Вакансии Kubernetes
Все вакансии с Kubernetes: можно найти работу, где этот инструмент указан в стеке или в задачах. Смотрите живые роли по инструменту и узкие пересечения с профессиями ниже.
Фильтр вакансий
Senior DevOps-инженер, платформенная инфраструктура
Luxury Presence — AI-платформа роста для сферы недвижимости. Компания серии C с годовой выручкой $100 млн, поддерживается Bessemer Venture Partners. Более 90 000 специалистов по недвижимости, включая более 30% топ-100 агентов WSJ Real Trends в США, используют платформу. Ищем Senior DevOps-инженера для создания AI-нативной self-service инфраструктурной платформы, на которой компания поставляет программное обеспечение. Платформа позволяет каждому разработчику, человеку или агенту, проверять изменения за минуты, быстро понимать причины сбоев и уверенно выпускать релизы. Вы присоединитесь к небольшой команде инфраструктуры с высокой отдачей, задача которой — умножить возможности каждого инженера и агента через автоматизацию, self-service и встроенные защитные механизмы. Цель — платформа, где self-service является нормой, а ручное вмешательство — исключением. Задачи: - Строить и эксплуатировать self-service инфраструктурную платформу, делая правильное действие простым, а безопасное — стандартным. - Создавать golden paths для инженеров и агентов: в рамках технического направления, заданного Staff-инженерами, строить и эксплуатировать слои, на которые они опираются (единый CI/CD-конвейер, GitOps-доставка на ArgoCD, каталог IaC-модулей, шаблоны для новых сервисов), владея конкретными компонентами от начала до конца. Цель — чтобы инженеры и агенты могли предоставлять инфраструктуру и выпускать изменения в рамках guardrails без ручного написания Terraform/Kustomize и ожидания тикетов. - Сделать агентов полноценными разработчиками: обобщить паттерн изоляции агентов в переиспользуемые примитивы платформы — sandboxed runtime, workload identity, audit trails, approval gates. Каждое действие агента должно работать на тех же рельсах идентичности, аудита, владения, распределения затрат и согласования, что и действия человека. - Строить и эксплуатировать платформу валидации и quality gates: предоставлять рельсы для проверки изменений перед продакшеном — эфемерные PR-окружения с автоудалением, а также gates безопасности, производительности и нагрузочного тестирования. Внедрять новые gates по мере роста покрытия, поддерживать их скорость и низкий уровень ложных срабатываний, переводить сервисы на эти gates. Делать результаты gates и тестов машиночитаемыми и вызываемыми вне PR-процесса, чтобы агенты и люди могли напрямую реагировать на сбои. - Отвечать за надежность и наблюдаемость создаваемого: создавать дашборды и операционные контроли, делающие поверхности, за которые вы отвечаете, наблюдаемыми и улучшаемыми по мере роста пропускной способности: pass rates gates, тренды approval-rate и self-service ratio, типичные сценарии отказов, распределение затрат, метрики DORA. Нести on-call для этих поверхностей, вести инциденты от обнаружения до разбора, превращая повторяющуюся рутину в автоматизацию и runbooks, которые используют другие инженеры. Требования: - Опыт уровня Senior в SRE, DevOps или Platform Engineering: построение и эксплуатация продакшен-инфраструктуры в масштабе, владение значимым направлением работы от начала до конца с ограниченным контролем. - Активное и осознанное использование AI-инструментов разработки (Claude Code, Codex и т.п.) в собственном инфраструктурном процессе: изменения Terraform, отладка Kubernetes, автоматизация, операционные расследования. Наличие собственной позиции о том, где эти инструменты полезны, а где нет. - Глубокий опыт с Kubernetes (EKS) и AWS (IAM, VPC, ECR, SSM/Secrets Manager, S3, SQS, Lambda, RDS/Aurora). - Сильный опыт с IaC (Terraform) и GitOps, включая PR-управляемые apply-процессы (Atlantis или аналоги) и ArgoCD. - Глубокие знания CI/CD (GitHub Actions): кэширование/параллелизм, управление артефактами, надежность тестов, наблюдаемость конвейеров. - Полный опыт владения инцидентами: on-call для созданных систем, ведение инцидентов от обнаружения до разбора. - Отличные кросс-командные коммуникации: умение переводить ограничения платформы в удобные для разработчиков решения и документацию. Будет плюсом: - Опыт с identity, access и policy-as-code: workload/service identity (SPIFFE/SPIRE, OIDC), короткоживущие credentials, управление секретами (Vault), enforcement политик. - Опыт построения self-service платформ для разработчиков, эфемерных окружений, CLI, инструментов шаблонизации или внутренних порталов разработчика (Backstage или кастомные). Отношение к инфраструктуре как к продукту. - Осознанность в затратах: построение распределения затрат, бюджетов или rightsizing в платформе. Технологический стек: - Инфраструктура: AWS, EKS, Terraform (с Atlantis), Vault, Docker, OPA (Open Policy Agent). - CI/CD: GitHub Actions, ArgoCD + Kustomize (GitOps). - Обмен сообщениями: Kafka (Confluent Cloud). - Наблюдаемость: Datadog, OpenTelemetry. - Языки и приложения: Node.js/TypeScript микросервисы, Python, React фронтенды.
Младший вайбкодер, GenAI-прототипирование
О вакансии - Компания: COVET IT INC - Роль: Vibe Coding Engineer / GenAI Prototyping Developer - Локация: Лос-Анджелес, Калифорния (удалённо) - Тип занятости: долгосрочный контракт - Уровень: начальный, 0–2 года опыта Задачи - Использовать AI-ассистентов кодирования: Cursor, Claude Code, GitHub Copilot, ChatGPT и аналогичные инструменты. - Быстро превращать идеи в функциональные прототипы, AI-приложения, внутренние инструменты и proof-of-concept. - Работать с LLM, AI-агентами, RAG, MCP-серверами, API, современными full-stack фреймворками и паттернами AI-оркестрации. - Сотрудничать с командами product, UX и engineering. Требования - 0–2 года опыта в разработке ПО, включая выпускников с сильным академическим, проектным, стажёрским или личным опытом программирования. - Уверенные основы программирования на Python, JavaScript/TypeScript, Node.js или Golang. - Базовый практический опыт с React, Next.js, REST API, Git и GitHub. - Знакомство с AI-ассистентами: Cursor, Claude Code, GitHub Copilot, ChatGPT, Windsurf или Replit AI. - Понимание основ генеративного ИИ, LLM, промт-инжиниринга, AI-агентов и RAG. - Базовое понимание MCP (Model Context Protocol) и того, как AI-агенты взаимодействуют с инструментами, API и внешними системами. - Опыт создания AI/LLM-приложений, чат-ботов, рабочих процессов или proof-of-concept в академических, стажёрских, личных или open-source проектах. - Понимание API, JSON, веб-сервисов и базовой архитектуры приложений. - Знакомство с Git-процессами и инженерными практиками. - Сильные аналитические навыки и способность быстро осваивать новые технологии. - Любознательность и готовность экспериментировать с новыми AI-инструментами, фреймворками и технологиями повышения продуктивности разработчика. - Практический подход и умение быстро собирать работающие прототипы с помощью AI-инструментов. Желательно - Опыт с LangChain, LangGraph, CrewAI, AutoGen или аналогичными AI-фреймворками. - Знакомство с векторными базами данных, эмбеддингами и семантическим поиском. - Базовый опыт с Docker, Kubernetes, AWS, Azure или GCP. - Опыт интеграции AI-приложений с корпоративными системами, базами данных или сторонними API. - Личные проекты, вклад в GitHub, хакатоны или академические проекты с GenAI или AI-агентами. - Продуктовое мышление и способность быстро превращать идею в работающее демо или прототип. - Комфорт в среде с быстрыми экспериментами, неопределённостью и постоянным обучением.
Инженер платформы, Kubernetes и bare metal
Grafana Labs — компания, стоящая за открытой облачной платформой наблюдаемости. Grafana Cloud — полностью управляемая платформа наблюдаемости, построенная для масштабирования. Более 35 миллионов пользователей и 7000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce, доверяют Grafana Labs обеспечение надёжности своих приложений и систем. Компания полностью удалённая, 1600+ сотрудников в 40+ странах. Позиция удалённая. Рассматриваются кандидаты только из Великобритании, Испании и Ирландии. О платформе: Grafana Cloud обрабатывает миллионы метрик, логов и трейсов в секунду из окружений клиентов, обеспечивая высокую доступность и низкую задержку. Внутренняя инженерная платформа (IEP), создаваемая группой Foundations, предоставляет инженерам приложений инструменты, системы и Kubernetes-кластеры для сборки, развёртывания и запуска их нагрузок. Новая команда «Metal» будет отвечать за создание и предоставление ресурсов — хранилищ, сетей и Kubernetes-кластеров — в новых окружениях, начиная с собственного физического оборудования. Команда предоставит Kubernetes control plane и базовые ресурсы вне публичного облака остальной части инженерного отдела. Задачи: - Управление физическим окружением «Metal» от bare metal до Kubernetes. - Управление компонентами кластерной сети: балансировка нагрузки, NAT, DNS, CNI, межкластерная связь, протоколы маршрутизации, архитектура. - Управление планированием и автоматическим масштабированием. - Поддержка Crossplane-композиций и Terraform-модулей для общих ресурсов CSP, а также управление версионированием и совместимостью Crossplane и Terraform core и провайдеров. - Работа с пользователями (командами приложений Grafana Cloud) для понимания их потребностей и инвестирования в нужные возможности. Требования: - Опыт работы с распределёнными системами. - Опыт эксплуатации собственного кода. - Опыт работы с дата-центрами. - Участие в дежурствах (on-call rotation). - Основной стек: Go, Python, Shell. - Готовность работать в удалённой компании, коммуникабельность, умение работать по консенсусу и следовать командным решениям. - Целостный подход к разработке: от написания дизайн-документов до интеграционного тестирования. Бонусы: - Опыт работы с Cluster-API, Tinkerbell, Talos и/или Ceph. - Опыт участия в open source или других сообществах. - Опыт работы с несколькими облачными провайдерами (AWS, GCP, Azure; управляемые Kubernetes-сервисы EKS, GKE, AKS). - Опыт эксплуатации и управления нагрузками на Kubernetes.
Инженер-программист платформы Metal
О компании Grafana Labs — компания, стоящая за открытой облачной платформой наблюдаемости. Grafana Cloud — полностью управляемая платформа наблюдаемости, гибкая и рассчитанная на масштабирование. Более 35 миллионов пользователей и 7 000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce, используют Grafana Labs для обеспечения надёжности приложений и систем, быстрого разрешения инцидентов и оптимизации телеметрии. Компания полностью удалённая: 1 600+ сотрудников в 40+ странах. Инвесторы: Lightspeed Venture Partners, Sequoia Capital, GIC, Coatue, J.P. Morgan, CapitalG и Lead Edge Capital. О платформе Grafana Cloud обрабатывает миллионы метрик, логов и трейсов в секунду из окружений клиентов, используя высокодоступный стек с низкой задержкой, который обрабатывает и хранит данные, а также отдаёт их в дашборды и инструменты оповещения. Планируется рост до сотен миллионов в секунду, поэтому важно улучшать производительность, надёжность и эффективность. Внутренняя инженерная платформа (IEP), создаваемая группой Foundations, предоставляет инженерам приложений инструменты, системы и Kubernetes-кластеры для сборки, развёртывания и запуска нагрузок. Открывается новая команда Foundations "Metal", которая будет отвечать за создание и предоставление ресурсов, включая хранилища, сети и Kubernetes-кластеры в новых окружениях, начиная с собственного физического оборудования. Команда будет предоставлять контрольную плоскость Kubernetes и базовые ресурсы вне публичного облака для остальной части инженерного отдела. Задачи - Управление физической средой "Metal" от bare metal до Kubernetes. - Управление компонентами кластерной сети: балансировка нагрузки, NAT, DNS, CNI, связь между кластерами, протоколы маршрутизации, архитектура. - Управление планированием (scheduling) и автоматическим масштабированием. - Поддержка Crossplane-композиций и Terraform-модулей для ресурсов облачных провайдеров, общих для пользователей. Также управление версионированием и совместимостью Crossplane и Terraform (ядро и провайдеры). - Работа с пользователями (командами приложений Grafana Cloud) для понимания их потребностей и инвестирования в нужные возможности. Требования - Готовность работать с инженерами и с управленческими структурами, которые поддерживают команду. - Комфортная работа в remote-first компании; важна коммуникация. Работа строится на сотрудничестве, дружелюбии и уважении. Решения принимаются консенсусом: вы можете участвовать в обсуждении, но затем присоединяетесь к командному решению. - Интерес к распределённым системам (компания высокораспределённая). - Желание учиться и развиваться. - Целостный подход к разработке: команда владеет полным жизненным циклом кода — от написания дизайн-документов до анализа обратной связи от разработчиков и интеграционного тестирования. - Опыт работы с Go, Python и Shell (основной стек платформенной команды). - Опыт эксплуатации своего кода. - Опыт работы в дата-центрах. - Участие в дежурствах (on-call rotation). Будет плюсом - Опыт работы с Cluster-API, Tinkerbell, Talos и/или Ceph. - Опыт участия в open source или других проектах на основе сообщества. - Опыт работы с несколькими облачными провайдерами (CSP). Grafana Cloud работает на AWS, GCP и Azure с использованием управляемых Kubernetes-сервисов EKS, GKE, AKS. - Опыт эксплуатации и управления нагрузками на Kubernetes. Условия - Удалённая работа. - Рассматриваются кандидаты из Великобритании, Испании и Ирландии.
Senior Backend-инженер, высоконагруженные системы
О компании GitLab — платформа оркестрации DevSecOps, которая помогает повышать продуктивность разработчиков, улучшать операционную эффективность и снижать риски безопасности и соответствия требованиям. Более 50 млн зарегистрированных пользователей и более 50% компаний из Fortune 100 используют GitLab. В команде принято использовать ИИ как инструмент повышения продуктивности: ожидается, что сотрудники интегрируют ИИ в ежедневные рабочие процессы. О роли Senior Backend-инженер проектирует, реализует и развивает возможности продукта, решает сложные backend-задачи и влияет на техническое и продуктовое направление команд. Работа ведётся на стыке product, frontend, infrastructure, data и security. Инженер принимает архитектурные решения, ясно излагает сложные идеи в асинхронной среде и помогает задавать стандарты для глобального продукта. Условия - Высокая значимость: работа не ограничивается выпуском фич — вы формируете архитектуру глобальной платформы, которой пользуются миллионы. - Техническая самостоятельность: влияние на цели команды, техническое направление и долгосрочные задачи. - Инновационная культура: возможность экспериментировать с агентным ИИ в production-инженерных процессах — не только промпт-инжиниринг, но и создание отказоустойчивых ИИ-систем. - Автономия: remote-first, асинхронная организация, где важны ясная письменная коммуникация и самоорганизация. - Коллаборация: тесная работа с продакт-менеджерами и дизайнерами при формировании требований. Задачи - Проектировать и выпускать backend-функциональность средней и высокой сложности с минимальным руководством, выбирая между модульным монолитом, общими компонентами и отдельными сервисами. - Повышать качество, безопасность, доступность и производительность продукта; задавать стандарты backend-кода, стиля, поддерживаемости, тестирования, API и операционной готовности. - Наставлять младших и средних инженеров, снимать технические блокеры, улучшать практики команды через код-ревью и дизайн-ревью. - Диагностировать и предотвращать проблемы производительности и надёжности в масштабе; участвовать в инцидент-реагировании и выступать техническим владельцем. - Использовать ИИ в производственной инженерной работе для улучшения результатов, оценивать его эффективность и обучать других ответственному применению. Требования - Глубокое понимание backend-архитектуры, API, систем данных и настройки производительности в сложном продуктовом окружении. - Владение современными backend-языками и понимание системного программирования; важнее способность учиться и адаптироваться, чем знание одного языка. - Опыт проектирования и развития модульных backend-границ, ограниченных контекстов и архитектуры, безопасной для миграций. - Умение влиять через техническую экспертизу и ясную письменную коммуникацию, связывать потребности продукта и технические реалии. - Подтверждённый опыт создания и эксплуатации агентных систем в production: не только промпт-инжиниринг, но и архитектура циклов, использование инструментов и стратегии обработки ошибок для надёжности в масштабе. Желательно - Опыт с высоконагруженными распределёнными системами, конкурентностью или профилированием. - Практический опыт с контейнеризированными production-операциями, например Kubernetes. - Глубокие знания производительности баз данных, например PostgreSQL, ClickHouse, эволюция схем, партиционирование. - Опыт работы с крупномасштабными модульными монолитами или событийно-ориентированными системами.
Staff DevOps инженера
Staff DevOps инженер Мы строим AI-платформу для mental health в США: лицензированные врачи + собственные AI-инструменты, которые забирают рутину (charting, follow-ups, планы лечения), чтобы врачи занимались пациентами, а не бумагами. Ищем Staff DevOps инженера, который сам решает, куда двигать инфраструктуру. Что на тебе - Vision и квартальный роадмап инфры, проактивно, с трейд-оффами и метриками - AWS + Kubernetes (EKS): Karpenter, Kyverno, zero-downtime - IaC end-to-end: Terraform, AWS CDK (TS) + GitLab CI (self-managed) - Observability, которой реально пользуются: Prometheus, Grafana, OpenTelemetry - Blue-green деплои, health-gated rollback, zero-downtime миграции PostgreSQL - Security в HIPAA-среде: секреты, Vault as code - Agentic AI (Claude Code и подобные) как часть ежедневной работы, а не «на посмотреть» Стек AWS · EKS · Terraform · AWS CDK (TS) · GitLab CI · Prometheus / Grafana / OTel · Vault · PostgreSQL · Node.js / TS Условия - Remote - Долгосрочный контракт, B2B - Русский свободно, английский от B1 - $6.000-7.500 gross/monthly - Медстраховка после испытательного, компенсация спорта и wellness, 19 дней отпуска + 4 wellness-дня, English на Preply
Сильного инженера для развития ML-инфраструктуры и платформы хостинга моделей
Сильный инженер для развития ML-инфраструктуры и платформы хостинга моделей Центр ИИ — Контур ищет сильного инженера для развития ML-инфраструктуры и платформы хостинга моделей. Стек: Python, FastAPI, Celery, Docker, Kubernetes, Helm, Ansible, GitLab CI/CD, Prometheus, Grafana, OpenTelemetry, Sentry, PostgreSQL, MongoDB, Redis. Чем предстоит заниматься - Развивать инфраструктуру для запуска и хостинга ML-моделей. - Внедрять inference-движки и проводить R&D новых решений. - Развивать ClearML, Milvus, инструменты разметки данных и распределённых вычислений. - Создавать внутренние сервисы для управления кластерами и ресурсами. Ожидания - Уверенный опыт с Docker и Kubernetes. - Ansible, CI/CD, IaC, SRE. - Prometheus, Grafana, ELK. - Python на прикладном уровне. - Опыт проектирования инфраструктурных решений. - Готовность работать в условиях высокой неопределённости. Будет плюсом - ML lifecycle, MLOps, vector DB, ML-библиотеки, GPU-серверы и диагностика GPU. Условия - Формат: удалёнка / гибрид / офис. - Доход: обсуждается индивидуально + бонусы.
Senior ML-инженер, production ML и LLM
Работодатель: FUSTIS LLC. Формат: удалённо. Длительность: от 6 месяцев. Тип занятости: W2. Требования - Степень бакалавра в области компьютерных наук, науки о данных, инженерии, математики, статистики или смежной области. - Более 8 лет опыта разработки ML-решений в production-среде. - Уверенное владение Python и лучшими практиками разработки ПО. - Опыт работы с ML-фреймворками: TensorFlow, PyTorch, Scikit-learn, XGBoost. - Глубокое понимание методов обучения с учителем и без учителя. - Опыт создания и сопровождения пайплайнов данных. - Знание SQL и технологий обработки больших объёмов данных. - Опыт работы с облачными платформами: AWS, Azure или Google Cloud Platform. - Знакомство с инструментами контейнеризации и оркестрации: Docker, Kubernetes. - Опыт работы с системами контроля версий и CI/CD. - Развитые аналитические, коммуникационные навыки и навыки решения проблем. Предпочтительно - Степень магистра или PhD в соответствующей технической области. - Опыт работы с большими языковыми моделями (LLM), генеративным ИИ или RAG. - Знание MLOps-инструментов: MLflow, Kubeflow, SageMaker или Vertex AI. - Опыт работы с распределёнными вычислительными платформами, например Spark. - Знакомство с векторными базами данных и технологиями эмбеддингов. - Опыт создания AI-приложений в production-среде. - Знание ответственного ИИ, управления моделями и методов объяснимости. Технические навыки - Программирование: Python, SQL; Java, Scala или C++ (предпочтительно). - Машинное обучение и ИИ: глубокое обучение, NLP, компьютерное зрение, предиктивное моделирование, генеративный ИИ, тонкая настройка LLM. - Облако и инфраструктура: AWS, Azure или GCP, Docker, Kubernetes, REST API, CI/CD. - Технологии данных: Spark, Databricks, Airflow, feature stores, хранилища данных. Критерии успеха - Точность моделей и улучшение производительности. - Надёжность и масштабируемость развёртывания. - Снижение задержки моделей и затрат на инфраструктуру. - Бизнес-эффект от AI-инициатив. - Качество и поддерживаемость production ML-систем. - Операционная эффективность за счёт мониторинга и автоматизации.
Старший технический специалист, агентные среды
Cohere — ведущая enterprise AI-компания, ориентированная на безопасность. Компания разрабатывает фундаментальные модели ИИ и готовые продукты для решения бизнес-задач. В рамках этой роли требуется старший инженер с глубокими техническими знаниями в production-средах, способный соединять исследовательские концепции с реальными внедрениями. Позиция hands-on и ориентирована на инженерию: работа с production-системами, эксперименты с frontier-моделями, совместная разработка масштабируемых решений. Инженерия и исследования объединены: каждый сотрудник вносит вклад в оба направления в зависимости от потребностей организации. Предоставляется доступ к вычислительным ресурсам мирового класса, данным и талантам. Обязанности - Проектировать и писать высокопроизводительный масштабируемый код для обучения моделей. - Разрабатывать новые инструменты для ускорения исследований и обучения LLM. - Координировать работу с другими инженерными командами (Infrastructure, Efficiency, Serving) и научными командами (Agent, Multimodal, Multilingual и др.). - Исследовать, внедрять и экспериментировать с идеями на кластерной и data-инфраструктуре. - Взаимодействовать с другими учёными, инженерами и командами. Требования - Очень сильные навыки разработки ПО. - Приверженность test-driven development, чистому коду и снижению технического долга. - Владение Python и соответствующими ML-фреймворками: JAX, PyTorch и/или XLA/MLIR. - Опыт использования и отладки крупномасштабных стратегий распределённого обучения (профилирование памяти и скорости). - Опыт работы с инфраструктурами распределённого обучения (Kubernetes) и связанными фреймворками (Ray). - Опыт академических исследований в области ML и LLM. Личные качества - Глубокая увлечённость качественной работой. - Интерес к настройке и оптимизации больших LLM-моделей. - Комфортная работа с людьми разного уровня навыков разработки. - Умение разбираться в сложных ML-кодовых базах, находить и устранять проблемы. - Успешная работа в быстро меняющейся технической среде, готовность предлагать инновационные идеи и решения. Условия и преимущества - Еженедельная стипендия на обед: $75/£75 или эквивалент в местной валюте. - Полное медицинское и стоматологическое страхование, отдельный бюджет на ментальное здоровье. - RRSP matching, 401K, пенсионная схема. - 100% оплата отпуска по уходу за ребёнком до 6 месяцев для любого из родителей. - Ежегодные бонусы: культура и искусство, фитнес/здоровье, качественное время, кредит на улучшение рабочего места. - Стипендия на образование и обучение: конференции, курсы, коучинг. - 6 недель оплачиваемого отпуска (30 рабочих дней). - Бюджет на поездки в другие офисы для удалённых сотрудников, ежегодный корпоративный выезд. Формат работы - Remote-friendly, офисы в Торонто, Лондоне, Нью-Йорке, Сан-Франциско, Монреале, Париже, Берлине и Сеуле. - Для работы в офисе: ежедневная программа обедов, закуски, регулярные мероприятия. - Для удалённой работы: стипендия на коворкинг. - Все сотрудники получают $500 на обустройство домашнего офиса.
Full Stack-разработчик, .NET и AI
О компании Sogeti, входящая в группу Capgemini, помогает организациям внедрять инновации через качественную разработку, облачные и прикладные решения, а также ИИ, данные и автоматизацию. Компания основана в 2007 году, штаб-квартира в Осло, Норвегия, численность сотрудников — более 10 000. Обязанности - Проектировать, разрабатывать, тестировать и поддерживать масштабируемые веб-приложения с использованием .NET, C, ASP.NET Core и современных JavaScript-фреймворков. - Создавать и использовать RESTful API, микросервисы и облачные решения. - Использовать ИИ-ассистентов для разработки (GitHub Copilot, Microsoft Copilot или аналоги) для повышения продуктивности и качества кода. - Применять практики SDLC с поддержкой ИИ: анализ требований, генерация кода, тестирование, документация и автоматизация DevOps. - Взаимодействовать с владельцами продуктов, бизнес-аналитиками, архитекторами и UX-дизайнерами для уточнения требований. - Участвовать в модернизации приложений, интеграции и миграции в облако. - Вносить вклад в CI/CD-конвейеры, автоматизированное тестирование, ревью кода и управление релизами. - Поддерживать Agile-команды: планирование спринтов, оценка и уточнение бэклога. Требования - 5–7 лет практического опыта в Full Stack-разработке. - Уверенное владение C, .NET Core/.NET 8+, ASP.NET MVC, Web API и Entity Framework. - Опыт с React, Angular или другими современными фронтенд-фреймворками. - Опыт с SQL Server и моделированием данных. - Знакомство с Azure-сервисами, облачной разработкой и DevOps-практиками. - Рабочее знание ИИ-ассистированных инструментов разработки и современных инженерных практик. - Опыт с Git, CI/CD, автоматизированным тестированием и Agile-методологиями. - Развитые навыки решения проблем, коммуникации и работы в команде. - Опыт разработки ИИ-приложений с использованием Azure AI Services, OpenAI или Microsoft Copilot. - Знание архитектуры решений, доменного моделирования и паттернов корпоративной интеграции. - Опыт с контейнеризацией и оркестрацией: Docker, Kubernetes. - Сертификаты Microsoft Azure или .NET. Условия - Удалённая работа, открыта для кандидатов в США. - Возможна дополнительная компенсация: переменная часть, бонусы или комиссионные. - Для штатных сотрудников: оплачиваемый отпуск, медицинская/стоматологическая/оптическая страховка, 401(k) и другие льготы.
Senior AI/LLM-инженер, генеративный ИИ
О компании и проекте Компания: NTT DATA North America. Требуется Senior AI/LLM-инженер для проектирования, разработки и внедрения корпоративных решений генеративного ИИ на основе больших языковых моделей. Кандидат должен обладать опытом разработки на Python, RAG, AI-оркестрации и облачных архитектур. Роль предполагает работу с владельцами продуктов, архитекторами решений, инженерами данных и бизнес-заинтересованными сторонами для создания масштабируемых, безопасных и готовых к продакшену AI-приложений на базе OpenAI и других ведущих фундаментальных моделей. Локация: удалённо, необходимо поддерживать часовой пояс EST. Задачи - Проектировать, разрабатывать и внедрять корпоративные генеративные AI-приложения с использованием современных LLM-технологий. - Создавать продакшен-бэкенд-сервисы на Python с применением современных практик разработки ПО. - Разрабатывать масштабируемые AI-архитектуры с использованием OpenAI, Anthropic Claude, Gemini, Llama или аналогичных фундаментальных моделей. - Проектировать и внедрять RAG-пайплайны с использованием векторных баз данных и семантического поиска. - Разрабатывать мультиагентные AI-системы для оркестрации сложных бизнес-процессов. - Проектировать архитектуры AI-решений, отвечающие требованиям масштабируемости, безопасности и поддерживаемости. - Интегрировать AI-возможности в существующие корпоративные приложения, API и бизнес-процессы. - Разрабатывать и использовать REST API, микросервисы и событийно-ориентированные сервисы для AI-приложений. - Внедрять фреймворки оркестрации, такие как LangChain и связанные агентные фреймворки. - Оптимизировать промпты для повышения точности, качества рассуждений и бизнес-результатов. - Оценивать производительность LLM и внедрять методы улучшения качества ответов. - Устанавливать практики AI-управления, оценки моделей и ответственного ИИ. - Мониторить производительность AI-приложений и оптимизировать задержку, стоимость и качество. - Создавать облачные AI-решения с использованием Azure или AWS AI-сервисов. - Внедрять Azure AI Search и векторный поиск. - Проектировать безопасные корпоративные AI-приложения в соответствии со стандартами облачной безопасности и управления. - Взаимодействовать с DevOps-командами для развертывания AI-решений через CI/CD-пайплайны. - Взаимодействовать с бизнес-заинтересованными сторонами для понимания AI-кейсов и их трансформации в масштабируемые технические решения. - Представлять архитектурные решения и AI-стратегии технической и нетехнической аудитории. - Наставлять младших инженеров и развивать лучшие практики AI-инжиниринга. Требования - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, программной инженерии или смежной области. - 6+ лет опыта в разработке ПО или машинном обучении. - Минимум 3 года практического опыта создания решений в области ИИ и генеративного ИИ. - 3–5 лет сильного практического опыта разработки продакшен-приложений на Python. - 1–3 года опыта создания приложений с использованием OpenAI (предпочтительно), Anthropic Claude, Gemini, Llama или аналогичных LLM-платформ. - 3+ года опыта внедрения RAG-архитектур. - 1–3 года опыта интеграции векторных баз данных и решений семантического поиска. - 1–3 года уверенного понимания LangChain и фреймворков AI-оркестрации. - Опыт проектирования мультиагентных AI-архитектур. - Глубокие знания промпт-инжиниринга, оценки моделей, AI-управления и принципов ответственного ИИ. - Опыт создания REST API, микросервисов и событийно-ориентированных архитектур. - Опыт работы с облачными платформами Azure или AWS. - Понимание масштабируемой корпоративной архитектуры приложений. - Отличные аналитические навыки, навыки решения проблем и коммуникации. Необходимые технические навыки - Python - JavaScript - Генеративный ИИ - Большие языковые модели (LLM) - OpenAI (предпочтительно) - Retrieval-Augmented Generation (RAG) - Мультиагентная AI-оркестрация - LangChain - Langfuse - Архитектура AI-решений - Azure AI Search - Векторные базы данных - Промпт-инжиниринг - REST API - Микросервисы - Событийно-ориентированная архитектура - Облачные сервисы Azure или AWS Предпочтительно - Опыт работы с LangGraph, AutoGen, CrewAI, Semantic Kernel или аналогичными агентными фреймворками. - Опыт работы с векторными базами данных, такими как Pinecone, Weaviate, ChromaDB, Qdrant.
Senior AI-инженер, разработка ИИ-приложений
Zartis — глобальный партнер по AI-трансформации и технологическому консалтингу. Команда работает над проектами в области AI-платформ, безопасных API-архитектур и cloud-native разработки. Инженерные хабы расположены в EMEA и LATAM, компания имеет долгосрочные партнерства в финансовых услугах, здравоохранении, науках о жизни, энергетике и климате. Проект относится к логистической отрасли: поддержка лидера цепочки поставок, который предоставляет экспертный консалтинг, специализированное ПО и управляемые сервисы для оптимизации сквозных логистических операций. Роль предполагает работу в распределенной команде. Задачи: - Проектирование, разработка и развертывание AI-приложений на Python. - Интеграция моделей машинного обучения, AI-API и интеллектуальных алгоритмов в масштабируемые бэкенд-системы. - Совместная работа с дата-сайентистами, продакт-менеджерами и инженерами для разработки AI-функций. - Участие в архитектуре ПО, системном дизайне и технических решениях для AI-продуктов. - Разработка и поддержка CI/CD пайплайнов и контейнерных сред с использованием Docker. - Развертывание и управление AI-приложениями на облачных платформах: AWS, Azure или Google Cloud Platform. - Оптимизация AI-решений по масштабируемости, производительности, надежности и поддерживаемости. - Отслеживание последних достижений в области AI и машинного обучения, оценка возможностей их внедрения. Требования: - Степень бакалавра в Computer Science, программной инженерии или смежной области. - 5+ лет профессионального опыта разработки ПО с фокусом на интеграцию AI/ML-решений в продакшн-приложения. - Сильные навыки программирования на Python (предпочтительно) или Java. - Практический опыт с фреймворками машинного обучения: TensorFlow, PyTorch, scikit-learn или Hugging Face Transformers. - Понимание концепций машинного обучения, data engineering, ETL-процессов и развертывания моделей. - Опыт работы с SQL и крупномасштабными наборами данных. - Знакомство с контейнеризацией (Docker), CI/CD практиками и облачными платформами (AWS, Azure или GCP). - Опыт создания или потребления RESTful API и интеграции AI-сервисов в корпоративные приложения. - Опыт работы с LLM, векторными базами данных, промт-инжинирингом или AI-агентами. - Развитые аналитические и проблемно-ориентированные навыки. - Отличные коммуникационные навыки и умение работать в команде. - Проактивность, адаптивность, самостоятельность. - Способность работать независимо и в кросс-функциональных командах. - Мотивация вносить вклад в успех организации и соответствие её культуре и ценностям. Будет плюсом: - Опыт с современными фронтенд-фреймворками: React, Angular или Vue.js. - Знание MLOps-инструментов и практик. - Знакомство с Kubernetes, infrastructure as code или микросервисной архитектурой. Условия: - 100% удаленная работа. - Ежемесячная надбавка на удаленную работу. - Программа карьерного развития с 360-градусной обратной связью. - Обучение: выделенное время в течение недели, онлайн-курсы (Pluralsight, Educative.io), уроки английского, книги, конференции и мероприятия. - Программа менторства.
Senior ML-инженер, NLP и RAG
Senior Machine Learning Engineer в компании Unifonic, занимающейся SaaS-решениями для бизнес-коммуникаций. Команда из 500 сотрудников обслуживает более 5000 компаний. Задачи: - Проектирование, разработка и внедрение масштабируемых ML-решений с акцентом на NLP и RAG-архитектуры. - Построение RAG-систем, сочетающих большие языковые модели с механизмами поиска для повышения точности и интерпретируемости контента. - Применение NLP-техник: классификация текста, распознавание сущностей, анализ тональности, суммаризация, ответы на вопросы, извлечение информации. - Исследование и интеграция современных NLP-моделей и RAG-фреймворков (Transformers, BERT, GPT, векторные базы данных, семантический поиск). - Наставничество младших коллег, обмен знаниями и лучшими практиками ML и разработки ПО. - Взаимодействие с кросс-функциональными командами для интеграции ML-решений в продукты компании. - Разработка и оптимизация ML-алгоритмов, создание сервисных API с использованием Flask, FastAPI или аналогичных фреймворков. - Отслеживание актуальных исследований и трендов в области ИИ, включая генеративный ИИ. - Сбор и анализ больших наборов данных совместно с командой data engineering в реальном времени, около-реальном времени или пакетном режиме. - Реализация прототипов и proof-of-concept для новых AI-кейсов. - Построение масштабируемых ML-сервисов, выдерживающих тысячи запросов в секунду, и проведение нагрузочных тестов для соблюдения SLA. - Ревью кода коллег, улучшение архитектуры в соответствии с принципами SOLID. - Участие в документации проектов и демонстрациях. Требования: - Опыт проектирования и внедрения RAG-систем, знание стратегий поиска (BM25, плотный поиск, гибридные подходы) и интеграции графов знаний. - Практический опыт с фреймворками оркестрации LLM: LangChain, LangGraph, CrewAI или аналогичными для создания автономных агентов. - Глубокие знания NLP-техник и моделей: Transformer-архитектуры (BERT, GPT, T5, LLama, Mistral), большие языковые модели и их тонкая настройка, векторные эмбеддинги и поиск по сходству, классификация текста, NER, анализ тональности, суммаризация, ответы на вопросы. - Опыт работы ML-инженером от 3 до 5 лет. - Опыт работы с Python от 3 лет. - Аналитические способности для сбора, организации и анализа больших наборов данных. - Полный цикл обучения, оценки, тестирования и развертывания ML-продуктов в продакшене. - Написание качественного кода на Python (SOLID), знание структур данных, алгоритмов и моделирования данных. - Опыт работы с ML-фреймворками: NumPy, Pandas, Scikit-Learn, PyTorch, Keras, BERT, TensorFlow и аналогичными. - Знакомство с практиками MLOps.
Python разработчика на проект по созданию высоконагруженной системы автоматического управления пополнением…
Python разработчик на проект по созданию высоконагруженной системы автоматического управления пополнением товарных запасов Компания: ООО Napoleon IT Мы — IT-компания, в которой искусственный интеллект объединяется с человеческим. Более 250 сотрудников, 3 офиса в России, 3 направления развития: заказная разработка, outstaffing, собственные продукты. Помимо существующих продуктов и решений на основе AI, мы развиваем разработку с использованием технологий LLM и Generative AI. Мы строим мультиагентные системы и платформенные решения для брендов, ритейла и маркетплейсов. Мы ищем Python разработчика на проект по созданию высоконагруженной системы автоматического управления пополнением товарных запасов. Проект реализуется на микросервисной архитектуре и направлен на создание решения, которое рассчитывает рекомендации по формированию заказов поставщикам с учетом параметров логистики, складских остатков, спроса и других бизнес-ограничений. Вы будете работать в команде аналитиков, архитекторов и разработчиков, участвуя в проектировании, проработке требований и создании интегрированного решения для управления цепочками поставок. Задачи - Разработка и поддержка высоконагруженных микросервисов; - Интеграция с Kafka для обработки потоков данных; - Проектирование Event Sourcing и CQRS паттернов; - Разработка API для межсервисного взаимодействия; - Настройка мониторинга и алертинга сервисов; - Code review. Требования - Опыт работы с Python от 5 лет; - Django / FastAPI — опыт разработки REST API; - Микросервисная архитектура — опыт проектирования и поддержки; - Apache Kafka — продакшн опыт работы с producers / consumers; - PostgreSQL — проектирование схем, оптимизация запросов; - ETL процессы — Extract, Transform, Load данных; - Docker / Kubernetes — контейнеризация и оркестрация; - Базы данных: PostgreSQL, ClickHouse; - Event-driven архитектура — паттерны работы с событиями; - API Gateway — опыт интеграции через шлюзы; - Мониторинг: Prometheus, Grafana или аналоги; - Git, CI / CD — DevOps практики. Будет плюсом - Знание gRPC для межсервисного взаимодействия; - Опыт с ELK Stack (Elasticsearch, Logstash, Kibana); - Redis Cluster для высокодоступного кэширования; - Знание Domain-Driven Design (DDD); - Опыт performance tuning Python приложений. Как проходит отбор Первый этап — короткое интервью на ИИ-платформе BRaiN HR. В интервью будут вопросы, которые задает рекрутер и руководитель при первичном собеседовании. Можно пройти интервью в любое время, не нужно ждать звонка рекрутера, интервью занимает до 30 минут. Ответы увидит не только рекрутер, но и нанимающий руководитель. Заработная плата: уровень дохода не указан.
Senior AI-инженер
AI-инженер отвечает за проектирование, разработку, развертывание и поддержку решений в области искусственного интеллекта и машинного обучения, которые обеспечивают интеллектуальную автоматизацию, прогнозную аналитику и продвинутую аналитику на уровне предприятия. Роль предполагает практическую разработку: применение принципов программной инженерии для написания production-кода, создание масштабируемых AI-систем, включая AI-агентов и пайплайны данных, и интеграцию моделей ИИ в новые и существующие бизнес-приложения. AI-инженер тесно сотрудничает с дата-сайентистами, дата-инженерами, ML Ops-инженерами и платформенными командами для перевода моделей машинного обучения из прототипа в продакшн. Критически важная часть функции — обеспечение перехода AI-кейсов от экспериментов к надежным, управляемым и готовым к бизнесу решениям, включая полную операционную готовность: внедрение надежной наблюдаемости, определение Service Level Objectives (SLO) и создание четких стратегий реагирования на инциденты и отката для всех AI-сервисов. Обязанности - Разработка и внедрение моделей: написание чистого, эффективного и документированного кода для разработки и внедрения моделей машинного обучения и ИИ, поддерживающих различные бизнес-кейсы. - Реализация пайплайнов обработки данных и предобработки, необходимых для входных данных моделей. - Постоянная оптимизация производительности и масштабируемости AI-приложений и моделей. - Проектирование, разработка и поддержка масштабируемых ML-пайплайнов для обучения, валидации, инференса и развертывания моделей. - Сотрудничество с ML Ops-инженерами для упаковки и развертывания моделей в корпоративных системах с использованием установленных практик MLOps. - Мониторинг развернутых моделей в продакшене на предмет производительности, дрейфа данных и надежности, устранение возникающих проблем. - Обеспечение операционной готовности всех AI-сервисов: определение и внедрение Service Level Objectives (SLO) для ключевых метрик, таких как p50/p95 задержка и доступность, создание надежного мониторинга и алертинга для дрейфа моделей, задержки и частоты ошибок. - Тесное сотрудничество с дата-сайентистами для перевода экспериментальных моделей и исследовательских прототипов в надежные production-системы. - Поддержка интеграции AI-возможностей в корпоративные рабочие процессы, приложения и цифровые платформы. - Участие в документировании и объяснимости выходов моделей для обеспечения ясности для бизнес-стейкхолдеров. - Обеспечение соответствия всех развернутых AI-систем корпоративным стандартам управления, справедливости и безопасности. - Оценка новых AI-технологий, таких как LLM и генеративный ИИ, для определения их применимости к бизнес-задачам и стимулирование инноваций. - Обеспечение поддержки аудируемости, объяснимости, прослеживаемости и соответствия регуляторным требованиям. - Реализация стратегий управления памятью, контекстной инженерии, планирования и многошаговых рассуждений. - Определение и отслеживание метрик качества, таких как обоснованность, точность (faithfulness), релевантность, процент выполнения задач и удовлетворенность пользователей. Предпочтительные навыки и опыт - Основные технические и AI-компетенции: - Сильные навыки программирования на Python, Java или C++, включая разработку API и проектирование ПО. - Глубокое понимание базовых концепций машинного обучения, включая классификацию, регрессию, кластеризацию и архитектуры глубокого обучения. - Практический опыт работы с современными фреймворками глубокого обучения и алгоритмами (обучение с учителем и без), такими как PyTorch, TensorFlow или аналогичными, для построения и обучения сложных нейронных сетей. - Навыки работы с LLM, промпт-инжинирингом, тонкой настройкой и использованием фреймворков LangChain и LangGraph для построения RAG-систем (Retrieval-Augmented Generation). - Работа с данными: data wrangling, SQL, хранилища данных и ETL-пайплайны для подготовки данных для моделей. - Полный жизненный цикл ML-моделей: - Подтвержденный опыт полного жизненного цикла моделей: разработка, обучение и развертывание моделей машинного обучения от прототипа до продакшена. - Владение предобработкой данных, инженерией признаков и методами оценки моделей для обеспечения надежной и точной производительности. - Подтвержденная способность строить и оптимизировать масштабируемые пайплайны данных для обучения и оценки моделей машинного обучения. - Хорошее знание как SQL, так и NoSQL баз данных для запросов и управления данными для AI-приложений. - Программная инженерия и MLOps: - Солидная база в лучших практиках программной инженерии, включая контроль версий (Git), автоматизированное тестирование и CI/CD пайплайны. - Практический опыт контейнеризации с помощью Docker и оркестрации контейнеров с помощью Kubernetes для масштабируемого развертывания. - Экспертиза в MLOps-наблюдаемости, включая мониторинг моделей для отслеживания производительности и дрейфа, а также установление происхождения моделей/версий, телеметрии и трассируемости. - Опыт внедрения продвинутых стратегий тестирования и развертывания, включая канареечные и теневые развертывания, а также комплексные наборы тестов (модульные, интеграционные, состязательные, регрессионные).
LLM-инженер
LLM-инженер Задачи - Проектирование, дообучение и развертывание больших языковых моделей (LLM), таких как OpenAI GPT, BERT или собственных архитектур, для решения задач обработки естественного языка. - Разработка и оптимизация API для интеграции ИИ-функциональности в основные продукты Qelp, обеспечение совместимости и производительности. - Совместная работа с кросс-функциональными командами, включая UX/UI-дизайнеров, фронтенд-разработчиков и продакт-менеджеров, для согласования возможностей ИИ с бизнес-задачами. - Повышение масштабируемости ИИ-решений за счет модульной архитектуры и эффективных практик развертывания моделей. - Разработка пайплайнов для обработки больших наборов данных, обеспечение качества и релевантности данных для обучения и дообучения LLM. - Обеспечение этичного и прозрачного использования ИИ: внедрение механизмов обнаружения смещений, объяснимости и соответствия требованиям. - Отслеживание последних достижений в области ИИ и машинного обучения, особенно в NLP и LLM, для внедрения передовых функций в продукты Qelp. - Внедрение инструментов для отслеживания производительности и надежности ИИ-моделей в продакшене, итеративное улучшение. Требования - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, науки о данных или смежной области. - Минимум 5 лет опыта в разработке машинного обучения и ИИ, из них не менее 2 лет — в работе с LLM или NLP. - Владение Python и фреймворками TensorFlow, PyTorch или Hugging Face Transformers. - Подтвержденный опыт развертывания и оптимизации LLM в продакшене. - Знакомство с облачными платформами (AWS, Azure или Google Cloud) для развертывания ИИ. - Продвинутое владение техниками NLP и разработкой ИИ-моделей. - Глубокое знание архитектур на основе трансформеров, таких как GPT, BERT или T5. - Навыки разработки API и микросервисной архитектуры. - Знакомство с DevOps-инструментами для развертывания ИИ-моделей (например, Docker, Kubernetes). - Понимание регулирования ИИ и лучших практик этичного развертывания. - Понимание техник предобработки данных и управления наборами данных. Условия - Конкурентоспособный компенсационный пакет. - Возможности для обучения и развития (ИИ, технологии, эволюция BPO-индустрии). - Возможности карьерного роста в расширяющейся команде. - Полностью удаленная работа (рынки EMEA, LATAM или APAC). - Работа в команде высококвалифицированных и динамичных лидеров. - Культура здорового баланса между работой и личной жизнью. - Зарплата: 72 000–108 000 долларов США в год.
Staff-инженер SRE, облачные базы данных
О компании Grafana Labs — компания, развивающая открытую платформу наблюдаемости Grafana Cloud. Платформа предоставляется как управляемый сервис. Более 35 миллионов пользователей и 7000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce. Компания полностью удалённая: 1600+ сотрудников в 40+ странах. О роли Ищем Staff-инженера SRE для поддержки самых ценных клиентов Grafana Cloud за счёт повышения надёжности облачных баз данных на основе Mimir, Loki, Tempo и Pyroscope. Базы данных предоставляются как SaaS-продукт из AWS, GCP и Azure во всех регионах. SRE-команда встроена в продуктовые команды Mimir, Loki и Tempo и отвечает за надёжность продуктов баз данных для клиентов с высокими SLA. Задачи - Тесно работать с продуктовыми командами (встроенная модель). - Отвечать за производственную надёжность сред с высокими SLA и сложных клиентских окружений. - Проектировать и внедрять автоматизацию для масштабирования практик надёжности. - Обеспечивать достижение клиентами целей SLO. - Определять и развивать пер-тенантные SLO и модели надёжности. - Проактивно снижать сжигание SLO для предотвращения повторных инцидентов. - Быть основной точкой эскалации и на связи (on-call) при инцидентах. - Руководить реагированием на инциденты, влияющие на клиентов, и проводить пост-инцидентные разборы. - Участвовать в проектировании (design docs) и ревью кода. - Влиять на дизайн функций для обеспечения масштабируемости и эксплуатационной пригодности. - Строить автоматизацию для устранения рутинной работы (toil). - Улучшать качество алертов и снижать шумные эскалации. Требования - 8+ лет инженерного опыта, из них 4+ в SRE/CRE/production engineering. Предпочтителен формальный опыт в customer reliability engineering. - Сильный опыт работы с Kubernetes в AWS, GCP или Azure, знакомство с инструментами infrastructure-as-code (Helm, Terraform, Jsonnet и т.п.). - Сильный опыт технического лидерства: ведение команды через проекты, наставничество инженеров, роль force-multiplier. - Опыт эксплуатации мультитенантных систем в production. - Сильный опыт проектирования и внедрения SLO. - Опыт с одним или несколькими языками программирования (например, Go, Python, Java). - Опыт с внутренностями операционной системы Linux, базовые знания сетей, облачного хранения и масштабирования. - Отличные навыки решения проблем и траблшутинга. - Опыт спокойного и активного участия в безобвинительном реагировании на инциденты, отслеживании действий и написании качественных PIR (post-incident reviews). - Способность рассуждать о производительности, масштабировании и режимах отказа. - Комфортная работа в инженерной команде с высокой степенью автономии и самонаправленности. - Способность глубоко взаимодействовать с продуктовыми командами. - Ценятся любознательность, прозрачность, склонность к действию и доброжелательность. Условия - Удалённая работа. Рассматриваются кандидаты из Великобритании, Швеции, Испании или Германии. - Компания предоставляет оплачиваемый бюджет на использование современных AI-ассистентов для разработки (инструменты на выбор в рамках политики безопасности), а также доступ к передовым моделям (например, GPT-Codex, Claude Opus, Gemini 3 Pro).
Staff-инженер по надежности баз данных
Компания: Grafana Labs. Формат: удалённая работа. Рассматриваются кандидаты из Великобритании, Швеции, Испании, Германии или Ирландии. Роль: Staff Software Engineer — SRE для облачных баз данных Grafana Cloud (Mimir, Loki, Tempo, Pyroscope). Базы данных предоставляются как SaaS на AWS, GCP и Azure во всех регионах. SRE-команда встроена в продуктовые группы Mimir, Loki и Tempo. Задачи - Тесное партнёрство с продуктовыми инженерными командами (встроенная модель). - Обеспечение надёжности production-среды для клиентов с высокими SLA и сложных окружений. - Проектирование и внедрение автоматизации для масштабирования практик надёжности. - Обеспечение достижения клиентами целевых показателей SLO. - Определение и развитие пер-тенантных SLO и моделей надёжности. - Проактивное снижение выгорания SLO для предотвращения повторных инцидентов. - Выполнение роли основного эскалационного контакта и дежурного (on-call) при инцидентах. - Руководство разбором инцидентов, влияющих на клиентов, и пост-инцидентными ревью. - Участие в проектировании (design docs) и код-ревью. - Влияние на дизайн функций для обеспечения масштабируемости и эксплуатационной пригодности. - Создание автоматизации для устранения рутинной работы (toil). - Улучшение качества алертов и снижение шумных эскалаций. Требования - 8+ лет инженерного опыта, из них 4+ в SRE/CRE/production engineering. Предпочтителен формальный опыт в customer reliability engineering. - Сильный опыт работы с Kubernetes на AWS, GCP или Azure, знакомство с инструментами infrastructure-as-code (Helm, Terraform, Jsonnet и т.п.). - Сильный опыт технического лидерства: ведение команды через проекты, наставничество инженеров, роль force-multiplier. - Опыт эксплуатации мульти-тенантных систем в production. - Сильный опыт проектирования и внедрения SLO. - Опыт с одним или несколькими языками программирования (например, Go, Python, Java). - Опыт с внутренностями ОС Linux, знание сетей, облачного хранения и масштабирования. - Отличные навыки решения проблем и диагностики. - Опыт спокойного и активного участия в blame-free инцидент-менеджменте, выполнения последующих действий и написания качественных PIR (Post Incident Reviews). - Умение рассуждать о производительности, масштабировании и режимах отказов. - Комфортная работа в инженерной команде с высокой степенью автономии и самонаправленности. - Способность к глубокому партнёрству с продуктовыми командами. - Ценятся интеллектуальное любопытство, прозрачность, склонность к действию и доброта. Условия - Удалённая работа (из указанных стран). - Компания предоставляет бюджет на использование современных AI-ассистентов для кодирования (в рамках политики безопасности), а также доступ к передовым моделям (например, GPT-Codex 5/3, Claude Opus 4.6, Gemini 3 Pro).
Senior AI-инженер, машинное обучение
О компании Grafana Labs — компания, разрабатывающая открытую платформу наблюдаемости. Grafana Cloud — управляемая платформа наблюдаемости, построенная для масштабирования. Более 35 миллионов пользователей и 7000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce. Компания полностью удаленная, более 1600 сотрудников в 40+ странах. О роли Grafana AI-команды помогают пользователям понимать сложные данные наблюдаемости с помощью AI-функций. Эти возможности снижают рутинную работу, понижают порог экспертизы и выявляют значимые сигналы в шумной среде. Команда работает с высокой степенью автономии и ответственности. Инженеры могут принимать решения, быстро двигаться и проверять идеи на ранних этапах, при поддержке коллаборативной культуры. Ищем AI-инженера с сильным бэкграундом в разработке ПО, быстрым итеративным мышлением и страстью к экспериментам, а также с фокусом на выпуск и масштабирование значимых функций. Вы будете работать с кросс-функциональными командами, чтобы разрабатывать, тестировать и выпускать AI-функции, улучшающие инфраструктуру и качество наблюдаемости через автоматизацию, а также расширять возможности AI-агентов в стеке наблюдаемости для помощи пользователям при реагировании на инциденты. Задачи - Разрабатывать и внедрять AI-решения: создавать высокопроизводительные AI-функции для обнаружения, триажа и разрешения инцидентов с использованием данных и инструментов наблюдаемости. - Быстро экспериментировать и итерировать: прототипировать, тестировать и проверять на реальных пользователях, включая выпуск и развитие LLM- или агентских рабочих процессов для управления жизненным циклом инцидентов и автоматизированного анализа. - Работать кросс-функционально: взаимодействовать с аналитиками данных, продакт-менеджерами и дизайнерами для формирования AI-функций, включая интеграцию агентских компонентов с внутренними инструментами, системами оповещения, runbook и рабочими процессами разработчиков. - Эффективно использовать AI-инструменты: применять AI и инструменты автоматизации для улучшения функциональности продукта и собственных рабочих процессов разработки. - Эффективно общаться: работать в динамичной и коллаборативной среде, вносить вклад в работу команд. - Владеть результатом: нести полную ответственность за разработанные AI-решения, обеспечивая их инновационность, масштабируемость, поддерживаемость и соответствие реальным рабочим процессам пользователей. Условия - Удаленная работа, рассматриваются кандидаты только из часовых поясов Канады. - Компания инвестирует в продуктивность разработчиков: можно использовать современные AI-ассистенты для кодирования в повседневной работе (инструменты на выбор, в рамках политики безопасности), с оплачиваемым компанией бюджетом на использование. - Поощряется прагматичная AI-разработка: быстрое прототипирование, генерация тестов, рефакторинг, документация и разбор инцидентов — при соблюдении стандартов качества и код-ревью. - Доступ к последним frontier-моделям от OpenAI, Anthropic и Google.
MLOps-инженер в инфраструктуру Центра ИИ, senior» (Москва)
MLOps-инженер в инфраструктуру Центра ИИ, senior Компания «Контур» ищет специалиста на вакансию «MLOps-инженер в инфраструктуру Центра ИИ, senior». Локация: Москва (Россия), Санкт-Петербург (Россия), Иннополис (Россия). Формат работы: полный рабочий день, возможно удалённо. Требуемые навыки: - Senior - Ansible - CI/CD - Python - Kubernetes - Docker
Platform & Security Operations Engineer
Platform & Security Operations Engineer Компания: название под NDA. Регулируемая OTC crypto-платформа, работающая в Дубае под лицензией VARA. Занятость: полная, гибрид, оформление в штат. Локация: Дубай, ОАЭ. Зарплата: 32 000–36 000 AED в месяц. Зона ответственности: - Владение production-инфраструктурой и Kubernetes-кластерами. - Развитие инфраструктуры на Terraform/Terragrunt: network, data и identity. - Поддержка и развитие GitOps-процессов. - Построение security monitoring: алерты, detection rules, настройка false positives. - Разработка incident runbooks и запуск процесса дежурств. - Реагирование на production- и security-инциденты, проведение postmortem. - Развитие CI/CD и безопасности software supply chain. - Настройка сканирования зависимостей, образов и подписи артефактов. - Формализация инфраструктурных регламентов и процессов. - Подготовка технических свидетельств для внешних аудитов. Требования: - Сильный production-опыт с Kubernetes: upgrades, workload identity, network policies, autoscaling и расследование инцидентов. - Опыт с Terraform и Terragrunt, Atlantis или аналогичными инструментами. - Практический опыт GitOps с Flux, ArgoCD или аналогами. - Глубокое знание AWS: VPC, multi-AZ, KMS, OIDC federation, DNS. - Опыт прохождения внешних аудитов: ISO 27001, SOC 2, PCI DSS, HIPAA или аналогичных. - Практический опыт security monitoring и detection engineering: алертинг, настройка правил, снижение ложных срабатываний. - Опыт работы с production-системами, где сбои или утечки приводят к серьёзным финансовым и регуляторным последствиям. - Опыт работы с AI-инструментами разработки и понимание ограничений генерируемого ими кода. - Английский C1.
Senior Solution Architect, AWS и Cloud Security
Компания Rockstardevelopers, основанная в 2015 году в Мангейме, с офисами в Штутгарте и Мюнхене, — разработчик ПО с опытом сотен индивидуальных проектов для корпоративных клиентов и среднего бизнеса. Короткие пути, честная обратная связь, без политических игр. Между тобой и людьми, принимающими решения, нет уровней иерархии. Задачи: - Проектирование и развитие платформенной архитектуры на AWS: EKS, ECR, Fargate, дизайн кластеров, стратегии namespace, высокая доступность. - Концепции безопасности для регулируемых сред: Zero Trust, IAM/RBAC, безопасность контейнеров, шифрование, аудит-логирование, сегментация сети. - Проектирование асинхронных слабосвязанных систем: Kafka/MSK, EventBridge, SNS/SQS, включая Saga, CQRS и Event Sourcing. - Реализация Everything-as-Code: Terraform или CDK, Policy-as-Code с OPA/Gatekeeper, GitOps-деплой через ArgoCD или Flux. - Участие в эксплуатации: инциденты, пост-инцидентные разборы и вытекающие из них архитектурные решения. - Продуктивная разработка с AI-инструментами: Claude Code, Copilot, Cursor. Большинство сотрудников приходят в один из офисов один-два дня в неделю. Принуждения нет. Выезды к заказчику — только на отдельные встречи раз в несколько недель. Проекты: крупные корпорации, такие как Deutsche Bahn / DB Systel, государственный сектор (Bundesagentur für Arbeit, ITZBund, Bundesdruckerei), а также корпоративные клиенты и средний бизнес — платформенные и архитектурные задачи. Требования: - Senior-уровень, более пяти лет опыта. Клиентам нужны специалисты, которые выдают результат с первого дня и работают самостоятельно. - Опыт создания и эксплуатации Kubernetes-платформ на AWS, а не только использования: EKS, ECR, Fargate. - Опыт архитектуры безопасности в сложных корпоративных средах: Zero Trust, IAM/RBAC, безопасность контейнеров, соответствие требованиям. - Опыт Event-Driven Architecture с Kafka или аналогами AWS, включая паттерны согласованности. - Опыт Infrastructure as Code и GitOps: Terraform, CDK или Pulumi, ArgoCD или Flux. - Опыт ITIL-эксплуатации с собственным техническим вкладом, а не только управлением. Будет плюсом: SAFe и PI-планирования, BPMN 2.0 с Camunda (Platform 7 или 8), сертификаты AWS (Solutions Architect, DevOps Engineer), Kubernetes CKA/CKS. Не обязательно уметь всё. Важно быстро разбираться в новых средах. Немецкий язык — свободное владение в письменной и устной форме, английский — уровень C2. AI-инструменты обязательны, не бонус: Claude Code, Copilot, Cursor — нужно уметь работать с ними продуктивно. Не потому что это модно, а потому что клиенты этого ожидают, и компания так работает. Если AI-инструменты считаются хайпом и предпочитаешь всё печатать сам — это не та компания. Внутри компания инвестирует в развитие AI-навыков. Условия: - Homeoffice, офис или микс — решаешь сам. - MacBook (если заказчик не предоставляет собственное оборудование). - Разные клиенты и проекты. - Основатели — твои прямые контактные лица. - Внутреннее обучение AI-разработке.
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.
DevOps
DevOps Компания: Федеральное Медико-биологическое агентство Локация: Москва Занятость: Полная, гибридный формат Оформление: ТК РФ ЦСП ФМБА занимается научными исследованиями, связанными с геномом человека и анализом полученных данных. Группа разработки создает внутренние сервисы для автоматизации движения, обработки и распределенного хранения больших объемов данных. Требования - Уверенные знания Linux (Debian/Ubuntu), сетей, контейнеризации - Опыт развертывания и эксплуатации продуктовых Kubernetes кластеров - Опыт работы с инструментами автоматизации (Ansible, Terraform) - Опыт использования GitOps инструментов (FluxCD, ArgoCD) - Опыт работы с системами мониторинга: Grafana, Prometheus, ELK Stack, Sentry - Понимание процессов и опыт работы с инструментами CI/CD (GitLab CI) Важно: - Законченное высшее образование - Гражданство РФ Чем предстоит заниматься - Поддержка инфраструктуры, развернутой на bare metal серверах и VM - Развертывание и эксплуатация кластеров Kubernetes - Поддержка инфраструктурных сервисов: GitLab, Harbor и другие - Администрирование баз данных: PostgreSQL, Elasticsearch, Redis, ClickHouse - Администрирование Airflow - Автоматизация инфраструктуры с использованием Ansible, Terraform, Flux - Настройка системы мониторинга: VictoriaMetrics, Grafana - Обеспечение непрерывной работоспособности и доступности сервисов - Документирование процессов и систем Условия - Оформление по ТК РФ - Работа в команде профессионалов на стыке передовых ИТ и науки. Работа с Big Data и ML, собственный корпоративный ЦОД - Возможность профессионального роста, обучение - График работы 5/2, гибрид, плавающее начало рабочего дня
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.
Senior Java-разработчик, Spring Boot и Camunda
Компания Rockstardevelopers, основанная в 2015 году в Мангейме, имеет офисы в Штутгарте и Мюнхене. Специализируется на индивидуальных проектах для корпоративных клиентов и среднего бизнеса. Задачи: - Концепция, разработка и тестирование микросервисов на Java - Разработка API: REST и SOAP, синхронные и асинхронные, спецификация с OpenAPI 3 - Автоматизация процессов с Camunda BPM - Автоматизация тестирования с JUnit 5 и Cucumber - Эксплуатация собственных сервисов: деплой, мониторинг, анализ ошибок - Участие в проектировании архитектуры - Генерация, ревью и рефакторинг кода с Claude Code, Copilot или Cursor - Согласование с партнерами по интерфейсам Большинство сотрудников приходят в офис один-два дня в неделю, но это необязательно. Выезды к клиенту — только на отдельные встречи раз в несколько недель. В части проектов предусмотрена дежурная поддержка сервисов, она регулируется и распределяется в команде. Проекты: - Крупные концерны, например Deutsche Bahn / DB Systel (домены железнодорожной отрасли: управление расписанием, продажи, диспетчерские и охранные системы) - Государственный сектор и ведомства (например, Федеральное агентство занятости, ITZBund, Bundesdruckerei) — регулируемые среды, доступность, Security by Design - Корпоративные клиенты и средний бизнес из разных отраслей Требования: - Java и Spring Boot, Spring Data и Hibernate/JPA - Микросервисы: концепция, разработка, тестирование - REST и SOAP веб-сервисы (JSON/XML через HTTP), OpenAPI 3 - PostgreSQL и Oracle - JUnit 5 и Cucumber - Docker и Kubernetes - CI/CD с GitLab Pipelines, сборка с Maven - Git, Jira, Confluence, гибкая методология Отличительные навыки: - Camunda BPM из реальных проектов - OAuth 2.0 и Keycloak для аутентификации и авторизации Желательно: - Apache Kafka и асинхронная коммуникация - XML, XSD, XSLT - Опыт в сложных проектах с несколькими командами - Миграция J2EE-легаси на Spring Boot Языки: немецкий на уровне носителя или C1/C2, английский свободно. Обязательно продуктивное владение AI-инструментами (Claude Code, Copilot, Cursor). Условия: - Удаленная работа, офис или смешанный формат - MacBook (если клиент не предоставляет собственное оборудование) - Разные клиенты и проекты - Прямой контакт с основателями компании - Внутреннее обучение AI-разработке
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.