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 ML-инженер / Data Scientist, LLM и RAG
Компания FlexBoard помогает медицинским организациям создавать успешные команды клиницистов с помощью инновационных технологических продуктов. Вакансия предполагает удалённую работу для кандидатов из США. Обязанности - Проектировать, разрабатывать и внедрять ML-решения: от классических ML-приложений (классификация, кластеризация, рекомендации) до систем на основе LLM, включая парсинг документов, извлечение данных, RAG-пайплайны и LLM-агентов. - Писать чистый, поддерживаемый, production-код на Python, который интегрируется с существующей инженерной и деплой-инфраструктурой. - Работать с большими наборами данных: очистка, предобработка и анализ данных. - Реализовывать и оптимизировать алгоритмы, используя лучшие практики машинного обучения, глубокого обучения и статистического анализа. - Взаимодействовать с бизнес-заинтересованными сторонами для понимания требований и разработки решений на основе данных, которые дают практические инсайты. - Разрабатывать и поддерживать пайплайны и инфраструктуру для обработки данных и обучения моделей, версионирования, развертывания и мониторинга. - Оценивать производительность ML-моделей, включая специфические для LLM подходы к оценке, и настраивать модели для улучшения производительности. - Коммуницировать результаты, инсайты и производительность моделей как технической, так и нетехнической аудитории. - Постоянно следить за последними трендами, технологиями и лучшими практиками. Требования - Степень бакалавра или магистра в области компьютерных наук, науки о данных, статистики, математики или смежной области. - Бакалавр с 5+ годами релевантного опыта; магистр или выше с 3+ годами релевантного опыта. - Свободное владение Python (3+ года опыта программирования). - Сильные практики разработки ПО на Python, включая написание поддерживаемого, тестируемого, production-кода. - Глубокое понимание LLM-архитектур. - Практический опыт создания и оценки RAG-пайплайнов. - Опыт работы с фреймворками оркестрации LLM. - Владение библиотеками машинного обучения, такими как Scikit-learn и PyTorch; библиотеками для работы с данными, такими как NumPy и аналогичными. - Знакомство с облачными платформами (например, AWS, GCP, Azure) и инструментами контейнеризации. - Глубокое понимание метрик оценки моделей для традиционного ML (accuracy, precision, recall, F1) и LLM-систем (faithfulness, answer relevancy, hallucination detection), включая подходы к оценке недетерминированных выходов. - Опыт работы с инструментами управления моделями, такими как MLFlow, и жизненным циклом разработки моделей. - Опыт работы с системами контроля версий, такими как Git. - Владение практиками SDLC для разработки и тестирования. - Отличные навыки решения проблем, аналитическое мышление и способность работать в быстро меняющейся среде. - Сильные коммуникационные навыки и способность объяснять технические концепции нетехническим заинтересованным сторонам. - Умение эффективно работать в команде, включая экспертов в предметной области, инженеров и бизнес-заинтересованных лиц. - Пытливость: желание задавать вопросы и глубже понимать проблемы. - Инновационность: способность находить новые аналитические решения для любых проблем. - Уверенность: способность оспаривать предположения и предубеждения сотрудников на любом уровне организации. - Любознательность: быть в курсе новых и будущих технологий и инструментов. - Бизнес-ориентированность: понимание бизнес-требований и терминологии. - Знакомство с оптимизацией, развертыванием и масштабированием автоматизированных пайплайнов обучения трансформерных моделей. - Знакомство с техниками обучения и GPU-вычислениями. - Знакомство с классическими подходами NLP. - Опыт внедрения CI/CD пайплайнов для ML-моделей для автоматизации обучения, валидации, мониторинга и развертывания. - Опыт интеграции и развертывания AWS AI/ML сервисов. - Опыт работы с данными в сфере здравоохранения. Условия - Медицинская и стоматологическая страховка без дополнительной оплаты для сотрудников. - Пенсионный план 401(k) и планы с распределением прибыли. - Гибкие расходные счета. - Оплачиваемый отпуск. - Корпоративные праздники. - Гендерно-нейтральный отпуск по уходу за ребенком. - Отпуск по утрате близкого человека и отпуск для ухода за питомцем. - Спонсирование непрерывного образования и аккредитации. - Страхование жизни и от несчастных случаев (AD&D). - Краткосрочная и долгосрочная нетрудоспособность.
Senior LLM-инженер-консультант
О компании Глобальная бизнес- и технологическая компания, предоставляющая комплексные решения. Отрасль: консалтинговые услуги. Обязанности - Создание функций - Развертывание систем - Взаимодействие с командами Навыки и инструменты - Python, FastAPI - LLM-модели - Инструменты кодирования - RAG-системы - Базы данных - Лучшие практики - Продакшен-решения для генеративного ИИ - Claude, Copilot, MCP Условия - Категория: разработка программного обеспечения - Уровень: Senior - Занятость: полная, контракт - Формат работы: удалённо - Зарплата: USD 176 800 – 228 800 в год - Язык: английский - Бенефиты: 401k matching, щедрый отпуск, пенсионный план
Senior AI-инженер, агентные системы и LLM
Senior AI Software Engineer (Agentic Systems & LLM Applications). Удалённая работа, W2. Роль: проектирование, разработка и масштабирование интеллектуальных приложений на базе современных ИИ и больших языковых моделей. Это инженерная позиция, а не роль дата-сайентиста. Задачи: - Разработка Python-API для ИИ-приложений и сервисов. - Построение и оркестрация агентных рабочих процессов с использованием фреймворков LangChain, LangGraph, AutoGen, Semantic Kernel или LlamaIndex. - Внедрение и оптимизация пайплайнов RAG. - Разработка масштабируемых ИИ-систем с применением фреймворков машинного и глубокого обучения. - Интеграция и управление векторными базами данных (Pinecone, Weaviate, Chroma) для семантического поиска и памяти. - Проектирование и развертывание приложений в облаке (AWS, GCP, Azure). - Применение принципов domain-driven design и микросервисной архитектуры. - Обеспечение качества кода через ООП (наследование, полиморфизм) и паттерны проектирования. - Кросс-функциональное взаимодействие для поставки production-ready решений. Требования: - Опыт разработки на Python. - Практический опыт работы с LLM-фреймворками и инструментами оркестрации (LangChain, LangGraph, AutoGen и др.). - Понимание архитектур RAG и систем векторного поиска. - Опыт работы с фреймворками машинного обучения (TensorFlow или PyTorch). - Навыки создания и потребления RESTful API. - Опыт работы с облачной инфраструктурой (AWS, GCP или Azure). - Знание микросервисной архитектуры и domain-driven design. - Глубокое понимание ООП и паттернов проектирования. Предпочтительно: - Опыт создания агентных или автономных ИИ-систем. - Знакомство с real-time приложениями и потоковой архитектурой. - Опыт оптимизации ИИ-систем по производительности и масштабируемости. - Опыт работы с MLOps и пайплайнами развертывания.
Principal-разработчик ПО, Agent Toolkits и облачная инфраструктура
О компании Oracle Health & AI — новое подразделение Oracle, сфокусированное на разработке продуктов и стратегии для Oracle Health и создании платформы для автоматизации здравоохранения. Обязанности - Архитектура, проектирование, разработка, развертывание и эксплуатация production-grade AI-систем на основе LLM, агентов, retrieval и корпоративных данных. - Создание агентных AI-систем с использованием инструментов, памяти, планирования, оркестрации и автоматизации рабочих процессов для решения сложных бизнес-задач. - Проектирование и внедрение масштабируемых RAG, поиска, retrieval, ранжирования и систем знаний по структурированным и неструктурированным данным. - Разработка LLM-приложений, включая промпт- и контекст-инжиниринг, интеграцию инструментов, маршрутизацию моделей, guardrails и оркестрацию рабочих процессов. - Оптимизация AI-систем по качеству, задержке, надежности, масштабируемости, наблюдаемости и стоимости. Условия - Уровень: IC4. - Зарплата (US): $114,600–$234,600 в год. - Возможны бонусы, акции и отсрочка компенсации. - Медицинская, стоматологическая и офтальмологическая страховка, включая экспертное медицинское мнение. - Страхование жизни и AD&D, дополнительное страхование жизни для сотрудника, супруга и ребёнка. - Краткосрочная и долгосрочная нетрудоспособность. - Гибкие счета на медицинские и зависимые расходы. - Льготы на транспорт и парковку до вычета налогов. - 401(k) с матчем компании. - Оплачиваемый отпуск: гибкий для сотрудников на окладе; для остальных — накопление 13 дней в год в первые 3 года и 18 дней в последующие. Для сотрудников, работающих 20–34 часа в неделю, отпуск пропорционален; при работе менее 20 часов в неделю отпуск не предоставляется. - 11 оплачиваемых праздничных дней. - Оплачиваемый больничный: 72 часа при найме, обновляется каждый год, переносится до 112 часов. - Оплачиваемый отпуск по уходу за ребёнком. - Программа помощи при усыновлении. - Программа покупки акций для сотрудников. - Финансовое планирование и групповая юридическая помощь. - Добровольные страховки: авто, жильё, питомцы.
AI/ML-инженер, Amazon Bedrock, промт-инжиниринг
Компания rockITdata — SDVOSB-сервисная компания, партнёр коммерческих организаций в сфере здравоохранения и биологических наук, а также государственных структур. Роль отвечает за проектирование, создание и оптимизацию AI-функций в среде контакт-центра Amazon Connect, работающего в AWS GovCloud (IL4). Работа охватывает конфигурацию Amazon Bedrock Agent, промт-инжиниринг, разработку базы знаний, проектирование правил коучинга, внедрение рубрик оценки качества и непрерывную оценку моделей. Инженер работает со всеми четырьмя AI-возможностями: приём звонков через IVR, AI-коучинг, сводки звонков и пост-звонковый анализ. Ключевые обязанности - Настройка и оптимизация Amazon Bedrock Agents для виртуального агента, коучинга в реальном времени, сводок звонков и пост-звонкового анализа качества. - Проектирование, версионирование и итеративная доработка шаблонов промтов для каждой AI-возможности с оценкой точности по SLA (≥95% совпадения с QA). - Создание и поддержка базы знаний AWS Bedrock Knowledge Base, включая пайплайны загрузки контента из Salesforce и оптимизацию семантического поиска с использованием моделей Amazon Nova. - Разработка правил коучинга, сопоставляющих обязательные раскрытия, HIPAA-чувствительные языковые паттерны и скрипты DHA с типами звонков для мониторинга соответствия в реальном времени. - Внедрение рубрик оценки качества для платформы пост-звонкового анализа: автоматическая оценка тона, соответствия, точности и эффективности решения по 100% звонков. - Настройка Bedrock Guardrails для редактирования PHI/PII, обнаружения галлюцинаций, защиты от prompt-инъекций и фильтрации контента на каждом вызове модели. - Оценка новых релизов моделей Amazon Nova (Nova Pro, Nova Lite, Nova Micro) по производственным бенчмаркам точности, задержки и стоимости; предложение замены моделей через change management. - Совместно с интеграционным инженером — обеспечение корректной передачи выходных данных Bedrock в Salesforce (через Lambda и Platform Events) и в Verint. - Мониторинг производительности моделей с помощью CloudWatch и дашбордов QuickSight; выявление и устранение дрейфа моделей на интервалах повторного бенчмаркинга на 30-й и 60-й день. - Участие в двухнедельных демо-спринтах с представлением данных о производительности AI, результатах настройки промтов и метрик точности заинтересованным сторонам TriWest. - Совместная работа с QA-рецензентами и экспертами TriWest для закрытия пробелов в знаниях через циклы обратной связи пост-звонкового анализа. - Обеспечение соответствия всех AI-вызовов и логирования требованиям FedRAMP High, DFARS 252.204-7012, HIPAA и NIST AI RMF. Требования - 3+ лет опыта в прикладном AI/ML-инжиниринге с практической разработкой LLM-приложений (промт-инжиниринг, RAG-архитектуры, агентные фреймворки). - Прямой опыт работы с Amazon Bedrock: конфигурация агентов, настройка базы знаний, Guardrails, вызовы foundation-моделей. - Владение семейством моделей Amazon Nova или эквивалентными foundation-моделями (например, Claude, Titan) в продакшн-среде. - Уверенные навыки Python и/или Node.js для разработки Lambda-функций и интеграции AI-пайплайнов. - Опыт с паттернами RAG: управление векторными хранилищами, стратегии чанкинга, оптимизация семантического поиска. - Знакомство с бессерверными сервисами AWS: Lambda, Kinesis, S3, CloudWatch, IAM в среде GovCloud. - Понимание требований к конфиденциальности медицинских данных (HIPAA, обработка PHI/PII) и федеральных фреймворков соответствия (FedRAMP, NIST 800-53). - Опыт управления промтами с версионированием и A/B-тестирования вариантов промтов. - Развитые аналитические навыки для интерпретации метрик производительности моделей и преобразования выводов в улучшения промтов или архитектуры. - Степень бакалавра в области компьютерных наук, науки о данных, AI/ML или смежной области (или эквивалентный опыт). Желательные квалификации - Опыт работы с Amazon Connect, Contact Lens и AI-процессами контакт-центров. - Предыдущая работа в средах FedRAMP High или IL4/IL5. - Знакомство с паттернами интеграции Salesforce (Platform Events, Streaming API, REST/SOAP API). - Сертификаты AWS: Machine Learning Specialty, Solutions Architect или DevOps Professional. - Опыт в домене TRICARE, DHA или медицинского страхования. - Опыт в дизайне разговорного ИИ (IVR, чат-боты, голосовые агенты). Условия - Удалённая работа (США).
Senior AI/LLM-инженер, RAG и fine-tuning
Обязанности - Быстрое прототипирование AI-функций для улучшения поиска, рекомендаций и автоматизации рабочих процессов на платформе. - Применение машинного обучения для оптимизации рабочих процессов, персонализации и выявления ключевых инсайтов. - Дообучение LLM и RAG-пайплайнов для работы с интернет-данными, суммаризации и предоставления контекстных инсайтов. - Разработка и поддержка аналитических и автоматизированных систем на базе ИИ. - Совместная работа с командами frontend, product и data engineering для создания бесшовных и безопасных AI-решений. - Постоянная оценка и улучшение качества моделей с помощью RAGAS, LangSmith и автоматизированных регрессионных тестов. Требования - 5+ лет опыта в разработке ПО, включая 2+ года создания и масштабирования AI-функций для пользователей. - Владение Python для разработки бэкенда и API. - Знакомство с фреймворками оценки RAG (RAGAS, LangSmith) и проектированием регрессионного тестирования LLM-пайплайнов. - Способность быстро прототипировать, проверять и дорабатывать AI-функции в среде, ориентированной на эксперименты. - Опыт повышения точности, рассуждения и согласованности LLM. - Понимание безопасного и ответственного ИИ, внедрение guardrails и проверок безопасности для предотвращения злоупотреблений и утечек данных. - Практический опыт с CI/CD, автоматизацией тестирования и лучшими практиками деплоя AI-приложений. - Навыки кросс-командного взаимодействия. - Использование AI-инструментов для ускорения разработки и улучшения продукта. - Продвинутые знания AI/ML-архитектур, оценки моделей и глубокого обучения. - Опыт с RAG, поиском и fine-tuning LLM. - Понимание эмбеддинг-моделей и AI-аналитики. - Опыт оптимизации AI-моделей для низкой задержки в браузерных или frontend-средах. - Опыт развертывания безопасных AI-систем в кибербезопасности или других областях с чувствительными данными. Условия - Удалённая работа; вакансия открыта для кандидатов в США. - Льготы с первого дня: 401k match, медицинская и стоматологическая страховка. - Компания — маркетплейс, соединяющий рекрутеров и технологов; основана в 1990 году, штаб-квартира в Сентенниал, Колорадо, 201–500 сотрудников. - Компания имеет историю H1B-спонсорства: 2 в 2022, 4 в 2021, 5 в 2020; для данной роли спонсорство не гарантировано.
Senior AI-инженер, AI-агенты и RAG-пайплайны
Компания: TMS LLC О позиции Ищем Senior AI Software Engineer с опытом проектирования, создания и развертывания production-grade Agentic AI-систем. Нужен опыт разработки AI-агентов с многошаговыми рассуждениями, оркестрацией инструментов, RAG и безопасных корпоративных AI-решений. Это не традиционная Java/.NET Full Stack или интеграция чат-ботов. Нужны инженеры с реальным production-опытом создания AI-агентов на Python и современных Agentic AI-фреймворках. Задачи - Проектировать и разрабатывать корпоративные Agentic AI-решения. - Создавать AI-агентов с планированием, рассуждением, использованием инструментов и многошаговым выполнением задач. - Разрабатывать переиспользуемые AI-агентные фреймворки, SDK и RAG-пайплайны. - Создавать безопасные AI-сервисы с guardrails, approval workflows, retries и отказоустойчивостью. - Внедрять production LLMOps, мониторинг, оценку, наблюдаемость и оптимизацию производительности. - Взаимодействовать с продакт-менеджерами, дата-сайентистами и инженерными командами для создания масштабируемых AI-платформ. Требования - 5–10+ лет опыта в разработке ПО. - Сильный практический опыт с Python и бэкенд-разработкой (предпочтительно FastAPI). - Опыт создания и развертывания production AI-агентов / Agentic AI-приложений. - Сильный опыт с LangGraph, LangChain, CrewAI, AutoGen или аналогичными AI-агентными фреймворками. - Практический опыт с RAG, архитектурой AI-агентов, мультиагентными системами, tool calling / function calling, памятью агентов, промт-инжинирингом, эмбеддингами. - Опыт с векторными базами данных: Pinecone, FAISS, Weaviate, ChromaDB или Azure AI Search. - Опыт развертывания LLM-приложений с использованием OpenAI, Azure OpenAI, AWS Bedrock, Anthropic Claude, Google Vertex AI или Llama-моделей. - Сильный опыт с Docker, Kubernetes, CI/CD, LLMOps, мониторингом и наблюдаемостью. - Опыт работы с AWS, Azure или GCP. - Понимание AI-безопасности, guardrails, защиты от prompt injection, обработки PII, RBAC и Responsible AI. Желательно - LangGraph. - MCP (Model Context Protocol). - Фреймворки оценки AI-агентов. - Опыт в регулируемых отраслях: healthcare, banking, insurance. Условия - Очное собеседование в Нью-Джерси.
Senior AI-инженер инфраструктуры, LLM/AI-платформы
Вакансия удаленная, открыта для кандидатов из США. Компания — глобальный лидер в области кибербезопасности, специализирующийся на предотвращении взломов с помощью продвинутых платформ на базе ИИ. Ищут Senior AI Infrastructure Engineer для проектирования, создания и масштабирования ИИ-инфраструктуры для продуктов, с фокусом на большие языковые модели (LLM) и ИИ-системы. Обязанности - Предоставление и настройка крупных GPU-кластеров и вычислительных ресурсов для задач обучения, дообучения и инференса LLM. - Оптимизация инфраструктуры обслуживания LLM-моделей, включая развертывание и оптимизацию различных фреймворков инференса. - Управление жизненным циклом моделей: версионирование, контрольные точки и воспроизводимость в процессах обучения и инференса. - Проектирование и внедрение надежных фреймворков оценки для проверки производительности, точности и надежности моделей, обеспечивая соответствие ИИ-систем производственным стандартам. - Выявление и устранение узких мест использования GPU и эффективности памяти GPU, применение таких техник, как квантование, пакетная обработка и кэширование. - Проектирование и поддержка платформ и пайплайнов данных, специально предназначенных для поддержки LLM, RAG (Retrieval-Augmented Generation) и ИИ-систем в производственной среде, с акцентом на производительность, сопровождаемость и строгость тестирования, обеспечивая быструю поставку без ущерба качеству. - Применение экспертизы в моделировании данных, нормализации и семантическом каталогизировании для AI/ML-нагрузок. - Определение и внедрение лучших практик MLOps/DataOps для LLM, включая мониторинг, наблюдаемость и механизмы восстановления для ИИ-сервисов. - Тщательное документирование архитектурных решений и донесение технических деталей до заинтересованных сторон. - Взаимодействие с Data Scientists, Product Managers и другими инженерными командами для превращения исследовательских прототипов в надежные сервисы производственного уровня. Требования - Степень бакалавра в области компьютерных наук, инженерии данных или STEM; магистерская степень приветствуется. - 6+ лет опыта в инфраструктурной/дата-инженерии, как минимум 2 года в создании и поддержке платформ/пайплайнов, поддерживающих LLM-системы и приложения. - Подтвержденный практический опыт в LLM-инфраструктуре: предоставление кластеров, оптимизация обучающих нагрузок и поддержка инференс-пайплайнов. - Исключительная способность писать чистый, элегантный, поддерживаемый и хорошо протестированный код, а также сильный фокус на быстрой поставке результатов. - Глубокое понимание инженерных практик, включая эффективные ревью кода и отказоустойчивую архитектуру. - Проявление технического лидерства и наставнических качеств. - Подтвержденный опыт использования ИИ-технологий для улучшения принятия решений, оптимизации рабочих процессов и процессов, повышения эффективности и бизнес-результатов. - Практический опыт с MLOps-инструментами (MLflow, SageMaker, AI). - Сильное понимание основ CUDA, драйверов, GPU и TPU. - Опыт работы с фреймворками инференса, такими как vLLM и Triton Inference Server. - Владение фреймворками обучения: PyTorch, Ray, Megatron, JAX. - Экспертный уровень владения высокоуровневым языком программирования (Python). - Глубокие знания контейнеризации и оркестрации (Slurm, Airflow). - Владение инструментами Infrastructure as Code, такими как Terraform и Ansible. - Опыт работы с облачными платформами (AWS, GCP или OCI) и сервисами данных. - Опыт работы в сфере кибербезопасности, разведки или отраслях с высокими требованиями к соответствию. - Опыт создания, развертывания и управления LLM в производственной среде. - Опыт работы с распространенными фреймворками рабочих процессов. - Опыт работы с фреймворками обработки данных (например, Dask, Flink). Условия - Право на бонусы. - Гранты на акции. - Комплексный пакет льгот: медицинская страховка, 401k, оплачиваемый отпуск, конкурентоспособная компенсация и акции. - Комплексные программы физического и психического здоровья. - Конкурентоспособный отпуск и праздники, отпуск по уходу за ребенком и усыновлению. - Возможности для развития для всех сотрудников независимо от уровня или роли. - Сети сотрудников, географические сообщества и волонтерские возможности для установления связей. - Офисная культура с удобствами мирового класса. - Сертификация Great to Work Certified™ по всему миру.
Инженер по внедрению, ИИ и интеграции
О роли Компания Clera — европейский стартап на ранней стадии, разрабатывающий AI-платформу телефонного ассистента для малого и среднего бизнеса. Продукт автоматизирует входящие и исходящие звонки, запись на приём, взаимодействие с клиентами и другие процессы. Ищем инженера по внедрению (Forward Deployment Engineer), который будет отвечать за технический успех внедрений у клиентов от начала до конца. Роль находится на стыке продукта и результатов для клиентов. Вы будете превращать реальные бизнес-требования в надёжные production-конфигурации, создавать интеграции и связующий код, а также передавать полученный опыт в продукт, чтобы каждое следующее внедрение было быстрее и эффективнее. Работа в небольшой команде с высокой скоростью, в тесном взаимодействии с продуктом, инженерией и go-to-market. Задачи - Выступать техническим мостом между продуктом и клиентскими конфигурациями: собирать требования и превращать их в надёжные production-реализации. - Вести сквозное развёртывание конфигураций AI-ассистента в production, включая сценарии, логику, потоки данных, промпты и ограничения. - Реализовывать интеграции со сторонними системами через API и webhooks: CRM, календари, тикет-системы, платежи, распространённые схемы аутентификации (OAuth, API-ключи). - Разрабатывать небольшие и средние функции и связующий код для переноса клиентских сценариев в production-системы, с соответствующими тестами, мониторингом и логированием. - Отлаживать проблемы в звонках, сценариях и конвейерах данных, быстро выпускать исправления в production-условиях. - Создавать переиспользуемые шаблоны, плейбуки по внедрению и лучшие практики для масштабируемости и повторяемости. - Поддерживать быструю обратную связь с продуктовой командой: сообщать о болевых точках, пробелах в функциях и повторяющихся паттернах с конкретными рекомендациями. - Отвечать за успех внедрения и обеспечивать надёжную работу клиентских конфигураций в реальной среде. Требования Обязательные: - 3+ года практического опыта в инженерии внедрений, production-интеграциях AI и автоматизации рабочих процессов. - Глубокий опыт с системами на основе AI/LLM: дизайн промптов, использование инструментов, RAG/поиск знаний, оценка и обработка сбоев. - Подтверждённая способность превращать сложные бизнес-процессы в надёжные, тестируемые AI-рабочие процессы. - Опыт создания интеграций со сторонними системами (API, webhooks, CRM, календари, тикет-системы, платежи), включая схемы аутентификации и форматы данных. - Уверенные навыки программирования для реализации связующего кода и функций, с тестами, мониторингом и логированием. - Базовые знания облачных технологий: развёртывание, наблюдаемость, отладка в production. - Прагматичный подход, ориентированный на результат: быстрая поставка и итерации. Желательно: - Опыт программирования на TypeScript или Python. - Опыт работы с n8n или другими инструментами автоматизации рабочих процессов. - Опыт интеграции голосовых/телефонных систем. - Владение SQL и инструментами мониторинга/трассировки. - Понимание GDPR / Privacy-by-Design. Условия - Зарплата: €60 000 – €90 000 в год, в зависимости от опыта. - Полностью удалённая работа в Германии. - Работа в небольшой команде с высокой степенью ответственности на ранней, быстрорастущей стадии компании. - Спонсорство визы не предоставляется. Локация Полностью удалённая позиция. Кандидаты должны находиться в Германии. Спонсорство визы не предусмотрено.
Senior Analytics Engineer и AI-разработчик
Удалённая работа, кандидаты из США. Компания — AI-фирма, основанная в 2000 году, штаб-квартира в Мумбаи (Махараштра). Стремится обеспечивать данными каждое решение в бизнесе. Роль: Senior Analytics Engineer и AI-разработчик. Ключевая задача — трансформация традиционной бизнес-аналитики в экосистему с AI-расширением, руководство инициативами по инженерии данных и аналитике. Обязанности - Проектирование и внедрение управляемых семантических слоёв, надёжных витрин данных и агрегированных кубов данных для обеспечения высокой производительности и достоверности данных. - Руководство масштабными миграциями данных из устаревших баз в оптимизированную инфраструктуру с обеспечением бесшовного перехода, высокой доступности и минимального простоя производства. - Активная оптимизация схем с высокими накладными расходами, сокращение времени выполнения запросов и минимизация сканирований таблиц для контроля затрат на вычисления. - Взаимодействие с командами Data Engineering для перехода от реактивного устранения неполадок к проактивному управлению SLA и автоматизированному мониторингу пайплайнов. - Создание и автоматизация многомерных фреймворков Root Cause Analysis (RCA) для быстрой диагностики количественных драйверов изменений метрик (например, траты, покупатели, платящие пользователи, органический трафик). - Рационализация и консолидация разрозненных дашбордов и избыточных таблиц в высокоэффективные управляемые хранилища данных. - Внедрение практик работы с данными, ограничивающих запросы соответствующими уровнями агрегации и предотвращающих избыточные узкие места ресурсов. - Проектирование, тестирование и развёртывание специализированных AI-навыков и разговорных агентов, позволяющих заинтересованным сторонам задавать вопросы о бизнесе на естественном языке. - Создание и запуск офлайн-тестовых наборов для оценки с использованием оценочных фреймворков и LLM-ассистируемых судей для предотвращения регрессий до коммита обновлений. - Внедрение SQL-предохранителей для AI-агентов с динамическим применением фильтров партиций, минимизации данных и ограничений стоимости запросов. - Продвижение современных AI-инструментов разработки (например, кодинг-агентов) для максимальной скорости инженерии и поддержания высокого качества кода. Требования - 5+ лет опыта в Data Engineering, Analytics Engineering или продвинутой бизнес-аналитике. - Экспертный уровень SQL (GoogleSQL, BigQuery или аналогичные крупномасштабные query-движки) с глубоким пониманием партиционирования, кластеризации, индексации и оптимизации затрат. - Подтверждённый опыт проектирования star-schema или витрин данных, семантических слоёв и автоматизированных ETL-пайплайнов. - Уверенное владение Python (Pandas, PySpark, интеграция API) или R. - Обширный опыт проведения Root Cause Analysis (RCA) и глубокого анализа бизнес-метрик в веб-, e-commerce или мобильных платформах. - Подтверждённый опыт самостоятельного выполнения сложных сквозных инженерных миграций. - Практический опыт разработки приложений на основе больших языковых моделей (LLM), Retrieval-Augmented Generation (RAG) или агентных фреймворков. - Знакомство с фреймворками оценки агентов, конфигурацией (например, форматы .txtpb) и LLM-ассистируемыми пошаговыми оценками. - Опыт установки валидационных фильтров, предохранителей или ограничений для AI-генерируемых запросов к базам данных. - Опыт работы с облачной инфраструктурой, BigQuery или крупномасштабными платформами данных. - Опыт в аналитике веб-, мобильных приложений, e-commerce или цифровых маркетплейсов. Условия - Участие в программах медицинской, стоматологической, офтальмологической страховки, страхования жизни и инвалидности в соответствии с документами плана. - Право на льготы с первого дня работы. - Участие в плане 401(k) после 30 дней работы. - 11 оплачиваемых праздничных дней. - 12 недель родительского отпуска. - Гибкая политика PTO («free time»).
Data Science (LLM/NLP)
⌨️ Data Science (LLM/NLP) Удаленно (Екатеринбург) Т1 — это стабильный и надёжный работодатель. Мы помогаем профессионально расти и решать действительно интересные задачи, создаём атмосферу открытости и комфортные условия для работы в гибридном формате. Требования: — Высшее образование (IT, техническое, математическое); — Уверенное владение Python, SQL; — Хорошие знания в области теории вероятностей, математической статистики, алгоритмов машинного обучения ML; — Знания в области NLP алгоритмов; — Понимание деталей работы LLM и того, как происходит их дообучение и инференс; — Опыт деплоя ML/LLM решений (Docker, Kubernetes, cloud); — Опыт работы с prompt engineering, fine-tuning / PEFT (LoRA, adapters), RAG-подходами. ➡️ Подробнее о вакансии на hirehi.ru 📍 Навигация: База знаний • Задачи • Собеседования
GenAI-инженер, LLM-инженер
GenAI/LLM-инженер, удалённо, работа в часовом поясе PST. Предпочтителен кандидат из района залива Сан-Франциско. Роль требует практикующего специалиста по глубокому обучению, уверенно работающего с современными фреймворками и библиотеками для разработки LLM. Задачи: - Внедрение и оптимизация продвинутых методов тонкой настройки (LoRA, PEFT, QLoRA) для адаптации фундаментальных моделей под домен клиента. - Разработка системных методологий промт-инжиниринга для операционной деятельности, нормативного соответствия и технической документации. - Создание переиспользуемых шаблонов и библиотек промтов для стандартизации взаимодействия с LLM-приложениями. - Внедрение фреймворков тестирования промтов для количественной оценки и итеративного улучшения их эффективности. - Настройка систем версионирования промтов и управления для поддержания качества. - Применение методов кастомизации моделей: дистилляция знаний, квантизация, прунинг — для снижения потребления памяти и затрат на инференс. - Решение проблем с памятью с помощью шардированного параллелизма данных, выгрузки на GPU или гибридных подходов CPU+GPU. - Построение пайплайнов RAG с векторными базами данных, пайплайнами эмбеддингов и оптимизированными стратегиями чанкинга. - Разработка продвинутых стратегий промтинга: цепочки рассуждений, оркестрация диалогов, агентные подходы. - Совместная работа с MLOps-инженером для эффективного развертывания, мониторинга и переобучения моделей. Требования: - Глубокое обучение и NLP: владение PyTorch/TensorFlow, Hugging Face Transformers, DSPy, продвинутыми техниками обучения LLM. - Знание GPU и аппаратного обеспечения: опыт многогпу-обучения, оптимизации памяти, стратегий параллелизации. - LLMOps: знакомство с процессами поддержки LLM-приложений в продакшене и мониторингом производительности моделей. - Техническая адаптивность: умение читать исследовательские статьи и внедрять новые техники (без обязательного владения математикой уровня PhD). - Доменная адаптация: навыки создания пайплайнов данных для тонкой настройки моделей под специфический контент.
Principal AI/ML-инженер, LLM и генеративный ИИ
О компании Common App — национальная некоммерческая организация, которая занимается доступом, равенством и честностью в процессе поступления в колледжи. Ежегодно организация поддерживает более 1 миллиона студентов, треть из которых — первопоколенческие, при подаче заявлений в более чем 1100 колледжей и университетов через бесплатное онлайн-приложение Common App. Обязанности Principal AI & Machine Learning Engineer — технический лидер, отвечающий за внедрение искусственного интеллекта в корпоративные рабочие процессы и аналитические процессы для достижения измеримых улучшений в производительности, генерации инсайтов и поддержке принятия решений в подразделении Data Analytics & Research (DAR). - Подчиняется старшему директору по аналитической инженерии. - Тесно сотрудничает с командами Data Engineering, Data Governance и кросс-функциональными бизнес-заинтересованными сторонами. - Обеспечивает масштабируемость, безопасность, соответствие требованиям и согласованность AI-решений с корпоративной стратегией данных. - Работает как старший индивидуальный контрибьютор и технический авторитет: устанавливает стандарты практики AI-разработки, наставляет коллег по прикладным AI-техникам, превращает сложные возможности машинного обучения в корпоративные системы. - Признанный эксперт в области AI, к которому обращаются за техническим руководством, наставничеством и экспертизой как внутри организации, так и в более широком сообществе AI и данных в высшем образовании. Требования - Кандидат должен проживать в США. - Готовность к поездкам для участия в двух ежегодных выездных мероприятиях Common App Retreat. - Степень бакалавра в области компьютерных наук, науки о данных, статистики, математики или смежной количественной/технической области; или эквивалентная комбинация образования и опыта. - 8–10 лет прогрессивного опыта в машинном обучении, AI-инженерии или науке о данных, из них не менее 3 лет — в прикладном AI и продакшн-системах ML. - Подтверждённый опыт интеграции LLM и генеративного AI в корпоративные аналитические или операционные рабочие процессы. - Подтверждённый опыт работы в рамках корпоративных систем управления данными и соответствия требованиям. - Экспертиза в прикладном машинном обучении и AI, включая обучение с учителем и без учителя, обработку естественного языка и интеграцию больших языковых моделей (например, OpenAI, Anthropic, open-source LLM через Hugging Face). - Подтверждённый опыт проектирования и развёртывания продакшн-систем AI/ML, включая сквозные ML-пайплайны: обучение, оценка, версионирование, развёртывание и мониторинг. - Владение R и Python для машинного обучения и AI-разработки; знакомство с ML-фреймворками: scikit-learn, PyTorch, TensorFlow или эквивалентами. - Опыт создания и эксплуатации приложений на базе LLM, включая промт-инжиниринг, retrieval-augmented generation (RAG) и фреймворки оркестрации инструментов и агентов. - Сильные навыки SQL и опыт работы с крупномасштабными облачными платформами данных (например, Databricks, Snowflake, BigQuery); умение проектировать AI-ready пайплайны данных в корпоративных хранилищах. - Знание AI-управления, принципов ответственного AI и требований соответствия для систем, работающих с чувствительными или персонально идентифицируемыми данными. - Подтверждённая способность работать как старший технический индивидуальный контрибьютор: устанавливать стандарты, принимать архитектурные решения и наставлять коллег без формальных управленческих полномочий. - Сильные межличностные и коммуникационные навыки, умение объяснять сложные концепции AI/ML доступным языком для нетехнических заинтересованных сторон и руководителей. - Подтверждённая способность управлять несколькими конкурирующими приоритетами и поставлять качественные AI-решения в быстро меняющейся среде. Желательно - Степень магистра или доктора в области компьютерных наук, машинного обучения, науки о данных или смежной области. - Соответствующие сертификаты AI/ML или облачные сертификаты (например, Databricks Certified Machine Learning Professional, AWS Machine Learning Specialty или эквивалент). - Опыт работы с Agile-фреймворками для кросс-функциональной, продуктоориентированной коллаборации. - Опыт работы с агентными AI-фреймворками.
Senior-инженер по интеграциям, AI/ML
О компании ClickHouse — компания из списка Forbes Cloud 100 2025 года. Более 4 000 клиентов, годовой рост ARR более 250%. Лидер рынка в области аналитики реального времени, хранилищ данных, наблюдаемости и AI-нагрузок. Привлекла $400 млн в раунде Series D. Среди клиентов — Capital One, Lovable, Decagon, Polymarket, Airwallex, а также Meta, Cursor, Sony, Tesla. Команда Connectors занимается интеграциями: плагины визуализации (Tableau, PowerBI, Superset, Metabase), коннекторы для фреймворков данных (Apache Spark, Flink, Kafka Connect, Fivetran), оркестрации и AI-инструментов. Работа влияет на обработку больших данных: аналитика реального времени, наблюдаемость, AI-приложения. О роли Senior Software Engineer, специализация — AI/ML экосистема. Ключевой участник, отвечающий за развитие AI-экосистемы ClickHouse. Роль находится на стыке высокопроизводительной инженерии баз данных и разработчикового опыта. Нужен опыт работы AI/ML-инженером или дата-сайентистом. Базы данных становятся векторными хранилищами для RAG, бэкендами для LLM-агентов и фиче-сторами для ML-инференса. Ответственность за полный жизненный цикл ключевых AI/ML-интеграций: LangChain, LlamaIndex, n8n, а также более широкие AI-инструменты: пайплайны эмбеддингов, RAG с ClickHouse как векторным хранилищем, ML-фиче-сторы, LLM-приложения. Задачи - Развивать Python-коннектор и SDK-экосистему ClickHouse: производительность, надёжность, дизайн API. - Формировать стратегию AI/LLM-интеграций: коннекторы и паттерны для RAG-архитектур, ML-фиче-пайплайнов и LLM-приложений. - Активно работать с open-source сообществом: разбирать issues, поддерживать контрибьюторов, защищать интересы пользователей, формировать roadmap. - Сотрудничать с командами Product, Cloud и другими инженерными командами. - Привносить практический взгляд в решения по roadmap, опираясь на реальные рабочие процессы дата-инженеров и дата-сайентистов. Требования - 7+ лет опыта разработки ПО, включая практическую работу дата-сайентистом или ML-инженером. - Глубокий опыт проектирования и поддержки продакшн-готовых Python-коннекторов, SDK или интеграций для как минимум одной крупной платформы (оркестрация, BI, MLOps или трансформация данных). - Практический опыт применения AI/ML в продакшн-контексте дата-инженерии: генерация эмбеддингов, векторный поиск, фиче-пайплайны или LLM-инструменты, которые были запущены и работали в продакшене. - Уверенный опыт с Python-экосистемой данных: Pandas, NumPy, Pydantic и смежные библиотеки. - Сильные знания баз данных: SQL, моделирование данных, оптимизация запросов, знакомство с OLAP/аналитическими базами данных. - Уверенный опыт с конкурентным Python: threading, multiprocessing, async-паттерны. - Отличные письменные и устные коммуникативные навыки.
ML‑инженер в Толк, middle/middle+
ML-инженер в Толк, middle/middle+ Компания: Контур Задачи - Улучшать автоматическое протоколирование встреч: повышать качество генерации, работать с галлюцинациями, настраивать и оптимизировать воркфлоу-решения, выстраивать мониторинг качества и предотвращать деградацию решения. - Запускать новую ИИ-функциональность, поддерживать и улучшать качество существующей функциональности как в NLP, так и на стыке разных доменных областей. - Развивать агентские системы внутри продукта: оптимизировать, улучшать качество, реализовывать новые сценарии. Ожидания - Опыт разработки и поддержки продакшн-решений на основе современных моделей NLP. - Владение Python на продакшн-уровне, PyTorch. - Опыт решения прикладных задач с LLM, практический опыт с SFT, RAG и дистилляцией. - Опыт работы с фреймворками для построения агентных систем: Pydantic AI, LangChain, LangGraph или аналоги. - Опыт работы с инструментами для наблюдения и отладки LLM-приложений: Langfuse, LangSmith или аналоги. - Опыт деплоя моделей, понимание MLOps: Docker, Kubernetes, CI/CD для ML. - Большой плюс — опыт разработки и внедрения моделей в CV- или Speech-доменах.
ML-разработчика, готового экспериментировать с передовыми подходами, погружаться в бизнес-контекст и строить…
ML-разработчик в команду автоматизаций в клиентском сервисе Yandex Crowd Yandex Crowd — крупный инфраструктурный сервис Яндекса, внедряющий краудсорсинг для расширения бизнес-процессов и разрабатывающий внутренние функции для продуктов. Одна из целей — автоматизация клиентского сервиса через генеративные чат-боты, агентов и co-pilot для операторов. Ищем ML-разработчика, готового экспериментировать с передовыми подходами, погружаться в бизнес-контекст и строить ИИ-сервисы для интеграции с продуктами. Задачи - Внедрение и развитие AI-агентов: развитие чат-ботов, разработка ИИ-агентов, совместная с разработчиками работа над агентской платформой; исследование новых подходов к ИИ-автоматизациям, тестирование гипотез по улучшению качества и оптимизации агентских архитектур; сбор бенчмарков, создание универсальных компонентов для агентов, проработка сценариев и способов интеграции в продукт. - Эксперименты с внешними технологиями: поиск оптимальных подходов к решению продуктовых задач, исследование лучших рыночных практик и современных архитектур, сравнение внутренних и внешних моделей на основе бенчмарков и замер производительности. - Работа над проектами под ключ: погружение в бизнес-процессы, общение с другими командами Яндекса, совместная проработка архитектуры и алгоритмов, внедрение готовых решений и настройка регулярного мониторинга и обновления моделей. Требования - Отличное понимание GenAI, практический опыт в разработке агентов и внедрении RAG. - Уверенное знание Python, опыт продакшн-разработки, владение MLOps/LLMOps. - Стремление стать экспертом, самостоятельно развивающим и поддерживающим AI-решения. Условия Предоставляется социальный пакет: ежегодные медицинские чекапы, йога, психотерапия. Предусмотрены и другие бонусы (полный список на сайте компании).
ML / LLM инженер
Компания, специализирующаяся на технологических сервисах и трансформации программного обеспечения и персонала, ищет ML / LLM инженера для участия в инициативе по машинному обучению, которая превращает агента, ориентированного на знания, в коммерчески успешный продукт. Работа предполагает взаимодействие с продуктовыми спецификациями для оценки рыночной жизнеспособности. Обязанности: - Инженерная трансформация существующего агента, ориентированного на знания и конкурентов, в агента, нацеленного на создание успешного продукта: перепроектирование его базового интеллектуального слоя от поиска и выборки к прогностическому скорингу. - Проектирование и создание ML-пайплайнов, которые принимают продуктовые входные данные (цвет, тип рукава, категория, цена и т. д.) и выдают классификации «успешный/неуспешный» с показателями уверенности. - Настройка и оптимизация LLM-интегрированных рабочих процессов, где текстовые описания продуктов, брифы покупателей или спецификации парсятся, обогащаются и подаются в модель. - Создание пользовательских интерфейсов ввода, позволяющих бизнес-пользователям вводить продуктовые спецификации в формализованном или диалоговом виде и получать ранжированные прогнозы с пояснительным обоснованием. - Работа с данными об ассортименте и эффективности продуктов для построения, валидации и непрерывного улучшения моделей с учителем и полуавтоматических прогностических моделей. - Разработка пайплайнов извлечения признаков из данных об атрибутах продуктов: обработка категориальных переменных (цвет, конструкция), сезонных паттернов, исторических показателей продаж и сигналов конкурентов. - Совместная работа с командами данных и продуктов для определения стратегий разметки для эталонной истины «успешный/неуспешный»: выявление правильных бизнес-метрик (продажи, маржа, повторные заказы) в качестве обучающего сигнала. - Оценка и итерация производительности моделей: создание офлайн-фреймворков оценки и интеграция циклов обратной связи от живого использования в процесс улучшения модели. - Документирование архитектуры моделей, данных и логики для поддержки управления, объяснимости и доверия заинтересованных сторон. Требования: - Сильный практический опыт в ML: классификация, регрессия, градиентный бустинг (XGBoost, LightGBM, Random Forest), проектирование признаков, оценка моделей и продакшн-развертывание. - Практический опыт интеграции LLM в производственные рабочие процессы: инженерия промптов, вызов функций/инструментов, RAG-пайплайны, парсинг и оценка LLM. - Опыт построения моделей, прогнозирующих реальные результаты или успех продукта на основе данных об атрибутах: контексты розничной торговли, моды, FMCG или ассортимента являются преимуществом. - Владение Python с pandas, NumPy и scikit-learn; способность обрабатывать, очищать и создавать признаки из неструктурированных данных о продуктах или транзакциях. - Опыт построения и развертывания сквозных ML-пайплайнов: обучение, оценка, версионирование и сервировка инференса. - 4–8 лет общего опыта в машинном обучении и/или AI-инженерии, минимум 2 года работы с LLM в производственном или близком к производственному контексте. - Сильный количественный бэкграунд: уверенное владение математикой моделей классификации, калибровкой вероятностей и метриками оценки (AUC, F1, компромиссы precision/recall). - Одинаково комфортная работа с табличными данными (атрибуты продуктов, история продаж) и текстом (описания продуктов, заметки покупателей, отчеты о трендах). - Прагматичный инженерный подход, балансирующий сложность моделей и скорость доставки: понимание, когда тонко настроенная модель градиентного бустинга превосходит LLM-пайплайн, а когда нет. - Развитые навыки совместной работы с командами мерчандайзинга, данных и продуктов, которые могут не иметь технического бэкграунда. - Интерес к продуктовой области: искреннее понимание того, что делает продукт коммерчески успешным, а не только оптимизация функций потерь в изоляции. - Предыдущий опыт работы с данными о продуктовом ассортименте, системами мерчандайзинга, PLM-данными или прогнозированием спроса в розничном или потребительском контексте. - Практический опыт работы с LangChain, Semantic Kernel или аналогичными оркестрационными фреймворками для создания LLM-рабочих процессов. - Опыт использования текстовых или мультимодальных эмбеддингов для кодирования атрибутов продуктов, поиска по сходству или кластеризации ассортимента. - Знакомство с MLflow или аналогичными инструментами для отслеживания экспериментов, реестра моделей и мониторинга производительности. - Опыт работы с Azure ML, AWS SageMaker или аналогичными платформами.
Senior Data Engineer, LLM/AI Platforms
FlexBoard — глобальный лидер в области кибербезопасности, специализирующийся на предотвращении утечек данных с помощью продвинутой AI-платформы. Компания ищет Data Engineer для проектирования и создания инфраструктуры данных для AI-продуктов, требующих экспертизы в интеграции LLM и соответствующих решений. Обязанности: - Архитектура, внедрение и оптимизация платформ данных и пайплайнов, специально предназначенных для поддержки LLM, RAG и сложных AI-систем в масштабе Exabyte. - Внедрение и развитие рабочих процессов и методов агентного оркестрирования для создания автономных, управляемых данными функций. - Проектирование и реализация высокомасштабируемых, отказоустойчивых и экономически эффективных решений для данных с акцентом на итеративность и высокую скорость развертывания. - Написание качественного production-кода с фокусом на производительность, поддерживаемость и строгость тестирования, обеспечивая быструю поставку без ущерба для технического качества. - Техническое лидерство и глубокая экспертиза в моделировании данных, нормализации и семантическом каталогизировании для AI/ML-нагрузок. - Установление лучших практик MLOps/DataOps для LLM, включая мониторинг, наблюдаемость и механизмы восстановления с минимальным вмешательством для AI-сервисов. - Наставничество инженеров, проведение технических воркшопов, руководство дизайн-ревью и укрепление знаний команды в передовых технологиях AI-платформ. - Совместная работа с Data Scientists, Product Managers и другими инженерными командами для превращения исследовательских прототипов в надежные production-сервисы. - Владение полным жизненным циклом критически важных сервисов данных: разработка, тестирование, развертывание и мониторинг. Требования: - Степень магистра или PhD в Computer Science, Data Engineering или STEM-области, либо эквивалентный практический опыт. - Более 10 лет опыта в Data Engineering, из них минимум 3 года в архитектуре и создании платформ для AI/ML или Data Science. - Подтвержденный практический опыт в LLM-инжиниринге (fine-tuning, инженерия, развертывание), RAG и разработке рабочих процессов. - Подтвержденный опыт проектирования и поставки крупномасштабных распределенных систем (шардирование, партиционирование, конкурентность). - Исключительная способность писать чистый, элегантный, тестируемый код в сочетании с проактивностью и ориентацией на быстрые результаты. - Глубокое понимание инженерных практик, включая эффективные peer-review, проектирование отказоустойчивой архитектуры и комплексные парадигмы тестирования. - Предыдущий опыт на уровне Senior или Staff инженера с демонстрацией технического лидерства и наставничества. - Подтвержденный опыт использования AI-технологий для улучшения принятия решений, оптимизации рабочих процессов и повышения эффективности бизнеса. - Опыт создания, развертывания и управления LLM в production-среде. - Предыдущий опыт в индустриях кибербезопасности, разведки или с высокими требованиями к комплаенсу. - Вклад в open-source проекты, связанные с данными или AI/ML. Условия: - Бонусы и гранты на акции. - Комплексный пакет льгот, включая медицинскую страховку, 401k и оплачиваемый отпуск. - Компенсация и акционерные вознаграждения. - Программы физического и ментального благополучия. - Конкурентный отпуск и праздничные дни. - Оплачиваемый отпуск по уходу за ребенком и усыновлению. - Возможности развития для сотрудников любого уровня и роли. - Сети сотрудников, географические сообщества и волонтерские возможности для построения связей. - Офисная культура с удобствами мирового класса. - Сертификация Great to Work Certified™ по всему миру. Компания является фирмой в сфере кибербезопасности, предоставляющей облачную защиту для рабочих нагрузок, идентичности и данных. Основана в 2011 году, штаб-квартира в Саннивейле, Калифорния, США, численность сотрудников 5001–10000 человек.
Forward Deployed Engineer, AI-решения
Forward Deployed Engineer — инженер, который помогает бизнесу внедрять AI-решения. Роль предполагает работу с бизнес-подразделениями: от постановки задачи до запуска и оптимизации решений в production. Задачи: - Совместно с бизнес-заинтересованными сторонами определять и приоритизировать высокоценные сценарии использования, соответствующие стратегическим целям. - Переводить бизнес-задачи в технические проекты, архитектуру решений и планы внедрения. - Проектировать, разрабатывать и разворачивать комплексные решения: пайплайны данных, API, оркестрацию рабочих процессов и AI/ML-функциональность. - Интегрировать решения в существующие корпоративные системы и рабочие процессы. - Ускорять вывод решений из пилота в production итеративным методом (в течение месяца). - Обеспечивать надежность, масштабируемость и производительность решений через мониторинг, тестирование и оптимизацию. - Сотрудничать с командами архитектуры, инженерии, безопасности и данных для соблюдения корпоративных стандартов и требований безопасности. - Поддерживать решения в соответствии с отраслевыми требованиями, управлением данными и внутренним аудитом, обеспечивая контроль и документацию. - Вносить переиспользуемый код, паттерны и компоненты в корпоративные платформы. Требования: - Опыт работы с AI/LLM-технологиями от 5 до 7 лет: большие языковые модели (LLM), retrieval augmented generation (RAG), фреймворки автоматизации. - Опыт работы Forward Deployed Engineer или в аналогичной роли в сфере быстрой разработки AI-решений. - Опыт работы с облачными платформами (предпочтительно Azure), контейнеризацией и инфраструктурой как кодом. - Опыт проектирования и внедрения корпоративных решений на уровнях данных, приложений и интеграции. - Сильные full-stack навыки: бэкенд-разработка, инженерия данных, системная интеграция (React, Next.js, Python, Node.js, AI SDK, Snowflake, Azure, OpenAI API, Anthropic Claude, PyTorch, Pinecone, Qdrant). - Умение проектировать и реализовывать пайплайны данных, API и масштабируемые архитектуры решений. - Опыт в разработке ПО, инженерии данных или смежных технических ролях: фронтенд, фуллстек, бэкенд, пайплайны данных, интеграция агентов, промт-инжиниринг, быстрая разработка приложений, UX-прототипирование. - Знание управления данными, стандартов безопасности и требований соответствия. - Умение работать в кросс-функциональных командах: бизнес, продукт, инженерия. - Отличные коммуникационные навыки, способность объяснять технические концепции нетехнической аудитории. Условия: - Полная занятость, постоянная роль, не контракт. - Полная удалённая работа или гибрид в Род-Айленде. - Для удалённых кандидатов: проживание в одном из штатов — Аризона, Коннектикут, Флорида, Джорджия, Луизиана, Массачусетс, Северная Каролина, Оклахома, Род-Айленд, Южная Каролина, Техас, Вирджиния. - Работодатель не спонсирует визы.
Senior Principal инженер-разработчик ИИ
Федеральная технологическая консалтинговая компания ищет Senior Principal инженера-разработчика ИИ для присоединения к своей команде. Идеальный кандидат имеет 12–15+ лет опыта в разработке ПО и 8+ лет практического опыта в ИИ/МО, опыт проектирования и внедрения крупномасштабных ИИ-систем, знакомство с такими областями, как большие языковые модели (LLM), генерация с дополненной выборкой (RAG), агентный ИИ, оркестрационные фреймворки, MLOps, распределённое обучение и модернизация корпоративного ИИ. Требуется опыт работы с Python, PyTorch, TensorFlow, облачными платформами (AWS, Azure, GCP) и разработкой полнофункциональных приложений. Предпочтителен предыдущий опыт работы в федеральных средах, управление ИИ, облачные нативные архитектуры, DevSecOps, микросервисы и управляемые ИИ-платформы, такие как AWS Bedrock, Azure OpenAI и Google Vertex AI. Требуется гражданство США. Активный допуск Public Trust, Secret или выше будет преимуществом. Требуемые навыки и опыт: - 10+ лет опыта в науке о данных, МО или ИИ - Владение Python на экспертном уровне - Опыт в машинном обучении, глубоком обучении и LLM - RAG, векторные базы данных и инструменты генеративного ИИ - MLOps и развёртывание моделей в продакшене - Облачные платформы (AWS, Azure, GCP) - Внедрение ИИ и аналитики в масштабе предприятия - Статистика, эксперименты и оценка моделей - Степень бакалавра или магистра в смежной области - Степень в области компьютерных наук, инженерии или смежной области Предложение: - Конкурентоспособная почасовая ставка - Полный пакет медицинских льгот - Медицинская страховка - Стоматологические льготы - Офтальмологические льготы - Оплачиваемый отпуск - Пенсионный план 401(k) Соискатели должны иметь разрешение на работу в США на полную ставку сейчас и в будущем.
AI Engineer – United States
AI Engineer О роли Мы ищем AI-инженера для проектирования, разработки и внедрения приложений промышленного уровня с использованием различных больших языковых моделей. Вам предстоит создавать сложные многоэтапные агентные рабочие процессы, создавать и оптимизировать пайплайны поисковой дополненной генерации, а также работать с полным стеком технологий для предоставления корпоративным клиентам решений на базе искусственного интеллекта в области устойчивого развития. Ключевые обязанности - Проектирование, разработка и внедрение приложений промышленного уровня с использованием различных LLM - Создание сложных многоэтапных агентных рабочих процессов с использованием LangChain и LangGraph - Создание и оптимизация RAG-пайплайнов с использованием эмбеддингов и векторных баз данных - Полностековая разработка, охватывающая фронтенд и бэкенд - Руководство инициативами по файнтюнингу LLM для предметно-специфичных приложений - Разработка продвинутых стратегий промпт-инжиниринга - Использование инструментов разработки на базе ИИ для генерации и оптимизации кода - Интеграция AI-функциональности на Python с сервисами на Java Требования - Степень в области компьютерных наук или эквивалентный опыт - Более 5 лет профессионального опыта в разработке ПО - Минимум 2 года опыта работы в сфере AI/ML с LLM - Уверенное владение Python и библиотеками для data science - Практический опыт работы с LangChain и LangGraph от 1 года - Опыт реализации архитектуры RAG - Приветствуются навыки работы с React и интеграции REST API - Продемонстрированный опыт использования AI Copilot или аналогичных инструментов генеративного кодирования Почему Pulsora - Высокая степень ответственности и автономия в роли с высоким влиянием - Передовые разработки в области ИИ для решений, ориентированных на устойчивое развитие - Опционы на акции и конкурентоспособные преимущества включены - Гибридная гибкость: 2–3 дня в неделю в офисе для тех, кто находится в Нью-Йорке, районе залива Сан-Франциско или Мюнхене; в противном случае — полностью удаленная работа
Fullstack AI Engineer (Remote, РФ)
Fullstack AI Engineer (Remote, РФ) Зарплата: 250 000–350 000 ₽ Локация: РФ Формат: полная удалёнка, оформление по ИП Что предстоит делать: - Развивать архитектуру AI-платформы и рефакторить кодовую базу. - Разрабатывать сценарии генерации презентаций с использованием LLM. - Создавать веб-редактор для интерактивного редактирования слайдов. - Интегрировать и оптимизировать LLM-пайплайны, работать с промпт-инжинирингом. - Проводить код-ревью, заниматься рефакторингом и работать с Git. - Участвовать в проектировании архитектуры и принятии технических решений. Требования: - От 3 лет опыта в AI Engineering. - Опыт проектирования API и структур данных. - Практический опыт с агентными пайплайнами и RAG-архитектурой. - Навыки оценки и улучшения качества кода. - Понимание обработки ошибок в AI-агентах: галлюцинации, потеря контекста, методы их обнаружения и устранения. Условия: - Доход 250 000–350 000 ₽. - Полностью удалённую работу. - Гибкое начало рабочего дня. - Интересные задачи, обучение и возможности карьерного роста.
ML-инженер
Мы — Далее, и мы занимаемся разработкой и поддержкой сложных digital-решений для крупных клиентов: от веб-сайтов до приложений, от Сбербанка до Nestle. Мы — один из крупнейших независимых продакшнов в России, работаем с 2005 года, сейчас в штате более 550 человек. Мы занимаем 1-е место в рейтинге Adindex Digital Index в сегменте web-production, входим в топ-20 Tagline. Сейчас мы ищем ML-инженера в команду, которая реализует AI-решения для различных проектов компании. Предстоит разрабатывать и внедрять ML-модели, участвуя во всем жизненном цикле продукта. Обязанности: Поддерживать текущие алгоритмические решения. Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы. Разрабатывать методологию и проектировать NLP/LLM решения. Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта. Интегрировать LLM API (OpenAI, Claude) с fallback-механизмами. Проводить исследования, тестировать новые идеи, оценивать жизнеспособность и качество моделей, реализовывать R&D-подходы на реальных бизнес-данных. Разрабатывать RAG-пайплайн для поиска и обработки данных (POI, отзывы, описания). Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование. Заниматься prompt engineering — создавать и тестировать промты для различных сценариев. Вести рабочую документацию и создавать отчеты о результатах работы. Мониторить ключевые показатели эффективности процессов, анализировать отклонения и их воздействие на общие показатели. Участвовать в проектировании архитектуры, CI/CD, мониторинге и оптимизации сервисов. Требования: Высшее образование в области математики, информатики или смежных дисциплин. Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других). Навыки создания ML-пайплайнов и backend-сервисов. Уверенное владение Python и PyTorch/TensorFlow, понимание принципов работы алгоритмов (GBDT, CNN, Transformers). Практический опыт работы с API, Docker/Kubernetes и базами данных. Понимание процессов Fine-tuning LLM и оценки качества моделей. Опыт внедрения RAG. Умение писать unit-тесты. Будет плюсом: Позитивный опыт внедрения RAG агентов в существующие бизнес-процессы. Реализованные проекты с существенной пользовательской нагрузкой. Понимание инфраструктуры для ML-сервисов (GPU, CPU). Мы предлагаем: Полностью белую заработную плату. Ориентируемся на ваши пожелания, опыт и навыки. Оформление по ТК РФ, оплачиваемый отпуск и больничный с первого рабочего дня. Работу в компании с аккредитацией в Минцифры. Расширенный пакет ДМС со стоматологией. 8-часовой рабочий день, удаленный формат работы. Спорт – корпоративный волейбол, беговой клуб и киберспортивные турниры). Яркую корпоративную жизнь – более 400 мероприятий в год (2 корпоратива с оплатой трансфера, разговорный клуб английского, совместные походы в музей, квизы, книжный и киноклуб, мем-чат и многое другое). Обучение и участие в профессиональных конференциях.
AI application security engineer, middle+/senior
Контур — экосистема для бизнеса. Наши сервисы помогают каждой третьей компании России делать рабочие процессы проще и эффективнее: вести бухгалтерию, сдавать отчетность в госорганы, обмениваться документами без бумаги, общаться друг с другом на удаленке и многое другое. С нами жизнь 3,1 миллионов предпринимателей и их сотрудников становится легче. О команде Мы — команда безопасности ИИ в Центре киберзащиты Контура. Ищем специалиста по кибербезопасности, который поможет внедрять и сопровождать решения на базе AI — от продуктовых сервисов и RAG-систем до внутренних AI-инструментов разработки. В Контуре активно развивается использование AI-ассистентов и агентов. Наша задача — сделать так, чтобы эти инструменты были безопасными, а разработчик получал защищенный результат, соответствующий ИБ-политикам, без необходимости погружаться во все тонкости ИБ. Задачи Проводить анализ защищенности (преимущественно Whitebox) LLM-приложений, AI-агентов, RAG, векторных БД, Low-Code/No-Code-систем (Dify, n8n) и интеграций с внешними API / облачными моделями. Выявлять специфичные для AI векторы атак: prompt injection, indirect prompt injection, jailbreak, data poisoning, excessive agency, unsafe tool calls и over-privileged agents. Настраивать и валидировать защитные механизмы: фильтры PII / конфиденциальных данных, ограничения контекста, rate limiting, контроль вызова tools и ручные подтверждения для критичных операций. Укреплять внутренний AI/ML-тулинг совместно с платформенными командами. Строить систему правил, скиллов и хуков, чтобы встраивать политики ИБ непосредственно в среду разработки: skills, rules, hooks, MCP-серверы. Проверять безопасность локального запуска LLM и агентов в Kubernetes и Linux-песочницах: изоляция сессий, памяти, контейнеров, RBAC, NetworkPolicy, Secrets Management. Формировать требования к аудиту и трассировке AI-систем: trace ID, логирование prompt/response, фиксация вызовов моделей и действий агентов. Консультировать команды, помогать внедрять безопасный код и выстраивать понятные процессы. Мы ожидаем Опыт в сфере ИБ от двух лет в одном или нескольких направлениях: AppSec, DevSecOps, Cloud/K8s Security, Product Security или ML Security. Уверенное владение одним из языков программирования: Python, Go, C, TS, Rust. Умение читать чужой код, искать уязвимости и писать PoC. Знание AI/LLM-стека: понимание устройства языковых моделей, RAG, векторных БД (Milvus, Qdrant, pgvector и др.), AI-агентов, agent memory, tool calling, а также стандарта взаимодействия MCP. Знание AI-угроз: понимание рисков OWASP for LLM, MITRE ATLAS (prompt injection, раскрытие system prompt, утечки данных, необдуманное выполнение кода агентами). Знание основ Linux и базовое понимание безопасности Kubernetes: RBAC, ServiceAccount, NetworkPolicy, Secrets, изоляция контейнеров. Знание классических веб-уязвимостей, механизмов аутентификации и авторизации OAuth2, OIDC, JWT, RBAC и безопасной разработки — Secure SDLC, Threat Modeling. Умение аргументированно объяснять риски, находить компромиссы с разработкой. Мы предлагаем Гибридный формат работы в Екатеринбурге. Офис на ул. Малопрудной, 5. Предоставим все необходимое: технику, рабочее место, библиотеку с профессиональной литературой, место для отдыха и кухонную зону с фруктами и снеками. Уровень дохода, который зависит от ваших технических знаний и навыков. Регулярно пересматриваем зарплаты с учетом профессионального роста. Финансовые бонусы тоже есть. Сильное инженерное комьюнити. Регулярно проводим внутренние технические конференции, обмениваемся опытом между командами. Вы всегда найдете с кем посоветоваться. Возможность сменить продукт, команду или предметную область внутри компании. Поддерживаем развитие в любом направлении. Общение на «ты» и максимум горизонтальных связей в коллективе, чтобы быстрее договариваться и решать рабочие задачи. Возможность делиться экспертизой. Помогаем выступать на конференциях, участвовать в подкастах или видео, писать статьи. Поддержку профессионального развития. Организуем внутреннее и внешнее обучение.
Junior/Middle Full-Stack Developer (AI-First)
We are looking for a pragmatic AI-first developer who can rapidly build and deliver lightweight solutions for business teams. The main focus will be on developing AI assistants and agents, automating business processes with n8n, building solutions with OpenClaw or similar agent frameworks, integrating internal and external APIs, and quickly turning business ideas into working prototypes and production-ready tools. You should be comfortable using AI coding tools, working independently, making practical technical decisions, and prioritising delivery speed and business value over unnecessary complexity. Key skills: Experience with RAG, vector databases, PostgreSQL, or building custom n8n nodes would be an advantage.
Backend-разработчик/Инженер автоматизации IT-операций (Python, AI/LLM)
Задачи - Разрабатывать MCP-серверы и интеграции с внутренними IT-системами. - Создавать цифровые роли Avatar для обработки заявок, диагностики и подсказок инженерам. - Автоматизировать типовые операции IT Operations. - Подключать источники данных: мониторинг, логи, CMDB, Jira/ITSM, базы, внутренние API. - Делать простые backend-сервисы, скрипты, воркфлоу и API-обвязки. - Работать с RAG, памятью, skill-ами, tool calling, LLM API. - Разбирать реальные кейсы инженеров и превращать их в работающие MVP. - Писать документацию: как работает интеграция, как поддерживать, как диагностировать. Требования - Уверенная backend-разработка или automation engineering. - Python как основной рабочий инструмент; Go / TypeScript — плюс. - Опыт работы с REST API, JSON, SQL, Git, Docker. - Понимание Linux, сетей, логов, мониторинга, базовой эксплуатации. - Умение писать надежные интеграции, а не только прототипы. - Понимание LLM-инструментов: prompts, tools, agents, RAG, function calling. - Готовность работать с внутренними legacy-системами и неполной документацией. - Самостоятельность: сам разобрался, уточнил, сделал, задокументировал. Условия - Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествия, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). - Стабильную заработную плату и социальные гарантии. - Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с командой. Лучшие конференции и мастер-классы за счет компании. - Участие в проектах, которые формируют цифровую трансформацию финансового сектора. - Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами, а также собственный тренажерный зал. - Гибридный формат работы (2 дня офис), возможен удалённый формат. - Корпоративная культура: внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы.
Инженер по созданию агентов ИИ/AI Agent Engineer
Мы строим собственную агентскую платформу корпоративного уровня Avatar— enterprise-аналог открытых агентских систем.Ищем сильного AI Agentic Engineer уровня Senior / Expert. Это инженерная роль на стыке agent engineering, backend и platform/infra-подхода. Вам не нужно быть архитектором всей агентской платформы, но нужно уметь проектировать устройство конкретных агентов и агентских сценариев внутри Avatar. Стек: LLM, MCP, RAG, Python, Rust, TypeScript Чем предстоит заниматься: Проектировать внутреннюю логику агентов и агентских сценариев в Avatar. Определять, где нужен agent, где tool, где sub-agent, а где deterministic-код. Строить agent loop: планирование, вызов инструментов, обработка ошибок, память, эскалации, ограничения действий. Проектировать multi-agent сценарии: роутинг задач, специализация агентов, контроль состояния. Разрабатывать MCP/tool-интеграции и подключать агентов к внутренним системам. Настраивать eval-харнессы, regression-эвалы и контроль качества агентов. Работать с observability: traces, tool calls, latency, retries, failure modes, cost tracking. Проектировать работу с контекстом: что инжектится на каждом turn, как работает память, как не раздувать историю. Участвовать в развитии self-hosted / sovereign agent stack: локальные модели, model-agnostic слой, OpenClaw-подобные рантаймы, SGLang/Ollama/vLLM/LiteLLM. Помогать продуктовым и инженерным командам правильно применять агентский подход. Наши ожидания: Реальный опыт разработки AI-агентов или agentic-систем. Понимание LLM, tool calling, function calling, RAG, memory, context management. Опыт с агентскими фреймворками или SDK: OpenAI Agents SDK, LangGraph, AutoGen, CrewAI, Semantic Kernel, OpenClaw-подобные рантаймы или аналогичные решения. Умение проектировать логику работы агента, а не только писать промпты. Сильный backend-опыт на Python или TypeScript. Опыт интеграций с API, MCP, внутренними системами, очередями, БД. Понимание Docker, Linux, Kubernetes, сетей, логов и эксплуатации. Опыт построения evals: наборы кейсов, regression-тесты, метрики качества, разбор деградаций. Понимание безопасности агентов: prompt injection, ограничение action space, sandboxing, права, audit trail. Умение считать performance/cost: latency, токены, retries, кэширование, параллелизация, выбор модели. Особенно ценно: Агент или агентский сценарий, который реально работал в production. Опыт self-hosted AI-инфраструктуры. Опыт OpenClaw / Claude Code-подобных / Claw-подобных runtime-подходов. Опыт MCP-серверов и skill-based architecture. Опыт построения reusable-подходов для других команд, а не только одного агента под одну задачу. Наличие постмортемов, дашбордов, eval-отчетов, метрик стоимости и качества. Сильное мнение о том, когда агента использовать не надо. Мы предлагаем: Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествий, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). Стабильную заработную плату и социальные гарантии, которые дают уверенность в настоящем и открывают перспективы в будущее. Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с дружной командой. Лучшие конференции и мастер-классы за счет компании. Участие в проектах, которые формируют цифровую трансформацию финансового сектора. Гибридный формат работы (2 дня офис). Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами с ароматным кофе, а также собственный тренажерный зал. Богатую корпоративную культуру: классные внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы и участвовать в креативных проектах.
Дата инженер ИИ/AI Data Engineer
Мы строим собственную агентскую платформу корпоративного уровня — enterprise-аналог открытых агентских систем. Ищем инженера, который возьмёт на себя ядро системы и будет развивать его, опираясь на актуальные исследования и production-практику. Эта роль на стыке глубокой инженерии (производительное ядро) и работы с LLM/ML. Стек: ClickHouse, SQL, LLM, ETL Чем предстоит заниматься: Проектирование и развитие корпоративного DWH на ClickHouse: архитектура, модель данных, выбор движков таблиц (семейство MergeTree), партиционирование, шардирование, материализованные представления. Построение и поддержка ETL/ELT-пайплайнов загрузки данных из внешних систем-источников. Разработка системы стандартов на данные (data contracts): единые требования к структуре, форматам, типам и качеству данных, поступающих из источников. Создание и ведение каталога данных / data dictionary с детальным описанием структуры и бизнес-смысла каждого набора данных (метаданные, документация, семантический слой). Контроль качества данных: валидация, тесты на данные, мониторинг. Оптимизация производительности хранения и аналитических запросов. Проектирование и разработка агентского слоя (LLM-агентов) поверх данных DWH, закрывающего произвольные аналитические запросы пользователей (text-to-SQL / диалоговая аналитика). Интеграция LLM, разработка инструментов и функций для агентов, организация семантического слоя для корректной работы агентов с данными. Настройка процессов оценки и улучшения качества ответов агентов (evals). Настройка разграничения прав доступа к данным средствами СУБД: RBAC, row-level и column-level политики в ClickHouse. Документирование архитектуры и принятых решений Наши ожидания: Опыт в data-инжиниринге от ~4 лет, уровень Senior. Глубокий опыт работы с ClickHouse (или сильный опыт с другими OLAP/колоночными СУБД + готовность быстро войти в ClickHouse): движки таблиц, оптимизация. Опыт проектирования DWH с нуля, владение подходами к моделированию данных (Kimball / Data Vault / wide tables и т.п.). Уверенный SQL и навыки оптимизации запросов. Опыт построения ETL/ELT-пайплайнов (Airflow / dbt / аналоги). Python (или другой язык для дата-инжиниринга и интеграции с LLM). Практический опыт с LLM и построением агентов: агентские фреймворки (LangChain / LlamaIndex / аналоги), function/tool calling, RAG, text-to-SQL. Понимание подходов к управлению качеством данных и data governance / data contracts. Опыт настройки разграничения прав доступа в СУБД. Будет большим преимуществом: Опыт с semantic / metrics layer. Опыт LLMOps и оценки качества агентов (evals, мониторинг). Опыт с инструментами каталогизации данных (DataHub / OpenMetadata / Amundsen). Опыт работы с большими объёмами данных и высоконагруженными системами. Мы предлагаем: Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествий, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). Стабильную заработную плату и социальные гарантии, которые дают уверенность в настоящем и открывают перспективы в будущее. Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с дружной командой. Лучшие конференции и мастер-классы за счет компании. Участие в проектах, которые формируют цифровую трансформацию финансового сектора. Гибридный формат работы (2 дня офис). Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами с ароматным кофе, а также собственный тренажерный зал. Богатую корпоративную культуру: классные внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы и участвовать в креативных проектах.
Junior/Middle ML-инженер/Python разработчик [SmartDocs]
Junior/Middle ML-инженер/Python разработчик [SmartDocs] Компания: МТС Чем предстоит заниматься - Проектирование микросервисов и API (REST/gRPC) - Создание RAG и AI-агентов: разработка систем генерации ответов на основе документов, цепочек рассуждений и логики Tool Calling (LangChain/LangGraph/LlamaIndex) - Работа с данными и текстом: парсинг, очистка и чанкинг текстов, извлечение сущностей (NER), классификация, реализация гибридного семантического и полнотекстового поиска - Проектирование баз данных: работа с реляционными (PostgreSQL), векторными (Qdrant/Milvus/pgvector) и графовыми (Neo4j) базами под задачи GraphRAG - Оптимизация производительности, покрытие кода тестами (Pytest), написание асинхронного кода на Python (FastAPI/Django) - Проведение code review и контейнеризация приложений (Docker) Что мы ожидаем - Опыт коммерческой разработки на Python от 2 лет для выпускников профильных факультетов ведущих вузов (МФТИ, НИУ ВШЭ, МГУ, ИТМО, МГТУ им. Баумана, СПбГУ, МИФИ) или от 3 лет для кандидатов с другим образованием - Уверенное знание Python, асинхронного программирования, веб-фреймворков (FastAPI) и принципов проектирования микросервисной архитектуры (REST, Swagger, gRPC) - Практический опыт работы с LangChain, LlamaIndex, LangGraph, современными LLM (GPT, open-source модели) и фреймворками для создания AI-агентов - Опыт обработки и классификации документов различных форматов (PDF, сканы), извлечения сущностей (NER, гибридный поиск) с использованием Transformers, BERT, SpaCy, Natasha - Опыт работы с реляционными БД (PostgreSQL), NoSQL/кэшированием (Redis), векторными БД (Qdrant/Milvus/pgvector) и графовыми системами (Neo4j) - Опыт работы с брокерами сообщений (RabbitMQ, Kafka) - Владение инструментами контейнеризации и CI/CD (Docker, Git, S3) - Понимание полного жизненного цикла разработки ПО (SDLC) - Опыт работы по ТЗ с чтением схем (UML, BPMN)
AI-разработчик
AI-разработчик Компания: Top Selection Чем предстоит заниматься - Разрабатывать и внедрять AI/LLM-функционал: RAG-системы, AI-агентов, механизмы function/tool calling, оркестрацию языковых моделей. - Проектировать AI-пайплайны: эмбеддинги, векторные базы данных (pgvector, Pinecone), управление контекстом, промпт-стратегии. - Обеспечивать быструю поставку — от идеи до продакшена (с реализацией фронтенд- и бэкенд-компонентов при необходимости). - Контролировать качество AI-решений через evals, организовывать мониторинг и наблюдаемость систем. - Работать со стеком: .NET (C), LLM-фреймворки (LangChain, LlamaIndex), API OpenAI/Anthropic, Docker, Git, MSSQL/PostgreSQL. Ожидания Опыт: - Общий опыт в IT — от 5 лет. - Опыт разработки AI/LLM-функциональности в коммерческих продуктах — от 1,5 лет (Обязателен!) Ключевые навыки: - Уверенное владение .NET (C). - Практический опыт интеграции LLM в коммерческие продукты. - Базовые навыки фронтенд-разработки (достаточные для реализации AI-функционала). - Разработка LLM-приложений: RAG-системы, AI-агенты, function/tool calling, промпт-инжиниринг. - Работа с LLM-фреймворками (LangChain, LlamaIndex) и векторными БД (pgvector, Pinecone). - Навыки оценки качества AI-моделей (evals), мониторинга и наблюдаемости AI-систем. - Уверенная работа с реляционными БД (MSSQL/PostgreSQL), Docker, Git. - Использование AI-ассистентов (Cursor, Claude Code, Copilot) в ежедневной работе с обязательным код-ревью и тестированием. - Технический английский (чтение документации). - Bias to ship: декомпозиция до MVP, быстрая проверка гипотез. - Высокий уровень ответственности (ownership), продуктовое мышление, командность. Будет плюсом: - Опыт в ML (fine-tuning, работа с эмбеддингами). - Пет-проекты с реальной аудиторией или вклад в open-source. - Опыт с системами потоковой обработки данных (RabbitMQ, Kafka). Образование: - Высшее техническое (или эквивалентный опыт + портфолио). Условия - Занятость: проектная, 6 месяцев с возможностью пролонгации, полная занятость (~160 ч/мес). - Формат: полностью удалённо (Россия, UTC+3). - Формат оформления: ИП. - Гражданство: РФ. - Зарплата: обсуждается с кандидатом, рыночный уровень для Senior AI-разработчика.