ИИ Будет плюсом - Опыт внедрения ИИ‑агентов именно в корпоративных сценариях (SLA, аудит, безопасность, контроль действий, логирование) - Опыт с векторными базами: Qdrant, pgvector, Weaviate, Pinecone или аналогами - Опыт с OpenAI API, Anthropic, локальными/open‑source моделями, Ollama, vLLM или другими LLM‑инструментами - Понимание метрик качества ИИ‑систем: точность ответов, полнота поиска, доля ошибок, стоимость запроса, время ответа - Опыт работы с персональными данными, логированием, аудитом действий и безопасностью - Умение быстро собирать прототипы и доводить их до стабильного пилота Условия и преимущества - Гибкий формат: проектная занятость, частичная занятость или удаленная работа - Возможность совмещать с основной работой на старте - Участие в запуске нового направления ИИ‑автоматизации для бизнеса - Дружная команда экспертов, открытая к новым идеям и технологиям - Современные инструменты и поддержка на всех этапах работы
Python Developer (LLM, Москва)
Python Developer (LLM, Москва) Мы ищем Backend-разработчика на Python, способного внедрять системы на базе LLM и AI-агентов «под ключ»: от постановки задачи и проектирования архитектуры до промышленного внедрения и поддержки. Мы разрабатываем и поддерживаем продукт ERA — систему комплексной диагностики продуктов и услуг. Решение позволяет производить диагностику, анализ и аудит продукта для получения комплексного решения развития, снятия барьеров роста. Цель проекта — построить полностью автономную экспертную систему, где ключевую роль играют смарт-агенты, выполняющие комплексный анализ без участия человека. Технологический стек - Язык программирования: Python 3.12+ - Фреймворки: FastAPI, LangChain / LangGraph, FastStream - Базы данных: PostgreSQL, Redis - Очереди: Kafka, RabbitMQ - Поиск и аналитика: Opensearch, Elasticsearch - CI/CD: Jenkins, Nexus, BitBucket, SonarQube - Инфраструктура: OpenShift (Kubernetes), DropApp, Docker - Управление проектами: Jira, Confluence Требования - Опыт коммерческой разработки на Python от 4 лет - Уверенное знание Python 3.7+ (в проекте используется 3.12+) - Понимание и успешный опыт применения паттернов проектирования (GoF, SOLID, GRASP) - Опыт проведения код-ревью и работы по GitFlow - Опыт разработки агентных систем с помощью langchain, langgraph и успешное внедрение в промышленную среду - Опыт разработки приложений, основанных на микросервисной архитектуре - Уверенное знание SQL и понимание принципов работы реляционных СУБД (PostgreSQL) - Опыт написания unit-тестов - Опыт разработки асинхронных приложений на Python - Понимание жизненного цикла разработки приложений в контексте Agile - Опыт и желание работать в команде, умение аргументировать свои решения и договариваться Обязанности - Разработка co-pilot решения на базе данных RAG и применении LLM - Разработка и интеграция AI-агентов, исследование новых поверхностей взаимодействия с AI - Разработка микросервисов на Python в качестве MCP инструментов - Анализ требований, формализация функционала, проектирование архитектуры взаимодействия агентов и сервисов - Участие в планировании, декомпозиции задач и оценке сложностей, планировании спринтов на основе SCRUM церемоний - Проведение код-ревью, поддержание высокого стандарта качества и чистоты кода - Тесное взаимодействие с командой на всех этапах разработки - Участие в подготовке и выпуске релизов, взаимодействие со смежными подразделениями - Документирование своей работы и менторство джуниор-разработчиков Условия - Возможность участия в интересном проекте - Возможность профессионального и карьерного роста в компании - Опыт работы в команде профессионалов - Уровень заработной платы обсуждается индивидуально - Удаленный формат работы — офисный формат в Москве
Senior AI Engineer/Cпециалист по генеративному искусственному интеллекту(SecOps)
Senior AI Engineer / Специалист по генеративному ИИ (SecOps) О компании BI.ZONE разрабатывает IT-решения для кибербезопасности: от мобильных приложений до сложных платформ на базе машинного обучения и генеративного ИИ. Наши продукты делают жизнь миллионов людей безопаснее. В AI Центре мы занимаемся прикладным применением AI/ML в продуктах BI.ZONE и исследуем передовые технологии. Мы развиваем AI-ассистента Cubi, который помогает специалистам по информационной безопасности работать с большими данными и противостоять киберугрозам. Мы ищем старшего AI-инженера, который займется созданием и развитием AI-агентов для автоматизации процессов в Security Operations. Вас ждут интересные и амбициозные задачи, дружная команда и поддержка на старте. Задачи - Разработка мультиагентной системы в BI.ZONE TDR для автоматизации триажа алертов, расследования и реагирования. - Развитие AI-функционала BI.ZONE Cubi в продуктах EDR, SIEM и SOAR. - Решение NLP-задач в контексте SOC: классификация и приоритизация алертов, суммаризация инцидентов, семантический поиск по логам и базам знаний, кластеризация событий. - Выдвижение гипотез и быстрая проверка через PoC. - Написание поддерживаемого и читаемого кода на Python 3.10+. - Участие во всех этапах жизненного цикла AI/ML: от предобработки данных до деплоя и мониторинга в production. - Обмен экспертизой с коллегами и внешней аудиторией. Требования Профессиональные навыки - Высшее техническое образование. - Опыт разработки на Python от 3 лет. - Понимание процессов SOC: мониторинг, триаж алертов, расследование инцидентов, реагирование. - Знакомство с MITRE ATT&CK, kill chain, типовыми TTPs и IOC. - Опыт создания агентов с использованием современных фреймворков (LangChain, LangGraph, LlamaIndex, Agno/Phidata и др.). - Знание стратегий планирования AI-агентов (ReAct, Plan-and-Execute и т.п.). - Уверенная работа с LLM API (OpenAI, vLLM, Anthropic и др.). - Понимание агентских протоколов (MCP, A2A, AG-UI). - Сильные навыки prompt engineering, включая chain/tool/function calling. - Опыт работы с векторными базами данных (Weaviate, Pinecone, Qdrant, Milvus и др.). - Опыт оценки качества LLM-систем (RAGAS, DeepEval, LLM-as-a-Judge или аналоги). - Владение Linux, Git, Docker; умение упаковывать агента в контейнер. Soft skills - Способность быстро находить рабочий baseline и итеративно его улучшать. - Управление беклогом продукта, умение договариваться о контрактах и ограничениях. - Быстрое освоение новых технологий (разбор фреймворка за дни, а не недели). - Готовность экспериментировать и предлагать нестандартные решения. Будет плюсом - Опыт интеграции с SOC-инструментарием (SIEM, SOAR, EDR) или их API, хотя бы на уровне подключения. - Понимание атак на LLM (Prompt Injection, Jailbreaks) и методов защиты (Guardrails), знакомство с OWASP Top 10 for LLM Applications. - Опыт fine-tuning и дообучения LLM (PEFT: LoRA, DoRA, qLoRA и др.). - Навыки обнаружения и минимизации галлюцинаций и ошибок в ответах LLM. - Опыт работы с self-hosted моделями. Условия работы - Официальное оформление по ТК РФ и все преимущества аккредитованной IT-компании. - Гибкий график: удаленная работа или офис без контроля присутствия. - ДМС со стоматологией с первого месяца работы. - Обучение за счет компании: сертификации, курсы, конференции, митапы, хакатоны, CTF-ы. - Свободная атмосфера: общение на «ты», отсутствие дресс-кода и бюрократии. - Поддержка самореализации и личного бренда. - Скидки на фитнес, покупки, сервисы «Фитмост», «СберПрайм+» и BestBenefits. - Корпоративная жизнь: мероприятия, спортивные старты, мерч и подарки. - Профессиональные сообщества: тематические митапы, клубы по интересам (спорт, игры, книги, аниме).
Инженер AI/LLM (удаленно по РФ)
Инженер AI/LLM (удаленно по РФ) О нас Bell Integrator — крупная ИТ-компания, реализующая проекты для системообразующих финансовых, телеком и ритейл компаний по всей России. О проекте Создание AI-агента для Python BDD-фреймворка в корпоративной банковской среде. Решение будет автоматически преобразовывать функциональные тестовые сценарии в готовые сценарии на Gherkin, используя существующую кодовую базу и механизмы интеллектуального подбора переиспользуемых шагов. Цели проекта: - Ускорить разработку BDD-автотестов. - Снизить стоимость регрессионного тестирования. - Повысить стандартизацию автоматизации тестирования. - Построить внутренний инструмент нового поколения, объединяющий LLM, RAG, ReAct и корпоративную инфраструктуру. Ключевые направления - Генерация feature-файлов на Gherkin на основе функциональных сценариев с помощью AI-агента. - Построение retrieval-контура на базе RAG и PostgreSQL + pgvector для поиска релевантных шагов, шаблонов и переиспользуемых элементов. - Интеграция с существующим Python BDD-фреймворком и библиотекой шагов для максимального переиспользования кодовой базы. - Разработка пользовательской поверхности (IDE plugin) для удобной работы тест-автоматизаторов. - Контроль качества генерации, стандартизация сценариев, снижение пропусков переиспользуемых шагов. - Создание технологической основы для развития AI в тестировании, AIPDLC и spec-driven development. Технологический стек - Python 3 - FastAPI, Streamlit - PostgreSQL, pgvector - Apache Kafka - Docker - Linux - HTTP, REST, GraphQL - LLM, RAG, ReAct, embeddings, vector search Требования - Опыт работы: от 3 лет. - Высшее образование. - Практический опыт построения RAG-систем и работы с векторными хранилищами (желательно PostgreSQL + pgvector). - Опыт разработки ReAct-агентов. - Понимание принципов ООП, SOLID и паттернов проектирования. - Знание многопоточного и асинхронного программирования (GIL, asyncio). - Практические навыки работы с LLM. - Опыт контейнеризации (Docker). - Лидерские качества: умение принимать решения и брать ответственность. Дополнительные (желательные) требования - Понимание BDD, Gherkin, тестовой автоматизации и принципов переиспользования step definitions. - Понимание клиентской веб-разработки. - Опыт разработки IDE-плагинов или инструментов для разработчиков. - Опыт оценки качества AI-решений (accuracy, retrieval quality, traceability). - Понимание spec-driven development и применения AI в SDLC/QA-процессах. Обязанности - Проектировать и согласовывать архитектуру AI-агента, приложений и интеграций. - Разрабатывать backend-компоненты AI-агента, общие библиотеки, интеграционные модули. - Реализовывать решения на основе LLM, ReAct и RAG, включая поиск и подбор релевантных шагов. - Интегрировать систему с внутренними сервисами, репозиториями, базами знаний и корпоративной инфраструктурой. - Формировать требования к CI/CD, мониторингу, логированию, трассировке и контролю качества AI-агента. - Проводить ревью кода, поддерживать стандарты разработки, участвовать в командных коммуникациях. - Взаимодействовать со специалистами по автоматизированному тестированию, QA и разработчиками для уточнения требований и сценариев. - Участвовать в создании пользовательской поверхности (IDE plugin). Условия - Работа в команде профессионалов, поддержка инициатив. - Доступ к новым технологиям, включая AI. - Профессиональный и карьерный рост. - Возможность участвовать в разных проектах. - Опыт работы в распределенной команде. - Заработная плата обсуждается индивидуально. - Оформление в соответствии с ТК РФ в Bell Integrator. - Формат работы: удаленно по РФ.
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)
Backend-разработчик (Python)
Backend-разработчик (Python) О проекте team4you.org ищет backend-разработчика с сильной экспертизой в Python для участия в создании AI/LLM-сервисов крупного российского банка (ТОП-5). Проект включает разработку чат-ботов, поисковых решений, агентных сервисов и прикладных AI-инструментов. Задачи - Разрабатывать backend-сервисы для AI-платформы банка: чат-боты, поисковые решения, агентные сервисы и прикладные AI-инструменты. - Проектировать и развивать микросервисную архитектуру на FastAPI. - Интегрировать сервисы с LLM-платформой, базами данных, брокерами сообщений и внутренними системами банка. - Создавать высоконагруженные API и сервисы реального времени. - Участвовать в проектировании архитектуры платформы и развитии общих платформенных компонентов. Требования - Коммерческий опыт разработки на Python от 3 лет. - Уверенное знание Python, asyncio, многопоточности и принципов разработки production-сервисов. - Опыт коммерческой разработки на FastAPI. - Опыт проектирования микросервисной архитектуры и интеграционных решений. - Практический опыт работы с PostgreSQL, Redis и брокерами сообщений (Kafka, NATS или аналогами). - Опыт работы с REST API, gRPC и асинхронными протоколами взаимодействия. - Понимание принципов тестирования, мониторинга и сопровождения backend-сервисов. Будет плюсом - Опыт разработки AI/LLM-приложений, чат-сервисов или поисковых систем. - Опыт работы с LangChain, LangGraph, LlamaIndex или аналогичными фреймворками. - Понимание принципов построения RAG-систем. - Опыт работы с Docker, Kubernetes и CI/CD. - Опыт проектирования высоконагруженных систем.
Senior ML Engineer - LLM Training & Serving
Старший ML-инженер — обучение и обслуживание LLM О компании Unimatch Lab — ИИ-венчурная студия из Кремниевой долины. Мы создаём портфель ИИ-продуктов и развиваем собственный ML-стек: локальные кластеры для LLM, обучение и обслуживание моделей на своей инфраструктуре. Мы ищем старшего ML-инженера, который возьмёт на себя полный внутренний цикл: от данных до продакшена. Никакой работы только с промптами или сторонними API — все персональные и чувствительные данные остаются на наших серверах. Задачи - Файн-тюнинг LLM и VLM моделей (LoRA, QLoRA, дистилляция) с получением готовых к промышленной эксплуатации весов. - Оценка качества как обязательный этап релиза: метрики на уровне отдельных полей, отложенные выборки, проверки на утечку данных между обучением и тестом. - Управление полным циклом работы с данными: разметка с помощью учителя, версионирование датасетов, контроль качества синтетических данных. - Запуск и поддержка собственного инференса под нагрузкой: vLLM, пакетная обработка запросов, квантизация, генерация структурированных JSON-ответов. - Документирование ML-процессов от начала до конца, чтобы цикл не зависел от одного конкретного инженера. Требования - Опыт от 5 лет в запуске ML-систем в продакшен, включая работу с высоконагруженным ИИ. - Вы сами обучаете модели (веса), а не ограничиваетесь промпт-инжинирингом или интеграцией RAG. - Опыт развёртывания собственных LLM в продакшен (vLLM или аналоги). - Реализованные проекты полного цикла: данные → файн-тюнинг → оценка → реальный продакшен-трафик. - Уверенное владение Python, Docker/Kubernetes, CI/CD. Понимание принципов работы с конфиденциальными данными на собственной инфраструктуре. Условия работы - Формат: удалённо. - Локация: Европа (EU, Великобритания, Исландия, Норвегия, Швейцария и др.), Латам. - Уровень: старший (Senior). - Компенсация: от $5,000 в месяц (базовая ставка).
Senior VLA Pre-training Engineer
Старший инженер по предобучению VLA О проекте Мы создаём интеллектуальное ядро для нового поколения промышленных гуманоидных роботов. Наш продукт — не исследовательский прототип, а реальные машины, которые уже работают на производствах, складах и в логистических центрах. Сегодня у нас 30 000 предзаказов по всему миру, подписанные контракты с крупным европейским производителем и успешные пилотные внедрения с лидерами в автомобильной и индустриальной автоматизации. VLA-команда отвечает за ключевой интеллект робота: восприятие окружающей среды, понимание инструкций, обучение новым навыкам и автономное выполнение манипуляций. Задачи Вы возьмёте на себя полный цикл разработки фундаментальных моделей для поведения роботов: - Предобучение и файнтюнинг VLA-моделей на масштабных мультимодальных наборах данных; - Создание и поддержка пайплайнов данных: сбор, фильтрация и генерация синтетических данных; - Проектирование инфраструктуры распределённого обучения; - Перенос из симуляции в реальный мир: валидация политик в симуляторе перед развёртыванием на физическом роботе; - Плотное взаимодействие с инженерами по симуляции, дата-сайентистами и командами встроенных систем; - Поставка моделей, которые напрямую управляют реальными роботами в промышленной эксплуатации. Требования - 5+ лет разработки систем глубокого обучения (индустрия или исследования) с доведёнными до продакшена моделями или опубликованными научными работами; - Практический опыт с LLM, VLM или VLA-моделями: архитектура, обучение, файнтюнинг; - Уверенное владение масштабным распределённым обучением: PyTorch DDP, конвейеры данных, чекпоинтинг; - Опыт работы с робототехническими симуляторами (MuJoCo, Isaac Sim, Gazebo) или реальными роботизированными системами; - Отличное знание Python и PyTorch/JAX, способность отлаживать численные расчёты и писать промышленный код; - Инициативность, самостоятельность и навыки чёткой коммуникации. Будет плюсом: - Опыт в робототехнике, практика переноса из симуляции в реальный мир, знание OpenVLA или аналогичных VLA-фреймворков. Условия - Компенсация: £150 000 – £230 000 брутто в год, в зависимости от опыта; - Лондон, 100% работа в офисе (ежедневный доступ к роботам, лабораториям и прототипам); - Релокационная поддержка: до £8 000 плюс спонсорство визы Skilled Worker; - Бенефиты: частное медицинское страхование, пенсионные отчисления (8%), 23 дня оплачиваемого отпуска, опционы компании.
Principal Applied AI Researcher 💫
Principal Applied AI Researcher О проекте Есть задачи, которые невозможно решить улучшением существующего — их приходится придумывать с нуля. Наш клиент создаёт новый тип поиска: не для людей, а для AI-агентов. Агент не кликает по ссылкам и не выбирает из списка результатов. Он должен понимать информацию, проверять её, использовать для reasoning и принимать решения. Это требует переосмыслить саму архитектуру поиска: что считать хорошим ответом, как измерять качество системы и как построить retrieval для мира AI-агентов. Именно этим и займётся Principal Applied AI Researcher. Задачи - Проектирование AI-native retrieval, reasoning и систем оценки качества - Создание систем, где агенты ищут, верифицируют и используют информацию из веба в реальном времени - Разработка eval-методологий и новых метрик качества - Принятие ключевых технических и продуктовых решений в направлении agent-native search - Превращение исследовательских идей в production-системы - Работа бок о бок с командами search, ML и infrastructure Требования - 8+ лет опыта в Applied AI, ML или Software Engineering - Опыт вывода ML/AI-систем в production - Обязательный опыт проектирования и развития систем в одной из областей: recommendation, personalization, ranking, search, ads, marketplaces или feed systems - Python обязателен; знание Go, C++, Rust или Java будет преимуществом - Свободный английский Условия - Формат: полная занятость, работа за пределами РФ и РБ - Локация: офисы в Амстердаме или Лондоне, рассматривается удалённая работа в ЕС - Помощь с релокацией - Вилка: €120 000 – €200 000 в год (готова к обсуждению)
Опытного DevOps-инженера для развертывания и сопровождения LLM-инференс платформ, а также развития…
DevOps-инженер (LLM / AI платформа) Компания: KODE Формат: удалённо (только из городов РФ) или гибрид в Калининграде Зарплата: 170 000–230 000 ₽ gross Занятость: полный день Задачи - Разворачивать и сопровождать LLM-платформы (vLLM, SGLang, Ollama). - Развивать AI-платформу в Kubernetes, управлять GPU-ресурсами. - Настраивать LiteLLM (AI Gateway), маршрутизацию запросов, квоты и политики доступа. - Оптимизировать производительность инференса (batching, KV Cache, semantic cache). - Настраивать мониторинг и observability (Prometheus, Grafana, OpenTelemetry, Langfuse, SigNoz). - Автоматизировать CI/CD и GitOps-процессы. - Поддерживать RAG/Agentic AI, векторные базы и сервисы памяти. - Обеспечивать стабильность и высокую доступность AI-инфраструктуры. Требования - Опыт DevOps от 4 лет. - Production-опыт с Kubernetes, Docker, Helm, GitOps. - Опыт работы с LLM inference (vLLM, SGLang, Ollama, TGI). - Понимание LLM, KV Cache, batching, streaming, квантования и RAG. - Опыт работы с NVIDIA GPU/CUDA. - Linux, Python, CI/CD, Prometheus, Grafana, OpenTelemetry. - Redis, PostgreSQL, API Gateway. Будет плюсом - LiteLLM, KEDA, Qdrant, Milvus.
Ищем Senior AI Engineer (ML/DS)
Компания Raft Digital Solutions Название позиции Senior AI Engineer (ML/DS) Формат работы - Удалённо - Full-time (40 часов в неделю) - Оформление: B2B (ИП) Стек технологий OpenAI, GigaChat, MCP, Python, PostgreSQL, Langfuse, LangChain, CI/CD, Docker, Kubernetes Обязанности - Разрабатывать AI-ассистентов с текстовыми и голосовыми интерфейсами - Анализировать качество генеративных моделей и улучшать их работу - Исследовать современные AI-подходы, best practices и open-source решения - Деплоить сервисы в Kubernetes и настраивать мониторинг - Проводить Code Review и участвовать в развитии архитектуры Требования - 5+ лет коммерческого опыта в Python / Data Science - Понимание архитектуры AI-агентов (orchestration, memory, tools) - Опыт разработки AI/LLM-приложений: RAG, AI Agents, векторные БД, Tool/Function Calling, Workflows - Опыт с LangChain, LlamaIndex, Haystack или аналогами - Опыт вывода сервисов в production Предлагаем - Полностью удалённую работу - Гибкий график - Современные AI-проекты и сложные технические задачи - Команду сильных специалистов и профессиональный рост
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.