Вакансии Python
Все вакансии на Python: 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
Middle+ TechOps SAAS-инженер
TechOps SAAS Engineer (Middle+) Локация: удаленно (желательно часовой пояс GMT+5 - GMT+8) Язык команды: английский Обязанности: - Решать технические проблемы клиентов от начала до конца (Helpdesk + Slack) в рамках SLA - Проводить анализ первопричин с помощью Grafana, Datadog (логи, метрики, трейсы) - Строить дашборды мониторинга и проактивные алерты - Писать Python-скрипты для автоматизации и массовых операций - Активно использовать ИИ (Claude, Cursor, ChatGPT) для ускорения диагностики Требования: - Уверенный ежедневный опыт работы с LLM и промпт-инжинирингом - Практический опыт с Grafana/Datadog (создание дашбордов и алертов) - Python-скриптинг и глубокое понимание распределенных систем - 2+ года в TechOps/технической поддержке (FinTech/Forex/Crypto — плюс) - Отличный английский (C1+)
AI-инженер Python, LLM и RAG
TwelveAI ищет AI-инженера для разработки LLM-ассистента и backend-логики для AI-платформы, которая автоматизирует продажи, запись и поддержку клиентов. Локация: Астана, офис. Формат: Full-time, 5/2. Зарплата: от 600 000 тенге. Задачи: — разрабатывать LLM-ассистента: чат, сценарии и логику диалогов; — создавать RAG-системы, работать с embeddings, chunking и retrieval; — интегрировать БД и внешние сервисы; — разрабатывать REST и async API; — работать с транзакциями, race conditions и WebSocket; — оптимизировать качество ответов и стоимость инференса. Стек: Django 4.2, Django Ninja, DRF, Daphne, Django Channels, PostgreSQL, Redis, Celery, OpenAI SDK, scikit-learn, NumPy, SciPy, vector DB, Docker. Будет плюсом: Document AI, OCR/NLP, semantic matching, AI-агенты, микросервисы, CI/CD.
Senior AI Evaluation Engineer, Python
О компании и формате Mindrift — платформа, соединяющая специалистов с проектными задачами в области ИИ для ведущих технологических компаний. Работа связана с тестированием, оценкой и улучшением ИИ-систем. Участие проектное, не постоянная занятость. Задачи - Создание реалистичных сред разработки: виртуальная компания с кодовой базой, инфраструктурой и контекстом (тикеты, документация, переписка), формирующим правдоподобную историю разработки. - Проектирование задач из промежуточных состояний этих сред: формулировка промпта, определение критериев «решено», обеспечение решаемости задачи ИИ-агентом. - Написание тестов, проверяющих решения агента: принимать все корректные подходы и отклонять некорректные, не слишком строго и не слишком мягко. - Итеративная доработка задач и тестов на основе QA-обратной связи: анализ решений агента, разбор ошибок, улучшение до справедливой и надёжной оценки. Задачи должны по-настоящему бросать вызов лучшим моделям: frontier-модели уже хорошо пишут код, поэтому важно понимать, где модели ошибаются, и создавать сценарии, выявляющие разницу между хорошим и плохим решением. У задач много корректных решений, поэтому написание тестов, принимающих все правильные варианты и отклоняющих неверные, сложнее, чем кажется. Чем это не является - Не разметка данных. - Не промпт-инжиниринг. - Не написание кода с нуля — большую часть кода пишет агент; вы направляете и оцениваете. Требования - Опыт разработки ПО от 5 лет. - Основной стек: Python (FastAPI), JavaScript/TypeScript (React), Docker, Postgres, Kafka, Redis. - Опыт написания тестов (функциональных, интеграционных). - Владение английским языком на уровне B2 и выше. Условия - Оплата до $50/час в эквиваленте, в зависимости от уровня и темпа. - Задачи оцениваются примерно в 20 часов каждая. - Вы сами устанавливаете свой график.
AI-first инженер-программист маркетплейса
О компании OPENLANE — технологическая компания, создающая цифровой маркетплейс подержанных автомобилей. Задачи - Проектировать, разрабатывать и эксплуатировать масштабируемые сервисы для маркетплейс-процессов (Buy Now, 45M, Simulcast, DealerBlock). - Разрабатывать API и бэкенд-сервисы на современной облачной AI-платформе. - Встраивать AI-функции в функции маркетплейса: ценообразование, переговорные процессы, автоматизация рабочих процессов. - Использовать AI-инструменты для ускорения кодинга, тестирования, отладки и документации, применяя инженерное суждение. - Совместно с Product переводить бизнес-потребности в долгосрочные масштабируемые технические решения. - Участвовать в on-call ротации и поддержке продакшн-систем. - Улучшать надёжность, производительность, безопасность и наблюдаемость систем. - Вносить вклад в техническое направление, инженерные стандарты и долгосрочную эволюцию платформы. Применение AI в работе - AI-ассистированное написание кода и рефакторинг. - AI-генерация тестов и валидация. - AI-поддержка отладки и анализа первопричин. - AI-ассистированная документация и обмен знаниями. - Применение AI-инструментов для снижения повторяющейся работы и повышения инженерной эффективности. Требования - 3+ года опыта создания и поддержки продакшн-систем. - Степень бакалавра в Computer Science, инженерии или смежной области (или эквивалентный практический опыт). - Опыт разработки и поддержки продакшн-софта. - Понимание API, распределённых систем и cloud-native архитектуры. - Опыт работы в современных CI/CD-средах. - Опыт наблюдаемости, мониторинга и реагирования на инциденты. - Способность владеть функциями и системами end-to-end. - AI-first мышление: активное использование AI-инструментов (code copilots, AI-отладчики, генераторы тестов), критическая оценка AI-результатов, готовность адаптироваться к быстро меняющимся инструментам. - Опыт в одной или нескольких областях: бэкенд-разработка (Java, Kotlin, Go, Python, .NET, Ruby или аналоги), фронтенд (React, TypeScript) — плюс, AWS или аналогичные облачные платформы, микросервисы и event-driven архитектуры, SQL и data-driven приложения. - Продуктовая ориентированность, ответственность за системы, техническая любознательность, фокус на качестве. Условия - Удалённая работа. - Работа над высоконагруженными маркетплейс-системами в реальном времени. - Участие в крупной модернизации платформы и AI-трансформации. - Использование AI как основного инструмента разработки. - Совместная работа с опытными инженерами, продуктовыми лидерами и платформенными командами. - Среда, ценящая обучение, ответственность и влияние. Команда - Подчинение Engineering Manager. - Ежедневное взаимодействие с Product Managers, Data Engineers, Infrastructure и Site Reliability Engineering (SRE).
Senior Backend Engineer, базы данных Pyroscope
Grafana Labs — компания, стоящая за открытой облачной платформой наблюдаемости. Мы развиваем Pyroscope — открытую базу данных непрерывного профилирования, лежащую в основе Grafana Cloud Profiles. Pyroscope дает инженерам видимость на уровне кода: как приложения используют CPU и память, вплоть до конкретной строки, и связывает этот сигнал с метриками, логами и трейсами в стеке Grafana. 2026 год — переломный для Pyroscope. Мы завершили внедрение архитектуры V2, сократив производственные затраты на 92% и значительно улучшив масштабируемость, а число клиентов продукта выросло на 64% за прошлый год. Продукт выходит за пределы аудитории, знакомой с профилированием, и наш фокус смещается с разработки отдельных функций на снижение трения во всем опыте: лучший онбординг, глубже интеграция с остальной частью Grafana, профили, работающие для операционных и SRE-процессов, а не только для специалистов по производительности. В течение следующего года вы поможете нам: - Выпустить Adaptive Profiles как стратегию приема данных по умолчанию, чтобы клиенты автоматически собирали нужные профили по разумной цене. - Превратить Pyroscope в платформенную возможность внутри Grafana: двунаправленная корреляция трейсов и профилей, интеграция с Kubernetes Monitoring и App Observability, вывод профилей там, где инженеры уже начинают расследования. - Подготовить Pyroscope к миру агентов: API, CLI и документация, спроектированные так, чтобы ИИ-агенты могли управлять профилированием от начала до конца, покрывая полный цикл оптимизации производительности — от обнаружения проблемы до проверки исправления. - Продвигать операционное совершенство и совокупную стоимость владения: обобщенное автопроксирование, лучший UX для длинных запросов, автоматизация BYOC, запускающая новую ячейку без ручного вмешательства. - Удвоить принятие продукта, сделав профилирование простым в начале: направляемый онбординг, документация на основе сценариев использования, помощь в инструментировании, чтобы пользователи получали ценность за минуты, а не дни. Чем вы будете заниматься: - Вести проекты от концепции до запуска, например, повышение эффективности пути чтения или корреляцию трейсов и профилей, включая дизайн, поставку, эксплуатацию и сопровождение клиентов. - Проектировать, создавать и эксплуатировать ключевые компоненты распределенной базы данных: прием, хранение и запросы, принимая острые компромиссы по производительности, стоимости и сложности. - Носить «продуктовую шляпу»: у нас нет выделенного продакт-менеджера — инженеры команды участвуют в звонках с клиентами, превращают болевые точки в выполнимые задачи и напрямую формируют дорожную карту. Ваши вопросы и идеи будут определять, что мы строим. - Обеспечивать операционное совершенство: отвечать за результаты против конкретных SLO и целевых показателей стоимости единицы, сокращать рутину через автоматизацию и делать дежурства тише каждый квартал. - Взаимодействовать с другими командами Grafana: тесно работать с App Observability, Alloy, Tempo и другими командами баз данных, чтобы профили были полезны там, где работают инженеры. - Поддерживать коллег через обсуждения дизайна, ревью кода и парное программирование в полностью удаленной среде. - Участвовать в дежурствах (ротация EMEA) для сервисов, которые вы создаете, и относиться к реагированию на инциденты и разбору после них как к части ремесла. - Вносить вклад в открытый исходный код: Pyroscope — OSS. Вы будете взаимодействовать с сообществом, ревьюить внешние вклады и помогать вести проект открыто. Мы много инвестируем в продуктивность разработчиков. Вы можете использовать современные ИИ-ассистенты для кодирования в повседневной работе (инструменты на ваш выбор, в рамках политики компании). Условия: - Полная удаленная работа. - Рассматриваем кандидатов только из Великобритании, Германии, Испании, Швеции и Ирландии.
Senior Backend-инженер, базы данных Pyroscope
О компании Grafana Labs — компания, развивающая открытую облачную платформу наблюдаемости Grafana Cloud. Более 35 миллионов пользователей и 7 000+ клиентов. Полностью удалённая компания: 1 600+ сотрудников в 40+ странах. О продукте Pyroscope — открытая база данных непрерывного профилирования, лежащая в основе Grafana Cloud Profiles. Даёт инженерам видимость использования CPU и памяти на уровне кода. В 2026 году завершён переход на архитектуру V2, что снизило производственные затраты на 92% и увеличило число клиентов на 64% за год. Сейчас фокус смещается на снижение трения во всём опыте: онбординг, интеграция с Grafana, поддержка операционных и SRE-процессов. Задачи на ближайший год - Внедрить Adaptive Profiles как стратегию приёма данных по умолчанию. - Превратить Pyroscope в платформенную возможность Grafana: двунаправленная корреляция трейсов и профилей, интеграция с Kubernetes Monitoring и App Observability. - Подготовить Pyroscope к работе с AI-агентами: API, CLI и документация для сквозного управления профилированием. - Улучшить операционную эффективность: обобщённый автоскейлинг, UX для длинных запросов, автоматизация BYOC. - Удвоить adoption: guided onboarding, документация по сценариям использования, помощь в инструментировании. Обязанности - Вести проекты от концепции до запуска: например, улучшение эффективности read path или корреляция трейсов и профилей. - Проектировать, разрабатывать и эксплуатировать ключевые компоненты распределённой базы данных: приём, хранение и запросы. - Выполнять роль продакт-менеджера: участвовать в звонках с клиентами, превращать проблемы в задачи, влиять на дорожную карту. - Обеспечивать операционное совершенство: достигать SLO и целевых показателей стоимости, автоматизировать рутину, делать дежурства спокойнее. - Взаимодействовать с командами App Observability, Alloy, Tempo и другими подразделениями Databases. - Поддерживать коллег: дизайн-ревью, код-ревью, парное программирование в удалённом режиме. - Участвовать в on-call (EMEA-ротация) для своих сервисов. - Вносить вклад в open source: общаться с сообществом, ревьюить внешние изменения, развивать проект открыто. Условия - Удалённая позиция. - Рассматриваются кандидаты из Великобритании, Германии, Испании, Швеции и Ирландии. - Разрешено использовать современные AI-ассистенты для программирования в повседневной работе.
Staff-бэкенд-инженер по направлению Alerting
О компании Grafana Labs — компания, стоящая за открытой облачной платформой наблюдаемости. Grafana Cloud — полностью управляемая платформа наблюдаемости, построенная для масштабирования. Более 35 миллионов пользователей и 7 000+ клиентов, включая Anthropic, Bloomberg, NVIDIA, Microsoft и Salesforce, доверяют Grafana Labs. Компания полностью удалённая, более 1 600 сотрудников в 40+ странах. Инвесторы: Lightspeed Venture Partners, Sequoia Capital, GIC, Coatue, J.P. Morgan, CapitalG, Lead Edge Capital. О роли Это удалённая позиция, рассматриваются кандидаты из Германии. Команда Grafana Alerting работает в ядре open-source проекта Grafana. Миссия — предоставить пользователям самый глубокий способ управления алертами. Бэкенд-команда тесно работает с клиентами и командами Grafana Cloud, чтобы Alerting работал как on-prem, так и в бесконечном масштабе в Cloud. Недавние проекты: - Построение распределённых систем для масштабирования приёма и доставки алертов на основе Prometheus. - Унификация настройки и доставки алертов для Grafana и Prometheus. - Построение распределённых систем для масштабирования оценки алертов Grafana-managed, достижение более 500 оценок в секунду в продакшене. Grafana Alerting используется крупными организациями по всему миру для мониторинга медицинских устройств и критической инфраструктуры. Задачи - Влиять на дорожную карту и собственные карьерные цели. - Работать с командой над новыми функциями и улучшать их на основе результатов. - Вести проекты от идеи до эксплуатации. - Участвовать в open-source культуре и вносить вклад в другие проекты. - Проектировать, создавать, эксплуатировать и поддерживать критически важные системы, отвечая за надёжность, производительность и доступность. - Участвовать в дежурствах (on-call) и владеть сервисами. - Наставлять коллег, участвовать в дизайн-обсуждениях. - Изучать новые навыки, углубляясь в облачный продукт и кодовую базу большой распределённой системы. Требования - Мотивированный самостартёр с ориентацией на действие. - Ориентация на клиента. - Страсть к созданию интуитивных продуктов, соответствующих потребностям клиентов. - Прагматизм: умение разбивать сложные задачи на короткие циклы обратной связи, анализировать, проектировать, строить модульные решения, выпускать MVP, собирать данные и итеративно улучшать. - Совместная работа и коммуникация: хорошие коммуникативные навыки, работа в полностью удалённой команде. - Уверенный опыт как минимум с одним языком программирования. Используется Go, но подойдут Python, Java, C++, Rust или аналогичные. - Опыт самостоятельной реализации проектов от сбора требований до поставки продукта клиенту. - Опыт разработки ПО для облака или системной инженерии. - Опыт написания чистого, надёжного и производительного кода, который легко поддерживать. Условия - Полная удалённая работа. - Компенсация для Германии: EUR 109 709 – EUR 131 651.
Staff-бэкенд-инженер, специализация Alerting
О роли Grafana Labs — компания, развивающая открытую платформу наблюдаемости Grafana Cloud. Команда Grafana Alerting работает над ядром open-source проекта Grafana. Миссия — предоставить пользователям самый глубокий способ управления алертами. Бэкенд-команда тесно работает с клиентами и командами Grafana Cloud, чтобы Alerting работал как on-prem, так и в облаке в бесконечном масштабе. Недавние проекты: - Построение распределённых систем для масштабирования приёма и доставки алертов на основе Prometheus. - Унификация настройки и доставки алертов для Grafana и Prometheus. - Масштабирование оценки Grafana-управляемых алертов до более 500 оценок в секунду в продакшене. Grafana Alerting используется крупными организациями по всему миру, включая мониторинг медицинских устройств и критической инфраструктуры. Задачи - Влиять на дорожную карту и собственные карьерные цели. - Работать с командой над новыми функциями и улучшать их по результатам. - Вести проекты от идеи до эксплуатации. - Участвовать в open-source культуре и вносить вклад в проекты вне зоны ответственности команды. - Проектировать, разрабатывать, эксплуатировать и поддерживать критически важные системы, отвечая за их надёжность, производительность и доступность. - Участвовать в дежурствах (on-call) и отвечать за сервисы. - Наставлять коллег, участвовать в обсуждениях архитектуры. - Изучать новые навыки, разбираясь в облачном продукте и кодовой базе большой распределённой системы. Требования - Мотивированный самостоятельный специалист, ориентированный на действия. - Ориентация на клиента. - Страсть к созданию интуитивных продуктов, отвечающих потребностям клиентов. - Прагматизм: умение разбивать сложные задачи на короткие циклы обратной связи, анализировать, проектировать, строить модульные решения, выпускать MVP, собирать данные и итеративно улучшать. - Хорошие коммуникативные навыки для работы в полностью удалённой команде. - Уверенный опыт как минимум с одним языком программирования. Используется Go, но подойдут Python, Java, C++, Rust или аналогичные. - Опыт самостоятельной реализации проектов от сбора требований до поставки продукта. - Опыт разработки ПО для облака или системной инженерии. - Опыт написания чистого, надёжного и производительного кода, который легко поддерживать. Условия - Удалённая работа (remote) в Ирландии. - Компенсация: EUR 117 600 – 141 120 в год.
Staff-бэкенд-инженер, Mimir Query, базы данных
О компании и команде Grafana Labs — компания, разрабатывающая открытую облачную платформу наблюдаемости Grafana Cloud. Платформа интегрирует метрики, логи, трейсы и профили. Команда Databases владеет и управляет телеметрическими базами данных: Mimir для метрик, Loki для логов, Tempo для трейсов, Pyroscope для профилей. Базы данных предоставляются как управляемый сервис в Grafana Cloud и как локальные решения (Grafana Enterprise Metrics, Logs, Traces). Это мультитенантные распределённые системы на Go, работающие в Kubernetes в AWS, GCP и Azure. Сквад Mimir состоит из трёх подсквадов: Ingest, Storage и Query. Команда поддерживает OSS-проект Mimir и управляет Grafana Cloud Metrics в трёх крупных облачных провайдерах. Инженеры фокусируются на оптимизации эффективности и отказоустойчивости обработки, хранения и запросов метрик при больших объёмах. Работа удалённая. Рассматриваются кандидаты в часовых поясах США. Обязанности - Влиять на дорожную карту и собственные карьерные цели. - Работать с командой над новыми функциями и улучшать их на основе результатов. - Вести проекты от идеи до эксплуатации. - Участвовать в open-source культуре и вносить вклад в проекты за пределами своей команды. - Проектировать, разрабатывать, эксплуатировать и поддерживать критически важные системы, отвечая за надёжность, производительность и доступность. - Участвовать в on-call ротации follow-the-sun и отвечать за сервисы. - Поддерживать других членов команды, участвовать в обсуждениях дизайна и сотрудничать. - Изучать новые навыки, углубляя понимание облачного продукта и клиентов, знакомиться с кодовой базой крупной распределённой системы. Условия Компания инвестирует в продуктивность разработчиков. Можно использовать современные AI-ассистенты для кодирования в повседневной работе (на выбор, в рамках политики безопасности), с оплачиваемым бюджетом. Доступны последние модели от OpenAI, Anthropic и Google.
Senior AI-инженер, ML и LLM
Eraneos — технический спин-офф глобальной управленческой консалтинговой компании. Клиенты — преимущественно компании из DAX и Fortune Global 500. Мы разрабатываем индивидуальные решения в области аналитики, больших данных и машинного обучения, помогая клиентам становиться компаниями на основе ИИ. Головной офис в Гамбурге, дополнительные офисы в Мюнхене и Дюссельдорфе, хаб-офисы в Кёльне, Берлине, Франкфурте и Штутгарте. Senior AI-инженер соединяет Data Science, машинное обучение, разработку ПО и консалтинг. Задачи: - Разрабатывать и вводить в эксплуатацию ИИ-модели, дающие измеримые результаты для клиентов. - Тесно работать с заинтересованными сторонами: понимать бизнес-задачи, переводить их в подходы на основе данных и превращать в готовые end-to-end решения. - Проектировать, внедрять и оценивать сценарии ИИ и ML — от классического ML до современных LLM, обеспечивать их надёжное развёртывание и мониторинг. - Создавать прототипы, применять практики MLOps, разработку ПО и интеграцию для воспроизводимости, масштабируемости и непрерывного улучшения ИИ-систем. - Понятно и уверенно доносить результаты до технической и нетехнической аудитории. - Думать за пределами краткосрочной реализации, добиваясь устойчивого эффекта для бизнеса клиентов. Требования: - Подтверждённый опыт в Data Science, статистике, машинном обучении, разработке ПО и/или прикладных ИИ-проектах. - Свободное владение Python, уверенное использование современных и распространённых ML-фреймворков и библиотек. - Опыт с Model Serving, мониторингом и CI/CD-процессами (например, MLflow, Airflow, Docker, GitHub Actions). - Написание чистого поддерживаемого кода, структурирование проектов с использованием современных практик разработки (FastAPI, SQLAlchemy, Pydantic). - Практический опыт с NLP и LLM: GPT, Claude, Gemini, Llama или Deepseek. - Уверенное владение SQL и работа с базами данных, проектирование эффективных пайплайнов для обучения и инференса. - Знакомство с ML-стеками на AWS, Azure или Google Cloud. - Свободный немецкий (C1) и английский. Условия: - Проекты на стыке стратегии, технологий и бизнеса. - Гибкий график, мобильные модели работы, возможность удалённой работы. - Открытая культура на «ты», плоские иерархии, международная среда. - Индивидуальные карьерные пути, обучение и развитие. - Международная сеть из более чем 1300 коллег, регулярные мероприятия. - Возможность саббатикала. - Company Bike и субсидия на EGYM Wellpass. - Современные офисы в Гамбурге, Мюнхене, Дюссельдорфе и гибкие хабы в крупных городах Германии. - Бесплатные напитки, фрукты, закуски и кофе.
Senior Software Engineer, Backend
Camunda — корпоративная платформа для оркестрации агентов, позволяющая организациям координировать ИИ-агентов, людей и системы в комплексных сквозных бизнес-процессах. Платформа обеспечивает управление, аудит и контроль со стороны человека, что позволяет переводить ИИ из пилотных проектов в промышленную эксплуатацию. Camunda доверяют более 700 организаций по всему миру, включая 9 из 10 крупнейших банков США. Компания полностью удаленная и глобальная, трансформируется в AI-first организацию, построенную на собственной платформе. Признана GP Bullhound's Top 100 Next Unicorn list, сертифицирована как Great Place to Work 2025, названа Visionary в 2025 Gartner Magic Quadrant для Business Orchestration and Automation Technologies, заняла 3-е место в рейтинге Flexa's 2026 Most Flexible Companies. О роли Camunda проходит AI-First трансформацию, и компания ищет Senior Software Engineer в команду Engineering Operations. В составе этой платформенной команды вы будете играть ключевую роль в развитии инженерного совершенства: создавать, внедрять и поддерживать масштабируемые основные процессы для повышения эффективности разработки, надежности и качества в кодовых базах Camunda 8, а также в процессах всей инженерной организации. По мере развития Camunda 8 как лидера рынка оркестрации агентов, ваша миссия — обеспечить, чтобы внутренний жизненный цикл разработки был столь же автономным и беспрепятственным. Вы будете работать с командами инфраструктуры и основной разработки, чтобы обеспечить плавные рабочие процессы, надежное управление зависимостями и непрерывное улучшение CI-процессов в эпоху AI-first разработки, позволяя командам Camunda 8 лучше сосредоточиться на разработке основного продукта. Задачи - AI-расширенная инженерия: лидировать переход к автоматизированному жизненному циклу разработки, внедряя и оркестрируя единые процессы в репозиториях Camunda 8, включая AI-ассистируемые процессы: управление релизами, автономное обновление зависимостей и проактивное устранение CVE. - Постоянно оптимизировать здоровье CI/релизов и скорость разработки, используя метрический подход для выявления и устранения узких мест в AI-first рабочих процессах. - Сотрудничать с ключевыми заинтересованными сторонами для реализации CI-стратегии и инженерных лучших практик, создавая позитивное влияние в инженерной организации. - Выявлять точки трения в инженерных процессах и превращать их в автоматизированные, самоподдерживающиеся системы, способные выдерживать увеличенный объем AI-расширенной рабочей силы, эффективно взаимодействуя с инженерами, лидерами и кросс-функциональными командами. Требования Обязательные: - Сильный опыт разработки ПО с подтвержденными результатами (предпочтительно Java). - Специализация: Fullstack или Backend. - Страсть к операционному совершенству в инженерии помимо написания кода: оптимизация CI/CD, управление зависимостями, улучшение релизных процессов, сбор метрик и эффективность сборки (DevOps-мышление), а также опыт владения и развития инженерных процессов от начала до конца. - Сильный опыт работы с CI-инструментами сборки (GitHub Actions, Java-экосистема — Maven, Docker) и автоматизацией (Shell/Python) в сложных проектах (например, монорепозиториях). - Сильные навыки коллаборации между командами и поставка значимых решений в платформенной среде. - Опыт работы с инструментами разработчика, оптимизацией процессов и внедрением AI. Вы берете на себя ответственность за кодовую базу, а также за то, как вы развертываете и эксплуатируете ПО. Вам комфортен подход «you build it, you run it». Желательные: - Опыт проектирования эффективных кросс-командных операций. - Практический опыт работы с Camunda или другими BPMN-системами. Условия Компания предлагает справедливую, прозрачную и конкурентоспособную компенсацию. Для новых сотрудников кандидаты обычно размещаются в первой половине диапазона, что оставляет пространство для роста. Годовой совокупный денежный доход (базовая зарплата + 100% переменная часть, где применимо): - США: $143 800 — $231 900 - Великобритания: £90 300 — £148 500 - Сингапур: S$178 600 — S$267 900 Для кандидатов из других локаций найм осуществляется через Remote.com (глобальный партнер работодателя), и ваш Talent Acquisition Partner предоставит персональный калькулятор вознаграждения после первого интервью. Акции: предлагаются акции (где применимо) через Virtual Stock Option Plan (VSOP).
Специалист по онбордингу клиентов
Planet — компания, проектирующая, производящая и эксплуатирующая крупнейшую группировку спутников дистанционного зондирования Земли. Данные компании используются клиентами в коммерческом, экологическом и гуманитарном секторах. Роль: Специалист по онбордингу клиентов отвечает за технический онбординг, сокращение времени до получения ценности и успешное внедрение данных, инструментов и рабочих процессов Planet. Работает в команде Education & Enablement, тесно взаимодействуя с отделами Customer Success, Technical Support, Professional Services, Product и Revenue Operations. Также обеспечивает техническую поддержку стратегических клиентов в Латинской Америке. Формат работы: полная занятость, удалённо, на территории Латинской Америки. При нахождении рядом с офисом — работа из офиса 3 дня в неделю. Задачи: - Проведение технического онбординга, помогающего клиентам внедрять продукты, данные и рабочие процессы Planet. - Ведение вводных звонков, координация онбординга, проведение живых сессий, технических тренингов и воркшопов для клиентов в Латинской Америке. - Совместно с менеджерами Customer Success обеспечение технической поддержки стратегических клиентов. - Выстраивание доверительных технических отношений с клиентами, обучение и рекомендации по лучшим практикам. - Разработка и поддержка онбординг-ресурсов, обучающих материалов на образовательных платформах Planet. - Координация онбординга между отделами Education, Customer Success, Technical Support, Professional Services, Product и Revenue Operations. - Мониторинг вовлечённости клиентов и обратной связи, внесение предложений по улучшению онбординга. Требования: - Опыт от 4 лет в онбординге клиентов, клиентском образовании, техническом обучении, технической поддержке, Customer Success или аналогичной клиентоориентированной роли. - Степень бакалавра в смежной области. - Свободное владение английским, испанским и португальским языками, способность проводить обучение на всех трёх языках. - Технические навыки: понимание сложных клиентских процессов, умение объяснять технические концепции технической и нетехнической аудитории. - Опыт работы с ГИС, данными дистанционного зондирования или геопространственными платформами. - Практический опыт программирования или написания скриптов (желательно Python), достаточный для понимания клиентских процессов и устранения неполадок. - Знание принципов обучения взрослых и лучших практик клиентского образования. - Способность координировать кросс-функциональные онбординг-активности. Будет преимуществом: - Опыт работы в среде SaaS, с данными или продуктами для разработчиков.
Инженер-программист, безопасные контейнерные образы
Canonical развивает новое поколение контейнерных образов на основе Ubuntu — «rocks»: минималистичные образы, оптимизированные для производительности и удобства, с долгосрочными обязательствами по безопасности. Более 10 миллиардов загрузок образов Canonical. Обязанности - Сопровождать и развивать портфель качественных, укреплённых контейнерных образов. - Проектировать и эксплуатировать автоматизированные CI/CD-конвейеры для сборки, тестирования, сканирования, подписания, публикации, продвижения и вывода из эксплуатации образов в разных средах и архитектурах. - Писать инструменты и тесты для оценки соответствия требованиям безопасности и совместимости с облачными технологиями. - Тесно работать с сообществом и партнёрами для обмена опытом и поддержания актуальности портфеля. - Сотрудничать с командами по безопасности продукта, платформы, инфраструктуры и клиентскими командами. - Вносить технический вклад в принятие решений команды. - Задавать стандарты качества, определяя стандарты образов: безопасность, совместимость, производительность, размер, удобство для разработчиков. - Развивать базу знаний и писать о проделанной работе. - Работать в совместной, гибкой, глобально распределённой среде. - Наставлять коллег и участвовать в найме. - Работать из дома с командировками до 15% времени для внутренних и внешних мероприятий. Требования - Владение Bash и Python. - Опыт работы с CI/CD-системами (например, GitHub Actions, Jenkins). - Опыт сборки контейнерных образов. - Владение как минимум одним инструментом управления контейнерами или оркестрации (например, Docker, Podman, Kubernetes). - Практический опыт работы с Linux-системами, управлением пакетами, сборочными системами, релизным инжинирингом или конвейерами артефактов. - Чёткая коммуникация и сквозная ответственность: проектирование, ревью, документация, эксплуатация, кросс-командное взаимодействие. - Готовность делиться знаниями и помогать коллегам расти. - Искренний интерес к обучению и работе вне зоны комфорта. - Степень бакалавра или эквивалент в области компьютерных наук, STEM или аналогичной дисциплине. - Отличная академическая успеваемость в школе и университете. - Деловой уровень письменного и устного английского. - Искренняя личная мотивация, соответствующая миссии компании. - Международные командировки 2–4 раза в год на мероприятия компании длительностью до двух недель. - Релевантный опыт 0–7 лет. - Соответствие ценностям компании: точность, надёжность, доступность, гибкость (сочетание энтузиазма, знаний, адаптивности, стиля и характера). Желательно - Подход к обслуживанию с акцентом на безопасность: исследование зависимостей и уязвимостей, оценка влияния, безопасное исправление. - Понимание безопасности цепочки поставок ПО, опыт создания и использования артефактов: SBOM, подписи, происхождение, отчёты CVE. - Знакомство с принципами и рабочими процессами GitOps. - Знание дополнительных языков, таких как Go или Rust. - Практический опыт создания минималистичных и distroless-образов. - Знание спецификаций OCI. - Знакомство с фреймворками безопасности и соответствия: CIS, NIST, FedRAMP, DISA STIG. - Наличие вклада в open source проекты. - Интерес к внедрению безопасности на всех этапах жизненного цикла разработки (DevSecOps) и к ответственному использованию ИИ или агентных разработок. - Соответствующие сертификаты Linux, контейнеров или облачных технологий (например, CKS или DCA). Условия - Локация: регион EMEA. - Удалённая работа из дома. - Командировки: до 15% времени на внутренние и внешние мероприятия; также 2–4 раза в год на мероприятия компании длительностью до двух недель.
Marketing Engineer, AI Deployment
Figma ищет Marketing Engineer, AI Deployment. Эта роль находится на стыке операций, данных и маркетинга и сосредоточена на превращении стратегии и ручной работы в масштабируемые автоматизированные системы. Это не традиционная операционная роль, а системно-ориентированная позиция, посвященная созданию инфраструктуры, рабочих процессов и интеллектуальных слоев, которые обеспечивают современный, продуктово-информированный механизм дохода и эффективности в маркетинге. Идеальный кандидат — эксперт в создании взаимосвязанных слоев данных, оптимизированных для ИИ, внедрении ИИ и переводе сложных бизнес-задач в масштабируемые автоматизированные технические процессы, которые напрямую влияют на доход и операционную эффективность. Успех в этой роли измеряется тремя показателями: - Количество запущенных ИИ-агентов — число ИИ-систем, внедренных в реальное регулярное использование маркетологами. - Сэкономленные часы — ручная работа, возвращенная организации и реинвестированная в задачи с более высокой отдачей. - Привлеченный доход — pipeline, рост конверсии или скорость сделок, напрямую связанные с созданными системами. Это полная занятость. Роль может выполняться из одного из хабов компании в США или удаленно на территории США. Обязанности: - Выявлять и определять высокоэффективные случаи использования ИИ в маркетинге, доводя их от прототипа до полного развертывания. - Обучать и партнериться с маркетологами, помогая им перейти от начального уровня к полной трансформации рабочих процессов и самодостаточности. - Создавать индивидуальные инструменты, агентов, автоматизации и интеграции (API, MCP-серверы) под задачи каждого оператора — кампании, жизненный цикл, производство контента, интеллектуальная отчетность и другое. - Владеть и развивать управляемый через GitHub маркетинговый ИИ-кортекс из промптов, навыков, контекстных файлов и агентов, относясь к нему как к продукту: версионирование, документация и постоянное улучшение. - Распознавать паттерны в своей когорте и систематически продуктивизировать работающие решения — инструменты, созданные для одного маркетолога, должны становиться переиспользуемыми для коллег, а затем и для всей организации. - Измерять результаты: определять критерии оценки, инструментировать ИИ-процессы и отслеживать внедрение, чтобы выявить, какие агенты, промпты и навыки приносят пользу, и отключать те, что не работают. - Документировать каждый процесс, инструмент, плейбук и паттерн трансформации, чтобы знания масштабировались за пределами одного человека. - Следить за трендами в генеративном ИИ, LLM и агентных системах и открыто делиться успехами с командой и руководством для создания импульса и стимулирования внедрения. Требования: - Подтвержденный опыт как ИИ-строителя — агенты, LLM-процессы, автоматизации или промпт-системы, запущенные в продакшн и принятые реальными пользователями. Важнее, что именно создано, а не количество лет в какой-либо функции. - Глубокие практические знания Gumloop (предпочтительно) или эквивалентных платформ оркестрации агентов, таких как n8n, Workato или Zapier, включая создание общих шаблонов процессов, которые нетехнические пользователи могут самостоятельно адаптировать и изменять. - Опыт создания и поддержки общих библиотек промптов, каталогов навыков или баз знаний, читаемых ИИ. Бонус — управление ими в системе контроля версий (GitHub и т. п.) с надлежащей документацией и оценками. - Склонность к измерениям — инстинктивное инструментирование создаваемых систем, определение критериев успеха и итерации на основе данных, а не ощущений. - 5+ лет опыта создания систем для go-to-market команд — Marketing Operations, Revenue Operations, Sales Operations, AI Transformation или Technology Transformation. Меньший срок рассматривается при сильном портфолио ИИ-строителя. Плюсом будет: - Опыт работы с инструментами маркетинговой автоматизации и композитными CDP (например, Customer.io, Hightouch, Census) с reverse ETL процессами. - Умение запрашивать данные с помощью SQL в хранилищах вроде Snowflake или BigQuery, а также легкое скриптование на Python или TypeScript для прототипирования интеграций. - Опыт руководства кросс-функциональными программами обучения, тренингов и управления изменениями, которые переводят потребности стейкхолдеров в структурированные ИИ-процессы. - Применение принципов product-led growth для формирования продуктово-информированных маркетинговых активностей и стратегий кампаний. - Взаимодействие с продуктовой экосистемой Figma и более широким ландшафтом инструментов для дизайна и разработки.
Senior Fullstack Engineer, Python и React
Компания создает AI-платформу для производства коротких вертикальных видео с экспертным и обучающим контентом. Продукт помогает превращать исходные материалы в готовые ролики: выбирать фрагменты, обрабатывать видео и звук, создавать субтитры и добавлять элементы для публикации. Сейчас проект находится на стадии MVP. В августе 2026 года планируется подключить первых экспертов, в сентябре — провести первые клиентские запуски. Ищем Senior Fullstack Engineer с сильной экспертизой в Python, который возьмет на себя разработку продукта и будет участвовать в формировании его архитектуры. На старте предстоит развивать основной видеопайплайн: от загрузки исходных материалов до получения готового ролика. Задачи: - Проектировать backend, API и структуру данных. - Разрабатывать рабочие интерфейсы на React. - Подключать AI-, video- и speech-to-text-сервисы. - Строить очереди и фоновые процессы обработки. - Работать с загрузкой, хранением и обработкой видеофайлов. - Разворачивать изменения и диагностировать проблемы после релиза. - Повышать скорость и стабильность системы. Задачи приходят не как готовые технические задания, а как продуктовая проблема или ожидаемый пользовательский результат. Инженеру нужно самостоятельно уточнить ограничения, сравнить варианты реализации и выбрать решение, подходящее для стадии MVP. На старте инженер будет работать в связке с CPO, Product Manager и дизайнером. Прямое подчинение — CPO. У CPO есть технический бэкграунд, но готовых архитектурных решений и подробной технической декомпозиции не будет. Отдельных CTO и DevOps-инженера сейчас также нет, поэтому роль предполагает высокую самостоятельность и влияние на техническую часть продукта. По мере роста проекта инженерная команда будет расширяться. Используемые технологии: - Backend: Python, FastAPI, асинхронные процессы, фоновые задачи, очереди, внешние API. - Frontend: React или другой современный JavaScript-фреймворк. - Данные и инфраструктура: PostgreSQL, Cloudflare R2, Railway, Git. Стек не зафиксирован окончательно: инженер сможет предлагать изменения.
Lead Backend Developer / AI Engineer
Компания CRT — IT-компания с 20-летним опытом разработки, базируется в Тюмени. ООО «Креатив» внесено в реестр аккредитованных IT-организаций 10.10.2017. Сейчас формируется кадровый резерв Java-разработчиков уровня Middle и выше для проектного сотрудничества с партнерами CRT. Компания знакомится с кандидатом, обсуждает опыт, стек, формат работы и ожидания. При совпадении условий специалист добавляется в рабочий чат с актуальными проектными запросами. Можно откликаться только на те проекты, которые подходят по опыту, загрузке и условиям. Под конкретный запрос готовится обезличенное резюме и направляется партнеру. Проекты могут длиться от месяца до полугода и дольше. Возможна проектная или полная загрузка. Чем предстоит заниматься: — Анализировать нечёткие требования, формировать user stories, технические постановки, критерии приёмки и негативные сценарии — Декомпозировать фичи и распределять задачи между собой, командой и AI-агентами — Проектировать микросервисы, API, интеграции и модели данных — Разрабатывать backend-сервисы и проверять созданный агентами код на корректность, безопасность, производительность и соответствие архитектуре — Формировать для AI-агентов контекст, ограничения и стандарты, итеративно управлять результатом — Проводить код-ревью, планировать работу команды, участвовать в менторинге и технических собеседованиях — Погружаться в предметную область и доводить функциональность от идеи до работающего решения в проде Что ожидается от кандидата: — Коммерческий опыт backend-разработки от 5 лет на Python, Go или другом серверном языке — Практический опыт системного анализа, работы с требованиями и подготовки технических постановок — Опыт проектирования и разработки крупных микросервисных систем — Уверенное владение SQL, опыт проектирования баз данных и работы с PostgreSQL и MongoDB — Понимание паттернов Repository, Service, Unit of Work и подходов DDD и CQRS — Опыт работы с Docker, CI / CD и GitLab CI, базовое знание Kubernetes — Понимание мониторинга и логирования с использованием Prometheus, Grafana или ELK — Активный опыт работы с Claude Code, Cursor, Copilot, Gemini или другими AI-инструментами — Умение делегировать агентам полноценные задачи, формировать контекст и критически проверять результат — Опыт лидирования разработки от 2 лет, включая постановку задач, код-ревью и развитие команды Заработная плата: до 250 000 ₽ за месяц, на руки.
Backend-инженер Python, парсинг соцсетей и LLM
Компания собирает и классифицирует тренды в нишах по соцсетям. Система парсит контент площадок, размечает его по тематикам и форматам через LLM и отдает результат в контент-планы экспертов. Сейчас модуль работает на сторонних платных сервисах, запускается вручную и считает нишу несколько дней из-за лимитов на выгрузку. Задача инженера — перевести его на собственные парсеры и автоматический запуск, расширить список площадок и снизить стоимость прогона до близкой к нулю. Проект находится на стадии MVP. Первые эксперты должны начать пользоваться продуктом в августе 2026 года, первые клиенты ожидаются ориентировочно в сентябре. Бэклог на следующие 6–12 месяцев ещё формируется, поэтому задачи и приоритеты будут уточняться по мере тестирования продукта. Задачи: - Писать и поддерживать парсеры соцсетей: Instagram, TikTok, Threads, дальше Facebook, X и другие площадки. - Уходить со сторонних платных сервисов на Apify и затем на собственные решения, контролируя стоимость прогона. - Сделать автозапуск пайплайна: расписания, очереди, ретраи, мониторинг и оповещения о сбоях. - Классифицировать контент через LLM: тематики, форматы, признаки тренда. - Собирать и вести пайплайны обработки на LangGraph или LangChain. - Сравнивать модели по качеству и цене и переводить разметку на более выгодную. - Проектировать хранение и витрины данных, из которых собираются контент-планы. - Держать систему живой при изменениях на стороне площадок. Задачи приходят не как готовые технические задания, а как описание процесса и ожидаемого результата. Инженеру нужно самостоятельно уточнить ограничения, сравнить варианты реализации и выбрать решение, подходящее для текущего масштаба, а не для гипотетического. Инженер будет работать напрямую с Product Manager и fullstack-инженерами платформы, которая потребляет данные трендвотчинга. CTO, отдельного архитектора и DevOps в команде пока нет, поэтому сотрудник должен самостоятельно принимать технические решения и доводить задачи до production.
Senior Fullstack Engineer (Python / React / LLM) (платформа Experts)
Мы делаем платформу для скаутинга и поддержки эксперта. Эксперт приходит через партнерскую сеть, проходит проверку по критериям, подписывает договор онлайн и заполняет структурированные формы о своей профессиональной деятельности. Из этих данных собираются базы, которые используют другие наши продукты. Проект находится на стадии MVP. Первые эксперты должны начать пользоваться продуктом в августе 2026 года, первые клиенты ожидаются ориентировочно в сентябре. Бэклог на следующие 6–12 месяцев ещё формируется, поэтому задачи и приоритеты будут уточняться по мере тестирования продукта. Ищем двух fullstack-инженеров: первый выходит на старте и закладывает архитектуру, второй присоединяется следом. Предстоит построить платформу с нуля: от регистрации партнера по реферальной ссылке до передачи данных об эксперте в смежные продукты. 1. Проектировать backend, API и структуру данных2. Разрабатывать личные кабинеты партнера и эксперта на React: формы, прогресс, статусы, возврат на доработку3. Делать админку: очередь заявок, оповещения, решения по экспертам4. Собирать контур допуска партнера: видеоуроки, тест, доступ к работе5. Вести договор в кабинете эксперта6. Строить KYC-пайплайн на LLM: прием документов, извлечение данных, оценка по критериям, вердикт7. Отвечать за качество LLM: промты, стабильность результата, разбор расхождений с решением администратора8. Собирать из форм структурированные данные и отдавать их в смежные продукты через API9. Строить очереди и фоновые процессы, деплоить и держать стабильность после релиза Задачи приходят не как готовые технические задания, а как описание процесса и ожидаемого результата. Инженеру нужно самостоятельно уточнить ограничения, сравнить варианты реализации и выбрать решение, подходящее для текущего масштаба, а не для гипотетического. Часть требований к обработке данных на входе будет неполной — их предстоит уточнять вместе с продуктом и владельцами смежных продуктов. Инженер будет работать напрямую с Product Manager и дизай...
PHP-разработчик в TRIBE
Работа на неполный день с возможностью удалёнки. Стажер backend-направления в SimbirSoft. PHP-разработчик в TRIBE. Python / LLM Engineer: RAG и ИИ-агенты в ООО М-ТЕХ. Москва. Санкт-Петербург. Самара. До 200 000 ₽. Разработчик сайта (Laravel) в ИТ-школа Стартория. Intern data scientist в Strikt. Больше вакансий remote parttime
Middle Data Science, LLM/NLP
Т1 — один из лидеров российского ИТ-рынка, партнёр ключевых производителей и разработчиков в сфере ИТ. Направление Искусственного интеллекта: большие данные, платформы хранения информации, аналитические и рекомендательные системы для крупного бизнеса. Опыт работы: от 3 до 6 лет. Формат работы: Рязань, гибрид. Чем предстоит заниматься - Интеграция LLM в продукты и сервисы (API, backend, пайплайны обработки данных). - Оценка качества ответов моделей (автоматические метрики, human eval). - Построение RAG-систем: индексация данных, работа с векторными БД. - Оптимизация производительности и стоимости инференса (квантизация, batching, caching). Наши пожелания к кандидатам - Уверенное владение Python, SQL. - Знания в области NLP алгоритмов. - Опыт работы с prompt engineering, fine-tuning / PEFT (LoRA, adapters), RAG-подходами. - Опыт с фреймворками: LangChain, LlamaIndex, Hugging Face.
Senior DS Product Manager, автоматизация поддержки
Юнит Support Automation создаёт решения для автоматизации работы команд поддержки пользователей. Мы разрабатываем ML- и LLM-модели, которые помогают операторам быстрее и точнее решать запросы, сокращая время на низкоуровневую рутину и повышая качество взаимодействия с пользователями. Наша цель — создавать платформенные и масштабируемые решения, которые будут использоваться по всем вертикалям Авито. Мы ищем Senior DS Product Manager, который станет глобальным владельцем направления автоматизации поддержки, сможет генерировать гипотезы, проверять их и доводить реализацию до результата. Примеры будущих задач: — исследовать и валидировать точки роста в автоматизации, генерировать гипотезы и доводить успешные из них до реализации; — формировать и защищать продуктовые решения, включая ML- и бизнес-метрики, чтобы оценить эффективность; — управлять работой команды, выводом ML/LLM-решений в тесты и эксплуатацию, контролировать их качество и стабильность; — разбирать инциденты и выстраивать процессы улучшения; — следить за трендами в области ML и LLM, искать и внедрять современные подходы, которые улучшают качество решений; — обеспечивать коммуникацию с внутренними и внешними стейкхолдерами и регулярно отчитываться о ходе работ. Будет здорово, если вы: — не менее четырех лет управляли технической командой и бэклогом, запуская сервисы на основе ML/LLM-технологий; — умеете делать аргументированный и подкреплённый данными дискавери; — разбираетесь в том, как устроена автоматизация и в жизненном цикле ML-моделей; — следите за трендами в индустрии и последними разработками в области AI, ML и LLM; — умеете проанализировать стоимость разработки и потенциальную ценность предлагаемого решения; — можете ясно и доступно объяснять технические темы DS, аналитикам и продукт-менеджерам; — мыслите системно, логично структурируете информацию и умеете подкреплять гипотезы фактами и цифрами; — готовы к выступлениям перед руководством и стейкхолдерами; — знакомы с внутренними архитектурами и платформенными решениями Авито; — имеете опыт работы с пользователями и стейкхолдерами через B2B-проекты; — интересуетесь вопросами Trust & Safety и пользовательского опыта; — умеете использовать SQL или Python для анализа данных.
LLM-инженер, генеративный ИИ и MLOps
Компания Cognizant. Роль: LLM-инженер. Вы будете проектировать, создавать, оптимизировать и развертывать решения на основе больших и малых языковых моделей (LLM и SLM), которые обеспечивают работу корпоративной Agent Factory. Вы станете членом команды AI Engineering и будете работать совместно с дата-сайентистами, платформенными инженерами, продуктовыми командами и бизнес-заинтересованными сторонами для создания масштабируемых, готовых к продакшену возможностей генеративного ИИ. Обязанности - Проектировать, создавать, дообучать, развертывать и оптимизировать решения на основе LLM и SLM для корпоративных сценариев. - Разрабатывать и поддерживать пайплайны супервайзерного дообучения, адаптации моделей и оценки. - Применять продвинутые методы оптимизации моделей, включая LoRA, QLoRA, дистилляцию, квантизацию и сжатие моделей, для повышения производительности и эффективности. - Оценивать коммерческие, открытые и внутренние базовые модели по качеству, стоимости, масштабируемости и эксплуатационным требованиям. - Сотрудничать с кросс-функциональными командами для поддержки доменных AI-решений с использованием одобренных корпоративных наборов данных и лучших практик ответственного ИИ. Условия работы - Удаленная позиция, открытая для квалифицированных кандидатов в Луисвилле, Кентукки. - Позиция не предусматривает перенос или спонсирование визы сейчас или в будущем. Требования - 7+ лет опыта в разработке ПО, AI-инжиниринге, ML-инжиниринге, платформенном инжиниринге или смежной технической дисциплине. - 2+ года практического опыта разработки и развертывания решений на основе генеративного ИИ, LLM, SLM или агентного ИИ в продакшен-среде. - Опыт создания корпоративных AI-приложений с использованием LLM, RAG, промт-инжиниринга, API и облачных или локальных платформ. - Глубокое понимание методов дообучения моделей, адаптации, фреймворков оценки и методологий измерения качества ИИ. - Владение разработкой ML, развертыванием моделей и лучшими практиками MLOps. - Опыт работы с Python и современными AI/ML-фреймворками и инструментами. Желательно - Знание AI-инфраструктуры, оптимизации GPU и обслуживания моделей большого масштаба. - Опыт внедрения управления моделями, ответственного ИИ и фреймворков оценки. - Знакомство с векторными базами данных, эмбеддинг-моделями и продвинутыми RAG-архитектурами. - Опыт создания корпоративных AI-платформ, мультиагентных систем или фреймворков оркестрации агентов. Зарплата и льготы - Заявки принимаются до 17 сентября 2026 года. - Годовая зарплата: от $81 337 до $141 500 в зависимости от опыта и квалификации. - Участие в дискреционной ежегодной программе поощрения Cognizant на основе результатов и условий планов. - Льготы: медицинская, стоматологическая, офтальмологическая страховка, страхование жизни; оплачиваемые праздники и отпуск; план 401(k) и взносы; долгосрочная и краткосрочная инвалидность; оплачиваемый отпуск по уходу за ребенком; программа покупки акций для сотрудников.
Инженер по оценке ИИ-агентов, разработчик задач
Компания Mindrift подбирает специалистов для проектной работы с ИИ-системами ведущих технологических компаний. Участие проектное, не постоянная занятость. Роль: разработка задач на кодинг для frontier-моделей ИИ. Каждая задача — самодостаточное Docker-окружение с неработающим кодом, который агент должен исправить; автоматические тесты проверяют результат. Итоговый результат — полный пакет: сломанный код, тесты, инструкция и эталонное решение. Задачи: - Придумать реалистичный сценарий разработчика — реальный баг, сломанный ETL, отсутствующая функция, а не учебная проблема. - Собрать воспроизводимое Docker-окружение с фиксированными зависимостями. - Написать pytest, проверяющий результат, а не команды, — детерминированный, стабильный, не раскрывающий исправление. - Написать instruction.md в формате Jira-тикета. - Написать эталонное решение solve.sh, доказывающее решаемость задачи. - Калибровать сложность так, чтобы современные агенты решали задачу в 20–60% случаев. - Дорабатывать задачи по обратной связи от экспертных QA-ревьюеров. - Позже — рецензировать задачи других авторов в роли QA-ревьюера. Вне области: разметка данных, промт-инжиниринг, продакшн-код, задачи уровня Leetcode. Требования: - 3+ года продакшн-разработки в одном бэкенд-стеке: Python, Go, Node.js, Java или Rust. - Свободное владение Python и pytest — обязательно независимо от основного стека: фикстуры, parametrize, monkeypatch, таймауты, conftest.py. - Опыт создания Docker-образов: воспроизводимые Dockerfile, фиксированные зависимости, multi-stage сборки, запуск от non-root пользователя. - Уверенная работа с Linux и Bash: отладка внутри контейнеров (strace, lsof, journalctl), shell-скрипты сложнее set -euo pipefail. - Опыт работы с ИИ-агентами кодинга — Claude Code, Cursor, Roo Code или аналогичными — на нетривиальных задачах; умение привести пример, когда ИИ уверенно ошибался, и как это было обнаружено. - Письменный английский уровня B2+. Не подходит: инженеры Data Science, ML или Computer Vision без бэкенд-опыта; мануальные QA без автоматизации; фронтенд-only, low-code/no-code, IT-поддержка, бизнес-аналитики; инженеры без опыта написания pytest с нуля; джуниоры, интерны или ассистенты на последней позиции. Предпочтительно: - Глубина в одной из областей: безопасность, системное администрирование (nginx, systemd, cron), научные вычисления (NumPy, PyTorch, SciPy), DevOps или внутренности Git. - Современный Python-тулинг: uv, poetry, pyproject.toml. - Инструменты покрытия: pytest-cov, coverage.py, gcov, llvm-cov, kcov. - Фаззинг или property-based тестирование (Hypothesis). - Опыт участия в бенчмарках оценки агентов. Процесс: заявка → квалификационный этап (90-минутный тест-задача и короткое поведенческое интервью) → присоединение к проекту → выполнение задач → оплата. Время: онбординг — около 10 часов на первую задачу; далее — около 5 часов на задачу, 2–4 параллельные задачи; реалистичная недельная нагрузка — 8–20 часов. График свободный, задачи сдаются к дедлайну и по критериям приёмки. Оплата: до $35 в час, зависит от экспертизы, оценки навыков, локации и потребностей проекта. Возможны повышенные ставки для узких специалистов, пониженные — на онбординге. Детали оплаты сообщаются по каждому проекту.
Senior AI-архитектор, Generative AI и Agentic AI
Компания AIT Global, Inc. Локация Удалённо О роли Ищем опытного архитектора Generative AI / Agentic AI для руководства проектированием, разработкой и внедрением корпоративной AI-платформы нового поколения. Идеальный кандидат — практикующий архитектор с глубокой экспертизой в Agentic AI, больших языковых моделях (LLM), облачных технологиях AWS и современных фреймворках оркестрации ИИ. Роль требует сильного технического лидерства для проектирования масштабируемых AI-решений, а также наставничества и руководства командой разработчиков. Обязанности - Проектировать и создавать корпоративную платформу Generative AI и Agentic AI с нуля. - Руководить проектированием и разработкой AI-агентов и мультиагентных систем с использованием современных фреймворков Agentic AI. - Определять архитектуру платформы, переиспользуемые компоненты, стандарты безопасности, управления, наблюдаемости и развёртывания. - Руководить и наставлять команду AI-инженеров и разработчиков: архитектура, дизайн, код-ревью, поставка. - Взаимодействовать с бизнес- и техническими стейкхолдерами для преобразования требований в масштабируемые AI-решения. - Оценивать и интегрировать новые AI-технологии и фреймворки. Требования - 15+ лет опыта в разработке ПО, из них 3+ года в Generative AI / Agentic AI. - Практический опыт проектирования и разработки решений Agentic AI с использованием: LangGraph/LangChain, Strands Agents, Model Context Protocol (MCP), Agent-to-Agent (A2A), Loop Engineering, оркестрация AI-воркфлоу и мультиагентные архитектуры. - Опыт создания LLM-приложений: промпт-инжиниринг, RAG, Function Calling, Tool Calling, управление памятью, AI Guardrails. - Практический опыт работы с AWS: Amazon Bedrock, EKS/ECS, Lambda, API Gateway, Step Functions, S3, DynamoDB/Aurora, IAM, CloudWatch. - Сильные навыки Python; опыт с FastAPI и REST API. - Знание React/TypeScript — плюс. - Опыт с векторными базами данных, микросервисами, Docker, Kubernetes и CI/CD. - Понимание концепций Generative UI (GenUI) и AI-управляемого пользовательского опыта. Предпочтительные квалификации - Опыт создания корпоративных AI-платформ от концепции до продакшена. - Желателен опыт в здравоохранении, особенно с данными плательщиков (payer data). - Знание Responsible AI, управления ИИ, безопасности и наблюдаемости. - Желательны сертификаты AWS Solution Architect или AI/ML. - Отличные коммуникативные навыки, управление стейкхолдерами и техническое лидерство.
Staff-разработчик ПО, ИИ и платформа
О роли Staff-разработчик в команде AI & Platform — hands-on технический лидер, создающий AI-функциональность продукта. Работаете вместе со Staff Data Engineer (отвечает за фундамент данных) и подчиняетесь Engineering Manager. Фокус — на прикладном и агентном AI-слое: проектирование, разработка и выпуск AI-функций, с которыми взаимодействуют клиенты. Роль предполагает интенсивную работу с кодом и широкое техническое влияние на команду. Задачи - Проектировать и создавать AI-функции продукта: агенты на основе LLM, интеллектуальную автоматизацию, прогнозные возможности на операционных данных Auvik. - Вести сложные технические задачи от начала до конца: архитектура, продакшен-код, отладка на уровне систем, надёжный релиз. - Совместно с Data Engineer определять, какие данные нужны AI-слою, в каком виде и с какой свежестью; интегрироваться с инфраструктурой поиска и пайплайнов. - Взаимодействовать с продакт-менеджерами и дизайнерами, превращая потребности клиентов в чётко ограниченные AI-функции. - Оценивать и внедрять новые AI-технологии (LLM, агентные фреймворки, RAG-паттерны, подходы к тонкой настройке), принимать прагматичные решения build-vs-buy. - Задавать стандарты в код-ревью, технических обсуждениях и инженерных практиках. - Наставлять других разработчиков. - Вносить вклад в общие инструменты, библиотеки и паттерны, ускоряющие AI-разработку в инженерной организации. Требования - Сильные основы программной инженерии и значительный опыт создания и выпуска продакшен-систем в масштабе. - Практический опыт создания AI/ML-функций: работа с LLM, промт-инжиниринг, RAG-архитектуры или агентные фреймворки. - Владение Go, Scala или TypeScript (React/GraphQL). Python для ML-процессов — плюс. - Глубокое понимание системного дизайна, распределённых систем, умение принимать архитектурные решения в условиях неопределённости. - Практический опыт работы с агентными инструментами кодинга (Cursor, Copilot Workspace, Claude Code), включая настройку ограничений и проверку результатов. - Сильные коммуникативные навыки: работа с AI-инженерами, продакт-менеджерами и инженерным руководством, умение переключаться между техническими и бизнес-обсуждениями. - Продуктовое мышление: понимание, зачем создаётся функция и решает ли она реальную проблему клиента. Бонусы - Опыт в управлении сетями, мониторинге или инфраструктурном ПО. - Опыт с AI-управляемой автоматизацией, обнаружением аномалий или прогнозной аналитикой в операционном контексте. Условия - Полностью распределённая команда, поддержка работы из дома или любого выбранного пространства. - Регулярные возможности для обучения и роста, обратная связь от руководства, тщательный онбординг. О компании Auvik — облачное ПО для управления сетями, дающее IT-командам мгновенную видимость и контроль над инфраструктурой: локальной, удалённой или распределённой по глобальным сетям. Платформа автоматизирует обнаружение сетей, картирование, мониторинг, резервное копирование конфигураций, анализ трафика и оповещения. Компания стремится к разнообразию и инклюзивности.
Senior Software Engineer, AI и Healthcare Analytics
О роли В Oracle Health создают будущее здравоохранения — облачные решения с ИИ в основе, рассчитанные на работу в масштабе страны. Миссия — изменить то, как работают больницы и врачи, обеспечивая лучший уход за пациентами и точное своевременное возмещение расходов. Модернизируют системы электронных медицинских карт (EHR) и управления циклом доходов (RCM) с помощью LLM и ИИ-агентов, помогая клиницистам больше сосредоточиться на пациентах и меньше на административной нагрузке. Ищут высококвалифицированных ИИ-инженеров для проектирования и создания высокомасштабируемых облачных конвейеров обработки данных, которые принимают, преобразуют и анализируют огромные объёмы медицинских данных с низкой задержкой, обеспечивая бизнес-аналитику и аналитику в системах EHR и RCM. Вы будете использовать LLM, ИИ-агентов и современные платформы данных для решения таких задач, как поддержка клинических решений, оптимизация доходов и автоматизация рабочих процессов, а также использовать инструменты разработки с поддержкой ИИ для ускорения поставки. Обязанности - Создавать и улучшать конвейеры данных, ETL-процессы и трансформации. - Участвовать в разработке функций на основе LLM и ИИ-агентов, а также аналитических сценариев. - Работать с наборами данных EHR/RCM и поддерживать разработку KPI и дашбордов. - Изучать и применять лучшие практики в облаке, инженерии данных и LLMOps. Обязательные требования - Степень бакалавра/магистра в области компьютерных наук или эквивалент. - Более 5 лет релевантного опыта в разработке ПО. - Сильные навыки программирования на Python/Java. - Хорошее знание SQL. - Глубокая экспертиза в инженерии данных: ETL, трансформация данных, моделирование данных (Spark, SQL). - Опыт создания высокомасштабируемых распределённых систем. - Опыт работы с облаком (OCI/AWS/Azure). - Опыт создания крупной новой функциональности в программной системе от проектирования через разработку и тестирование до продакшена. - Опыт взаимодействия с несколькими функциональными областями для разработки компонентов в составе более крупной системы. - Опыт работы с LLM, промт-инжинирингом и фреймворками для ИИ-агентов. - Опыт сочетания ручного кодирования и разумного использования ИИ-решений для быстрого прототипирования, тестирования, итераций и поставки надёжного кода. - Опыт регулярного использования ChatGPT, Claude или аналогичных моделей для повышения продуктивности. Желательные требования - Опыт работы с агентными архитектурами или GenAI-платформами. - Опыт в здравоохранении или цифровых медицинских системах. - Понимание систем EHR и процессов RCM. - Знакомство со стандартами медицинского кодирования (ICD/CPT). Условия - Вилка зарплаты в США: от $89 200 до $209 500 в год. - Возможно получение бонуса и акций. - Медицинская, стоматологическая и офтальмологическая страховка, включая экспертное медицинское мнение. - Страхование по краткосрочной и долгосрочной нетрудоспособности. - Страхование жизни и от несчастных случаев (AD&D). - Дополнительное страхование жизни (сотрудник/супруг/ребёнок). - Гибкие счета расходов на медицинское обслуживание и иждивенцев. - Льготы на поездки на работу и парковку до вычета налогов. - Пенсионный план 401(k) с корпоративным взносом. - Оплачиваемый отпуск: гибкий отпуск для сотрудников на окладе; накопительный отпуск для остальных. Для сотрудников, работающих не менее 35 часов в неделю, накопление отпуска составляет 13 дней в год в первые три года работы и 18 дней в год в последующие годы. Для сотрудников, работающих от 20 до 34 часов в неделю, отпуск пропорционален. Сотрудники, работающие менее 20 часов в неделю, не имеют права на отпуск. - 11 оплачиваемых праздничных дней. - Оплачиваемый больничный: 72 часа при приёме на работу, обновляется каждый календарный год, неиспользованный остаток переносится до максимального лимита 112 часов. - Оплачиваемый отпуск по уходу за ребёнком. - Помощь в усыновлении. - План покупки акций для сотрудников. - Финансовое планирование и юридическая помощь. - Добровольные льготы, включая авто-, домовладельческое и страхование домашних животных.
Инженер-программист по развертыванию моделей
О команде и роли ChatGPT использует большой и растущий парк GPU для надежного и эффективного обслуживания инференс-нагрузок. Команда разрабатывает системы и инструменты, которые позволяют внедрять новые модели, управлять продакшн-развертываниями, реагировать на операционные проблемы и эффективно использовать инфраструктуру в масштабе. Работа охватывает распределенные системы, платформенную инженерию, автоматизацию инфраструктуры и опыт разработчиков. Команда тесно сотрудничает с исследовательскими, инфраструктурными и продуктовыми командами, чтобы сделать развертывание моделей более надежным, эффективным и управляемым. Ищем инженера-программиста с опытом создания или эксплуатации крупномасштабных производственных систем. Вы будете проектировать и разрабатывать системы, поддерживающие жизненный цикл моделей в продакшене, включая оркестрацию развертывания, управление конфигурацией, операционную автоматизацию, надежность и управление мощностями. Вы поможете превратить сложные операционные процессы в масштабируемые платформенные возможности, которые позволят командам OpenAI развертывать и управлять моделями с большей уверенностью и меньшими ручными усилиями. Роль подходит инженерам, которым нравится решать сложные операционные проблемы и создавать программное обеспечение, упрощающее эксплуатацию производственной инфраструктуры в масштабе. Задачи - Развивать платформу для развертывания, настройки и управления моделями в ChatGPT. - Разрабатывать системы оркестрации развертывания, раскатки моделей, операционной видимости и готовности к продакшену. - Создавать абстракции и инструменты, упрощающие сложную инфраструктуру и улучшающие опыт разработчиков. - Автоматизировать операционные процессы, включая обнаружение инцидентов, диагностику, смягчение последствий и восстановление. - Повышать надежность, масштабируемость и эффективность развертывания моделей и поддерживающей инфраструктуры. - Строить системы поддержки планирования мощностей, распределения ресурсов и использования инфраструктуры. - Взаимодействовать с исследовательскими, инфраструктурными и продуктовыми командами для выявления общих задач и создания переиспользуемых платформенных возможностей. - Определять техническое направление платформы управления моделями по мере развития ChatGPT и его систем. Требования - Пять и более лет опыта разработки программного обеспечения для производственной инфраструктуры. - Сильные навыки программирования на Go, Python, C++, Rust или аналогичном языке. - Опыт проектирования или эксплуатации высокодоступных распределенных систем. - Опыт в платформенной инженерии, инфраструктурной инженерии, производственной инженерии, site reliability engineering или аналогичных дисциплинах. - Сильные навыки системного проектирования, отладки и решения операционных проблем. - Отличные коммуникативные навыки и опыт совместной работы с инженерными командами. Желательные качества - Опыт создания или эксплуатации внутренних платформ, распределенных систем или крупномасштабной производственной инфраструктуры. - Умение превращать сложные операционные проблемы в надежное программное обеспечение и переиспользуемые абстракции. - Опыт работы с системами развертывания, оркестрации, управления конфигурацией или автоматизации инфраструктуры. - Понимание производственной надежности, наблюдаемости, планирования мощностей и реагирования на инциденты. - Внимание к опыту разработчиков и созданию инструментов, повышающих эффективность других инженерных команд. - Готовность работать на стыке организационных границ и брать на себя ответственность от проектирования системы до эксплуатации в продакшене. - Умение работать в быстро меняющейся среде со значительной технической неопределенностью. - Интерес к обслуживанию моделей или ML-инфраструктуре; специализированный опыт работы с GPU или низкоуровневым оборудованием не обязателен. О компании OpenAI — исследовательская и внедренческая компания в области ИИ, стремящаяся к тому, чтобы искусственный интеллект общего назначения принес пользу всему человечеству. Компания расширяет границы возможностей систем ИИ и стремится безопасно внедрять их через свои продукты.
Staff-системный инженер, IT-инфраструктура и ITSM
Staff Systems Engineer, IT — старшая инженерная роль для универсального специалиста, готового отвечать за широкий набор платформ. Вы будете владеть системами и интеграциями, обеспечивающими жизненный цикл сотрудника: онбординг, изменение ролей и офбординг. Системы строятся как инфраструктура-как-код с применением SRE-практик, чтобы они были версионированы, наблюдаемы и надежны. Вы станете техническим владельцем ITSM-платформы GitLab и AI-возможностей поверх неё: виртуальные агенты, агентные рабочие процессы и базы знаний, которые решают запросы до превращения их в тикеты. Также вы отвечаете за общую IT-инфраструктуру в облаке. Работая с AI-ориентированной ITSM, вы замените повторяющуюся ручную работу устойчивой автоматизацией и будете партнёром для End User Services, Security, People и Finance при масштабировании решений на всю компанию. Ключевые метрики: покрытие автоматизацией процессов жизненного цикла, доля AI-отклонений (deflection rate) и надёжность создаваемых систем. Задачи - Проектировать, строить и владеть сквозной автоматизацией жизненного цикла сотрудника: онбординг, переводы, изменение ролей и офбординг, чтобы предоставление и отзыв доступа происходили точно и с минимальным участием человека. - Быть техническим владельцем ITSM-платформы GitLab: дизайн каталога услуг, рабочие процессы, процессы запросов, инцидентов и изменений, интеграции и обновления платформы. - Повышать долю AI-отклонений для всех пользователей ITSM за счёт развёртывания и настройки виртуальных агентов, AI-поиска и агентного разрешения, а также измерения того, что реально решает запросы без участия человека. - Находить повторяющиеся ручные процессы в IT и партнёрских командах и заменять их автоматизацией, построенной в ITSM и Serval. - Создавать и поддерживать интеграции между ITSM-платформой и ключевыми системами GitLab: Okta, Google Workspace, Slack, Zoom, JAMF, Fleet, Workday и сам GitLab. - Управлять IT-инфраструктурой как кодом в облачных средах, чтобы каждое изменение проходило через контроль версий, код-ревью и автоматизированный, аудируемый путь в продакшн. - Применять SRE-принципы к сервисам IT: значимый мониторинг и алертинг, понятные цели надёжности, учёт ёмкости и стоимости, безобвинительный разбор инцидентов. - Развивать управление знаниями и self-service-опыт, которые питают AI-отклонения: хорошо структурированные статьи, элементы каталога и диалоговые сценарии, остающиеся точными при изменении систем. - Инструментировать автоматизацию и производительность AI понятными метриками и дашбордами: доля отклонений, время решения, покрытие автоматизацией, частота отказов — и публично итерировать по результатам. - Задавать инженерные стандарты для стека IT-автоматизации: контроль версий, тестирование, код-ревью, управление окружениями и контроль изменений, а также наставлять инженеров поддержки в IT-организации. - Партнёрствовать с Security и Compliance, чтобы автоматизация жизненного цикла и AI-рабочие процессы соответствовали требованиям доступа, аудита и контроля, включая SOX и SOC 2. - Документировать архитектуру, runbook и проектные решения в handbook, чтобы создаваемые системы были прозрачными, поддерживаемыми и управляемыми всей командой. Требования - Широта кругозора как у универсального системного инженера: вы владели широким спектром платформ от начала до конца и достаточно быстро осваиваете незнакомые, чтобы полностью взять их на себя. - Уверенный опыт работы с инфраструктурой-как-кодом (Terraform или аналоги).
Junior fullstack-разработчик, AI/ML
О роли Компания PolicyMe, удалённая команда из Торонто, развивает продуктовую линейку для страховых брокеров с использованием искусственного интеллекта и машинного обучения. Инженер будет работать над frontend, backend и AI/ML-направлениями, участвовать в архитектурных обсуждениях, планировании релизов и общеинженерных инициативах. Основной стек: Python, React, Redux, PostgreSQL, n8n, LangChain/LangGraph и AWS. Задачи - Разрабатывать fullstack-функциональность AI-приложения на Python, React, Redux, PostgreSQL и AWS. - Интегрировать AI-модели и API для обработки документов, извлечения данных, рекомендательных систем и других задач. - Работать с старшими инженерами по AI для интеграции моделей в продакшен. - Отслеживать новые AI-технологии и фреймворки, исследовать новые применения. - Создавать масштабируемые и надёжные backend-сервисы для AI-процессов. - Проектировать пользовательские интерфейсы для AI-функций. - Участвовать в архитектурном планировании, код-ревью и брейнштормах. - Отвечать за разработку фич от начала до конца, координируясь с QA и другими командами. - Взаимодействовать с командами для снятия зависимостей и улучшения релизного процесса. - Делиться идеями на квартальном планировании. - Участвовать в хакатонах, инженерных гильдиях и экспериментах с AI-инструментами. Требования - Уверенные fullstack-навыки: Python, React, Redux, PostgreSQL, AWS. - Понимание AI/ML-концепций из курсов, пет-проектов или опыта работы. - Интерес к созданию интеллектуальных приложений. - Готовность учиться, работать в условиях неопределённости и быстро осваивать новое. - Практический опыт или проекты с AI-API и моделями, включая промт-инжиниринг. - Самостоятельность, ответственность и ориентация на результат. - Умение работать в команде, открытость к обратной связи. - Внимательность к деталям при решении сложных задач. Условия - 20 отпускных дней. - Опционы на акции и расширенный соцпакет. - Удалённая работа, оплачиваемые очные встречи команды, возможность работать из офиса в Торонто. - Бюджет на обучение и развитие, оценка эффективности два раза в год, регулярная обратная связь. - Общая компенсация: 85 000–115 000 CAD в зависимости от опыта, плюс бонусная программа и возможность получить долю в компании. О компании PolicyMe — канадский цифровой страховой сервис. Продуктовая линейка включает страхование жизни, страхование критических заболеваний, медицинскую и стоматологическую страховку, а также B2B2C-решения для организаций. Компания основана в 2018 году, продала страховое покрытие на сумму более 10 млрд CAD.
Senior ML-инженер, поисковая релевантность
О компании Constructor — AI-first платформа для поиска и обнаружения товаров в электронной коммерции, запущена в 2019 году. Помогает покупателям находить нужные товары и позволяет глобальным брендам увеличивать выручку и конверсию. О роли Senior ML-инженер в команде Search Quality. Улучшение пользовательского опыта для сотен миллионов пользователей, создание систем, обеспечивающих релевантность для глобальных ритейлеров — от моды и продуктов до электроники и товаров для дома. Миссия — измерять качество поиска, повышать его и предотвращать деградации до того, как их заметит пользователь. Это достигается сочетанием донастроенных LLM для оценки релевантности, моделей реального времени и глубокого офлайн-анализа журналов запросов. Задачи - LLM-оценка: донастройка собственных моделей для оценки релевантности, обучение модели понимать интент запроса, представлять товары из неструктурированных каталогов и согласовывать оценки модели с реальным поведением пользователей. - Качество в реальном времени в продакшене: реранжирование, фильтрация, вычисление сигналов. Строгие требования к задержке, поэтому постоянный компромисс между качеством и скоростью. - Автоматический мониторинг качества и агентные инсайты: пайплайны для обнаружения деградаций и поиска неэффективных паттернов. Агентные системы, генерирующие практические рекомендации для данных о товарах и конфигураций поиска. Что делает работу интересной - Мультидоменность и мультиязычность в масштабе: 40+ языков, 20+ доменов. Модели должны обобщаться на все домены без индивидуальных правил для клиентов. - Нет универсальной истины: продуктовый ритейлер и модный ритейлер могут по-разному понимать, что значит «релевантно». - Эффективность в масштабе: оптимизация и масштабирование LLM-инференса по всей клиентской базе. Требования - 4+ года создания продакшен-ML-систем. - Опыт с поиском, информационным поиском или рекомендательными системами. - Практический опыт донастройки, фреймворков оценки и масштабирования LLM-развертываний. - Уверенный Python и PyTorch. Свободное владение SQL и инструментами оркестрации данных (Spark, Airflow). - Опыт проектирования и проведения A/B-тестов для проверки влияния моделей. - Отличные коммуникативные навыки на английском. - Опыт работы в кросс-функциональных командах (ранжирование, продукт, инженерия данных). Условия - Работа с умными и эмпатичными людьми, которые помогают расти и влиять на результат. - Регулярные командные офлайн-мероприятия. - Полностью удалённая команда — можно выбирать место жительства. - Безлимитный отпуск — компания рекомендует брать не менее 3 недель в год. - Стипендия на работу из дома для обустройства домашнего офиса. - Ноутбуки Apple для новых сотрудников. - Бюджет на обучение и развитие для каждого сотрудника, обновляется каждый год. - Отпуск по беременности и уходу за ребёнком для соответствующих сотрудников. - Базовая зарплата: $80 000–$120 000 USD в зависимости от знаний, навыков, опыта и результатов интервью. - Опционы на акции в дополнение к базовой зарплате.