Вакансии RAG
Все вакансии с RAG: 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 AI/ML-инженер, Generative AI и RAG
О компании Работодатель — консалтинговая фирма, специализирующаяся на внедрении комплексных AI и ML-решений в различных отраслях. Компания использует современные технологии и отраслевую экспертизу для повышения инновационности и эффективности клиентов. Задачи - Проектирование, разработка и внедрение enterprise-grade приложений на основе генеративного ИИ с использованием современных AI-фреймворков и облачных платформ. - Создание и оптимизация решений на основе RAG (Retrieval Augmented Generation) с применением векторных баз данных и корпоративных баз знаний. - Разработка AI-агентов и мультиагентных рабочих процессов с использованием фреймворков LangChain, LangGraph, Semantic Kernel и AutoGen. - Интеграция больших языковых моделей (LLM), таких как GPT, Llama, Claude и Gemini, в бизнес-приложения. - Взаимодействие с архитекторами, владельцами продуктов и бизнес-заинтересованными сторонами для реализации AI-решений, соответствующих бизнес-целям. - Внедрение промпт-инжиниринга, управления контекстом, фреймворков памяти и оркестрации рабочих процессов для повышения производительности ИИ. Требования - Более 7 лет опыта в разработке ПО с сильными навыками Python. - Подтверждённый опыт работы с генеративным ИИ, Azure OpenAI и Azure AI. - Практический опыт с RAG, векторными базами данных и фреймворками LangChain или LangGraph. - Навыки разработки масштабируемых API, микросервисов и бэкенд-сервисов с использованием облачных технологий. - Опыт с практиками LLMOps и MLOps, включая CI/CD пайплайны, мониторинг и управление жизненным циклом моделей. - Приверженность принципам ответственного ИИ, стандартам безопасности, конфиденциальности данных и политикам управления. Условия - Возможность работы над передовыми проектами в области генеративного ИИ и машинного обучения. - Коллаборативная среда, ориентированная на техническое лидерство и инновации. - Непрерывное обучение и развитие с учётом достижений в области AI-технологий. - Участие в технических ревью дизайна, стандартах кодирования и лучших практиках.
AI-инженер по автоматизации, агентные процессы
О компании Dober — специализированная химическая и программная компания со штаб-квартирой в западных пригородах Чикаго. Во всех подразделениях — SaaS для коммерческих прачечных, производство и сельское хозяйство — ИИ встраивается в основу работы, а не добавляется со стороны. Сильная идея может быстро пройти путь от белой доски до продакшена, и создатель видит результат. О роли Ищем инженера-практика на раннем этапе карьеры, но уже свободно владеющего современными ИИ-инструментами. Кандидат должен уметь прийти в бизнес-подразделение, понять, как реально устроена работа, и создать агентов, которые снимают с людей реальные задачи. Роль находится на стыке операционной деятельности и инженерии: один день — описывать процессы, следующий — выпускать работающего агента. Это не исследовательская роль. Успех измеряется решёнными задачами и сэкономленными часами. Задачи - Встраиваться в команды подразделений, чтобы понять, как реально выполняется работа: шаги, решения, передачи, узкие места. - Проектировать и создавать ИИ-агентов с использованием LLM API, вызова инструментов и функций, оркестрационных фреймворков и систем поиска. - Превращать ручные, повторяющиеся или требующие экспертных решений процессы в надёжные автоматизированные системы. - Создавать системы с учётом управляемости: происхождение данных, обработка ошибок и контроль человека там, где это важно. - Быстро прототипировать, запускать, измерять и итерировать. - Помогать определять, как ИИ внедряется в компании по мере её масштабирования. Требования - Подтверждённое умение создавать решения на современном ИИ: LLM API (Anthropic, OpenAI и др.), вызов функций и инструментов, хотя бы один подход к оркестрации агентов (LangGraph, CrewAI, MCP или аналоги). - Способность понимать бизнес-процессы: наблюдать за работой человека и разбивать её на реализуемые шаги. - Реальные проекты, которые можно посмотреть: GitHub, развёрнутые приложения, хакатон-проекты, пет-проекты. Важнее то, что уже запущено, а не где кандидат учился. - Уверенное владение Python и опыт работы с API и данными. - Склонность к действию: лучше работающий прототип к пятнице, чем идеальный план через месяц. - Умение ясно общаться и работать напрямую с нетехническими специалистами. Желательно - Опыт с RAG, векторными базами данных или графами знаний. - Знакомство с MCP (Model Context Protocol). - Любой опыт в производстве, химической отрасли, SaaS или сельском хозяйстве. Почему Dober - Прямой доступ к руководству и реальное владение тем, что создаётся. - Компания, действительно стремящаяся стать AI-native, при поддержке руководства. - Возможность создавать фундаментальные системы, а не поддерживать чужой легаси-код. - Конкурентная зарплата, бонус и льготы. Зарплата и льготы Зарплата: $95 000–$120 000 базового оклада в зависимости от опыта, плюс ежегодный дискреционный бонус. Предлагается комплексный пакет льгот: медицинская, стоматологическая и офтальмологическая страховка, страхование по краткосрочной и долгосрочной нетрудоспособности, страхование жизни, оплачиваемый отпуск, оплачиваемый родительский отпуск, оплачиваемый волонтёрский отпуск и подписка на приложение Calm. Развивающаяся программа благополучия поддерживает здоровье и баланс между работой и жизнью.
Middle / Senior Python Backend Developer
Middle / Senior Python Backend Developer СберЗдоровье — аккредитованная IT-компания и одна из крупнейших Digital Health платформ в России. Развивается новое направление AI-native продуктов: новое мобильное приложение, ИИ-помощник, персонализированный риск-профиль и сервисы, которые помогают пользователю лучше понимать свое здоровье и следующие шаги. Ищем Middle / Senior Python Backend Developer. Основной фокус роли — backend-сервисы, API, интеграции, работа с данными пользователя и production-контур для AI-сценариев. Это не ML Engineer роль и не research. От Python-разработчика ожидается сильная backend-инженерия: FastAPI, Pydantic, PostgreSQL, Redis, интеграции, надежность, безопасность, observability и умение работать в кросс-функциональной команде рядом с ML, Mobile, Frontend / PWA, QA, SA и Product. Обязанности - Разрабатывать и проектировать backend-сервисы на Python / FastAPI. - Проектировать и поддерживать REST API для мобильного приложения, PWA, риск-профиля и ИИ-помощника. - Описывать и поддерживать контракты API: request / response schemas, validation, error model, versioning. - Работать с Pydantic, PostgreSQL, Redis и, при необходимости, S3-compatible storage. - Интегрироваться с AI / ML-слоем: n8n-прототипы, FastAPI / FastMCP-сервисы, LLM API, RAG / context, Qdrant, traces. - Строить observability: structured logs, trace / request id, metrics, dashboards, error tracking. - Писать поддерживаемый код, покрывать критичную логику тестами, участвовать в code review и технических обсуждениях. Требования - Опыт backend-разработки на Python от 3 лет. - Хорошая база в технологиях веба: HTTP, контейнеры, хранение, веб-серверы. - Практический опыт разработки production API на FastAPI, Django, Flask или аналогичном backend-фреймворке; FastAPI будет сильным плюсом. - Уверенное владение Python. - Здравый смысл в использовании ИИ-агентов. - Хорошее понимание PostgreSQL: схемы, связи, индексы, транзакции, миграции, профилирование запросов. - Опыт проектирования REST API и умение договариваться о контрактах с mobile / frontend / SA / QA. - Опыт работы с микросервисами. - Умение писать тесты для критичной backend-логики. - Готовность работать в продуктовой команде, где требования меняются быстро, а API влияет на mobile, PWA и AI-сценарии. Будет плюсом - Опыт работы с очередями: Kafka / RabbitMQ, подготовка Celery. - Понимание, где зона ответственности AI / ML, а где классического Python-сервиса. - Понимание AI / ML инструментов и подходов. - Опыт в MedTech, HealthTech, FinTech или другом домене с чувствительными данными. Уровень дохода не указан.
Старший Oracle SCM-инженер, AI-first
Задачи - Использование AI/LLM-технологий для анализа бизнес-требований, BRD, пользовательских историй, процессов и функциональных спецификаций SCM. - Генерация технических проектов, оценок влияния, матриц трассировки, альтернативных решений и оценок трудозатрат с помощью AI-ассистированных процессов. - Применение AI для ускорения fit-gap анализа и оценки влияния ежеквартальных обновлений Oracle Cloud. - Использование AI-управляемого поиска знаний для сокращения циклов анализа и проектирования. - Использование GitHub Copilot, Oracle Code Assist, Agentic AI-фреймворков и аналогичных инструментов в PL/SQL, Java, JavaScript, Groovy, VBCS, OIC и APEX. - AI-ассистированная генерация кода, оптимизация, рефакторинг, обратный инжиниринг и модернизация легаси-систем. - Разработка кастомизаций, интеграций, расширений, отчетов и решений автоматизации Oracle SCM. - Использование AI для автоматизации интеграционных маппингов, создания API, генерации отчетов и технической документации. - Разработка AI-управляемых стратегий тестирования: функциональное, интеграционное, регрессионное, нагрузочное и UAT. - Использование AI для генерации тест-кейсов, создания тестовых данных, выявления дефектов и поддержки тестов. - Внедрение AI-улучшенного регрессионного тестирования для ежеквартальных релизов Oracle Cloud. - Применение AI для триажа дефектов, анализа первопричин и прогнозной аналитики качества. - Интеграция AI-ассистированных ревью кода, анализа безопасности, статического сканирования и quality gates в CI/CD пайплайны. - Генерация документации по деплою, release notes, руководств по внедрению и операционных runbook с помощью AI. - Применение AI-управляемого мониторинга и аналитики для готовности ежеквартальных релизов Oracle. - Поддержка AI-управляемой автоматизации деплоя и управления окружениями. Требования - 11+ лет общего опыта в IT. - Сильный опыт работы с Oracle SCM Cloud и/или Oracle EBS. - Подтвержденный опыт применения AI на протяжении всего SDLC. - Сильный опыт разработки и модернизации ПО. - Опыт AI-ассистированной разработки, тестирования, DevOps и продакшн-поддержки. - Развитые коммуникативные и аналитические навыки. - Способность демонстрировать измеримые бизнес-результаты от внедрения AI: сокращение цикла разработки, улучшение качества кода, снижение уровня дефектов, сокращение трудозатрат на тестирование, ускорение циклов деплоя, ускорение инцидент-менеджмента, повышение продуктивности разработчиков. - Практический опыт с одним или несколькими инструментами: GitHub Copilot, Oracle Code Assist, ChatGPT, Claude, Agentic AI-фреймворки, Prompt Engineering, RAG, OCI Generative AI. - Сильный практический опыт с Oracle SCM Cloud и/или Oracle EBS. - Опыт кастомизаций, интеграций, расширений, отчетов и автоматизации Oracle SCM. - Сильный опыт разработки с PL/SQL, Java, JavaScript, Groovy, VBCS, OIC и/или APEX. - Простое перечисление ChatGPT/Copilot в резюме недостаточно — требуется реальный опыт. Условия - Локация: Альфаретта, Джорджия / удалённо. - Тип занятости: контракт.
Инженер Oracle SCM с применением ИИ
AI-First Engineer — Oracle SCM Applications Suite (AI-Fueled SDLC & Modernization). Инженер, использующий ИИ на протяжении всего жизненного цикла разработки ПО — от требований до развертывания и поддержки. Краткое описание должности: ищем AI-First инженера с глубокой экспертизой в Oracle SCM и подтвержденным опытом применения ИИ на всех этапах жизненного цикла разработки ПО (SDLC). Роль направлена на трансформацию процессов проектирования, разработки, тестирования, развертывания и поддержки приложений Supply Chain с помощью практик, основанных на ИИ. Идеальный кандидат — не просто разработчик Oracle SCM, который иногда использует ИИ-инструменты, а инженер, который систематически применяет технологии ИИ для повышения производительности, качества кода, эффективности тестирования, операционной поддержки и общих результатов поставки ПО. Роль предполагает реализацию инициатив по AI-управляемой разработке и модернизации в Oracle SCM Cloud и/или Oracle EBS. Кандидаты должны уметь демонстрировать и количественно оценивать измеримые бизнес-результаты, достигнутые за счет внедрения ИИ, включая сокращение циклов разработки, улучшение качества кода, снижение трудозатрат на тестирование, ускорение развертываний и более быстрое решение проблем. Ключевые обязанности AI-управляемая разработка ПО на всех этапах SDLC Применение практик на основе ИИ на всех фазах жизненного цикла ПО: AI-ассистируемые требования и проектирование решений Использование ИИ и LLM-технологий для анализа бизнес-требований, BRD, пользовательских историй, процессов и функциональных спецификаций SCM. Генерация технических проектов, оценок влияния, матриц трассируемости, альтернативных решений и оценок трудозатрат с помощью AI-ассистируемых рабочих процессов. Использование ИИ для ускорения fit-gap анализа и оценки влияния ежеквартальных обновлений Oracle Cloud. Применение AI-управляемого поиска знаний для сокращения времени анализа и проектирования. AI-управляемая генерация и рефакторинг кода Использование GitHub Copilot, Oracle Code Assist, агентных AI-фреймворков и аналогичных инструментов для ускорения разработки на PL/SQL, Java, JavaScript, Groovy, VBCS, OIC и APEX. Реализация AI-ассистируемой генерации кода, оптимизации кода, рефакторинга, обратного проектирования и инициатив по модернизации легаси-систем. Разработка кастомизаций, интеграций, расширений, отчетов и решений автоматизации Oracle SCM с использованием практик разработки на основе ИИ. Применение ИИ для автоматизации интеграционных маппингов, создания API, генерации отчетов и технической документации. AI-ассистируемое тестирование, автоматизация тестов и стратегии регрессионного тестирования Построение стратегий тестирования на основе ИИ, охватывающих функциональное, интеграционное, регрессионное, нагрузочное и приемочное тестирование. Использование ИИ для автоматической генерации тест-кейсов, создания тестовых данных, выявления дефектов и поддержки тестов. Внедрение AI-усиленных фреймворков регрессионного тестирования для поддержки ежеквартальных релизов Oracle Cloud. Использование ИИ-инструментов для триажа дефектов, анализа первопричин и прогнозной аналитики качества. AI-управляемые DevOps, ревью кода, генерация документации и операционная поддержка Интеграция AI-ассистируемых ревью кода, анализа безопасности, статического сканирования кода и контроля качества в CI/CD пайплайны. Использование ИИ для генерации документации по развертыванию, релизных заметок, руководств по внедрению и операционных runbook. Применение AI-управляемого мониторинга и аналитики для оценки готовности ежеквартальных релизов Oracle и их бизнес-влияния. Поддержка AI-управляемой автоматизации развертывания и практик управления окружениями. Опыт работы с GitHub Copilot, агентными AI-фреймворками, промт-инжинирингом, RAG-паттернами и AI-ассистируемыми рабочими процессами разработчика GitHub Copilot Oracle Code Assist ChatGPT Claude Агентные AI-фреймворки OCI Generative AI Экспертиза в Oracle SCM и технические навыки Сильный практический опыт работы с Oracle SCM Cloud и/или Oracle EBS.
AI-инженер, платформа и агентные системы
Команда строит платформу ИИ-инженерии, которая обеспечивает доставку ИИ-решений. В зоне ответственности — жизненный цикл разработчика, инфраструктура развёртывания, наблюдаемость, автоматизация качества, конвейеры обработки документов и переиспользуемые паттерны агентов. Это практическая инженерия с прямым выходом на миллионы пользователей. Обязанности - Паттерны агентов, поиск и защитные механизмы для агентных ассистентов, которые отвечают на вопросы участников и выполняют операции от их имени. - MCP-сервер, предоставляющий реестр навыков для ИИ-агентов прямо в IDE. - Переиспользуемые паттерны агентов в LangGraph: мультиагентная оркестрация, память, безопасность использования инструментов и защитные механизмы. - Платформа оценки агентов (DeepEval, Ragas) с качественными гейтами, блокирующими неудачные развёртывания в CI/CD. - Конвейеры обработки и поиска документов: разбиение на чанки, эмбеддинги, векторный поиск, реранкинг и цитирование. - Автоматизация CI/CD и развёртывания ИИ-агентов на AWS (ECS, Fargate, Agent Core). - ИИ-совместимые devcontainer'ы с инструментарием, валидацией и тестированием. - Инструментирование OpenTelemetry, дашборды и отслеживание стоимости LLM и токенов для продакшн-нагрузок. - Контроль управления, преобразованный в проверки конвейера, с автоматическим сбором доказательств. - Семантическое кэширование, ограничение скорости и корректная деградация для агентных нагрузок. - Эталонные реализации, SDK и CLI-инструменты, документация для других инженеров. Требования - Владение Python (3.10+) — основной язык команды. - Рабочее знание AWS: ключевые сервисы (IAM, ECS/Fargate, сети), уверенность в cloud-native окружении. - Дисциплина программной инженерии: контроль версий (Git/GitHub), код-ревью, тестирование, документация, чистый код. - Осведомлённость о безопасности: работа с чувствительными данными, секреты, права доступа, защита данных по умолчанию. - Экспертиза в одной из шести областей: - Разработка ИИ-агентов: LangGraph или аналоги, мультиагентная оркестрация, память, использование инструментов, защитные механизмы, проектирование промптов и рабочих процессов. - Инженерия данных и поиска: разбиение на чанки, эмбеддинги и векторный поиск, RAG, гибридный поиск, реранкинг, оценка поиска. - Качество и оценка: фреймворки оценки агентов (DeepEval, Ragas), качественные гейты в CI/CD, метрики обоснованности и безопасности, автоматизация тестов для ИИ-систем. - Платформа и инфраструктура: CI/CD, Terraform, оркестрация контейнеров на AWS (ECS, Fargate), секреты и IAM, прогрессивное развёртывание. - Наблюдаемость и эксплуатация: трассировка OpenTelemetry, дашборды и алертинг, отслеживание стоимости LLM и токенов, циклы обратной связи. - Опыт разработчика: MCP-серверы, devcontainer'ы, CLI и SDK-инструменты, библиотеки промптов, документация и эталонные реализации.
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.
AI-native Software Engineer
Компания НЛ Континент — международная торгово-производственная группа с центром в Новосибирске. Собственное производство, реферальная сеть, R&D-лаборатория в Кольцово, 11 складов и 78 розничных магазинов в СНГ и Турции. Компания формирует команду внутренней автоматизации Сервисного подразделения. Кого ищут Software Engineer, который умеет превращать LLM в рабочие бизнес-инструменты. Задачи - Разрабатывать AI-решения для внутренних процессов: ассистентов, агентов, классификацию обращений, извлечение данных и автоматизацию сценариев. - Работать с LLM API, prompting, structured output, tool calling, RAG и agent workflows. - Автоматизировать процессы Контактного центра: обработку обращений, подсказки операторам, автоответы. - Развивать внутреннюю CRM и интеграции между системами. - Проектировать новые сервисы и дорабатывать существующие. - Вместе с Product Owner разбирать бизнес-задачи, проверять гипотезы и оценивать результат. - Использовать и развивать coding agents в ежедневной разработке. Требования Инженерная база: - 2+ года коммерческой разработки на Python, JavaScript или TypeScript. - Опыт проектирования и поддержки production-систем. - Понимание system design. - Уверенная работа с REST API, интеграциями и SQL. - Понимание современного frontend и опыт с Vue 3. - Знание принципов тестирования и сопровождения систем. Прикладная работа с LLM: - Практический опыт создания приложений поверх LLM API. - Умение работать с prompts и контекстом. - Опыт со structured output / JSON Schema, tool calling, RAG. - Понимание, как строить и надёжно запускать agent workflows в production. AI-native разработка: - Использование Claude Code, Codex, Cursor или аналогов для реальных задач разработки. - Умение ставить задачи coding agents, давать им контекст и проверять результат. - Умение декомпозировать задачу, сформировать спецификацию и критерии готовности. - Умение ревьюить AI-generated код и сохранять качество кодовой базы. Продуктовый подход: - Понимание, зачем делается задача и как понять, что решение действительно работает. - Умение работать с Product Owner и внутренними заказчиками, проверять гипотезы и оценивать результат. - Умение объяснить свой подход другим разработчикам и помочь команде эффективнее работать с AI-инструментами. Условия - Обеды за счёт компании. - Формат работы: офис / гибрид / удалёнка по часовому поясу Новосибирска (UTC+7). - ДМС после испытательного срока. - Продуктовый бонус — 6 000 руб. в месяц на продукцию компании (после испытательного срока). - Охраняемая подземная парковка. - Офис в Новосибирске в 5 минутах от ст. м. Маршала Покрышкина. - Кадровое оформление полностью онлайн через КЭДО. - Работа над реальными продуктами с миллионной аудиторией, культура открытого общения, возможности для профессионального роста и насыщенная внутренняя жизнь компании.
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.
AI-инженер, инфраструктура и ИИ-агенты
Хорошо финансируемый стартап в области инфраструктуры создает контекстный слой для инженерных команд и ИИ-агентов кодирования — по мнению многих, недостающий уровень современного стека ПО для ИИ. Компания строит постоянно обновляемый детерминированный граф всей инженерной среды организации. Граф служит оперативной памятью для людей и ИИ-агентов, обеспечивая более безопасные развертывания, лучшие архитектурные решения, снижение производственных рисков и ускорение разработки. Роль: AI-инженер для создания интеллектуального слоя, который делает систему полезной для инженеров и ИИ-агентов. Работа на стыке ИИ, программной инфраструктуры, инструментов разработчика и представления знаний. Значительная ответственность за техническое направление и продукт. Обязанности - Создавать ИИ-системы, которые понимают и рассуждают о сложных инженерных средах. - Разрабатывать интеллектуальные рабочие процессы, объединяющие структурированные данные, неструктурированную информацию, код, инфраструктуру и операционный контекст. - Работать с LLM, агентами, системами поиска и представлениями знаний, чтобы сделать инженерный контекст доступным для людей и ИИ. - Проектировать и внедрять системы извлечения, организации и постоянного обновления знаний из инженерных сред. - Повышать точность, надежность и детерминированность ИИ-генерируемого контекста и рекомендаций. - Создавать интеграции с репозиториями кода, инфраструктурой, инструментами разработчика, документацией, коммуникационными платформами и другими инженерными системами. - Разрабатывать системы оценки качества и надежности ИИ-систем. - Тесно работать с командами продукта и разработки, превращая неоднозначные проблемы в масштабируемые технические решения. - Помогать формировать архитектуру и техническое направление раннего продукта. Требования - Сильные основы разработки ПО и опыт создания production-систем. - Опыт создания приложений или инфраструктуры с использованием LLM, ИИ-агентов, RAG, графов знаний или других ИИ/ML-систем. - Опыт работы с Python и/или TypeScript; знание других современных бэкенд-языков — плюс. - Опыт работы с API, распределенными системами, базами данных и облачной инфраструктурой. - Понимание ограничений систем на основе LLM и умение строить надежные системы вокруг них. - Опыт доведения ИИ-систем от прототипа до production. - Комфорт в работе в среде ранней стадии с высокой ответственностью и автономией. - Развитое продуктовое чутье и интерес к решению сложных задач для инженеров ПО. - Наличие неограниченного разрешения на работу в США; спонсорство не предоставляется. - Возможность работать 5 дней в неделю в Сан-Франциско. Условия - Зарплата: $250k + доля в компании. - Хорошо финансируемая команда, решающая фундаментальную проблему, созданную быстрой эволюцией разработки ПО на основе ИИ. - Возможность помочь определить новую категорию и создать инфраструктуру, которая может стать критически важной для понимания и изменения сложных программных систем инженерами и ИИ-агентами.
AI Solutions Builder, разработчик ИИ-инструментов
AI Solutions Builder Smartcat — платформа для создания гибридных команд из людей и ИИ-агентов. Компания работает в категории Agentic AI и помогает предприятиям повышать производительность. Платформа сочетает генеративный ИИ, человеческий контроль и корпоративный граф навыков. Более 1000 компаний, включая 20% из списка Fortune 500, используют Smartcat. Роль предполагает работу в небольшой команде в составе офиса CEO. Задачи: - Создание и оптимизация ИИ-инструментов для анализа воронки продаж, управления знаниями, операционной отчетности и поддержки принятия решений. - Работа со структурированными и неструктурированными данными, включая векторные базы данных, MCP и RAG. - Создание и поддержка ИИ-агентов, сочетающих семантический и ключевой поиск по базам знаний, транскриптам встреч и данным CRM. - Управление инфраструктурой для ИИ-сервисов при поддержке DevOps. - Преобразование неоднозначных бизнес-задач в масштабируемые ИИ-решения. - Внедрение ИИ-подходов в работу организации. Требования: - Сильный интерес к ИИ, автоматизации и новым технологиям. - Опыт работы с ИИ-инструментами для кодирования: Claude, Cursor, Cline или аналоги. - Базовые навыки программирования на Python или сильная мотивация быстро учиться. - Уверенная работа с командной строкой, базовое администрирование Linux, облачная инфраструктура (AWS/GCP). - Опыт ведения проектов от начала до конца. - Готовность работать в быстро меняющейся стартап-среде. - Развитые коммуникативные навыки и умение работать в команде. - Способность превращать бизнес-потребности в практические ИИ-инструменты. - Владение английским и русским языками. Условия: - Полная удаленная работа. - Возможность работать в ИИ-компании на переднем крае агентного ИИ. - Прямое взаимодействие с CEO и исполнительной командой. - Высокая степень ответственности и автономии. - Быстрая, коллаборативная и поддерживающая команда. - Культура, основанная на инновациях, скорости и результатах. - Возможности роста в быстрорастущей глобальной компании. О компании: - Команда из более чем 200 человек в 30+ странах, ключевые офисы в Нью-Йорке, Лондоне, Лиссабоне, Коста-Рике, Сербии, Армении, Грузии и Испании. - Большинство ролей удаленные. - Компания использует ИИ во всех направлениях деятельности, сотрудникам разрешено управлять собственными ИИ-агентами. - Smartcat работает на рынке многоязычного контента объемом 100 миллиардов долларов.
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.
Сильного разработчика-агентостроителя
Старший разработчик-агентостроитель Служба AI-сервисов в Яндекс Лавке внедряет AI во внутренние процессы и пользовательский опыт. За последний год направление развилось от точечных агентов под отдельные задачи до AI-систем, охватывающих целые бизнес-функции. Ищем разработчика-агентостроителя, который возьмёт на себя проектирование и развитие AI-систем end-to-end. Позиция на стыке ML, бэкенда и архитектуры. Задачи - Вести крупные AI-инициативы под ключ: погружаться в бизнес-процесс, защищать архитектуру, писать код, ставить задачи другим разработчикам команды, отвечать за выкатку и поддержку. - Проектировать архитектуру AI-систем: оркестрация, общий контекст и память, переиспользуемые тулы, фолбэки, маршрутизация между моделями. - Работать с нагруженными агентскими сценариями: проектировать мониторинг качества и галлюцинаций в проде, оптимизацию latency и стоимости вызовов LLM, обработку пиковых нагрузок, ретраи и фолбэки. - Предлагать изменения: самостоятельно находить точки роста, формулировать гипотезы, защищать их и доводить до результата. - Поддерживать жизнь агентов в проде: выстраивать системы мониторинга качества, добавлять покрытие непредвиденных сценариев, масштабировать решения на соседние сервисы. Требования - Уверенное владение Python для продакшн-разработки. - Опыт ведения крупных проектов end-to-end. - Понимание LLM и AI-агентов на уровне продакшн-практики. - Архитектурное и продуктовое мышление. - Проактивность и автономность. Будет плюсом - Продакшн-опыт с API больших языковых моделей. - Опыт ML-разработки. - Глубокое знакомство с экосистемой lang, агентскими протоколами и продвинутыми RAG-подходами. Бонусы В Яндексе есть комьюнити: спортивные клубы, книжный клуб, киберспортивное сообщество.
Senior AI-First инженер Oracle SCM Cloud
Компания Bright Sol ищет senior AI-First инженера с экспертизой Oracle SCM и практическим опытом применения ИИ на всём протяжении SDLC. Это не традиционная роль Oracle SCM-разработчика. Кандидат должен иметь подтверждённый опыт использования AI/GenAI для улучшения разработки, тестирования, модернизации, развёртывания и поддержки производства. Локация: Alpharetta, GA / удалённо. Обязательные требования - 12+ лет опыта в ИТ - Сильный практический опыт работы с Oracle SCM Cloud и/или Oracle EBS - Подтверждённый опыт AI/GenAI на всём протяжении SDLC - GitHub Copilot / Oracle Code Assist - LLM / ChatGPT / Claude - Агентные AI-фреймворки - Prompt Engineering - RAG (Retrieval-Augmented Generation) - OCI Generative AI - Сильный опыт разработки с PL/SQL, Java, JavaScript, Groovy, VBCS, OIC и/или APEX - AI-ассистированная генерация кода, рефакторинг и модернизация - AI-управляемая генерация тест-кейсов, автоматизация и регрессионное тестирование - AI-ассистированные ревью кода, CI/CD и DevOps - Опыт работы с интеграциями, кастомизациями, расширениями и отчётами Oracle SCM
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).
AI-инженер Copilot Developer
Разработка приложений в PowerApps с использованием Dataverse, Power Automate, Excel, Forms и SharePoint Online. Использование готовых коннекторов Power Apps и Power Automate. Разработка и развертывание решений Microsoft Copilot Studio с интеграцией Teams, Microsoft 365, Power Platform и корпоративных систем. Создание и запуск локально размещенных решений на базе Claude вне Microsoft 365 для разработки, прототипирования и автоматизации. Включение адаптивных карточек, переменных, триггеров, коннекторов и интеграций API в решения Copilot Studio. Разработка промптов, навыков и стратегий grounding/контекста для Copilot и Claude. Участие в тестировании, валидации и обеспечении качества решений. Проведение анализа технической осуществимости, создание документации по дизайну решений и руководств пользователя. Обеспечение соответствия стандартам безопасности, комплаенса и управления Microsoft, включая Entra ID, Microsoft Purview и политики DLP. Применение строгих практик контроля данных для AI-инструментов и регулируемых данных. Наставничество коллег, техническое руководство и решение эскалированных проблем. Разработка документации, руководств пользователя и обучающих материалов для поддержки внедрения. Оптимизация усилий по разработке на основе обратной связи от пользователей. Отслеживание новых функций Power Platform и Copilot. Оценка и пилотирование новых AI-инструментов на предмет соответствия организации, ценности, комплаенса и совместимости с контролем данных. Диагностика и решение технических проблем, связанных с внедрением Copilot Studio. Обеспечение безопасности данных в решениях Power Platform и Copilot. Взаимодействие с внутренними командами и клиентами для выявления и внедрения возможностей повышения производительности и автоматизации на базе AI. Требования: Степень бакалавра в технической области и 1–2 года профессионального опыта или эквивалентная комбинация образования и опыта. Подтвержденный опыт проектирования, разработки и развертывания решений Microsoft Power Platform и Copilot Studio. Практические знания Microsoft Copilot, Claude и связанных AI-инструментов для разработки, автоматизации и промпт-инжиниринга. Опыт локального использования Claude вне среды Microsoft 365. Хорошее знание Teams, Microsoft 365, Power Platform, Azure и их точек интеграции. Знание Microsoft Graph API, REST API и интеграций со сторонними системами. Способность выявлять возможности оптимизации на базе AI. Способность работать в регулируемой среде со строгим контролем данных и обязательствами по комплаенсу. Желание изучать, тестировать и внедрять новые AI-инструменты и платформы. Отличные навыки решения проблем, аналитики и устранения неисправностей. Опыт интеграции данных из нескольких источников с сохранением точности, качества и соответствия требованиям. Понимание принципов промпт-инжиниринга и поведения LLM; опыт работы с RAG-архитектурой приветствуется. Отличные письменные и устные коммуникативные навыки, включая подготовку и проведение презентаций. Способность работать самостоятельно в среде с приоритетом удаленной работы. Способность переводить сложные технические концепции в практические рекомендации для нетехнических заинтересованных сторон. Опыт работы по моделям Agile/Scrum приветствуется. Сертификаты Microsoft Power Platform, AI или Copilot приветствуются. Предыдущий опыт работы в Microsoft или Microsoft Gold/Cloud Solutions Partner приветствуется. Опыт развертывания и управления AI-инструментами в регулируемых или чувствительных к данным средах приветствуется. Работа ведется на английском языке с пересечением по времени для встреч и совместной работы с US-часовыми поясами. Командировки не требуются. Условия: Конкурентоспособная компенсация. Комплексный пакет льгот: медицинская страховка, пенсионные отчисления, отпуск и другие. Возможность самостоятельно строить карьерный путь и получать глубокую профессиональную экспертизу, работая с несколькими клиентами и проектами, а также контролировать внедрение своих рекомендаций. Возможность развития и продвижения в растущей организации.
Senior Lead AI-инженер, LLM и агентный ИИ
Компания Apetan Consulting Роль Senior Lead AI-инженер, направление AI Foundations, LLM Core и Agentic AI. Формат работы: удалённо. Обязанности - Руководить архитектурой и разработкой AI/ML-фундамента и приложений на базе LLM. - Проектировать и внедрять LLM-пайплайны: промптинг, RAG, fine-tuning, оценку и оптимизацию моделей. - Строить агентные ИИ-системы с использованием вызова инструментов, рабочих процессов, памяти, планирования и мультиагентных паттернов. - Разрабатывать масштабируемую AI-инфраструктуру, API, сервисы и переиспользуемые AI-компоненты. - Оценивать и интегрировать фундаментальные модели и новые технологии генеративного ИИ. - Внедрять лучшие практики оценки LLM, наблюдаемости, безопасности, защищённости и управления. - Тесно работать с продуктовыми, инженерными, data science и бизнес-командами для перевода сценариев использования в продакшен-решения. - Наставлять инженеров и обеспечивать техническое лидерство в AI-инициативах. - Вести эксперименты и proof-of-concept, доводить успешные решения до продакшена. Требования - Сильный практический опыт работы с LLM, генеративным ИИ и разработкой AI-приложений. - Опыт с RAG, эмбеддингами, векторными базами данных, промпт-инжинирингом, fine-tuning и оценкой LLM. - Глубокое понимание агентного ИИ, вызова инструментов и функций, AI-воркфлоу и мультиагентных архитектур. - Владение Python и современными AI/ML-фреймворками. - Опыт создания масштабируемых облачных продакшен-систем. - Понимание API, микросервисов, распределённых систем и лучших практик разработки ПО. - Опыт работы с AWS, Azure или Google Cloud Platform и соответствующими AI/ML-сервисами. - Развитые навыки решения задач, архитектурного мышления и технического лидерства.
AI-инженер, генеративный ИИ и агентные системы
Компания NeerInfo Solutions Локация и занятость - Локация: Хартфорд, Коннектикут; Остин, Техас; Плано, Техас (офис) - Тип занятости: полная занятость Требования - Уверенные навыки программирования на Python - Практический опыт работы с фреймворками AI/ML: TensorFlow, PyTorch, LangChain - Экспертиза в области генеративного ИИ, включая: - RAG (генерация с дополнением извлечёнными данными) - AI-агенты / агентные фреймворки - Промпт-инжиниринг - Владение экосистемой Microsoft Azure AI Желательно - Опыт создания Copilot или корпоративных ассистентов на базе ИИ - Опыт работы с мультимодальными ИИ-системами - Знание тонкой настройки LLM и эмбеддингов - Опыт работы в крупных корпоративных средах
AI-инженер, промпт-инжиниринг и агентные системы
О роли Один из стартапов-клиентов компании RS Global Services нанимает AI-инженера на полный рабочий день. Инженер будет отвечать за промпты, агентов, оценки (evals) и пайплайны, лежащие в основе пользовательских функций. Вы будете превращать продуктовые требования в работающие промпты, агентов и пайплайны, строго их оценивать, итерировать до готовности к продакшену и продолжать улучшать после релиза. Роль находится на стыке продукта и платформы: вы решаете, что должна делать ИИ-система, доказываете, что она работает, и доводите её до пользователей. Компания находится на ранней стадии и движется быстро, поэтому ищем человека, который умеет быстро работать с неоднозначными ИИ-задачами, измерять качество вывода и выпускать систему только тогда, когда она достаточно надёжна для продакшена. Работа очная, 5 дней в неделю в офисе. Важно уметь отличать «хорошо выглядит в демо» от «работает в продакшене». Задачи - Создавать новые ИИ-функции полностью, от прототипа до продакшена. - Улучшать качество вывода ИИ через промпт-инжиниринг, выбор моделей, retrieval и оценку. - Проектировать и запускать оценки (evals), которые измеряют реальное качество вывода, а не только первое впечатление. - Быстро итерировать промпты, дизайн агентов и паттерны оркестрации. - Работать с продуктовым инженером над превращением требований в реально работающие ИИ-функции. - Работать с платформенной ИИ-командой для размещения функций на надёжной инфраструктуре. - Оценивать новые модели, инструменты и техники, когда они улучшают качество, задержку, стоимость или надёжность. Требования Опыт - Практический опыт создания функций на базе LLM, которые были выпущены для реальных пользователей. - 3–8 лет опыта в практической разработке ПО и создании LLM-функций, выпущенных для реальных пользователей (обязательно). - Опыт выпуска LLM-функций в продакшен в репутабельном быстрорастущем стартапе с высокой инженерной планкой; умение рассказать, что ломалось (обязательно). - Опыт создания агентов и агентных систем — оркестрация LLM, использование инструментов на больших объёмах данных. - Следит за передовыми методами агентного ИИ; опыт только с LangChain — жёлтый флаг (обязательно). - Опыт работы в небольшой команде (менее 15 инженеров), или в роли founding engineer, или бывший основатель. - Опыт в корпоративном вертикальном SaaS. - Опыт в роли FDE или явно клиентоориентированный опыт. Образование - Степень бакалавра в области компьютерных наук (обязательно). Профессиональные навыки - Продакшен-инжиниринг на TypeScript/Node (основной, особенно AWS Lambda) и/или Python (обязательно). - Опыт с системами оценки (evals), структурированным выводом и вызовом функций (обязательно). - Опыт с Anyscale Ray или аналогичными фреймворками распределённых вычислений для батч-инференса, eval-пайплайнов или масштабирования агентных нагрузок. - Опенсорс-вклад в области LLM или агентных инструментов. - Знакомство с pgvector или другими векторными retrieval-системами. - Опыт пост-обучения или файн-тюнинга. Личные качества - Искренний интерес к работе на ранней стадии и к миссии компании (обязательно). Не подходят кандидаты - Короткие периоды работы (менее 2 лет в любой компании, кроме стажировок и контрактной работы). - Только крупные техкомпании (FAANG, Netflix) с очень узкой ролью. - Опыт только с RAG или с упором на LangChain — указывает на отсутствие актуальных знаний агентного ИИ. - Кандидаты без инженерной глубины — например, опыт в анализе данных является негативным сигналом. Условия - Зарплата: $180K–$250K. - Опционы: конкурентные. - Формат: очно, 5 дней в неделю в офисе в SOMA, Сан-Франциско. - Спонсирование визы: E3, H1B Transfer, TN. Новые H1B не рассматриваются.
Staff AI-инженер, автоматизация и агентные системы
Grafana Labs ищет Staff-инженера (AI и автоматизация) для развития инфраструктуры AI-агентов и платформы автоматизации, поддерживающей операции маркетинга. Кандидат будет создавать мультиагентные архитектуры, интеграции LLM и бэкенд-сервисы, соединяющие AI-модели с внутренними и сторонними платформами данных, и запускать производственные системы, от которых команды зависят ежедневно. Роль предполагает высокую автономию и владение техническим направлением: определение наиболее эффективных задач для маркетинга, RevOps и SDR-команд, проектирование решений и их внедрение. Также потребуется задавать техническое направление платформы автоматизации (модели данных, контракты API, общие библиотеки, эталонные архитектуры) и сотрудничать с командами Data Engineering, GTM Systems и Field Operations для создания масштабируемой автоматизации, устраняющей ручную работу. Задачи: Агентные системы и AI-инфраструктура: - Владение полным циклом разработки мультиагентных AI-систем: от архитектуры и реализации до тестирования, развертывания и эксплуатации. - Создание модульных композитных агентных систем с использованием оркестрационных фреймворков (LangChain, CrewAI, Anthropic MCP или аналогичных), работающих круглосуточно. - Разработка переиспользуемых агентных навыков, вызываемых через интерфейсы (Slack, дашборды, внутренние приложения, CLI). - Внедрение наблюдаемости и циклов обратной связи: логирование, метрики производительности, итерация промптов, оценка моделей, управление затратами. - Установление стандартов управления и соответствия для AI-процессов: контроль доступа, аудит-трейлы, обработка PII, эскалация с участием человека. Системная интеграция и бэкенд-сервисы: - Создание MCP-серверов, API, CLI и микросервисов, соединяющих AI-модели с бизнес-системами (BigQuery, Slack, CRM, email, календари, аналитические инструменты). - Проектирование потоков данных для RAG, соединяющих LLM с внутренними базами знаний, данными клиентов и бизнес-контекстом в реальном времени. - Разработка serverless или контейнерных сервисов (GCP Cloud Functions, Cloud Run), масштабирующихся с нагрузкой и интегрирующихся с облачной инфраструктурой Grafana. Автоматизация и поддержка процессов: - Совместная работа с командами RevOps, Demand Generation, Regional Marketing и SDR для определения задач автоматизации, выявления узких мест и создания решений с измеримыми бизнес-результатами. - Проектирование и развертывание процессов с помощью оркестрационных инструментов (n8n, Workato или собственных платформ) с соблюдением стандартов CI/CD, тестирования и производственной надежности. - Создание систем, рассчитанных на самостоятельное использование: документация, плейбуки и обучающие материалы для независимой работы команд. Требования: - 8+ лет опыта в разработке ПО с углублением в бэкенд-разработку, системную интеграцию или инженерию данных/аналитики. - 2+ года практического применения LLM/AI в производственных процессах, а не только в прототипах. - Уверенное владение Python и JavaScript/Node.js, включая Git-процессы, практики код-ревью и дисциплину тестирования. - Практический опыт с LLM-фреймворками и паттернами: промпт-инжиниринг, RAG, функции и инструменты.
AI/ML-инженер, генеративный ИИ и агентные системы
О компании Recare — одна из ведущих немецких HealthTech-компаний, меняющая процесс выписки пациентов. Разрабатывает SaaS-платформу и AI-решения для больниц и поставщиков послеоперационного ухода. Платформа соединяет две трети немецких больниц с более чем 650 реабилитационными клиниками и 25 000 поставщиками услуг по уходу. В компании около 100 сотрудников. Задачи - Разработка надёжных агентных систем для production-среды, где приоритетны конфиденциальность и корректность. - Владение небольшим набором проектов (в идеале одним) для минимизации переключений контекста. - Создание чат-ботов и других генеративных AI-приложений на основе агентных фреймворков: проектирование и оптимизация поведения агента, включая маршрутизацию, вызовы инструментов, управление контекстом, grounding и следование инструкциям. - Развертывание и интеграция: разработка и поддержка инфраструктуры для развертывания AI-агентов и генеративных приложений (REST API, веб-интерфейсы), включая контейнеризацию, оркестрацию и разработку API. - Настройка observability для генеративного ИИ: логирование, трассировка, метрики, дашборды и управление промптами. - Оценка производительности: количественная оценка ценности агентных систем на основе данных observability, пользовательских метрик и обратной связи. - Защита медицинских данных: внедрение лучших практик безопасности и соблюдение требований. - Отслеживание актуальных AI-технологий, подготовка технических отчётов и внедрение их в production. Требования - Интерес к healthcare или другим сложным для изменения отраслям, мотивация работать в высокорегулируемых средах. - Опыт проектирования, разработки и развертывания высокопроизводительных генеративных AI-приложений (RAG, агенты) в production. - Сильные навыки программирования, работа со стеком: Python, Go, GitHub Actions, AWS и другие технологии. - Опыт работы в средах с высокими требованиями к безопасности и конфиденциальности, включая работу с PII, guardrails для LLM и соответствие GDPR. - Опыт глубокого обучения и применения AI/ML-моделей для решения реальных задач, с фокусом на системную интеграцию, а не только обучение моделей. - Владение Python и как минимум одним веб-фреймворком (FastAPI, Django, Flask). - Отличные устные и письменные коммуникационные навыки, умение объяснять сложные концепции разной аудитории. Условия - Осмысленная работа с положительным влиянием на пациентов, их семьи и медицинских работников. - Плоские иерархии, высокая производительность, командная динамика, взаимное уважение, лояльность и признание. - Гибкость: удалённая работа, гибкий график, возможность workation по договорённости. - Карта Edenred, которую можно использовать по своему усмотрению. - Дополнительный выходной день в день рождения.
Senior LLM Engineer / AI Engineer
Senior LLM Engineer / AI Engineer Компания Absolut ищет Senior LLM Engineer для развития AI-агента на базе LLM. Проект связан с автоматизацией работы с отчётностью, документами и внутренними данными крупного государственного заказчика. Чем предстоит заниматься - Развивать AI-агента для работы с отчётностью, документами и внутренними данными. - Проектировать и внедрять RAG-системы. - Строить пайплайны обработки и структурирования данных. - Настраивать валидацию ответов и снижать количество галлюцинаций. - Тестировать промпты и контролировать качество выдачи. - Интегрировать LLM-решения во внутренний контур заказчика. - Разрабатывать AI-агентов и прикладные сценарии автоматизации. Что ожидаем - Опыт разработки LLM / AI-решений. - Уверенное владение Python. - Опыт работы с LangChain, LlamaIndex или аналогами. - Практический опыт построения RAG-систем. - Опыт работы с Llama, Qwen, DeepSeek, Mistral или другими open-source LLM. - Понимание fine-tuning и дообучения моделей. - Опыт проектирования AI-агентов. - Понимание вопросов безопасности LLM-систем: hallucinations, prompt injection, защита данных и разграничение доступов. Будет плюсом - Опыт внедрения AI/ML-решений в enterprise. - Опыт работы с BI, отчётностью и документооборотом. - Опыт создания многоагентных систем. - Опыт human-in-the-loop процессов. Условия - Москва, м. Тушинская. - Офис или гибрид. - Оформление по ТК РФ. - Конкурентный уровень дохода. - Бесплатные корпоративные обеды. - Собственная парковка. - Корпоративная техника. - Возможность влиять на продукт и технические решения. - Современные процессы без бюрократии и микроменеджмента.
AI Engineer / Инженер по внедрению AI
AI Engineer / Инженер по внедрению AI Мы развиваем внутренние AI-инструменты компании и ищем инженера, который умеет превращать бизнес-задачи в рабочие AI-сценарии — от прототипа до регулярного использования сотрудниками. Нам нужен прикладной инженер, который умеет работать на стыке AI, веб-разработки, интеграций, данных и автоматизации процессов. Основная задача — собирать AI-ассистентов, workflow и внутренние инструменты на базе Dify, n8n, LLM API и других low-code / pro-code решений, подключать их к корпоративным системам и доводить до стабильной эксплуатации. Кого мы ищем Нам нужен инженер-практик, который не ограничивается настройкой промптов, а умеет собрать полноценный рабочий инструмент вокруг AI: данные, интеграции, интерфейс, логику процесса, тестирование, документацию и поддержку. Важно не просто знать LLM, а уметь быстро разобраться в бизнес-задаче, собрать MVP, проверить его пользу, доработать и внедрить так, чтобы сотрудники регулярно и безопасно использовали инструмент. Наши задачи - Собирать AI-ассистентов, workflow и полуавтоматические инструменты под задачи подразделений. - Развивать внутреннюю AI-платформу на базе Dify, n8n и других прикладных инструментов. - Подключать AI-сценарии к внутренним системам через API, webhooks, SQL, файлы и выгрузки. - Создавать простые внутренние web-интерфейсы и сервисы для работы с AI-сценариями. - Настраивать RAG-контуры, базы знаний и поиск по документам и корпоративным данным. - Подготавливать данные для AI-сценариев: очищать, структурировать, нормализовать и описывать источники. - Тестировать качество ответов, разбирать ошибки, настраивать evaluation и критерии приёмки. - Проектировать сценарии с учётом контроля человека: проверка, подтверждение, логирование и обработка ошибок. - Документировать архитектуру, инструкции, ограничения и правила эксплуатации. - Обучать сотрудников работе с AI-инструментами. - Переводить успешные прототипы в промышленное или регулярное использование. Наши ожидания - Опыт создания прикладных решений с LLM / AI-инструментами. - Опыт работы с Dify, n8n, Flowise, LangChain, LlamaIndex или аналогичными инструментами. - Знание Python для интеграций, скриптов, обработки данных и работы с API. - Опыт web-разработки или готовность быстро собирать внутренние интерфейсы: React, Vue, Svelte, Next.js, FastAPI, Flask или аналогичные технологии. - Понимание RAG, embeddings, vector search, chunking, reranking и качества retrieval. - Умение интегрироваться с внешними API и внутренними корпоративными системами. - Понимание баз данных и SQL на уровне уверенной работы с данными. - Базовое понимание эксплуатации: Docker, переменные окружения, логи, обработка ошибок и мониторинг. - Системность, аккуратность и привычка доводить решение до состояния, в котором им реально пользуются. - Умение общаться с бизнес-пользователями, разбирать процессы и переводить задачи в технические решения. Будет плюсом - Опыт автоматизации бизнес-процессов. - Опыт разработки внутренних инструментов для юристов, финансов, закупок, продаж, поддержки или операционных подразделений. - Опыт работы с документами: PDF, DOCX, XLSX, сканы, OCR, классификация и извлечение данных. - Опыт настройки прав доступа, ролей и безопасной работы с корпоративными данными. - Опыт построения evaluation-наборов и регрессионного тестирования AI-сценариев. Условия - Удалённый формат работы. - График 5/2, 09:00–18:00. - Официальное трудоустройство по ТК РФ. - Полностью белая заработная плата. - Участие в развитии AI-продуктов компании и работе с данными. - Гибкость в выборе подходов и используемых технологий. - Команда, в которой ценятся инженерное мышление, инициативность и ответственность за результат. - ДМС со стоматологией, софинансирование от компании 50/50. - Корпоративные скидки от BestBenefits.
AI/ML-инженер, специализация: LLM и RAG
Компания UnitedHealth Group, подразделение Optum Tech. Локация и формат Удалённо из любой точки США или гибридно в Миннеаполисе (Миннесота) / Вашингтоне (округ Колумбия). Для найма в районах Миннеаполиса или Вашингтона требуется работа в офисе минимум четыре дня в неделю. Обязанности - Разработка и внедрение решений машинного обучения с использованием LLM. - Использование фреймворка LangChain для работы с закрытыми и открытыми моделями. - Применение методов тонкой настройки (fine-tuning) и RAG для оптимизации языковых моделей под конкретные задачи и наборы данных. - Написание чистого, поддерживаемого и эффективного кода в соответствии со стандартами PEP8. - Использование технологий контейнеризации, таких как Docker, для разработки и развертывания. - Обеспечение production-качества кода, включая тщательное тестирование и документацию. - Работа в терминале для задач разработки и развертывания. - Работа с традиционными методами ML: XGBoost для задач классификации и методы обучения без учителя, такие как K-means. Требования - Высшее образование (степень бакалавра) или эквивалентный опыт. - 3+ года подтвержденного опыта работы с большими языковыми моделями (LLM). - 3+ года опыта с концепциями машинного обучения и методами тонкой настройки. - 3+ года профессионального опыта программирования на Python с соблюдением PEP8. - Опыт использования фреймворка LangChain. - Опыт применения техник RAG. - Опыт работы с технологиями контейнеризации, такими как Docker. - Опыт обеспечения production-качества кода, включая тестирование и документацию. - Опыт работы с системами контроля версий, такими как Git. - Развитые навыки решения проблем и внимание к деталям. - Уверенная работа в терминале. - Разрешение на работу в США без необходимости спонсорства визы (например, H-1B, TN, F-1/OPT, CPT или других рабочих виз). Предпочтительно - Опыт в здравоохранении. - Знание статистики. Условия - Зарплата: $98,500–$176,000 в год (при полной занятости). - Комплексный пакет льгот, программы поощрения и признания, программа покупки акций и взносы в 401k (в зависимости от соответствия требованиям). - Для всех удаленных сотрудников обязательно соблюдение политики Telecommuter Policy компании UnitedHealth Group.
AI-инженер по направлению GenAI/LLM и Python
Компания: Nexorant LLC Обязанности - Проектировать, разрабатывать, тестировать и разворачивать AI-приложения. - Создавать приложения на Python с использованием современных AI/ML-фреймворков. - Интегрировать большие языковые модели (LLM) в production-приложения. - Разрабатывать решения на основе Retrieval-Augmented Generation (RAG). - Работать с LLM API, включая OpenAI и другие коммерческие или открытые модели. - Разрабатывать и интегрировать REST API и backend-сервисы. - Создавать AI-автоматизацию, интеллектуальный поиск, рекомендательные и диалоговые приложения. - Работать с векторными базами данных и эмбеддингами. - Разрабатывать промпты и оценивать ответы LLM на точность, релевантность и надёжность. - Внедрять AI-агентов и автоматизацию рабочих процессов. - Очищать, обрабатывать и подготавливать данные для AI/ML-приложений. - Взаимодействовать с инженерами, дата-сайентистами, продакт-менеджерами и бизнес-стейкхолдерами. - Писать чистый, поддерживаемый и документированный код. - Выполнять тестирование, отладку и оптимизацию производительности. - Разворачивать и мониторить AI-приложения в облачных средах. - Отслеживать новые разработки в области генеративного ИИ, LLM, AI-агентов и машинного обучения. Требования - Степень бакалавра в области компьютерных наук, программной инженерии, информационных технологий, науки о данных или смежной области. - Опыт от 2 лет в разработке ПО, AI-инженерии, машинном обучении или смежной области. - Уверенное программирование на Python. - Понимание принципов разработки ПО и объектно-ориентированного программирования. - Опыт работы с REST API и backend-сервисами. - Практический опыт с генеративным ИИ или большими языковыми моделями (LLM). - Опыт работы с LLM API и разработкой AI-приложений. - Понимание концепций RAG. - Опыт работы с SQL и базами данных. - Знакомство с Git и современными практиками разработки. - Развитые аналитические навыки и навыки решения проблем. - Отличные коммуникативные навыки и умение работать в команде.
Ведущий ML-инженер, LLM и генеративный ИИ
Инженеры-программисты и ИИ-агенты сталкиваются с общей проблемой: найти того человека или место, которые ответят на их сложный специфический вопрос. Многие решения обещают решить это с помощью поиска по векторным базам данных. Однако найти ответ часто бывает непросто: его части разбросаны по множеству противоречивых источников, и без точного поиска и тщательного анализа не обойтись. Spectrum собирает данные из кода, документации и задач организации и организует знания в единую онтологию, которую ИИ-агенты могут эффективно искать и анализировать. Мы стремимся произвести революцию в семантическом слое для организаций, создающих программное обеспечение, и выйти за рамки спецификаций, которые рассинхронизируются с кодом, представив «живую спецификацию» — извлекаемую из всей системы и используемую для поддержания её согласованности. Spectrum должен стать единым источником истины для всех знаний о продукте и архитектуре. Spectrum — резидент стартап-инкубатора JetBrains, с темпом и автономией стартапа, опирающийся на 25-летний опыт создания инструментов для разработчиков. Мы ищем первоклассного ML-инженера, который поможет нам формировать будущее разработки программного обеспечения. Вы будете владеть нашим стеком AI и ML и помогать определять исследовательскую повестку команды. Ваше техническое видение и дизайнерские решения напрямую повлияют на продукт и определят его успех. Задачи - Проектирование и создание ML/LLM-решения для приёма данных, извлечения знаний, поиска и последующего рассуждения. - Создание наборов данных, метрик и пайплайнов, обеспечивающих измеримые улучшения в системе. - Проектирование и улучшение агентов для поиска контекста, извлечения знаний и согласования данных, включая промпт-инжиниринг, выбор моделей и оптимизацию инференса. - Внедрение практик MLOps, включая оркестрацию, наблюдаемость и отслеживание экспериментов. - Совместная работа с инженерной командой над системным дизайном и с JetBrains Research над исследовательской повесткой. - Определение критериев найма, развитие ML-команды и формирование её культуры. Требования - Подтверждённый опыт работы в роли ML/AI-лида. - Не менее пяти лет опыта в системах ML/AI, из них не менее двух лет — с LLM и генеративным ИИ. - Глубокое понимание экосистемы LLM, включая архитектуры моделей и подходы к тонкой настройке. - Практический опыт с: - Промпт-инжинирингом и проектированием LLM-пайплайнов, включая оценку. - Агентными фреймворками, такими как LangChain, LlamaIndex, LangSmith, smolagents или аналогичными. - Векторными базами данных и паттернами RAG (retrieval-augmented generation). - Развёртыванием и масштабированием приложений на LLM с использованием API (например, OpenAI или Anthropic) или open-source моделей. - Уверенное владение Python; знание Kotlin будет плюсом. - Отличные коммуникативные навыки, способность объяснять сложные технические концепции разной аудитории. - Владение английским языком в письменной и устной форме. Идеальный кандидат - Опыт работы с онтологиями, графами знаний или рассуждениями на основе графов. - Опыт работы в стартапах на ранней стадии — вам нравится этап «с нуля до единицы». - Способность мыслить стратегически о продукте на основе ИИ, а не только обучать модели изолированно. - Опыт в анализе кода, инструментах для разработчиков или исследованиях в области разработки ПО. - Опыт работы с мультиагентными системами или сложными агентными процессами. - Активное участие в соответствующих open-source проектах или публикациях. Условия - Конкурентная зарплата и льготы JetBrains. - Достаточный запас ресурсов и корпоративные возможности при автономии стартапа.
AI-разработчик
Обязанности - Разрабатывать и поддерживать fullstack-решения на Node.js — от API до интеграций с внешними сервисами - Проектировать и реализовывать LLM-powered фичи: RAG-пайплайны, AI-агенты, интеграции с Claude API и другими LLM-провайдерами - Разрабатывать MCP-серверы и кастомные инструменты для LLM-агентов — tools, resources, интеграции с внешними API - Писать промпты, настраивать и оптимизировать взаимодействие с языковыми моделями - Работать с векторными базами данных и строить системы семантического поиска - Участвовать в проектировании архитектуры AI-сервисов и декомпозиции задач - Проводить code review, поддерживать качество кода и документацию - Взаимодействовать с командой — аналитиками, продактами и другими разработчиками Требования - Уверенное владение Python (3.10+, async / await, типизация, FastAPI / Flask) и Node.js (Fastify / NextJS / Hono) - Опыт проектирования и разработки REST API и интеграций между сервисами - Практический опыт работы с Claude API (Anthropic) — prompt engineering, tool use, structured output, управление контекстом - Опыт использования AI-assisted разработки: Cursor, GitHub Copilot / Codex как часть ежедневного рабочего процесса - Опыт построения LLM-приложений: RAG-пайплайны, агенты, интеграция с векторными БД (Chroma, Pinecone, Qdrant и др.) - Работа с реляционными (PostgreSQL) и NoSQL базами данных (MongoDB, Redis) - Опыт разработки MCP-серверов (Model Context Protocol) и кастомных инструментов для LLM-агентов - Уверенное владение Docker, базовые навыки деплоя и работы с CI / CD - Понимание принципов чистой архитектуры, умение писать читаемый и поддерживаемый код - Навыки code review и работы в команде по Git-flow Будет плюсом - Знакомство с LangChain, LlamaIndex или аналогичными фреймворками О компании KODE разрабатывает цифровые продукты (mobile, web, backend, IoT, Conversation Design и другие) с 2013 года. Компания занимает первые места в рейтингах: 1-е место среди разработчиков мобильных приложений в рейтингах Рейтинга Рунета, Tagline, Workspace, Tadviser и Cnews; Золотая группа в рейтинге работодателей Forbes 2024; 1-е место в рейтинге работодателей РБК 2024; 2-е место среди лучших работодателей России в IT-компаниях среднего размера по версии hh.ru 2025. В команде работает более 350 профессионалов по всему миру.
Менеджер по продажам (B2B Sales / New Business) в Photon Pictures. 500
Менеджер по продажам (B2B Sales / New Business) в Photon Pictures Работа на неполный день с возможностью удалёнки. Зарплата: 500 $.
Специалиста для развития корпоративной AI-платформы и автоматизации инженерных и бизнес-процессов
Специалист для развития корпоративной AI-платформы и автоматизации инженерных и бизнес-процессов Чем предстоит заниматься AI-платформа: - проектировать и развивать корпоративную AI-платформу; - внедрять LLM и современные AI-сервисы; - создавать масштабируемую архитектуру; - участвовать в разработке AI-стратегии. AI-ассистенты: - создавать интеллектуальных помощников для продаж, проектировщиков, конструкторов, производства, сервисных служб и руководителей проектов. RAG и база знаний: - разрабатывать интеллектуальный поиск по технической документации, ГОСТам, проектам, CAD-моделям, конструкторской документации, внутренним регламентам. Автоматизация: - технические задания; - коммерческие предложения; - BOM/спецификации; - инженерная документация; - отчёты и аналитика. AI Agents: - мультиагентные системы; - интеллектуальные workflow; - AI-сценарии автоматизации бизнес-процессов. Интеграции: - CRM, ERP, PDM/PLM, CAD и внутренние API. Что важно - уверенный Python; - backend — FastAPI, REST API; - опыт создания AI-продуктов с LLM; - понимание архитектуры AI-систем и GenAI; - опыт разработки масштабируемых сервисов; - практический опыт с OpenAI, Claude, Gemini, Llama, Mistral; - опыт построения RAG; - знание Vector DB: Qdrant, Pinecone, Weaviate, ChromaDB или аналогов. Будет плюсом: - LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen, Docker, PostgreSQL, Git. Большой плюс: - опыт в инженерных или производственных компаниях; - понимание CAD/PDM/PLM и жизненного цикла инженерного продукта; - опыт создания корпоративных AI Copilot или AI-платформ.
LLM-инженер, интеграция ИИ и RAG-пайплайны
Компания Monterail формирует сеть LLM-инженеров, которые проектируют, создают и интегрируют практичные ИИ-функции в существующие продукты. Ищем людей для сотрудничества на фрилансе — частичная или полная занятость, в зависимости от потребностей проекта. Роль ориентирована на реализацию, а не на исследования в области ML. Важнее всего инженерная база и умение интегрировать ИИ в реальные производственные системы на Python, Node.js или Ruby. Требования - Сильная инженерная база: Python, Node.js или Ruby - Практический опыт интеграции LLM API в производственные системы (OpenAI, Anthropic или аналоги) - Умение проектировать прагматичные ИИ-решения в существующих архитектурах - Опыт создания RAG-пайплайнов, эмбеддингов и векторного поиска - Понимание ограничений по стоимости, задержке и надёжности ИИ-систем - Способность работать с клиентами самостоятельно и устанавливать реалистичные ожидания - Опыт в области больших данных или пайплайнов данных — большое преимущество - Английский B2/C1 - Доступность: частичная или полная занятость (контракт B2B) Задачи - Добавлять ИИ-функциональность в существующие кодовые базы на Python, Node.js и Ruby - Создавать функции на основе LLM: чаты, саммари, классификация, умный поиск, Q&A по документам - Проектировать лёгкие RAG-пайплайны с использованием эмбеддингов и векторного поиска - Работать с векторными БД (pgvector, Pinecone, Qdrant) - Внедрять безопасные и надёжные LLM-эндпоинты (OpenAI, Anthropic, Azure) - Работать напрямую с клиентами, чтобы формировать ИИ-функции и сокращать ручной труд - Консультировать клиентов, когда ИИ не следует использовать, и учитывать компромиссы по задержке, точности и стоимости