Вакансии для ML-инженеров с LangChain
Вакансии для ML-инженеров с LangChain: подборка ролей, где в задачах или стеке указан LangChain. Можно найти работу в этом направлении и сразу смотреть…
Фильтр вакансий
Middle Python-разработчик, backend-сервисы и API
Компания: BRANDPOL Обязанности - Разработка backend-сервисов, API, интеграций и внутренних инструментов на Python. - Проектирование архитектуры решений совместно с командой. - Написание чистого, поддерживаемого и тестируемого кода. - Работа с базами данных, очередями, внешними API и инфраструктурными сервисами. - Участие в code review и обсуждении технических решений. - Автоматизация рутинных задач разработки. Требования - Уверенное знание Python и опыт коммерческой разработки от 2-3 лет. - Опыт работы с backend-фреймворками: FastAPI, Django, Flask или аналогами. - Понимание принципов ООП, SOLID, REST API, асинхронного программирования. - Опыт работы с PostgreSQL, Redis, Docker, Git. - Умение писать и поддерживать тесты. - Опыт настройки CI/CD. - Опыт работы с микросервисной архитектурой. - Готовность быстро разбираться в новом коде и технических доменах. Будет плюсом - Опыт использования AI-инструментов для разработки: ChatGPT, Claude, Cursor, GitHub Copilot, Aider, Devin, OpenAI API или аналогов — для генерации кода, написания тестов, анализа логов, рефакторинга. - Умение проверять и дорабатывать код, сгенерированный AI, оценивать его безопасность и производительность. - Опыт построения собственных AI-агентов или инструментов автоматизации разработки. - Опыт работы с LLM API, LangChain, LlamaIndex, OpenAI Agents SDK или аналогичными фреймворками. - Понимание DevOps-практик и облачных платформ. Условия работы - Интересные задачи в области разработки современных backend-систем. - Возможность использовать современные инструменты в рабочем процессе. - Пространство для экспериментов с новыми подходами к разработке ПО. - Формат: офис. - Занятость: полная. - Уровень: middle. - Оплата: обсуждается по результатам собеседования.
AI-инженер по MCP-серверам и LLM-интеграции
О компании Integrated Medical Systems, Inc. (IMS) — дистрибьютор на рынке альтернативной медицинской помощи, основан в 1994 году. Компания предлагает гибкие условия аренды и покупки одноразовых и арендных продуктов для инфузионной терапии, респираторной поддержки, энтерального питания, онкологии и чистых помещений. О роли IMS ищет AI-инженера для проектирования, создания и развертывания интеллектуальных агентных ИИ-приложений, которые подключаются к корпоративным данным, бизнес-системам и внешним сервисам. Это роль инженера приложений ИИ, а не традиционного ML-инженера или специалиста по обучению моделей. Основной фокус — создание систем, позволяющих ИИ-моделям работать с реальными данными и бизнес-инструментами: безопасные, надежные и масштабируемые ИИ-агенты, которые понимают контекст, получают доступ к информации, используют инструменты и выполняют действия. В работе активно используются Model Context Protocol (MCP), оркестрация LLM, API, вызовы инструментов, корпоративные данные и асинхронные архитектуры приложений. Обязанности - Проектировать, разрабатывать и развертывать MCP-серверы, которые безопасно подключают ИИ-приложения к внутренним базам данных, векторным хранилищам, бизнес-приложениям и другим корпоративным ресурсам. - Создавать стандартизированные интерфейсы, позволяющие ИИ-агентам обнаруживать и взаимодействовать с доступными инструментами, ресурсами и рабочими процессами. - Разрабатывать MCP-инструменты, ресурсы и промпты для поддержки повторяемых бизнес-процессов. - Оценивать и выбирать подходящую LLM для конкретных сценариев на основе возможностей рассуждения, стоимости, размера контекстного окна, задержки и производительности. - Проектировать ИИ-процессы, которые маршрутизируют задачи между несколькими моделями и сервисами. - Реализовывать вызовы инструментов и функций, чтобы ИИ-агенты могли взаимодействовать с внешними системами. - Создавать надежные интеграции REST API и сторонних систем. - Настраивать схемы вызова функций и инструментов для вызова внешних сервисов ИИ-агентами. - Преобразовывать ответы внешних систем в структурированные форматы, которые могут эффективно интерпретировать и использовать LLM. Обязательные требования - Уверенное владение Python или TypeScript. - Понимание асинхронного программирования и паттернов async/await. - Опыт создания и использования RESTful API. - Понимание JSON-RPC 2.0 и обмена сообщениями. - Практический опыт создания MCP-серверов с использованием стандартных SDK или фреймворков, таких как FastMCP. - Опыт работы с MCP-инструментами, ресурсами и промптами. - Понимание LLM API и вызова инструментов/функций. - Опыт интеграции ведущих LLM-платформ: OpenAI, Anthropic Claude или аналогичных. - Опыт работы с векторными базами данных/векторными хранилищами и ИИ-поиском. - Умение создавать инструменты поиска и извлечения, предоставляющие релевантный структурированный контекст для LLM. - Понимание идентификаторов документов, метаданных и обработки цитирований/источников. - Понимание безопасной аутентификации и авторизации для подключения ИИ-приложений к проприетарным данным и корпоративным системам. - Умение проектировать правильно ограниченный доступ между ИИ-агентами, внутренними системами и внешними сервисами. Предпочтительные требования - Опыт разработки агентных ИИ-приложений или многошаговых ИИ-процессов. - Опыт работы с FastMCP или другими MCP-фреймворками. - Опыт с LangChain, LangGraph, Semantic Kernel или аналогичными фреймворками оркестрации ИИ. - Опыт с Docker, Git, CI/CD и облачными платформами. - Опыт интеграции ИИ с корпоративными базами данных, ERP-системами, CRM-платформами или другими бизнес-приложениями. - Опыт наблюдаемости, логирования, тестирования и мониторинга ИИ-приложений. - Знакомство с требованиями к медицинским данным, конфиденциальности, безопасности или компетентности. Критерии успеха В этой роли вы поможете IMS перевести ИИ из экспериментов в практические, безопасные и готовые к бизнесу приложения. Успех означает создание ИИ-систем, которые могут: - Понимать правильный контекст. - Находить и извлекать нужную информацию. - Использовать подходящие бизнес-инструменты. - Безопасно взаимодействовать с корпоративными системами. - Выбирать правильную модель для задачи. - Надежно выполнять рабочие процессы. - Предоставлять точные и отслеживаемые ответы. Вы будете помогать создавать инфраструктуру и прикладной уровень, которые делают ИИ полезным внутри бизнеса.
Staff AI-инженер, агентные ИИ-системы
О роли Acquia ищет Staff AI-инженера в команду AI Core Engineering. Это прежде всего практическая инженерная роль: большую часть времени вы будете проектировать, создавать и выпускать продакшн-агентные ИИ-процессы в Acquia DXP. Основные инструменты — LangGraph, Temporal, Pydantic и LangFuse. Также предусмотрена лёгкая, но значимая менторская роль: помощь в повышении ИИ-инженерных навыков коллег по мере роста команды. Обязанности - Ежедневно писать и выпускать продакшн-код для ИИ. - Проектировать агентные ИИ-процессы с использованием LangGraph, Temporal, Pydantic — многоагентные процессы с сохранением состояния, рассчитанные на корпоративный масштаб и надёжность. - Отвечать за наблюдаемость ИИ через LangFuse: трассировка, версионирование промптов, оценка и бенчмаркинг производительности всех взаимодействий с моделями. - Задавать стандарты ИИ-инженерии для паттернов агентов, RAG, управления промптами, оптимизации контекста и стратегий вызова инструментов. - Взаимодействовать с командами продукта и платформы для создания ИИ-архитектур, отвечающих корпоративным требованиям SLA, безопасности и соответствия. - Оценивать и внедрять новые инструменты: бенчмаркинг LLM-провайдеров, оркестрационных фреймворков и улучшений агентного стека. - Наставлять инженеров через код-ревью, парное программирование и дизайн-обсуждения. - Представлять ИИ-возможности Acquia в архитектурных обзорах клиентов, техническом исследовании и обсуждениях дорожной карты. Требования - 8+ лет в разработке ПО, из них 3+ года в продакшн-разработке ИИ-агентов. - Практический опыт с LangGraph, Temporal, Pydantic — процессы с сохранением состояния, циклические, многоагентные, в корпоративном масштабе. - Практический опыт с LangFuse — трассировка, оценка, управление промптами и тестирование на основе датасетов. - Владение фреймворками для агентов, такими как LangChain или аналоги (LlamaIndex, CrewAI) — компоновка цепочек, инструментов, памяти и пайплайнов поиска. - Глубокое знание Python и сильные инженерные основы (тестирование, CI/CD, архитектура). - Опыт облачного развёртывания ИИ (AWS, Azure или GCP), включая контейнеризацию и управление стоимостью инференса. - Знание архитектуры RAG — векторные базы данных, модели эмбеддингов и стратегии поиска. - Степень бакалавра в Computer Science или эквивалентный практический опыт. Желательные навыки - Опыт в корпоративном SaaS или CMS, включая знакомство с DXP Acquia на базе Drupal. - Свободное владение агентным процессом разработки — ИИ-ассистирующие инструменты (Copilot, Cursor, Claude) как повседневные ускорители. - Знакомство с персистентными рантаймами агентов — такими как OpenClaw и Hermes Agent, понимание кросс-сессионной памяти, автономного создания навыков и постоянно работающей инфраструктуры агентов. - Опыт тонкой настройки LLM или оценки моделей, понимание компромиссов фундаментальных моделей.
Инженер по искусственному интеллекту II, агентные системы
ICON ищет прагматичного разработчика, который перешёл от традиционной разработки ПО к миру агентного ИИ. В роли инженера по ИИ в ICON вы будете отвечать за проектирование и внедрение инструментов, рабочих процессов и автономных агентов на базе ИИ, которые ускоряют работу платформы строительных технологий ICON. Должность подчиняется старшему директору программ оборонных технологий и доступна для удалённой работы с периодическими поездками в штаб-квартиру ICON в Остине, штат Техас, по мере необходимости. Обязанности - Проектировать и создавать агентные системы ИИ, автоматизирующие сложные многоэтапные рабочие процессы в программной платформе ICON. - Разрабатывать функции и продукты на основе LLM, используя современные фундаментальные модели и API (например, Anthropic, OpenAI). - Архитектура и реализация многогаентных конвейеров, систем использования инструментов и интеграций Model Context Protocol (MCP). - Создание надёжных RAG-систем, включая приём документов, стратегии разбиения, конвейеры эмбеддингов и векторный поиск. - Сотрудничать с командами разработчиков и профильными специалистами для выявления возможностей автоматизации с помощью ИИ и превращать их в готовые продукты. - Отвечать за полный жизненный цикл функций ИИ: прототипирование, оценка, развёртывание и итерации. - Выступать техническим ресурсом и неформальным наставником по лучшим практикам агентного ИИ в инженерной организации. - Быть на переднем крае агентного ИИ и внедрять новые методы в производство. Минимальные требования - 6+ лет профессионального опыта в разработке ПО с сильной базой в бэкенд или full-stack разработке. - Подтверждённый опыт создания и внедрения продуктов производственного уровня с использованием LLM и агентных фреймворков. - Владение TypeScript и/или Python. - Глубокое понимание промт-инжиниринга, управления контекстом и паттернов рассуждения LLM. - Опыт работы с инструментами, вызовом функций и оркестрацией агентов (например, LangChain, LlamaIndex, Claude Code или собственные реализации). - Умение проектировать и проводить структурированные оценки для измерения и улучшения производительности систем ИИ. - Отличные коммуникативные навыки и комфорт при работе с техническими и нетехническими заинтересованными сторонами. - Возможность получить и поддерживать допуск к секретной информации. Предпочтительные навыки и опыт - Опыт разработки и интеграции серверов MCP (Model Context Protocol). - Знакомство с векторными базами данных (например, pgvector, Pinecone, Weaviate). - Опыт с тонкой настройкой, RLHF или конвейерами оценки моделей. - Знание основ машинного обучения: эмбеддинги, трансформеры, механизмы внимания. - Опыт генерации структурированных выходных данных и извлечения данных на основе LLM. - Опыт работы с агентами генерации кода (например, Claude Code, Cursor, системы типа Devin). - Знакомство с AWS и серверной инфраструктурой для ИИ-нагрузок. - Опыт работы в государственных, оборонных или регулируемых средах. - Интерес или опыт в отрасли AEC (архитектура, инженерия, строительство). Диапазон оплаты: $126,400 - $180,000.
Middle ML-инженер
Формат работы: можно удалённо. Компания — один из крупнейших независимых digital-продакшнов в России, работает с 2005 года, в штате более 550 человек. Ищет ML-инженера в команду, которая реализует AI-решения для проектов компании. Чем предстоит заниматься: - Поддерживать текущие алгоритмические решения - Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы - Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта - Разрабатывать RAG-пайплайн для поиска и обработки данных - Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование Пожелания к кандидатам: - Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других) - Уверенное владение Python и PyTorch/TensorFlow - Практический опыт работы с API, Docker/Kubernetes и базами данных - Опыт внедрения RAG
LLM Platform Engineer
Компания разрабатывает прикладные LLM-решения для внутренних продуктов и процессов: от ассистентов и автоматизации рутины до интеграции моделей с корпоративными системами. Фокус — надёжные прикладные сервисы. Чем предстоит заниматься проектировать и поддерживать MCP-серверы (Python/TypeScript): tools для LLM, auth, интеграция с корпоративными API (Bitbucket Server, EWS/Outlook, Grafana и др.); поддерживать и отвечать за единый реестр скиллов, плагинов и MCP-серверов; участвовать в разработке безопасной среды исполнения агентов; участвовать в выводе в prod/preprod: прототип → сервис → мониторинг качества, latency и cost; работать с кодовой базой и документацией, предлагать решения с учётом ограничений инфраструктуры. Ожидания от кандидата Обязательно: высшее техническое образование; уверенный Python; опыт backend-разработки и интеграций с API; понимание современных LLM и LLM-приложений: prompt engineering, function/tool calling, RAG там, где нужен контекст; опыт работы с Model Context Protocol (MCP); опыт интеграций через REST API и настройки доступа, плюсом — работа с системами контроля версий и review-процессами; сильные навыки CI/CD: Docker/k8s, gitlab-ci, Jenkins; опыт с трейсингом и логированием в контексте LLM: Langfuse, LangSmith, OpenTelemetry; умение писать поддерживаемый код, тесты на критичные сценарии, документация; опыт настройки инференса LLM (vLLM, SGLang, TensorRT). Желательно: опыт работы с векторными БД (Faiss, Chroma, Qdrant); опыт с LLM-платформами (OpenWebUI) и библиотеками оркестрации (чат-интерфейсы, LiteLLM, LangChain и аналоги). Условия работы необходимое оборудование и софт для работы; официальное трудоустройство; ДМС со стоматологией, офисный врач, доплата больничного листа, корпоративные скидки; льготные условия ипотеки в рамках зарплатного проекта; бесплатная подписка на сервисы партнёров; корпоративный спорт; насыщенная корпоративная жизнь; электронная библиотека издательства МИФ, в которую входят почти 2 тыс. единиц контента по бизнесу, саморазвитию, здоровому образу жизни и другим актуальным темам.
AI-исследователь
Компания: Top Selection Ищем AI-исследователя в команду ИИ-инкубатора крупного ритейлера. Будем собирать PoC, агентов и внедрять LLM в реальные бизнес-процессы. Зарплата: 260-300 тыс. руб/мес График: МСК ± 2, полная удаленка Гражданство/локация: только РФ Проект до конца года + возможна пролонгация Оформление: по договору ИП Требования: - Разработка архитектуры агентов: управление состоянием диалога и контекстом, динамический выбор инструментов (tool calling), настройка уровней автономности и сценариев human-in-the-loop - Глубокое понимание жизненного цикла ML-модели: от подготовки признаков до интерпретации результатов - Знание методов борьбы с переобучением, data leakage, регуляризации; уверенный выбор алгоритмов под задачу - Владение матстатистикой для проверки гипотез, расчета доверительных интервалов и самостоятельного дизайна A/B-тестов - Построение системы метрик: разработка офлайн- и онлайн-показателей, кросс-валидация, прямая оценка бизнес-эффекта - Непрерывный мониторинг дрейфа моделей и качества данных в продакшене - Опыт работы хотя бы в одном из направлений: классическое машинное обучение; временные ряды и прогнозирование; рекомендательные системы, поиск и ранжирование; NLP, LLM и генеративный AI - Языки и библиотеки: Python (pandas/polars, NumPy, scikit-learn, CatBoost/XGBoost/LightGBM, PyTorch), продвинутый SQL - Написание поддерживаемого production-кода: модульная архитектура, юнит-тесты, логирование, документация, работа с GitFlow и код-ревью - Построение пайплайнов оценки (LLM Evals): контроль галлюцинаций, релевантности ответов и мониторинг поведения системы - Обеспечение безопасности: защита от prompt injection, предотвращение утечек персональных данных (PII/privacy) и аудит прав доступа агента - Практический опыт работы с API языковых моделей, платформой Hugging Face и orchestration-фреймворками - Умение оценивать стоимость, latency и масштабируемость LLM-решений - Опыт работы в e-commerce, retail или других продуктовых highload-системах - Инфраструктура и оркестрация: Airflow, MLflow, Kafka, Redis, Kubernetes - Мониторинг и наблюдаемость: Prometheus, Grafana, OpenTelemetry - Опыт эксплуатации GPU-инфраструктуры и оптимизации inference - Адаптация моделей через fine-tuning (LoRA/PEFT) - Опыт проектирования agentic workflows или multi-agent-систем - Понимание принципов информационной безопасности, privacy и работы с персональными данными Задачи на проекте: - Разработка генеративных ИИ-моделей для синтеза визуального и проектного контента на основе структурированных данных товарного каталога в рамках проверки гипотез (PoC) внутри корпоративной платформы по оценке ИИ-инициатив Условия: - Решаем нестандартные задачи ИИ-инкубатора (от гипотезы до защиты на Экспертном комитете) - Реальный highload и Big Data в Retail
Инженер-программист, генеративный ИИ
О компании Abridge основана в 2018 году с миссией улучшать взаимопонимание в здравоохранении. Платформа на основе ИИ преобразует разговоры между пациентами и врачами в структурированные клинические заметки в реальном времени, интегрируется с EMR. Компания использует Linked Evidence и аудируемый ИИ, сопоставляет сгенерированные сводки с первоисточником. Офисы находятся в Сан-Франциско (Mission District), Нью-Йорке (SoHo) и Питтсбурге (East Liberty). В команде — практикующие врачи, ИИ-исследователи, PhD, креативщики, технологи и инженеры. Роль Компания ищет инженеров по генеративному ИИ любого уровня. Работа в кросс-функциональной команде с исследователями, клиницистами и инженерами. Задача — превращать возможности языковых моделей в надежные клинические системы: проектировать продвинутые LLM-процессы, включая агентные возможности, структурированные инструменты, разветвленные цепочки вызовов, интеграцию с поисковыми системами. Также разработка и применение фреймворков оценки (автоматизированных и с участием человека) для проверки точности, надежности, многоязычности. Проектирование экспериментов для поиска отказов, симуляция крайних случаев, нагрузочное тестирование. Владение полным циклом продакшена LLM-процессов: развертывание в средах с низкой задержкой, мониторинг, наблюдаемость, постобработка, версионирование. Задачи - Проектировать и создавать агентные системы, превращающие LLM в компонуемые надежные инструменты (поиск, вызов инструментов, агентные рассуждения, структурированные выходы). - Сотрудничать с ML- и инфраструктурными инженерами для масштабирования и оптимизации агентных процессов: задержка, контекстные окна, выбор моделей. - Писать высококачественный модульный код, устойчивый к сбоям, гибкий к изменениям. - Отвечать за ключевые архитектурные решения: архитектура процессов, потоки данных, кэширование промежуточных состояний, структура генерируемых выходов. - Проводить строгую оценку: создавать бенчмарк-датасеты, автоматизированные и human-in-the-loop фреймворки, эксперименты для выявления отказов и крайних случаев, A/B-тесты, анализировать обратную связь клиницистов. - Использовать передовые возможности: быстрое прототипирование с новыми моделями, открытыми инструментами и техниками промптинга. Требования - 3+ года опыта создания production-grade систем, из них 1–2+ года — с LLM или агентными продуктами. - Глубокое владение LLM API, стратегиями промптинга и паттернами оркестрации (LangChain, LlamaIndex, кастомные пайплайны). - Опыт с поисковыми системами (семантический и лексический поиск, векторные БД, эффективный kNN), вызовом функций, tool-use или агентными процессами. - Рабочее знание оценки моделей: создание разнообразных датасетов, автоматизированная и human-in-the-loop оценка, A/B-тесты, работа с экспертами для улучшения моделей. - Сильные знания Python: чистый код, комплексные тест-кейсы, знание стандартной библиотеки; желателен опыт с async-программированием, профилированием производительности, упаковкой и деплоем. - Хорошая интуиция: понимание, когда ускоряться и итерировать, а когда устранять технический долг. Ценятся готовность учиться и признание, что отличный член команды может не полностью соответствовать описанию.
Senior Python-разработчик, AI/ML
Bell Integrator — крупный системный интегратор, аккредитованная ИТ-компания. Команда внедряет AI-агентов для проактивной диагностики маркетинговых показателей, поиска неочевидных взаимосвязей и генерации рекомендаций. Формат работы: офис, Москва. Чем предстоит заниматься: - Проектировать и разрабатывать AI-агентов для автоматизации отчетности и мониторинга отклонений в бизнес-процессах - Создавать пайплайны поиска отклонений и интегрировать их с LLM для генерации текстовых выводов и отчетов - Работать с большими массивами данных: готовить фичи, агрегировать данные и передавать их в модели - Оптимизировать, упаковывать и деплоить агентные системы в продакшн Пожелания к кандидатам: - Отличное знание Python, опыт коммерческой разработки от 3 лет - Опыт работы с языковыми моделями (LLM), понимание их ограничений - Знание LangChain (или аналогов) и опыт интеграции LLM в реальные бизнес-задачи - Понимание принципов DevOps и CI/CD
Агентный Gen AI-разработчик (Python, RAG)
Обязанности - Совместно с командой проектировать и разрабатывать высококачественные веб-приложения с использованием Python, Flask, Django и смежных технологий. - Писать чистый и эффективный код, обеспечивать его поддерживаемость и переиспользуемость. - Проектировать и внедрять RAG-пайплайны на Google Cloud / Vertex AI (chunking, эмбеддинги, индексация, поиск, реранкинг, grounding). - Строить агентные рабочие процессы (использование инструментов, планирование, рефлексия/guardrails, структурированные выходные данные) с использованием Python-first фреймворков. - Проводить ревью кода для обеспечения качества и согласованности. - Проводить тестирование для обеспечения качества и надежности приложений. - Создавать и поддерживать техническую документацию для веб-приложений. - Участвовать в планировании проекта, оценке и приоритизации задач. - Следить за новейшими технологиями в области разработки на Python. - Определять и запускать оценку (метрики поиска, качество ответов, проверки галлюцинаций/grounding) и итеративно улучшать качество системы. - Выпускать в продакшн: API, мониторинг/наблюдаемость, оптимизация стоимости и производительности, CI/CD и лучшие практики безопасности. Обязательные требования - Python, Flask/Django, RAG. - Опыт разработки программного обеспечения на Python 3. - Понимание жизненного цикла разработки и тестирования ПО. - Знание реляционных баз данных (например, MySQL, PostgreSQL и т.д.). - Опыт работы с системами контроля версий, такими как Git. - Опыт создания RAG-решений (гибридный поиск, реранкинг, стратегии chunking, эмбеддинги, дизайн промптов и схем). - Знакомство как минимум с одним агентным фреймворком (например, LangGraph/LangChain, LlamaIndex, Semantic Kernel, AutoGen) и паттернами вызова инструментов/функций. - Уверенные знания концепций векторного поиска и как минимум одной векторной БД в продакшене. - Сильные инженерные практики: ревью кода, тестирование, телеметрия, безопасность по дизайну, надежность. Желательно - LLM, LangChain, AWS, Kubernetes, Docker. - Степень магистра в области компьютерных наук, программной инженерии или смежной области. - Более 1 года профессионального опыта разработки веб-приложений на Python с использованием Flask или Django. - Опыт разработки RESTful API на Python. - Понимание фреймворков веб-приложений на Python, таких как Flask или Django. - Опыт работы с облачными сервисами, такими как AWS. - Опыт работы с Vertex AI и основами GCP (IAM, логирование/мониторинг, Cloud Run/GKE, хранилища). - Графы знаний для RAG (связывание сущностей, обход графа + гибридный поиск). - Стриминг/обмен сообщениями (Pub/Sub, Kafka), пайплайны документов (Document AI) и мультиязычный поиск. - Опыт работы с инструментами оценки (RAGAS, TruLens, пользовательские eval-харнессы), управление версиями промптов. - Интеграция с фронтендом (базовый React/Next.js) или развитие платформы (внутренние инструменты разработчика). Условия - Зарплата: $62,000 – $80,000. - Кандидаты должны быть готовы к переезду в пределах США (например, CA, TX, NY).
Прикладной AI-инженер, LLM и полупроводники
Группа Silicon Co-Design компании NVIDIA ищет прикладного AI-инженера для разработки и интеграции AI-решений в инфраструктуру проектирования и автоматизации чипов. Задачи - Проектирование и развертывание AI-систем для пост-силиконовой валидации: ускорение, повышение интеллектуальности и масштабируемости процессов в полупроводниковых средах. - Интеграция AI в рабочие процессы: взаимодействие с межфункциональными инженерными командами для выявления узких мест и создания решений. - Оценка новых AI-фреймворков и архитектур, определение перспективных для внедрения. - Построение систем данных для измерения влияния AI: установление количественных показателей, устранение пробелов в производительности и организация итераций. Требования - BS, MS, PhD или эквивалентный опыт в CS, EE, CE или смежной области, 5+ лет практического опыта в создании и развертывании ML/AI-систем или бэкенд-сервисов с интенсивной работой с данными. - 2+ года непосредственного опыта в Applied AI: самостоятельное владение AI-агентом, LLM-рабочим процессом или системой интеллектуальной автоматизации от прототипа до продакшена. - Сильные навыки Python и владение как минимум одним статическим языком: C, C++, C, Java или Scala. - Опыт работы в среде разработки кремния: знакомство с методологиями характеризации чипов и систем, вариациями процессов, статистическими уровнями ошибок или продвинутым анализом таймингов и энергопотребления. - Практический опыт с bring-up кремния, характеризацией или лабораторной отладкой с использованием стандартных инструментов (осциллографы, мультиметры, логические анализаторы). - Сильные базовые знания в электротехнике: компьютерная архитектура, высокоскоростные интерфейсы, тайминги, основы энергопотребления, понимание структур прошивок и драйверов и взаимодействия с аппаратурой. - Умение балансировать несколько параллельных проектов, отличные навыки решения проблем, коммуникации и работы в команде. Будет плюсом - Опыт отладки сложных системных проблем, связанных с взаимодействием HW/SW, включая лидерство или владение процессом анализа корневых причин проблем кремния или функций. - Способность превращать инновационные AI-исследования в практические производственные инструменты. - Знакомство с современными AI-технологиями и методологиями создания и запуска LLM. - Опыт создания и развертывания оркестрационных агентов, управляющих сотнями и тысячами инструментов. - Опыт работы с фреймворками глубокого обучения (PyTorch, TensorFlow) и инструментами агентной оркестрации: NeMo Agent Toolkit, LangChain, Semantic Kernel, AutoGen, CrewAI, n8n. Условия - Базовая зарплата определяется на основе локации, опыта и оплаты сотрудников на аналогичных позициях. - Диапазон базовой зарплаты: 152 000–241 500 USD для Level 3, 184 000–287 500 USD для Level 4. - Возможность получения акций и льгот.
Senior AI-инженер, автоматизация и интеграция
Grafana Labs — компания, создавшая открытую облачную платформу для наблюдаемости, ищет Senior Engineer (AI & Automation) для развития инфраструктуры AI-агентов и платформы автоматизации, поддерживающей операции маркетинга. Вы будете создавать мультиагентные архитектуры, интеграции с LLM и бэкенд-сервисы, соединяющие AI-модели с внутренними и сторонними платформами данных. Это удалённая позиция для кандидатов из Канады. Жители Квебека не могут претендовать на эту роль. Задачи Агентные системы и AI-инфраструктура: - Полный цикл 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 для вызова 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. Интеграция систем и бэкенд-сервисы: - Создание MCP-серверов, API, CLI и микросервисов для подключения AI-моделей к бизнес-системам (BigQuery, Slack, CRM, электронная почта, календари, аналитические инструменты). - Проектирование потоков данных для RAG: подключение LLM к внутренним базам знаний, данным о клиентах и бизнес-контексту в реальном времени. - Разработка serverless- или контейнерных сервисов (GCP Cloud Functions, Cloud Run), масштабирующихся под нагрузку и интегрирующихся с облачной инфраструктурой Grafana. Автоматизация и поддержка процессов: - Совместная работа с командами RevOps, Demand Generation, регионального маркетинга и SDR для выявления высокоприоритетных задач автоматизации, поиска узких мест и создания решений с измеримыми бизнес-результатами. - Проектирование и развертывание процессов с помощью инструментов оркестрации (n8n, Workato или собственных платформ) с соблюдением стандартов CI/CD, тестирования и производственной надежности. - Создание систем для самостоятельного использования: документация, плейбуки и обучающие материалы, позволяющие командам работать независимо. Требования - 8+ лет опыта в разработке ПО с глубокими знаниями в бэкенд-разработке, системной интеграции или инженерии данных/аналитики. - 2+ года практического применения LLM/AI в производственных процессах, а не только в прототипах. - Уверенное владение Python и JavaScript/Node.js, знание Git-процессов, практик код-ревью и дисциплины тестирования. - Практический опыт работы с LLM-фреймворками и паттернами: промпт-инжиниринг, RAG, функции.
AI-инженер по внутренним инструментам
О компании Qventus уже более 12 лет трансформирует здравоохранение. Компания помогает больницам сосредоточиться на главном — уходе за пациентами. Решения Qventus используют машинное обучение, генеративный ИИ и поведенческую науку для улучшения результатов и помощи медицинским командам предвидеть и решать проблемы до их возникновения. Успех и быстрый рост компании поддерживают ведущие мировые инвесторы. В Qventus вы будете работать с исключительной командой, ориентированной на миссию, и сможете напрямую влиять на жизни пациентов. О роли Мы ищем инженеров, которые создают ИИ-инструменты, меняющие то, как выполняется работа внутри компании. Вы будете работать с командами по операциям, успеху клиентов и финансам, находить медленные и ручные процессы и создавать ИИ-агентов и автоматизацию, которые действительно будут использоваться. Это роль для тех, кто любит быстро создавать, общаться с людьми и брать на себя ответственность за проблему — это не исследовательская и не чисто инфраструктурная роль. Вы с нуля определите, как выглядит «внутренний ИИ» в компании. Кому подходит Вас вдохновляет неопределённость и ответственность. Вы скорее выпустите черновой инструмент на этой неделе, посмотрите, как его используют, и улучшите, чем потратите месяц на идеальный план. Вам нравится сидеть с нетехническим коллегой, понимать его реальный рабочий процесс и превращать его в то, что экономит часы. Вам комфортно быть единственным владельцем проблемы от начала до конца. С кем вы будете работать - Вы будете тесно сотрудничать с CEO и основателями: определять самые важные операционные проблемы и формировать направление развития внутреннего ИИ. Это редкий уровень доступа к руководству для инженерной роли. - Вы будете работать с функциональными лидерами по всему бизнесу, чтобы понимать их приоритеты, находить возможности и согласовывать, что создавать. Ваша работа будет заметна на уровне руководства с первого дня. - Операции, успех клиентов, финансы, подбор персонала, инженерия, IT и данные — это ваши внутренние заказчики и коллабораторы. Вы будете погружаться в их рабочие процессы и создавать инструменты, которыми они действительно пользуются. Что вы будете создавать Примеры задач, которые ждут вас: - Агент, который готовит ответы для службы поддержки клиентов на основе базы знаний и истории обращений. - Slack-процесс, который маршрутизирует и предзаполняет согласования в финансах. - Внутренний стенд для оценки, чтобы доверять LLM-функциям, которые мы выпускаем. - Инструмент, позволяющий операционной команде запрашивать внутреннюю систему на простом языке. Вы не будете делать всё это одновременно — вы выберете задачу с максимальным эффектом, запустите её и перейдёте к следующей. Что мы ищем - 1–3 года разработки ПО: бэкенд-сервисы, внутренние инструменты, автоматизация или приложения на API. Стажировки и кооперативные программы учитываются. - Уверенное владение TypeScript и/или Python. - Вы создавали что-то с LLM: агента, RAG-пайплайн, копилота или инструмент на промптах — в работе, в пет-проекте или в учёбе. Нам важно, что вы довели дело до запуска, а не где именно. - Умение связывать системы: API, вебхуки, интеграции SaaS, асинхронные процессы. - Умение общаться с нетехническими специалистами, выяснять их реальные потребности и добиваться внедрения — это так же важно, как код. - Быстрота в условиях неопределённости и итерации на основе реальной обратной связи. Бонусы, не обязательные - Опыт создания копилотов, агентов или автоматизации рабочих процессов. - Использование оркестрационных фреймворков (LangChain, Temporal или аналогичных). - Опыт работы с векторными базами данных или системами поиска. - Интеграции с Salesforce, Slack, Zendesk, Notion или Jira. - Опыт работы в стартапе или быстрорастущей компании. Как выглядит успех - Первые недели: вы запустили первый внутренний инструмент, и бизнес-команда активно использует его ежедневно. - В течение 2 месяцев: работают 2–3 инструмента, и заинтересованные стороны сами приходят к вам с идеями. - К 3-му месяцу: вы установили базовые практики команды по оценке, управлению промптами и безопасному развёртыванию LLM — фундамент, на котором будет развиваться функция. Зарплата и условия - Вилка зарплаты: $120,000–$150,000 USD. - Оплачиваемый отпуск (Open Paid Time Off). - Оплачиваемый отпуск по уходу за ребёнком. - Профессиональное развитие. - Стипендии на здоровье и технологии. - Щедрая реферальная программа для сотрудников. - Опционы на акции компании.
Junior Python-разработчик, стажировка
ПАО Сбербанк Junior Python-разработчик (стажировка). Можно без опыта. Формат работы: офис (Москва, м. Кутузовская). Разработка и поддержка Python-скриптов и микросервисов для интеграции AI-инструментов в банковские процессы. Стажировка 3 месяца с возможностью продления или перехода в штат. Чем предстоит заниматься - Разработка и поддержка Python-скриптов и микросервисов для интеграции AI-инструментов в банковские процессы - Исследование и пилотирование AI-платформ (OpenClaw, Claude Code, LangChain и аналоги) - Участие в проектировании бэкенд-компонентов для взаимодействия с LLM - Проведение экспериментов: тестирование гипотез, сравнение моделей и инструментов - Участие в Code Review Пожелания к кандидатам - Базовое знание Python (ООП, структуры данных, модули) - Понимание Git (коммиты, ветки, PR) - Знакомство с FastAPI (учебные проекты) и pytest - Понимание SQL (простые запросы) и принципов БД
Middle Python-инженер, LLM-инженер
ООО «М-ТЕХ» — ИТ-компания, развивающая направление ИИ-автоматизации: прикладные LLM/RAG-решения и ИИ-агенты для процессов малого и среднего бизнеса. Условия: - Зарплата до 200 000 ₽ - Опыт коммерческой разработки на Python от 2–3 лет - Неполный рабочий день - Формат работы: можно удалённо (Москва, Санкт-Петербург, Самара) Чем предстоит заниматься: - Проектирование, разработка и внедрение ИИ-агентов под конкретные бизнес-задачи - Настройка сценариев работы агента: диалог, вызов инструментов, работа с базой знаний - Интеграция ИИ-агентов с внешними и внутренними системами (API, БД, ERP/CRM, мессенджеры) - Проектирование RAG-пайплайнов: загрузка документов, чанкинг, embeddings, поиск, ранжирование - Оптимизация качества, скорости ответа и стоимости использования токенов Пожелания к кандидатам: - Опыт коммерческой разработки на Python от 2–3 лет - Практический опыт с LLM-приложениями, RAG, ИИ-ассистентами от 6 месяцев - Опыт работы хотя бы с одним из инструментов: LangChain, LangGraph и аналоги
Middle ML-инженер
ML-инженер Формат работы: можно удалённо. Компания — один из крупнейших независимых digital-продакшнов в России, работает с 2005 года, в штате более 550 человек. Ищет ML-инженера в команду, которая реализует AI-решения для проектов компании. Чем предстоит заниматься: - Поддерживать текущие алгоритмические решения - Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы - Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта - Разрабатывать RAG-пайплайн для поиска и обработки данных - Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование Пожелания к кандидатам: - Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других) - Уверенное владение Python и PyTorch/TensorFlow - Практический опыт работы с API, Docker/Kubernetes и базами данных - Опыт внедрения RAG
Backend-инженер Python, парсинг соцсетей и LLM
Компания собирает и классифицирует тренды в нишах по соцсетям. Система парсит контент площадок, размечает его по тематикам и форматам через LLM и отдает результат в контент-планы экспертов. Сейчас модуль работает на сторонних платных сервисах, запускается вручную и считает нишу несколько дней из-за лимитов на выгрузку. Задача инженера — перевести его на собственные парсеры и автоматический запуск, расширить список площадок и снизить стоимость прогона до близкой к нулю. Проект находится на стадии MVP. Первые эксперты должны начать пользоваться продуктом в августе 2026 года, первые клиенты ожидаются ориентировочно в сентябре. Бэклог на следующие 6–12 месяцев ещё формируется, поэтому задачи и приоритеты будут уточняться по мере тестирования продукта. Задачи: - Писать и поддерживать парсеры соцсетей: Instagram, TikTok, Threads, дальше Facebook, X и другие площадки. - Уходить со сторонних платных сервисов на Apify и затем на собственные решения, контролируя стоимость прогона. - Сделать автозапуск пайплайна: расписания, очереди, ретраи, мониторинг и оповещения о сбоях. - Классифицировать контент через LLM: тематики, форматы, признаки тренда. - Собирать и вести пайплайны обработки на LangGraph или LangChain. - Сравнивать модели по качеству и цене и переводить разметку на более выгодную. - Проектировать хранение и витрины данных, из которых собираются контент-планы. - Держать систему живой при изменениях на стороне площадок. Задачи приходят не как готовые технические задания, а как описание процесса и ожидаемого результата. Инженеру нужно самостоятельно уточнить ограничения, сравнить варианты реализации и выбрать решение, подходящее для текущего масштаба, а не для гипотетического. Инженер будет работать напрямую с Product Manager и fullstack-инженерами платформы, которая потребляет данные трендвотчинга. CTO, отдельного архитектора и DevOps в команде пока нет, поэтому сотрудник должен самостоятельно принимать технические решения и доводить задачи до production.
Middle Data Science, LLM/NLP
Т1 — один из лидеров российского ИТ-рынка, партнёр ключевых производителей и разработчиков в сфере ИТ. Направление Искусственного интеллекта: большие данные, платформы хранения информации, аналитические и рекомендательные системы для крупного бизнеса. Опыт работы: от 3 до 6 лет. Формат работы: Рязань, гибрид. Чем предстоит заниматься - Интеграция LLM в продукты и сервисы (API, backend, пайплайны обработки данных). - Оценка качества ответов моделей (автоматические метрики, human eval). - Построение RAG-систем: индексация данных, работа с векторными БД. - Оптимизация производительности и стоимости инференса (квантизация, batching, caching). Наши пожелания к кандидатам - Уверенное владение Python, SQL. - Знания в области NLP алгоритмов. - Опыт работы с prompt engineering, fine-tuning / PEFT (LoRA, adapters), RAG-подходами. - Опыт с фреймворками: LangChain, LlamaIndex, Hugging Face.
Senior AI-архитектор, Generative AI и Agentic AI
Компания AIT Global, Inc. Локация Удалённо О роли Ищем опытного архитектора Generative AI / Agentic AI для руководства проектированием, разработкой и внедрением корпоративной AI-платформы нового поколения. Идеальный кандидат — практикующий архитектор с глубокой экспертизой в Agentic AI, больших языковых моделях (LLM), облачных технологиях AWS и современных фреймворках оркестрации ИИ. Роль требует сильного технического лидерства для проектирования масштабируемых AI-решений, а также наставничества и руководства командой разработчиков. Обязанности - Проектировать и создавать корпоративную платформу Generative AI и Agentic AI с нуля. - Руководить проектированием и разработкой AI-агентов и мультиагентных систем с использованием современных фреймворков Agentic AI. - Определять архитектуру платформы, переиспользуемые компоненты, стандарты безопасности, управления, наблюдаемости и развёртывания. - Руководить и наставлять команду AI-инженеров и разработчиков: архитектура, дизайн, код-ревью, поставка. - Взаимодействовать с бизнес- и техническими стейкхолдерами для преобразования требований в масштабируемые AI-решения. - Оценивать и интегрировать новые AI-технологии и фреймворки. Требования - 15+ лет опыта в разработке ПО, из них 3+ года в Generative AI / Agentic AI. - Практический опыт проектирования и разработки решений Agentic AI с использованием: LangGraph/LangChain, Strands Agents, Model Context Protocol (MCP), Agent-to-Agent (A2A), Loop Engineering, оркестрация AI-воркфлоу и мультиагентные архитектуры. - Опыт создания LLM-приложений: промпт-инжиниринг, RAG, Function Calling, Tool Calling, управление памятью, AI Guardrails. - Практический опыт работы с AWS: Amazon Bedrock, EKS/ECS, Lambda, API Gateway, Step Functions, S3, DynamoDB/Aurora, IAM, CloudWatch. - Сильные навыки Python; опыт с FastAPI и REST API. - Знание React/TypeScript — плюс. - Опыт с векторными базами данных, микросервисами, Docker, Kubernetes и CI/CD. - Понимание концепций Generative UI (GenUI) и AI-управляемого пользовательского опыта. Предпочтительные квалификации - Опыт создания корпоративных AI-платформ от концепции до продакшена. - Желателен опыт в здравоохранении, особенно с данными плательщиков (payer data). - Знание Responsible AI, управления ИИ, безопасности и наблюдаемости. - Желательны сертификаты AWS Solution Architect или AI/ML. - Отличные коммуникативные навыки, управление стейкхолдерами и техническое лидерство.
Junior fullstack-разработчик, AI/ML
О роли Компания PolicyMe, удалённая команда из Торонто, развивает продуктовую линейку для страховых брокеров с использованием искусственного интеллекта и машинного обучения. Инженер будет работать над frontend, backend и AI/ML-направлениями, участвовать в архитектурных обсуждениях, планировании релизов и общеинженерных инициативах. Основной стек: Python, React, Redux, PostgreSQL, n8n, LangChain/LangGraph и AWS. Задачи - Разрабатывать fullstack-функциональность AI-приложения на Python, React, Redux, PostgreSQL и AWS. - Интегрировать AI-модели и API для обработки документов, извлечения данных, рекомендательных систем и других задач. - Работать с старшими инженерами по AI для интеграции моделей в продакшен. - Отслеживать новые AI-технологии и фреймворки, исследовать новые применения. - Создавать масштабируемые и надёжные backend-сервисы для AI-процессов. - Проектировать пользовательские интерфейсы для AI-функций. - Участвовать в архитектурном планировании, код-ревью и брейнштормах. - Отвечать за разработку фич от начала до конца, координируясь с QA и другими командами. - Взаимодействовать с командами для снятия зависимостей и улучшения релизного процесса. - Делиться идеями на квартальном планировании. - Участвовать в хакатонах, инженерных гильдиях и экспериментах с AI-инструментами. Требования - Уверенные fullstack-навыки: Python, React, Redux, PostgreSQL, AWS. - Понимание AI/ML-концепций из курсов, пет-проектов или опыта работы. - Интерес к созданию интеллектуальных приложений. - Готовность учиться, работать в условиях неопределённости и быстро осваивать новое. - Практический опыт или проекты с AI-API и моделями, включая промт-инжиниринг. - Самостоятельность, ответственность и ориентация на результат. - Умение работать в команде, открытость к обратной связи. - Внимательность к деталям при решении сложных задач. Условия - 20 отпускных дней. - Опционы на акции и расширенный соцпакет. - Удалённая работа, оплачиваемые очные встречи команды, возможность работать из офиса в Торонто. - Бюджет на обучение и развитие, оценка эффективности два раза в год, регулярная обратная связь. - Общая компенсация: 85 000–115 000 CAD в зависимости от опыта, плюс бонусная программа и возможность получить долю в компании. О компании PolicyMe — канадский цифровой страховой сервис. Продуктовая линейка включает страхование жизни, страхование критических заболеваний, медицинскую и стоматологическую страховку, а также B2B2C-решения для организаций. Компания основана в 2018 году, продала страховое покрытие на сумму более 10 млрд CAD.
Python разработчик
Python разработчик Компания: Bell Integrator Технологический стек - Язык программирования: Python 3.12+ - Фреймворки: FastAPI, LangChain / LangGraph, FastStream - Базы данных: PostgreSQL, Redis - Очереди: Kafka, RabbitMQ - Поиск и аналитика: Opensearch, Elasticsearch - CI/CD: Jenkins, Nexus, BitBucket, SonarQube - Инфраструктура: OpenShift (Kubernetes), DropApp, Docker - Управление: Jira, Confluence Требования - Опыт коммерческой разработки на Python от 4 лет - Уверенное знание Python 3.7+ (в проекте используется 3.12+) - Понимание и успешный опыт применения паттернов проектирования (GoF, SOLID, GRASP) - Опыт проведения код-ревью и работы по GitFlow - Опыт разработки агентных систем с помощью langchain, langgraph и успешное внедрение в промышленную среду - Опыт разработки приложений, основанных на микросервисной архитектуре - Уверенное знание SQL и понимание принципов работы реляционных СУБД (PostgreSQL) - Опыт написания unit-тестов - Опыт разработки асинхронных приложений на Python - Понимание жизненного цикла разработки приложений в контексте Agile - Важно: опыт и желание работать в команде, умение аргументировать свои решения и договариваться Будет плюсом Современные инструменты и практики (будет большим плюсом): - Понимание принципов Domain-Driven Design (DDD) и принципов построения микросервисной архитектуры - Опыт работы с Apache Kafka, Elasticsearch (OpenSearch), Qdrant - Опыт использования AI-инструментов в разработке: GitHub Copilot, Codium, Cursor или их аналоги - Навыки промпт-инжиниринга для эффективного взаимодействия с AI-ассистентами - Знакомство с концепциями vibe coding и инструментами для генерации кода (наподобие GigaCode, Copilot, Roo Code) Обязанности - Разработка co-pilot решения на базе данных RAG и применении LLM - Разработка и интеграция AI-агентов, исследование новых поверхностей взаимодействия с AI - Разработка микросервисов на Python в качестве MCP инструментов - Анализ требований, формализация функционала, проектирование архитектуры взаимодействия агентов и сервисов - Участие в планировании, декомпозиции задач и оценке сложностей, планировании спринтов на основе SCRUM церемоний - Проведение код-ревью, поддержание высокого стандарта качества и чистоты кода - Тесное взаимодействие с командой на всех этапах разработки - Участие в подготовке и выпуске релизов, взаимодействие со смежными подразделениями - Документирование своей работы и менторство джуниор-разработчиков Условия - Возможность профессионального и карьерного роста в компании, возможность поучаствовать в разных проектах - Опыт работы в распределенной команде профессионалов - Уровень заработной платы обсуждается индивидуально - Работа только в офисе - г. Москва
T1 ищет AI Product Manager / AI Lead
AI Product Manager / AI Lead Компания T1 развивает продукты на основе больших данных и искусственного интеллекта, создаёт платформы хранения данных, аналитические и рекомендательные системы для крупного бизнеса. Компания ищет специалиста, который сможет управлять AI-продуктами, координировать технические команды и участвовать в развитии AI-стратегии. Чем предстоит заниматься - Управлять AI-продуктами от идеи до запуска в production. - Участвовать в формировании AI-стратегии: Roadmap, KPI и приоритизация инициатив. - Прорабатывать архитектуру AI-решений. - Координировать команды Data Scientists, ML-инженеров и Data Engineers. - Запускать PoC и MVP AI-продуктов. - Решать задачи масштабирования моделей и повышения качества данных. - Оптимизировать инференс моделей по скорости, стоимости и точности. - Работать с дообучением open-source моделей под бизнес-задачи. Что важно - Опыт работы на релевантной позиции от 5 лет. - Опыт в сфере AI. - Опыт коммерческой разработки и широкий технический кругозор. - Опыт управления командой — обязательно. - Умение презентовать решения и ценность продуктов C-level. - Понимание Agile / Scrum в ML-проектах. - Лидерские качества, критическое мышление и сильные коммуникационные навыки. Технологический стек - Python, SQL. - scikit-learn, TensorFlow, PyTorch. - Hugging Face, LangChain. - MLflow, Kubeflow, Airflow. - Docker, Kubernetes, K8s. - Spark. - DWH: BigQuery, Snowflake. - Векторные базы: FAISS, Pinecone. - Kafka. - LLM и NLP-модели. - Embeddings, NER, classification. О компании В состав T1 входят Т1 Иннотех, Т1 ИИ, Т1 Интеграция, Т1 Облако, Т1 Сервионика, Т1 Цифровая Академия и НОТА от Т1. Компания предлагает стабильную работу, профессиональное развитие, интересные AI-проекты и комфортный гибридный формат.
Инженер Agentic AI, Azure AI Foundry
Условия - Локация: Мэдисон, Висконсин; Колумбус, Огайо; Чикаго, Иллинойс; Миннеаполис, Миннесота; Детройт, Мичиган. - Долгосрочный контракт. - Рассматриваются кандидаты на W2. Без C2C. Мы ищем высококвалифицированного инженера Agentic AI для проектирования, разработки и развертывания интеллектуальных ИИ-агентов с использованием Azure AI Foundry и современных фреймворков для ИИ-агентов. Идеальный кандидат должен иметь сильный опыт в разработке ПО, практические навыки работы с приложениями на основе LLM и подтвержденную способность создавать масштабируемые, готовые к продакшену мультиагентные системы в облачных средах. Обязанности - Проектировать, разрабатывать и развертывать интеллектуальных ИИ-агентов с использованием Azure AI Foundry и Azure OpenAI. - Создавать масштабируемые, готовые к продакшену мультиагентные системы для автоматизации предприятий. - Разрабатывать приложения на основе ИИ с использованием больших языковых моделей (LLM), генерации с дополненной выборкой (RAG) и техник промпт-инжиниринга. - Реализовывать оркестрацию агентов с помощью фреймворков, таких как AutoGen, Semantic Kernel, LangChain или аналогичных Agent SDK. - Разрабатывать RESTful API, микросервисы и событийно-ориентированные приложения для поддержки ИИ-решений. - Интегрировать ИИ-агентов с корпоративными системами, базами данных, API и SaaS-платформами. - Развертывать и управлять ИИ-нагрузками в облачных средах с использованием сервисов Azure. - Сотрудничать с кросс-функциональными командами для проектирования, разработки, тестирования и оптимизации ИИ-решений. - Внедрять CI/CD конвейеры и лучшие практики DevOps для развертывания ИИ-приложений. - Контейнеризировать приложения с помощью Docker и развертывать их в средах на основе Kubernetes. - Мониторить, устранять неполадки и оптимизировать производительность ИИ-агентов в продакшене. Требования - 5+ лет опыта в разработке ПО с сильным опытом разработки облачных приложений. - Сильные навыки программирования на Python (предпочтительно) или Java. - Практический опыт работы с Azure AI Foundry и Azure OpenAI. - Опыт разработки ИИ-агентов с использованием фреймворков, таких как: - AutoGen - Semantic Kernel - LangChain - Agent SDK Технические навыки - Языки программирования: Python, Java. - ИИ и машинное обучение: Azure AI Foundry, Azure OpenAI, большие языковые модели (LLM), промпт-инжиниринг, генерация с дополненной выборкой (RAG), мультиагентные системы.
Младший вайбкодер, GenAI-прототипирование
О вакансии - Компания: COVET IT INC - Роль: Vibe Coding Engineer / GenAI Prototyping Developer - Локация: Лос-Анджелес, Калифорния (удалённо) - Тип занятости: долгосрочный контракт - Уровень: начальный, 0–2 года опыта Задачи - Использовать AI-ассистентов кодирования: Cursor, Claude Code, GitHub Copilot, ChatGPT и аналогичные инструменты. - Быстро превращать идеи в функциональные прототипы, AI-приложения, внутренние инструменты и proof-of-concept. - Работать с LLM, AI-агентами, RAG, MCP-серверами, API, современными full-stack фреймворками и паттернами AI-оркестрации. - Сотрудничать с командами product, UX и engineering. Требования - 0–2 года опыта в разработке ПО, включая выпускников с сильным академическим, проектным, стажёрским или личным опытом программирования. - Уверенные основы программирования на Python, JavaScript/TypeScript, Node.js или Golang. - Базовый практический опыт с React, Next.js, REST API, Git и GitHub. - Знакомство с AI-ассистентами: Cursor, Claude Code, GitHub Copilot, ChatGPT, Windsurf или Replit AI. - Понимание основ генеративного ИИ, LLM, промт-инжиниринга, AI-агентов и RAG. - Базовое понимание MCP (Model Context Protocol) и того, как AI-агенты взаимодействуют с инструментами, API и внешними системами. - Опыт создания AI/LLM-приложений, чат-ботов, рабочих процессов или proof-of-concept в академических, стажёрских, личных или open-source проектах. - Понимание API, JSON, веб-сервисов и базовой архитектуры приложений. - Знакомство с Git-процессами и инженерными практиками. - Сильные аналитические навыки и способность быстро осваивать новые технологии. - Любознательность и готовность экспериментировать с новыми AI-инструментами, фреймворками и технологиями повышения продуктивности разработчика. - Практический подход и умение быстро собирать работающие прототипы с помощью AI-инструментов. Желательно - Опыт с LangChain, LangGraph, CrewAI, AutoGen или аналогичными AI-фреймворками. - Знакомство с векторными базами данных, эмбеддингами и семантическим поиском. - Базовый опыт с Docker, Kubernetes, AWS, Azure или GCP. - Опыт интеграции AI-приложений с корпоративными системами, базами данных или сторонними API. - Личные проекты, вклад в GitHub, хакатоны или академические проекты с GenAI или AI-агентами. - Продуктовое мышление и способность быстро превращать идею в работающее демо или прототип. - Комфорт в среде с быстрыми экспериментами, неопределённостью и постоянным обучением.
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.
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 в строительной индустрии
О компании Kokosing — один из 50 крупнейших генеральных подрядчиков США, обслуживающий широкий круг клиентов в частном и государственном секторах. Услуги включают тяжелое гражданское и промышленное строительство: автомагистрали, мосты, подземные коммуникации, объекты водоснабжения и водоотведения, морское строительство. Более 75 лет компания привлекает квалифицированных технических специалистов, предлагая видимые задачи, высокое качество и привлекательное вознаграждение. Годовой объем продаж — более 2,8 млрд долларов. О роли Kokosing ищет инженера по ИИ в строительстве. Этот сотрудник будет стратегическим партнером между отделом технологий и инноваций (T&I), IT и бизнес-подразделениями для поддержки внедрения интеллектуальных инструментов, копилотов и агентных рабочих процессов с целью автоматизации процессов и решения реальных задач в строительной отрасли в соответствии с целями организации. Специалист будет связующим звеном между разработкой ПО и прикладным ИИ, интегрируя прогнозные модели и генеративный ИИ в реальное выполнение проектов и операционную деятельность предприятия. Инженер по ИИ в строительстве будет подчиняться директору по строительным технологиям и инновациям и ежедневно взаимодействовать с операционными руководителями и IT-отделом. Корпоративная культура Инженер по ИИ в строительстве должен воплощать и укреплять основные культурные ценности организации: - Ориентация на клиента: построение долгосрочных отношений с клиентами (внутренними и внешними), предоставление комплексных решений и качественных результатов, превышение ожиданий безопасно и надежно. - Управление «с засученными рукавами»: «Никто из нас не умнее, чем все мы вместе». Лидерский подход, совместное достижение целей, готовность помогать, а не просто наблюдать. - Финансовая устойчивость: долгосрочные решения, анализ рисков, разумные стратегии, реинвестирование прибыли в компанию и обеспечение ресурсов для лидерства в отрасли. - Инновационное мышление: инновации — ключевой фокус организации, оптимизация бизнеса и лидерство в сообществе и стране. Ключевые обязанности Роль заключается в переводе бизнес- и полевых потребностей в работающие решения — от интеллектуальных рабочих процессов и копилотов до агентных инструментов и ИИ-приложений для строительного сектора. Вы будете разрабатывать надежные системы, которые стабильно работают в среде с высокими ставками и управлением рисками физического строительства. Вместе мы создадим и внедрим практические ИИ-решения, обеспечивающие автоматизацию, производительность и бизнес-ценность. - Создание ИИ-агентов и автоматизаций: проектирование и реализация интеллектуальных рабочих процессов с использованием LLM, вызова функций, агентного ИИ и мультиагентных паттернов, а также архитектур поиска. - Системная интеграция: интеграция ИИ-возможностей в корпоративные системы и полевые приложения (например, Procore или Autodesk) для реального внедрения и измеримой ценности. Партнерство с инженерами и аналитиками, работающими над безопасностью, операциями, планированием и рисками, для превращения агентных возможностей в инструменты для суперинтендантов, менеджеров проектов и инженеров-проектировщиков. - Тестирование и оценка: создание надежной инфраструктуры оценки, золотых наборов данных и тестовых стендов для недетерминированных ИИ-систем для обеспечения надежности и соответствия требованиям. - Управление данными: работа со структурированными и неструктурированными строительными данными, создание систем поиска, охватывающих векторный поиск и графы знаний по сложным проектным данным. - Взаимодействие с заинтересованными сторонами: партнерство с отраслевыми экспертами (руководителями проектов, суперинтендантами, директорами по безопасности) для уточнения требований и превращения агентных возможностей в удобные ежедневные инструменты. - Управление моделями: обеспечение соответствия ИИ-решений корпоративным стандартам безопасности, конфиденциальности и ответственной практики ИИ. Квалификация и навыки - Образование: степень бакалавра или магистра в области компьютерных наук, инженерии, науки о данных или смежной технической области. - Опыт: более 5 лет практической разработки ПО или инженерии ИИ/ML с подтвержденным опытом выпуска ИИ-приложений в производственной среде. - Инструменты ИИ и оркестрации: практический опыт работы с ИИ-фреймворками для оркестрации (например, LangChain, LangGraph, CrewAI, AutoGen или LlamaIndex). - Программирование и облако: уверенные знания Python и опыт работы с основными корпоративными облачными платформами и векторными базами данных (например, Azure, Databricks, Snowflake, Palantir). - Знание строительства: знание технологических стеков архитектуры, инженерии и строительства (AEC), цифровых двойников.
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.
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).
Бэкенд-разработчик, AI/LLM в RegTech
О компании Ранний AI-стартап решает проблему регуляторной сложности. Энергетические проекты, дата-центры, проекты возобновляемой энергетики и крупные инфраструктурные проекты могут задерживаться на месяцы, потому что критическая информация разбросана по тысячам регуляторных документов, градостроительным кодексам, экологическим заявкам и требованиям агентств. Компания создаёт AI-платформу, которая понимает эту информацию, связывает её с конкретными проектами и локациями и превращает в проверяемую и применимую аналитику. Роль Ищем Founding Backend Software Engineer для присоединения к небольшой высокотехничной команде. Это роль, в которой вы не просто присоединяетесь к инженерной команде, а помогаете определить, какой она станет. Требования - 4+ лет опыта в разработке ПО - Сильный бэкенд на Python - Продакшен-опыт с AI-агентами / LLM-пайплайнами - Опыт с LangGraph, LangChain, CrewAI, OpenAI API или аналогичными инструментами - Поисковые системы + GraphQL / REST - PostgreSQL / базы данных - Опыт работы с облаками: AWS, Azure, GCP или аналогичные - Уверенная работа с контейнерами, CI/CD и observability - Комфортно в среде 0→1 / founding engineering Условия - Зарплата: $150k–$180k base + значительная доля в компании (equity) - Локация: Jersey City, NJ, гибрид или в офисе