Вакансии для ML-инженеров на Python
Вакансии для ML-инженеров на Python: подборка ролей, где в задачах или стеке указан Python. Можно найти работу в этом направлении и сразу смотреть…
Фильтр вакансий
Middle Python-разработчик, бэкенд
Cloud.ru — ИТ-компания в сфере облачных и ИИ-технологий, входит в топ крупнейших ИТ-компаний России. Формат работы: удалённо. Чем предстоит заниматься: - Проектирование архитектуры решения для высокой доступности и масштабируемости - Оптимизация производительности - Code review - Участие в проектировании новых фич и сервисов Пожелания к кандидатам: - Опыт коммерческой разработки от 3 лет, на Python от 2 лет - Понимание настройки и запуска CI/CD пайплайнов - Экспертиза в облачной инфраструктуре - Опыт работы с бэкендом для AI и ML
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.
AI-инженер, специализация: AI-агенты
Инженерная культура Hatch строится на скорости, ответственности и влиянии. Это небольшая амбициозная команда, создающая ИИ, который меняет способы роста сервисных бизнесов. Инженеры владеют задачами от начала до конца, быстро выводят код в продакшн и работают с современным стеком (Elixir, Python, Go, React + TypeScript). В команде AI-агентов вы будете на стыке классической разработки продуктов и ИИ — создавать системы, которые позволяют агентам рассуждать, действовать и улучшаться. Ваша работа напрямую влияет на выручку клиентов. Требуется нахождение в США. Задачи - Проектировать, создавать и поддерживать системы, обеспечивающие работу голосовых и текстовых ИИ-агентов: обработка звонков, SMS и email на всех точках контакта с клиентом. - Разрабатывать системные промпты, формирующие поведение, надёжность и результаты агентов, с пониманием влияния структуры промпта на реальную производительность. - Разрабатывать интеграции вызова инструментов, чтобы агенты могли безопасно и предсказуемо выполнять действия: запись на приём, поиск данных клиентов, тёплая передача оператору. - Строить оценки LLM-as-a-judge и наблюдаемость ИИ: телеметрию, трейсы, дашборды качества для измерения производительности агентов, выявления регрессий и повышения надёжности. - Тесно работать с продуктом и дизайном: сочетать продуктовое чутьё, потребности пользователей, бизнес-цели и технические компромиссы. - Применять инженерные практики: тщательное ревью кода, автоматизированное тестирование, CI/CD, постепенное внедрение с фича-флагами и A/B-экспериментами, наблюдаемость, понятная техническая документация. - Наставлять младших инженеров, развивать культуру обучения и технического совершенства. Требования - Практический опыт работы с LLM в продакшене: промпт-инжиниринг, вызов инструментов/функций, фреймворки оценки или оркестрация агентов. - Уверенный бэкенд-опыт на одном из языков: Elixir, Go, Python или аналогичном серверном языке, готовность осваивать новые языки и фреймворки. - Комфортная работа со всем стеком: от модели данных и логики LLM/агентов до API и, при необходимости, UI. - Опыт ведения проектов от спецификации до запуска в команде с несколькими участниками. - Глубокое чувство ответственности и склонность к действию: доводить неоднозначные задачи до конца, работать через границы команд, оставаться подотчётным до доставки. - Чёткие коммуникативные навыки, умение эффективно взаимодействовать с техническими и нетехническими заинтересованными сторонами. - Стремление следить за изменениями в области ИИ: активно изучать новые модели, инструменты и техники, применять их в работе и продукте. Условия - Компенсация: $112 000 – $216 000 (в зависимости от опыта и других факторов). - Полная ответственность за проекты с первого дня, коллаборативная команда, динамичная рабочая среда. - С первого дня: полная медицинская страховка, стоматология и офтальмология. - Поддержка психического здоровья через Modern Health. - 15 дней оплачиваемого отпуска (начисление с даты найма, увеличивается после 2 лет работы), 12 оплачиваемых праздничных дней + один плавающий праздник. - До 14 недель отпуска по уходу за ребёнком. - Ежемесячная велнес-стипендия. - Пенсионный план 401(k). - Программа покупки акций для сотрудников. - Возмещение расходов на профессиональное развитие. - Возмещение расходов на работу из дома. - Возможность формировать будущее ИИ-клиентского сервиса. - Работа с основателями и лидерами, ценящими скорость, ответственность и амбициозность. - Решение сложных задач и влияние на реальный бизнес и клиентов. - Команда инженеров, которым важны качество, быстрая реализация и взаимная поддержка. - Гибридный формат работы в Нью-Йорке, США.
Senior AI-инженер платформы и инструментов
О компании Crunchyroll — сервис, основанный фанатами, доставляет искусство и культуру аниме сообществу. Компания обслуживает более 100 миллионов фанатов аниме и манги в более чем 200 странах и территориях. Опыт включает онлайн и офлайн-форматы: стриминг, кинотеатральные показы, игры, мерчандайз, события и другое. О роли Senior AI-инженер платформы и инструментов создаёт платформу, автоматизацию и инструменты, на которых работает остальная часть AI Enablement, и администрирует корпоративные AI-инструменты, на которые полагается вся компания. Роль входит в команду Tools & Governance платформы внутри AI Enablement (AIEN), подчиняется AI Platform, Strategy & Governance Lead. Это универсальная позиция полного цикла: автоматизация оценки и управления AI, переиспользуемые строительные блоки для других команд и повседневное администрирование одобренных AI-инструментов. Работа охватывает три связанных направления: - Превращение оценки и управления AI из ручного процесса в автоматизированную платформу: структурированные оценки, конвейеры приёма и скоринга, маршрутизация согласований, policy-as-code и телеметрия использования. - Администрирование и настройка одобренных корпоративных AI-инструментов, отслеживание новых релизов и оценка целесообразности их внедрения. - Разработка golden-path шаблонов, эталонных архитектур и переиспользуемых компонентов: RAG-паттерны, каркасы агентов, библиотеки промптов, eval-харнессы — на которых строит команда Build & Partner. Это ранняя небольшая команда, поэтому инженер совмещает несколько ролей, ведёт функции от начала до конца и помогает задавать инженерные стандарты роста функции. Задачи - Создание платформы оценки AI: автоматизированные инструменты для структурированных оценок (возможности, стоимость, задержка, поведение, надёжность) в масштабе, а не разовых ручных проверок. - Инструментирование телеметрии использования и затрат по одобренному AI-стеху: расход токенов, использование мест, расходы по вендорам и обнаружение отклонений в одобренных инструментах. - Автоматизация управления AI: приём заявок, скоринг, маршрутизация согласований и enforcement policy-as-code, интегрированные с Glean-агентами и JSM-процессами. - Разработка golden-path шаблонов, эталонных архитектур и переиспользуемых компонентов — RAG-паттерны, каркасы агентов, библиотеки промптов, eval-харнессы — для команды Build & Partner. - Администрирование и настройка одобренных корпоративных AI-инструментов Crunchyroll, включая ChatGPT, Glean, Claude и Gemini; управление настройками, паттернами доступа, включением функций и операционными изменениями совместно с IT и Security. - Отслеживание новых релизов и изменений продуктов среди одобренных AI-инструментов, оценка необходимости их внедрения в Crunchyroll и организация раскатки для максимальной пользы сотрудников. - Обеспечение того, чтобы платформа была путём наименьшего сопротивления: решения AIEN по умолчанию используют golden paths и стандарты, и улучшение ключевых метрик (время оценки, adoption golden-path). - Создание агентов и воркфлоу средней сложности для нетехнических команд на одобренных AI-платформах с соблюдением стандартов AIEN по безопасности, управляемости, поддерживаемости и измеримости. - Совместная работа с AI Security Engineer для встраивания необходимых контролов, обнаружения и предотвращения в платформу, чтобы безопасность обеспечивалась на уровне платформы, а не добавлялась отдельно к каждому проекту. - Работа универсалом в небольшой команде: ведение функций от дизайна до продакшена и помощь в установлении инженерных паттернов для масштабирования команды. Требования - 6+ лет инженерной работы в software или platform engineering, включая создание инструментов или сервисов, используемых другими инженерами. - Практический опыт администрирования, настройки или поддержки корпоративных SaaS-инструментов, AI-платформ или внутренних продуктовых платформ в производственной бизнес-среде. - Сильные навыки разработки (например, Python, плюс Go/TypeScript или аналогичные) — создание production-quality инструментов, а не только прототипов. - Рабочее понимание устройства современных AI-систем: LLM API, RAG, агентные фреймворки, методологии оценки и основы инференса. - Опыт создания автоматизации, пайплайнов данных или внутренних инструментов для разработчиков. - Опыт создания практичных AI-агентов, ассистентов или автоматизации воркфлоу для бизнес-пользователей, включая сбор требований, дизайн промптов и воркфлоу, тестирование, внедрение и итерации. - Опыт ведения функций от начала до конца в небольшой команде: дизайн, разработка, релиз, итерации. - Чёткая письменная коммуникация: инструменты и документация должны приниматься другими инженерами.
Инженер по ИИ-системам, LLM-агенты
Компания Postali создает ИИ-ассистированные рабочие процессы для контента, поиска, исследований, отчетности и публикации на сайте. В команду ищут AI-native инженера, который использует ИИ как инструмент решения задач, а не только как помощника для написания текстов. Роль предполагает владение полным циклом: от неоднозначной бизнес-задачи до работающей, контролируемой системы, которой пользуются люди. Задачи - Управлять портфелем ИИ-агентов и ИИ-процессов в области контента, SEO, исследований, анализа отчетности, поддержки публикаций и внутренних операций. - Находить задачи с высокой ценностью: описывать текущий процесс, определять точки принятия решений и риски, выбирать сочетание LLM, детерминированной логики, автоматизации и контроля со стороны человека. - Проектировать и поддерживать переиспользуемые навыки агентов, промпты, контекстные файлы, базы знаний и системы поиска, структурированные выходы, подключения к инструментам и конфигурации под конкретных клиентов. - Развивать систему ИИ-контента: исследования, черновики, контекст клиента, проверка фактов и цитирований, контроль бренда и юридического качества, передача редакторам и настройка под новых клиентов. - Создавать агентные процессы, помогающие командам анализировать эффективность, изучать конкурентов, обобщать данные, предлагать следующие шаги и превращать одобренные решения в исполнимую работу. - Проектировать контроль с участием человека: определять, что система делает автономно, что требует проверки экспертом, а что нельзя автоматизировать (особенно заявления для клиентов, регулируемый контент, чувствительные данные и изменения в продакшене). - Подключать агентов к одобренным инструментам и данным через API, вебхуки, MCP, платформы автоматизации и небольшой продакшен-код. - Строить оценки до объявления системы готовой: измерять точность, полноту, согласованность, соответствие требованиям, задержку, стоимость и практическую полезность, использовать результаты для улучшения или отключения процесса. - Отвечать за надежность ИИ-систем в продакшене: логи, мониторинг, алерты, версионирование, права доступа, стоимость моделей и токенов, поведение при сбоях, реагирование на инциденты и восстановление. - Создавать переиспользуемые фреймворки, масштабируемые на разных клиентов, с сохранением специфичного контекста, стандартов и экспертизы каждой юридической фирмы. - Документировать архитектуру системы, модели, источники данных, промпты, навыки, зависимости, решения, учетные данные, runbook и владельцев резервного копирования. - Обучать команды эффективно использовать системы, отслеживать, где ломается внедрение или доверие, и улучшать как технологию, так и операционные процессы. - Постоянно экспериментировать: тестировать новые модели, инструменты и паттерны на понятных кейсах и доказательствах, а не внедрять технологии ради самих технологий. Требования - Подтвержденный опыт самостоятельной разработки и эксплуатации ИИ, автоматизации, программных или данных-систем, которыми пользуются другие люди. Точные должности и годы не важны; важны продуманные, продакшен-ориентированные результаты. - Настоящее владение ИИ: умение показать, как ИИ изменил подход к исследованию, рассуждению, разработке, отладке и решению задач. - Практический опыт с агентами на основе LLM, вызовом инструментов, структурированными выходами, поиском или системами знаний, контекстной инженерией, оценками и процессами с одобрением человека. - Понятная коммуникация и лидерство в изменениях: умение объяснять ИИ-системы техническим и нетехническим коллегам, писать полезную документацию и помогать команде осваивать новые способы работы. - Практические навыки интеграции: API, вебхуки, аутентификация, JSON, платформы автоматизации. Понимание, когда достаточно no-code, а когда код надежнее. - Опыт с MCP, векторным или гибридным поиском, оркестрационными фреймворками, платформами автоматизации рабочих процессов и наблюдаемостью.
AI-инженер по разработке AI-агентов
Hatch — небольшая команда, создающая ИИ для роста сервисных компаний. Стек: Elixir, Python, Go, React + TypeScript. Роль входит в команду AI-агентов: вы будете строить системы, которые позволяют агентам рассуждать, действовать и улучшаться. Требуется нахождение в США. Формат — гибридный, Сан-Франциско. Задачи - Проектировать, создавать и поддерживать системы, обеспечивающие работу голосовых и текстовых ИИ-агентов: обработка звонков, SMS и email-переписки на всех точках взаимодействия с клиентом. - Разрабатывать системные промпты, определяющие поведение, надёжность и результаты агентов, с пониманием влияния структуры промпта на реальную производительность. - Развивать интеграции вызова инструментов (tool calling), чтобы агенты могли надёжно выполнять действия: запись на приём, поиск данных клиента, тёплая передача оператору — безопасно и предсказуемо. - Строить оценки на базе LLM-as-a-judge и observability для ИИ: телеметрия, трейсы, дашборды качества — для измерения производительности агентов, выявления регрессий и повышения надёжности. - Тесно работать с продуктом и дизайном: применять продуктовое чутьё в каждой функции, балансируя потребности пользователей, бизнес-цели и технические компромиссы. - Применять инженерные практики: тщательное ревью кода, автоматическое тестирование, CI/CD, постепенная выкатка с фича-флагами и A/B-экспериментами, observability, понятная техническая документация. - Наставлять младших инженеров, развивать культуру обучения и технического совершенства. Требования - Практический опыт работы с LLM в продакшене: промпт-инжиниринг, вызов функций/инструментов, фреймворки оценки, оркестрация агентов. - Уверенный бэкенд-опыт в одном из языков: Elixir, Go, Python или аналогичном серверном языке, готовность осваивать новые языки и фреймворки. - Комфортная работа на всех уровнях стека: от модели данных и логики LLM/агентов до API и (где нужно) UI. - Опыт ведения проектов от спецификации до запуска в команде с несколькими участниками. - Чувство ответственности и склонность к действию: доводить неоднозначные задачи до конца, работать через границы команд, отвечать за результат. - Чёткие коммуникативные навыки, умение эффективно взаимодействовать с техническими и нетехническими заинтересованными сторонами. - Стремление следить за изменениями в области ИИ: изучать новые модели, инструменты и техники, применять их в работе и продукте. Условия - Ожидаемый диапазон компенсации: $112,000–$216,000 в зависимости от уровня опыта. Фактическая зарплата может варьироваться в зависимости от локации и опыта. - Полная ответственность за проекты с первого дня, коллаборативная команда, динамичная рабочая среда. - С первого дня: полная медицинская страховка, стоматология и офтальмология. - Поддержка психического здоровья через Modern Health. - 15 дней оплачиваемого отпуска (начисление с даты найма, увеличивается после 2 лет работы), 12 оплачиваемых праздничных дней + один плавающий праздник. - До 14 недель отпуска по уходу за ребёнком. - Ежемесячный велнес-стипендия. - Пенсионный план 401(k). - Программа покупки акций для сотрудников. - Возмещение расходов на профессиональное развитие. - Возмещение расходов на работу из дома. - Возможность формировать будущее ИИ-клиентского сервиса. - Работа с основателями и лидерами, ценящими скорость, ответственность и амбициозность. - Решение сложных задач и видимый эффект для реального бизнеса и клиентов. - Команда инженеров, ценящих качество, быструю разработку и друг друга.
Staff Data Scientist, поисковое ранжирование
О компании DuckDuckGo — компания в сфере онлайн-защиты, удалённая команда из более чем 300 человек. Основана в 2008 году, прибыльна с 2014 года, годовая выручка превышает 100 млн долларов США. Продукты: браузер для Mac, Windows, iOS и Android, поисковая система, подписка DuckDuckGo, а также приватный ИИ Duck.ai, позволяющий общаться с ChatGPT, Claude и другими ИИ. Культура доверия, инклюзивности и самостоятельного управления проектами: каждый член команды полностью отвечает за свои проекты — от планирования и выполнения до постмортема. Роль и задачи Работа в функциональной команде Data Science. Задачи: улучшение качества поисковой выдачи и ранжирования. Недавние проекты: - Улучшение качества и точности первого этапа ранжирования без потери скорости. - Разработка новых сигналов лексического сопоставления и авторитетности документов. - Расширение поисковых оценок для измерения готовности релевантности и выявления слепых зон ранжирования. - Исследование LLM для генерации признаков и ранжирования. Данные соответствуют строгим стандартам приватности и ограничены, поэтому требуется творческий подход для получения практических выводов в культуре, основанной на фактах, где количественная строгость является базовым уровнем. Требования - Опыт работы в Data Science от 10 лет, из них от 2 лет на уровне Staff, Principal или Director. - Опыт руководства сложными проектами от планирования до продакшена с минимальным руководством. - Умение консультировать других по сложным задачам data science. - Способность разрабатывать стратегии для неоднозначных задач и превращать их в серию чётко определённых проектов. - Практический опыт внедрения ML в продакшен, разработки NLP-решений и использования AI-ассистированной разработки. - Написание продакшен-кода на Python или аналогичном высокоуровневом языке. - Продвинутые навыки SQL и оптимизации запросов. - Эффективное взаимодействие с продуктовыми командами и вклад в общую производительность команды. Предпочтительно: - Опыт реализации поисковых проектов (ранжирование, поиск или индексация) от планирования до продакшена. - Опыт работы с масштабной поисковой инфраструктурой (например, Vespa, Elasticsearch, OpenSearch или Solr). Условия - Зарплата: 222 033 доллара США в год и опционы на акции. Компенсация одинакова для профессиональных уровней независимо от географического расположения или команды. Уровень компенсации прозрачен внутри организации. - Право на медицинские льготы от компании ограничено сотрудниками, находящимися в США; не распространяется на сотрудников в других странах (например, Канада или Великобритания). - Поддержка благополучия: оплачиваемый отпуск по уходу за ребёнком, обустройство офиса, надбавка на коворкинг. - Требуется участие в видеоконференциях с включённой камерой. - Ожидаются поездки минимум два раза в год: на общую встречу команды и на командный ретрит (каждый по 4–5 дней). Посещение настоятельно рекомендуется. - Гибкий график без фиксированных часов, но в среднем полная занятость 40 часов в неделю. - Успешный кандидат должен пройти проверку биографии (background check) как условие присоединения к команде.
Senior Analytics Engineer, dbt и Snowflake
О компании Luxury Presence создает AI-платформу роста для недвижимости. При поддержке Bessemer Venture Partners и других ведущих инвесторов, компания находится на стадии Series C и достигла $100M годового регулярного дохода. Более 90 000 специалистов по недвижимости, включая более 30% из топ-100 агентов WSJ Real Trends в США, используют платформу для управления и развития своего бизнеса. О роли Мы ищем Senior Analytics Engineer, который построит и масштабирует аналитическую основу для принятия решений в командах Go-to-Market, Product, Finance, People и Operations. Роль находится на стыке инженерии данных и аналитики: превращение сырых данных о продукте, маркетинге, финансах и операциях в чистые, хорошо смоделированные и надежные наборы данных. Работа будет питать все: от исполнительных дашбордов и когортного анализа до экспериментов, биллинговых операций, AI-аутрича и семантических слоев, которые позволяют AI-агентам автономно отвечать на вопросы стейкхолдеров. Это высококросс-функциональная роль — партнерство с Product Management, Marketing, RevOps, Finance, People Ops и Engineering для обеспечения надежного, масштабируемого и соответствующего бизнесу аналитического стека. Обязанности Построение и владение фундаментом данных - Владение и развитие dbt-проекта: обеспечение производительности, тестирования и документирования моделей. - Проектирование и поддержка хранилища данных Snowflake и процессов загрузки данных. - Использование современных практик моделирования данных для создания ключевых сущностей и наборов данных, учитывающих сложные бизнес-процессы и логику. - Создание и поддержка кастомных Python/Airflow пайплайнов для загрузки данных из сторонних API в Snowflake. - Проектирование и эксплуатация кросс-системных моделей сверки, которые сравнивают данные из разных источников для выявления расхождений и защиты выручки. Обеспечение качества данных и автоматизации - Внедрение тестирования и наблюдаемости для аналитических пайплайнов. - Соблюдение лучших практик CI/CD: автоматизация, линтинг, тесты, код-ревью и согласования. - Стандартизация определений метрик и обеспечение их единообразного расчета во всех инструментах. - Расследование и документирование инцидентов с данными от анализа первопричин до отслеживания исправлений и коммуникации со стейкхолдерами. Кросс-функциональное взаимодействие - Выполнение роли связующего звена между Engineering, GTM и Finance: обеспечение согласованных определений метрик и правильной инструментовки систем. - Предоставление стейкхолдерам возможности самостоятельного доступа к надежным инсайтам. - Повышение грамотности в работе с данными: продвижение лучших практик написания запросов, создания дашбордов и интерпретации метрик; обучение стейкхолдеров самостоятельной работе. Создание AI-готовой инфраструктуры данных - Проектирование и поддержка семантических представлений Snowflake Cortex, служащих управляемым интерфейсом данных для AI-агентов и LLM-инструментов. - Партнерство с AI/продуктовыми командами для определения, создания и валидации определений семантического слоя, поддерживающих внутренних AI-ассистентов. - Создание фреймворков измерения для AI-инициатив, включая дизайн экспериментов и атрибуционное моделирование. Требования Обязательные - Более 5 лет опыта работы аналитическим инженером, инженером данных или на аналогичной роли в SaaS-среде. - Глубокие знания SQL, dbt и современных практик моделирования данных. - Владение Python для разработки пайплайнов, интеграций с API и автоматизации. - Опыт моделирования данных Salesforce: возможности, контракты, подписки, обращения и история полей. - Подтвержденный опыт создания кастомных ELT-пайплайнов для загрузки данных из сторонних API в облачное хранилище данных. - Опыт проектирования кросс-системных моделей сверки: объединение, дедупликация и сравнение данных из нескольких источников для выявления расхождений. - Подтвержденный опыт работы с событийными данными и данными об использовании продукта (например, Posthog, Mixpanel). - Опыт связывания маркетинговых данных (платная реклама, кампании, атрибуция) с продуктовой аналитикой — желательно создание сквозных пайплайнов от рекламных платформ до метрик конверсии и удержания. - Опыт проектирования и поддержки семантических слоев, служащих управляемыми интерфейсами данных (dbt Semantic Layer, Snowflake Cortex или аналоги). - Уверенная работа с масштабными системами данных (Snowflake, BigQuery, Redshift). - Хорошее знакомство с CI/CD, Git-процессами и автоматизированным тестированием. - Опыт кросс-функционального взаимодействия с инженерами, аналитиками и продакт-менеджерами. - Подтвержденные успехи в использовании аналитики для принятия решений в технической или продуктовой среде. - Умение брать на себя ответственность за неоднозначные задачи и проектировать комплексные решения. Желательные - Опыт создания и поддержки DAG в Airflow и оркестрации пайплайнов загрузки из множества API. - Сильная база в статистике и дизайне экспериментов: A/B-тестирование, проверка значимости, измерение инкрементального эффекта. - Опыт работы с основами предиктивного моделирования: классификация, отбор признаков и оценка моделей.
Senior Analytics Engineer, dbt и Snowflake
О компании Luxury Presence — платформа ИИ для роста в сфере недвижимости. Компания поддерживается Bessemer Venture Partners и другими ведущими инвесторами, находится на стадии Series C и достигла $100 млн годового регулярного дохода. Более 90 000 специалистов по недвижимости, включая более 30% из топ-100 агентов WSJ Real Trends в США, используют платформу для управления и развития бизнеса. Обязанности Создание и развитие фундамента данных: - Владение и развитие dbt-проекта: производительность, тестирование и документация моделей. - Проектирование и поддержка хранилища данных Snowflake и процессов загрузки. - Применение современных практик моделирования данных для создания ключевых сущностей и наборов данных, учитывающих сложные бизнес-процессы. - Создание и поддержка кастомных Python/Airflow пайплайнов для загрузки данных из сторонних API в Snowflake. - Проектирование и эксплуатация кросс-системных моделей сверки для сравнения данных из разных источников и выявления расхождений. Обеспечение качества данных и автоматизации: - Внедрение тестирования и наблюдаемости для аналитических пайплайнов. - Соблюдение практик CI/CD: автоматизация, линтинг, тесты, код-ревью и согласования. - Стандартизация определений метрик и их единообразный расчет во всех инструментах. - Расследование и документирование инцидентов с данными: от анализа первопричин до отслеживания исправлений и коммуникации со стейкхолдерами. Кросс-функциональное взаимодействие: - Выполнение роли связующего звена между Engineering, GTM и Finance для согласования определений метрик и корректной инструментации систем. - Обеспечение самостоятельного доступа стейкхолдеров к доверенным инсайтам. - Повышение грамотности в работе с данными: продвижение лучших практик запросов, дашбордов и интерпретации метрик, обучение стейкхолдеров самостоятельной работе. Создание ИИ-готовой инфраструктуры данных: - Проектирование и поддержка семантических представлений Snowflake Cortex как управляемого интерфейса данных для ИИ-агентов и LLM-инструментов. - Совместно с ИИ/продуктовыми командами определение, создание и валидация семантического слоя для внутренних ИИ-ассистентов. - Создание фреймворков измерения эффективности ИИ-инициатив, включая дизайн экспериментов и атрибуционное моделирование. Требования Обязательные: - 5+ лет опыта работы аналитическим инженером, дата-инженером или на аналогичной роли в SaaS-среде. - Глубокие знания SQL, dbt и современных практик моделирования данных. - Владение Python для разработки пайплайнов, интеграций с API и автоматизации. - Опыт моделирования данных Salesforce: сделки, контракты, подписки, обращения и история полей. - Подтвержденный опыт создания кастомных ELT-пайплайнов для загрузки данных из сторонних API в облачное хранилище. - Опыт проектирования кросс-системных моделей сверки: объединение, дедупликация и сравнение данных из нескольких источников для выявления расхождений. - Опыт работы с событийными и продуктовыми данными (например, Posthog, Mixpanel). - Опыт связывания маркетинговых данных (платная реклама, кампании, атрибуция) с продуктовой аналитикой, включая сквозные пайплайны от рекламных платформ до метрик конверсии и удержания. - Опыт проектирования и поддержки семантических слоев как управляемых интерфейсов данных (dbt Semantic Layer, Snowflake Cortex или аналоги). - Уверенная работа с масштабными системами данных (Snowflake, BigQuery, Redshift). - Хорошее знание CI/CD, Git-процессов и автоматизированного тестирования. - Опыт кросс-функционального взаимодействия с инженерами, аналитиками и продакт-менеджерами. - Подтвержденные успехи в использовании аналитики для принятия решений в технической или продуктовой среде. - Умение брать на себя ответственность за неоднозначные задачи и проектировать комплексные решения. Желательно: - Опыт создания и поддержки Airflow DAG и оркестрации пайплайнов загрузки из множества API. - Сильная база в статистике и дизайне экспериментов: A/B-тестирование, проверка значимости, оценка инкрементального эффекта. - Опыт в основах предиктивного моделирования: классификация, отбор признаков, оценка моделей.
Python-разработчик, AI-агенты
Разработка AI-системы для автоматизации пользовательских действий и коммуникаций во внешних сервисах. Требуется Python-разработчик для создания первой рабочей версии продукта. Задачи: - Разрабатывать backend на Python - Создавать устойчивую браузерную автоматизацию - Работать с пользовательскими сессиями, очередями и расписаниями - Интегрировать LLM и vision-модели - Реализовывать память, контекст и инструменты AI-агента - Настраивать логирование, мониторинг и восстановление после ошибок - Обеспечивать защиту пользовательских данных и секретов - Участвовать в проектировании архитектуры, оценке сроков и технических рисков Требования: - Уверенный Python + asyncio - Опыт разработки production-систем - Playwright или аналоги - Опыт автоматизации нестабильных и меняющихся интерфейсов - Retry, переавторизация, recovery после сбоев - Понимание идемпотентности - Опыт с фоновыми процессами, очередями, расписаниями и квотами - Практика разработки LLM-приложений: агенты, function calling, память, контекст - Опыт с vision-моделями и оптимизацией стоимости инференса - Понимание шифрования, хранения секретов, access control и аудита - Docker, CI, логирование, метрики и алерты Будет плюсом: - Опыт с прокси-инфраструктурой и сетевой изоляцией - Антифрод, платежи или дейтинг - Понимание реакции внешних площадок на нетипичную активность - Опыт продуктов с нестабильными API/интерфейсами - Умение самостоятельно декомпозировать задачи и предлагать проверяемые решения На первом этапе: - Оценить реализуемость MVP - Предложить архитектуру и roadmap разработки - Определить необходимые доступы, инфраструктуру и расходы - Собрать прототип на отдельном аккаунте - Настроить фиксацию результатов, ошибок и причин остановки системы
Архитектор облачных решений
Компания «Базис» — российский разработчик программных продуктов для оказания облачных услуг и платформы динамической инфраструктуры. Ищем архитектора для развития облачных продуктов Basis Cloud Control и Basis Automation Studio. Продукты предоставляют платформу управления облачной инфраструктурой с моделью предоставления облачных ресурсов как сервис. Основные обязанности: Проработка решений для новых бизнес-задач заказчиков и развитие облачной платформы; Развитие технических компетенций смежных команд: проведение демонстраций, консультирование; Участие в определении архитектурных подходов, интерфейсов и стандартов совместно с командами разработчиков, аналитиков и инженеров; Взаимодействие с разработчиками, тестировщиками, аналитиками, инженерами и смежными продуктовыми командами для решения архитектурных задач и интеграции продуктов, реализации разработанных решений; Экспертная консультация в предпродажных активностях и эксплуатации продуктов; Формирование и поддержка архитектурной документации. Необходимый опыт работы: Опыт не менее 6 лет в инфраструктурных или облачных технологиях; Опыт участия в разработке архитектуры продуктов от 2 лет; Опыт работы с сервисами в публичных облаках (AWS, Azure, GCP, Alibaba и т.д.); Опыт работы с продуктами VMware (vSphere, Cloud Director, NSX-T, vRealize), OpenStack, ManageIQ, OpenShift, Cozystack, n8n и т.д.; Опыт работы с PostgreSQL, ClickHouse, Redis; Опыт работы с S3-решениями; Опыт работы с Ansible, Terraform/OpenTofu, понимание концепции IaC; Опыт работы с Podman, Kubernetes; Опыт работы с Linux-based системами на уверенном уровне. Профессиональные знания и навыки: Навыки разрешения проблем в технических решениях и продуктах; Знание принципов работы сетей передачи данных и сетей хранения данных; Понимание принципов работы современных микросервисных приложений и инструментов; Умение создавать и разрабатывать технические архитектуры (HLD, LLD) и диаграммы в нотации C4; Навыки проектирования интеграционных компонент, разумный подход к выбору способа интеграции с учетом ФТ/НФТ; Понимание принципов и функционирования контейнеризации и виртуализации; Понимание принципов построения комплексной ИТ-инфраструктуры больших компаний (сети, серверы, СХД, СРК, ИБ, ИС); Понимание принципов и функционирования систем высокой доступности и катастрофоустойчивости. Будет плюсом: Практический опыт использования Python и/или Golang для скриптов или разработки; Опыт работы с VMware SRM, NetApp MetroCluster, Huawei HyperMetro, Hitachi GAD, MIND Guard, Hystax Acura; Опыт работы с инструментами Observability; Опыт работы с ADR; Практический опыт использования AI/ML для рабочих задач. Условия: Трудоустройство согласно ТК РФ в IT-компании со всеми соответствующими бонусами; Заработная плата состоит из оклада и квартальной премии; График работы 5/2 пн-пт, гибкое начало дня; Социальный пакет (ДМС, оплата мобильной связи); Обучение внутри компании и на внешних курсах; Корпоративная программа лояльности (профессиональное обучение, фитнес-активности, обучение языкам и т.д.).
Senior ML-инженер
GetTransfer ищет опытного ML Engineer для разработки и внедрения ML-решений в production. В периметре компании — широкий спектр проектов: от RightTech и mobility до fintech и других технологических направлений. Это возможность работать с разными типами ML-задач, современным стеком и практически безграничными возможностями для профессионального развития в области Machine Learning. Что предстоит делать: - разрабатывать и улучшать ML-модели; - работать с большими объёмами данных; - внедрять модели в production и поддерживать их жизненный цикл; - выстраивать ML pipelines и MLOps-процессы; - заниматься мониторингом качества моделей и данных; - работать с Python и современным ML-стеком. Ожидания: - 5+ лет опыта в Machine Learning; - сильный Python; - опыт production deployment ML-моделей; - опыт с MLOps, MLflow или аналогичными инструментами; - понимание model/data versioning, CI/CD и автоматизации ML pipelines; - опыт построения мониторинга моделей и data quality; - умение работать с большими объёмами данных и сложными ML-системами.
Middle ML-инженер, LLM
Ростелеком — крупнейший в России интегрированный провайдер цифровых решений. Опыт работы: от 2 лет в роли MLE. Формат работы: возможна полная или частичная удалённая работа из России (также офисы в Москве, Краснодаре, Новосибирске). Чем предстоит заниматься - Планирование архитектуры приложений с использованием LLM в качестве основной технологии. - Разработка ML-бэкендов и микросервисов для обеспечения функциональности и интеграции различных сервисов. - Оптимизация текущих решений с акцентом на производительность и управление нагрузкой (onnx, openvino, tensorrt). Наши пожелания к кандидатам - Опыт работы в роли MLE от 2-х лет. - Уверенное знание Python и опыт разработки сетевых/асинхронных приложений. - Широкая насмотренность в области LLM, RAG. - Знание Docker, CI/CD, FastAPI и SQL.
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
Senior Computer Vision Engineer, AI/CV-решения
Компания QLAN ищет Computer Vision Engineer для разработки и внедрения AI/CV-решений в крупных компаниях и государственных структурах. Формат: удалённо Занятость: full-time, 5/2 Зарплата: от 250 000 ₽ Требуется гражданство РФ Что предстоит делать: — разрабатывать и внедрять решения в области Computer Vision; — работать с датасетами, разметкой и подготовкой данных; — проводить эксперименты и анализировать качество моделей; — создавать и поддерживать production-ready CV-решения; — работать с Linux, Git, Docker/Docker Compose; — участвовать в выборе технических подходов и анализе результатов. Что требуется: — от 3 лет коммерческого опыта в Computer Vision; — знания классического ML, статистики и алгоритмов CV; — практический опыт с PyTorch; — уверенное владение NumPy, scikit-learn, Matplotlib, OpenCV; — Linux (Ubuntu/Mint/Debian); — Docker и Docker Compose; — Git; — английский B2+; — опыт самостоятельного доведения проектов до production; — умение читать научные статьи, воспроизводить решения и адаптировать их под реальные задачи. Что предлагают: — полностью удалённую работу; — гибкое начало рабочего дня; — профессиональное развитие; — работу с современными технологиями в области CV/ML.
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).
AI-промпт-инженер, LLM и генеративный ИИ
Компания и контекст CACI International ищет AI-промпт-инженера в команду BEAGLE Agile Solution Factory (ASF), поддерживающую заказчика CBP в Северной Вирджинии. Команда работает над Agile-разработкой для Министерства внутренней безопасности (DHS). Задачи - Разработка и оптимизация промптов для различных генеративных ИИ-моделей (LLM) для получения желаемого поведения, ответов и творческих результатов. - Итеративное тестирование: сравнение вариантов промптов, анализ результатов и постоянное улучшение. - Взаимодействие с несколькими группами для интеграции промптов и оптимизации ручных процессов. - Исследования и разработка: отслеживание последних достижений в области LLM, генеративного ИИ и техник промпт-инжиниринга. - Поддержка тонкой настройки и RAG: участие в стратегиях улучшения точности моделей. - Решение проблем: отладка неожиданного поведения моделей, выявление корневых причин в структуре промпта, ограничениях модели или контексте данных. Требования - Гражданство США и способность пройти проверку службой CBP (проверка за 3 года на felony, за 1 год на употребление наркотиков, за 1 год на проступки, такие как кража или мошенничество). - Степень бакалавра в области компьютерных наук, программной инженерии, информационных технологий или смежной области (эквивалентный опыт может быть рассмотрен). - 0–3 года профессионального опыта разработки ПО, стажировок или соответствующих академических проектов. - Более 1 года практической работы с большими языковыми моделями (например, OpenAI GPT, Llama, Gemini) или другими генеративными ИИ-моделями. - Опыт как минимум с одним языком программирования (Python, JavaScript/TypeScript). - Знание техник промпт-инжиниринга (few-shot, chain-of-thought, структурированные выходы, вызов функций). - Готовность к гибридному графику с работой на месте в Ашберне, Вирджиния. Желательно - Навыки решения проблем и подход к экспериментам, основанный на данных. - Письменные и устные коммуникационные навыки, умение ясно излагать сложные технические концепции. - Способность работать самостоятельно и в команде в быстро меняющейся среде. - Опыт работы с концепциями RAG, включая эмбеддинги и векторные базы данных. - Понимание вопросов безопасности ИИ (например, prompt injection, предвзятость, конфиденциальность данных). - Опыт работы в Agile/Scrum. Условия - Полная занятость, постоянная должность. - Допуск к гостайне не требуется. - Возможны локальные командировки до 10%. - Гибридный график с присутствием в офисе в Ашберне, Вирджиния. - Культура честности и среда доверия, гибкий график отпуска, доступ к обучающим ресурсам.
AI Workflow Engineer
Ultimate Knowledge Institute ищет AI Workflow Engineer для проектирования агентного SDLC с нуля: формализованные пайплайны, где AI-агенты планируют, создают, тестируют, ревьюят и выпускают код вместе с командой старших инженеров, с управлением, обоснованием и метриками эффективности. Это не исследовательская роль и не работа с промптами — вы будете проектировать систему доставки: рабочие процессы, защитные механизмы и циклы обратной связи, позволяющие команде работать значительно быстрее без потери инженерного качества. Работа напрямую ускоряет миссию: обеспечение готовности кадров для кибервойск страны. О компании: с 1999 года Ultimate Knowledge Institute задает стандарты обучения кибербезопасности для Министерства обороны, федеральных агентств и компаний из списка Fortune 500. Платформа выявляет индивидуальные пробелы в экспертизе и строит адаптивные индивидуальные планы обучения для федеральных клиентов США, оборонного сектора, разведывательного сообщества, местных и коммерческих заказчиков. Вы присоединитесь к новой формирующейся AI-команде внутри зрелой продуктовой инженерной команды — реальные пользователи, реальные stakes и зеленое поле для трансформации процессов разработки. Задачи: - Построить агентный SDLC-пайплайн: проектировать, внедрять и эксплуатировать агентные рабочие процессы на всех этапах жизненного цикла разработки — планирование, генерация кода, ревью, тестирование, документация и релиз, интегрированные с GitOps и CI/CD-инфраструктурой. - Улучшить опыт разработчиков: внедрять современные AI-интеграции в ежедневный процесс команды — кодинг-агенты, автоматическое ревью, интеллектуальная генерация тестов и self-service инструменты. - Строить обоснованные и надежные системы: разрабатывать retrieval-grounded и контекстно-зависимые AI-системы с надежными и проверяемыми результатами, проектировать оценочные стенды для их подтверждения. - Установить управление и защитные механизмы: определять и внедрять политики, контрольные точки с участием человека, аудит-трейлы и меры безопасности для ответственного применения агентного AI в средах, где доверие критично. - Формализовать и масштабировать: превращать успешные практики в повторяемые фреймворки, плейбуки и внутренние платформы, расширяя агентное ускорение за пределы инженерии на всю организацию. - Продвигать практику: обучать и поддерживать внедрение AI в команде, выступая мультипликатором, а не изолированным специалистом. Требования: - 2-3+ года практического опыта создания систем на AI/LLM в продакшене. - 2+ года проектирования и эксплуатации агентных рабочих процессов и пайплайнов, включая многошаговую оркестрацию агентов, использование инструментов, оценку и управление. - Опыт работы в современных командах разработки с практиками GitOps и CI/CD. - Рабочее знание паттернов grounded AI: RAG, контекстная инженерия, структурированные выходы, оценка и наблюдаемость LLM-систем. - Солидные основы программной инженерии на JavaScript/TypeScript и/или Python; уверенная работа со стеком (Angular/React фронтенды на Express веб-приложениях). - Соответствие культуре continuous delivery — подход Аллспоу/Хаммонда, Phoenix Project (Ким): малые партии, быстрая обратная связь, обучение без обвинений, операционное совершенство. - Проактивность: видите возможность ускорить команду — строите, измеряете и делитесь результатом. - Сильные коммуникационные навыки: умение объяснить агентную архитектуру инженеру и ее ROI — руководителю. - Требуется разрешение на работу в США; роль — удаленная в США. Будет плюсом: - Опыт с агентными фреймворками и протоколами (LangGraph/LangMem, Claude Agent SDK, MCP, OpenAI Agents) и AI-инструментами для кодинга (Claude Code, Copilot, Cursor).
Principal-инженер AI, промпт-инжиниринг
О компании GE Vernova развивает направление генеративного ИИ: создаёт команду для автоматизации промптинга и разработки фреймворка для переиспользования промптов между бизнес-подразделениями. GE Vernova Advanced Research выступает акселератором и ведёт исследования для энергетического перехода. Позиция предполагает работу на стыке передовых технологий и традиционной промышленности. Задачи - Взаимодействовать с профильными экспертами для перевода бизнес-потребностей в эффективные промпты для LLM. - Разрабатывать, тестировать и улучшать промпты для различных сценариев, обеспечивая точность и релевантность результатов. - Тесно работать с разработчиками ПО для интеграции LLM-решений в существующие или новые приложения. - Участвовать в создании масштабируемого фреймворка для промпт-инжиниринга, способствуя переиспользованию и обмену знаниями между бизнес-подразделениями. - Помогать в сборе и анализе обратной связи пользователей для постоянного улучшения эффективности промптов. - Отслеживать достижения в области LLM и участвовать в стратегических решениях по выбору инструментов и платформ. - Документировать процессы промпт-инжиниринга, лучшие практики и результаты сценариев для создания базы знаний. Требования - 10+ лет релевантного опыта и степень магистра или PhD в области компьютерных наук, искусственного интеллекта, машинного обучения, AI-инжиниринга или смежных областях. - Готовность работать в офисе в Нискаюне (штат Нью-Йорк) или Кембридже (штат Массачусетс). - Для сотрудников в Кембридже: обязательная трёхмесячная гибридная адаптационная программа в Исследовательском центре GE Vernova Advanced Research в Нискаюне. Предоставляются расходы на поездки, жильё и проживание. - Наличие права на работу в США. Желательные качества - PhD в области компьютерных наук, ИИ, машинного обучения, инженерии, науки о данных или смежных областях. - 3+ года опыта в промпт-инжиниринге и знакомство с инструментами, такими как модели OpenAI GPT, Hugging Face и др. - 5+ лет опыта работы с Python или другими языками программирования, обычно используемыми в AI/ML. - Опыт с фреймворками машинного обучения (например, PyTorch) и библиотеками обработки данных (например, Pandas, NumPy). - Предыдущий опыт или стажировки в проектах по NLP или машинному обучению. - Знакомство с системами контроля версий, например Git. - Понимание особенностей работы традиционной промышленности и её задач. - Развитые навыки решения проблем и внимание к деталям. - Отличные коммуникативные навыки, умение объяснять сложные технические концепции нетехническим заинтересованным сторонам. - Способность работать в команде и адаптироваться к меняющимся требованиям проекта. Условия - Компания предлагает хорошую рабочую среду, профессиональное развитие, интересные задачи и конкурентоспособную компенсацию.
Backend Python-разработчик, AI-driven разработка
О компании Стартап в stealth-режиме, поддерживаемый Y Combinator, разрабатывает ИИ-технологии для трансформации процесса разработки ПО. Задачи - Быстрая разработка прототипов: создание MVP и их развитие в масштабируемые production-сервисы. - Интеграция ИИ: использование LLM и других AI-технологий для создания функций автоматической генерации кода и повышения продуктивности разработчиков. - Проектирование, разработка и развертывание backend-систем, работающих с реальным трафиком, обеспечение производительности, стабильности и отказоустойчивости. - Работа по всему стеку: backend-архитектура, интеграция AI-моделей, дизайн API, инфраструктура. - Участие в формировании инженерных практик, инструментов и культуры технической команды. Требования - Экспертный уровень в Python или Node.js: опыт создания надежных масштабируемых backend-систем и микросервисов, умение интегрировать новые библиотеки и фреймворки. - Опыт работы с LLM API (OpenAI, Anthropic и др.), интерес к применению ИИ для генерации кода и автоматизации. Наличие опыта — существенный плюс. - Хакерский склад ума: способность быстро погружаться в сложные проблемы, прототипировать решения, читать документацию на лету, постоянно итерировать. - Самостоятельность: видеть пробелы, находить возможности и действовать без ожидания указаний. Условия - Ранний сотрудник: работа с основателями, влияние на продуктовое видение, техническую архитектуру и культуру компании. - Значительная доля в капитале на ранней стадии. - Интенсивная среда Y Combinator: быстрая итерация, постоянное обучение, ежедневные ключевые решения. - Быстрый видимый результат: код напрямую влияет на прогресс компании. - Отсутствие бюрократии, lean-среда, ориентированная на результат. - Бонус: расположение в районе залива Сан-Франциско или Нью-Йорке.
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 Data and AI Specialist
Senior Data and AI Specialist в компанию Twilio. О компании Twilio — компания в сфере коммуникационных платформ (CPaaS), работающая в формате remote-first. Сотрудники могут находиться в любой точке мира. Возможны редкие очные встречи: командные сборы, офлайн-встречи или встречи с клиентами. О роли Позиция в команде Strategy & Operations в организации Industry Relations & Strategic Growth. Специалист будет отвечать за рост для клиентов и бизнеса Twilio, используя анализ данных, скриптинг и агентные рабочие процессы для улучшения качества продукта, борьбы с мошенничеством, снижения ошибок биллинга и оптимизации валовой маржи глобальной телекоммуникационной сети. Задачи - Проектировать, тестировать и разворачивать LLM и агентов для автоматизации неструктурированных многошаговых расследований данных. - Проектировать, тестировать и разворачивать автоматизированные рабочие процессы на Python для превращения повторяющихся ручных процессов в масштабируемые решения. - Создавать инструменты для одного пользователя и многошаговые рабочие процессы для повышения эффективности. - Внедрять архитектуру данных и фреймворки оркестрации ИИ для безопасности, точности, эффективности и поддерживаемости. - Выполнять SQL-запросы и многошаговый анализ данных по сложным телекоммуникационным наборам данных для оптимизации валовой маржи, снижения мошенничества и улучшения качества сети. - Разрабатывать дашборды и повторяемые BI-решения (Tableau, Looker или Python) с практическими выводами для бизнес-партнеров. - Определять ключевые показатели эффективности (KPI) и отслеживать их динамику. - Сотрудничать с Carrier Relations, Enterprise Technology, Product, Supply Operations и Finance для преобразования бизнес-потребностей в требования к данным и стандарты управления. - Готовить письменные и устные выводы, отвечающие на бизнес-вопросы. - Брать полную ответственность за продукты данных: от определения требований и документации до финальной поставки. - Обеспечивать своевременную поставку проектов на высоком уровне. Требования - 5+ лет профессионального опыта в разработке технических решений для данных и автоматизации. - Опыт работы с SQL и реляционными схемами баз данных. - Опыт работы с Google Sheets (или Excel), Tableau и/или Looker. - Опыт использования Python, API или платформ рабочих процессов (например, Airtable, Coefficient, Zapier/n8n) для создания автоматизированных процессов и пайплайнов. - Опыт создания агентов (например, Claude Code).
Ведущий AI-инженер, мультиагентные системы и LLM
О компании Flip — ведущая AI-платформа для сотрудников на передовой (frontline workers) в рознице, производстве и логистике. Миссия: Connect every employee to everything they need in one touch. KI-оркестрация — в центре будущего Flip. Flip Fusion, мультиагентная система для генерации кода, — ядро новейшего продукта. Ask AI Agent Gateway и автоматизация через Flip Flows также работают на возможностях, которые разрабатывают и поддерживают наши AI-инженеры. В роли Lead AI Engineer вы отвечаете за AI-дисциплину: архитектуру, стандарты и техническое направление во всех трёх областях, развиваете команду из трёх AI-инженеров и остаётесь hands-on на самых сложных задачах. Задачи - Отвечать за AI-архитектуру: определить единую архитектуру и стандарты для Flip Fusion, Ask AI Agent Gateway и Flip Flows. - Принять главный вызов: мультиагентные системы, созданные для конкретных сценариев, но достаточно универсальные для разных клиентов, в балансе между высокими требованиями, реализуемостью, надёжностью и экономической эффективностью. - Развивать дисциплину: осуществлять дисциплинарное руководство тремя AI-инженерами и помогать им становиться инженерами, задающими технический стандарт. - Оставаться hands-on: около 70% времени — в коде, на задачах, где важнее всего ваше суждение. Остальное — техническое и дисциплинарное руководство. - Влиять на продукты за пределами своей зоны: реализовывать архитектурные решения с продакт-менеджерами и engineering-лидами, убеждая аргументами, а не указаниями. - Работать со стеком: Python, pydantic-ai для оркестрации, Qdrant для векторного поиска, Azure AI для моделей, деплой на Kubernetes в преимущественно JVM-бэкенде (Kotlin, Micronaut) и Go. - Формировать молодую дисциплину: KI-инжиниринг в Flip настолько новый, что есть огромный простор для решений и нет готового playbook. Требования Мы ищем инженера с фундаментальным software engineering и реальным опытом работы с агентными системами в продакшене, который хочет вести дисциплину, а не только работать над кодовой базой. Если роль вас привлекает, но вы не соответствуете каждому пункту, мы всё равно ждём вашу заявку. Обязательные требования - 7+ лет опыта в разработке ПО с подтверждённым уровнем Senior или Staff, на базе фундаментального software engineering (бэкенд, платформа или full-stack). - Практический опыт проектирования, создания и эксплуатации продакшн-систем на LLM: RAG, tool calling и MCP, оркестрация и эвалы. Не прототипы, а системы, с которыми вы жили после запуска. - Опыт мультиагентной оркестрации — особенно важен. Это ядро архитектурной ответственности. - Подтверждённый опыт технического лидерства: ответственность за архитектуру, tech-lead, RFC, design reviews или установление стандартов для команды. - Подтверждённая способность продвигать техническую работу вне своей зоны ответственности: выигрывать архитектурные дискуссии убедительностью и доверием, иметь привычку быть правым без формальной власти. - Подтверждённый опыт развития людей: коучинг или менторинг инженеров, а не выполнение работы за них. - Ясное и явное намерение заниматься дисциплинарным руководством. Роль включает управление тремя инженерами, и это не просто дополнение к техническому скоупу. - Развитые коммуникативные навыки и свободный английский (C1). Желательно - Формальный опыт управления персоналом: дисциплинарное руководство, feedback- и development-встречи, рекрутинг. Сильный менторинг также считается. - Опыт кросс-командного руководства дисциплиной или направлением в матричной организации. - Опыт работы с масштабными продуктами: frontline / deskless workers, high-volume B2B SaaS или аналогично. - Опыт инженерии стоимости, задержек и надёжности для LLM-систем: guardrails, fallbacks, evaluation harnesses. - Немецкий язык любого уровня. В некоторых частях компании полезен, но для этой роли не обязателен.
Lead AI-инженер, мультиагентные системы
Компания: Flip GmbH О роли: Flip — AI-платформа для сотрудников на передовой (розница, производство, логистика). AI-оркестрация — центр развития компании: система мультиагентной генерации кода Fusion, агентский шлюз Ask AI и автоматизация Flip Flows работают на возможностях, которые создают и поддерживают AI-инженеры. В роли Lead AI Engineer вы возглавите AI-направление: отвечаете за архитектуру, стандарты и техническое направление во всех трёх продуктах, руководите командой из трёх AI-инженеров и остаётесь hands-on в самых сложных задачах. Задачи: - Владение AI-архитектурой: определение и согласование целостной AI-архитектуры и стандартов для Flip Fusion, Ask AI и Flip Flows. - Решение ключевой задачи: мультиагентные системы, специализированные под конкретные цели, достаточно универсальные для разных клиентов, с балансом ожиданий, надёжности и стоимости. - Руководство и развитие команды: people-leadership для трёх AI-инженеров, помощь в росте до инженеров, которые сами задают техническую планку. - Hands-on работа: около 70% времени — в коде, на задачах, где важнее всего ваше суждение. Остальное — техническое и people-лидерство. - Влияние на продукты: согласование архитектурных решений с продакт-менеджерами и техлидами через аргументацию, а не через мандат. - Работа со стеком: Python, pydantic-ai для оркестрации, qdrant для векторного поиска, Azure AI для моделей, деплой на Kubernetes, преимущественно JVM-бэкенд (Kotlin, Micronaut) и Go. - Формирование молодого направления: в Flip AI-инжиниринг достаточно новый, с большим пространством для дизайна и без унаследованных правил. Требования: Обязательные: - 7+ лет опыта в разработке ПО с треком уровня senior или staff, на фундаменте software engineering (бэкенд, платформа или full-stack). - Практический опыт проектирования, запуска и эксплуатации LLM-систем в продакшене: RAG, tool calling и MCP, оркестрация, eval'ы. Не прототипы, а системы, с которыми вы жили после релиза. - Опыт мультиагентной оркестрации — ключевой фактор, это ядро архитектуры. - Подтверждённое техническое лидерство: владение архитектурой, роль техлида, RFC, дизайн-ревью или установление стандартов для команды. - Умение продвигать техническую работу, которой вы не владеете: выигрывать архитектурные споры через убеждение и доверие, комфортно быть правым без формальной власти. - Доказательства развития людей: коучинг и менторство инженеров, а не поглощение их работы. - Явная приверженность people-лидерству: управление тремя инженерами — не та часть, которую вы терпите ради технического скоупа. - Отличные коммуникативные навыки и деловой английский (C1). Желательно: - Формальный опыт управления людьми: линейное руководство, перформанс- и развивающие беседы, найм. Сильные менторские доказательства ценятся так же. - Опыт руководства дисциплиной или ремеслом в матричной организации. - Продуктовый контекст в масштабе: frontline- или deskless-персонал, высоконагруженный B2B SaaS или аналогичное. - Инженерия стоимости, задержек и надёжности для LLM-систем: guardrails, fallbacks, eval-харнессы. - Немецкий на любом уровне — полезен в некоторых частях компании, для этой роли не обязателен. Условия: - Формат: remote-first, с возможностью работать из дома. Периодические командные мероприятия, воркшопы или встречи в офисах в Берлине или Штутгарте — с заблаговременным уведомлением. Точный баланс обсуждается на собеседовании. - Work-Life-Balance: оплата членства E-Gym-Wellpass и лизинг велосипеда (job bike). - Атмосфера: мотивированные и вовлечённые люди в расслабленной рабочей обстановке. - Рост: активное участие в формировании компании, поддержка быстрого роста молодой tech-компании, регулярные командные мероприятия.
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.
Staff Analytics Engineer, data modelling
Компания Pleo ищет Staff Analytics Engineer в команду Data Services & Governance. Это индивидуальный контрибьюторский уровень: вы будете владеть семантическим слоем и стандартами аналитики для всей компании, задавая стандарты качества для всех доменов. Вы будете разрабатывать, улучшать и поддерживать стандарты моделирования и практики AI-ускоренной разработки, которыми пользуются все аналитические инженеры. Семантический слой, который вы спроектируете и будете поддерживать, станет единым источником истины для AI-агентов, BI-инструментов и аналитиков. Слой находится на ранней стадии, выбор инструментов ещё идёт, и у вас будет решающий голос. BI-стек также в переходном состоянии — вам предстоит определить, каким он должен быть, и построить его. Текущий технологический стек: GCP, BigQuery, dbt Core, Airflow, SQL, Python, Claude Code, GitHub Copilot. Вы будете подчиняться менеджеру по инженерии данных, который руководит командами Data Infra & MLOps и Data Services & Governance. Основное взаимодействие — с аналитическими инженерами в функции Intelligence, которые будут обращаться к вам за архитектурными рекомендациями и решениями по семантическому слою. Также вы будете работать со Staff Data Engineer над стандартами инженерии данных и практиками пайплайнов, с другими коллегами — над self-serve аналитикой и управлением BI-инструментами, с командой Data Serving — над определениями сущностей, с платформенной командой GenAI — над тем, как должны выглядеть AI-ready данные. Задачи: - Владеть семантическим слоем: определять, что такое метрика, как она структурирована, где хранится и как обеспечивается её соблюдение. Цель — единое каноническое определение MRR, оттока, транзакции и клиента, используемое аналитиками, BI- и AI-инструментами без расхождений. - Задавать стандарты моделирования данных для функции: как выглядит чистая, слоистая, хорошо протестированная dbt-архитектура во всех доменах и на всех уровнях сложности. - Создать и вести сообщество практики Analytics Engineering: код-ревью, общие паттерны, документация, онбординг. Цель — социальная инфраструктура, которая делает стандарты устойчивыми. - Владеть практикой AI-нативной разработки: использовать AI-инструменты кодирования как естественную часть рабочего процесса написания, ревью и миграции моделей данных. Оценивать, что работает в управляемом контексте инженерии данных, что создаёт риски, и формировать, как сообщество их внедряет. - Вести ответственную AI-ускоренную миграцию: использовать AI-инструменты для ускорения моделирования и миграций в аналитическом хранилище и операционной платформе данных. - Проектировать модели данных и определения метрик в документированном и структурированном виде, обеспечивающем надёжное потребление AI-сервисами без участия человека. - Взаимодействовать с бэкенд- и продуктовыми инженерами для внедрения дисциплины контрактов данных и владения схемами на上游, а не управления несогласованностью на下游. - Участвовать в развитии Data & AI-продуктов для внешней клиентской аналитики, где растут паттерны моделирования и потребности в разговорной аналитике. Требования: - Глубокий подтверждённый опыт в области моделирования данных и аналитической инженерии.
Старший Applied AI-инженер, RAG и LLM
О компании Pleo — компания, создающая решения для управления расходами. Более 40 000 клиентов, команда из 850+ человек более чем 100 национальностей. Компания помогает бизнесу выходить за рамки и уже 10 лет работает на рынке. О роли Вы будете подчиняться старшему менеджеру по продуктам Data & AI. Вы станете одним из первых в команде, но будете работать в тесном сотрудничестве с инженерами и дата-сайентистами. Команда покрывает полный цикл от данных до выпущенного продукта. Основной фокус — создание и выпуск AI-функций, совместно с командами Product Engineering, AI Platform и Data & ML Platform. Задачи - Создавать и выпускать AI-функции для клиентов Pleo, отвечая за результат от начала до конца в своей области. - Проектировать и создавать RAG-системы для конкретных продуктовых сценариев: стратегии чанкинга, выбор эмбеддинг-моделей, оптимизация поиска и оценка качества. - Управлять полным жизненным циклом AI-продукта: дизайн промптов, управление контекстом и состоянием, агентные циклы, парсинг вывода, обработка крайних случаев и безопасный продакшн. - Создавать оценочные датасеты и автоматизированные пайплайны оценки, чтобы команда была уверена в качестве AI-функций до и после изменений. - Настраивать наблюдаемость AI-функций в продакшене: логирование, обнаружение дрейфа, мониторинг качества и алертинг. - Совместно с Product и Design определять объём AI-функций с нуля; вы соавтор того, что создаётся, а не просто исполнитель спецификаций. - Взаимодействовать с командой GenAI Platform для определения потребностей в инфраструктуре и продвигать использование платформенных инструментов. - Поддерживать других инженеров через ревью, парное программирование и прагматичное техническое лидерство в ваших проектах. Требования - Подтверждённый опыт выпуска пользовательских AI-функций с использованием LLM — не прототипов, а реальных продакшен-систем с реальными пользователями. - Глубокий практический опыт проектирования RAG-систем и полного пайплайна поиска: эмбеддинг-модели, векторные базы данных, чанкинг, гибридный поиск, реранкинг. - Опыт создания и эксплуатации фреймворков оценки для LLM-систем; системный подход к измерению качества. - Сильные навыки Python-разработки: код продакшен-качества, протестирован и поддерживаем. - Опыт создания API и пайплайнов получения данных для подачи контекста в AI-системы. - Достаточная интуиция в работе с данными, чтобы рассуждать о качестве данных, схеме и архитектуре поиска без постоянной поддержки выделенного дата-инженера. - Опыт с паттернами агентных систем: использование инструментов, многошаговая оркестрация, обработка ошибок в LLM-процессах. - Знакомство с публичными облачными провайдерами (AWS, GCP). - Платформа использует несколько языков, включая Kotlin и Python. Роль ориентирована на Python, но время от времени потребуется вносить вклад в Kotlin-стек, поэтому важна открытость к этому. Качества - Сильное продуктовое чутьё и ориентация на пользователя. Вы понимаете, что модель хороша настолько, насколько хороша решаемая ей проблема.
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.
AI Automation Engineer, Full-stack разработчик
Производственная компания, 17 лет занимается шатрами, ангарами и каркасно-тентовыми конструкциями, внедряет ИИ в управление: продажи, производство, маркетинг, SEO, ERP, автоматизацию отделов и работу с данными. Ищет специалиста на постоянную работу, который сможет проектировать и внедрять реальные AI-инструменты в бизнес. Что уже есть ERP-система управления продажами и производственными процессами. Интеграции через API и MCP-серверы с Bitrix24 / внутренними сервисами. Архитектура системы управления производством, отделами и заказ-нарядами. 41 SEO/маркетинговый AI-агент, которые нужно развивать, улучшать и запускать в работу. Потребность в постоянной автоматизации: CRM, сайты, лидогенерация, маркетинг, производство, аналитика, внутренние ассистенты. Что нужно делать Работать с Claude Code, Codex и другими AI-инструментами для разработки. Проектировать и дорабатывать ERP, CRM-интеграции, MCP-серверы, API-связки. Создавать AI-агентов для SEO, маркетинга, продаж, аналитики и внутренних процессов. Разрабатывать небольшие веб-сервисы, панели управления, интеграции и автоматизации. Работать с базами данных, SQL, серверной логикой, backend/frontend-кодом. Разбираться в существующей архитектуре и предлагать решения, которые реально внедряются в работу компании. Помогать превращать бизнес-задачи в работающие технические решения. Кого ищут Нужен инженер, который понимает, как работают: языковые модели и ограничения LLM; prompt engineering, context engineering, agents, tools, MCP; API, webhooks, интеграции между сервисами; backend, frontend, базы данных, SQL; серверы, деплой, логи, отладка; бизнес-процессы: продажи, производство, маркетинг, CRM/ERP. Будет плюсом Опыт с Claude Code, Codex, Cursor или аналогичными AI coding tools. Опыт создания AI-агентов. Опыт с Bitrix24, n8n, Make, Telegram-ботами, CRM/ERP. Опыт SEO-автоматизации, генерации контента, лидогенерации. Примеры реальных проектов, где ИИ был внедрен в бизнес-процесс, а не остался демо. Формат Постоянная работа. Удаленно или гибридно обсуждается. Важен результат, самостоятельность и способность доводить решения до внедрения. В сопроводительном письме обязательно ответить: Какие AI-инструменты для разработки реально используете: Claude Code, Codex, Cursor, ChatGPT, другие? Показать 1-3 проекта, где автоматизировали бизнес-процесс с помощью ИИ, API, базы данных или агентов. Описать коротко один самый сложный технический кейс: задача, стек, что сделали, какой был результат. Как бы подошли к задаче: есть ERP, Bitrix24, база данных, сайт и SEO-агенты. Нужно связать это в единую AI-систему управления компанией. С чего начнете? Приложить GitHub, портфолио, описание проектов или короткое видео-демо, если есть. Отклики без сопроводительного письма и примеров работ не рассматриваются. Тестовое задание Диагностическое задание на мышление. Оно должно показать, умеет ли человек проектировать систему, работать с агентами, API, SQL и бизнес-задачей. Задание для кандидата Представьте, что у компании есть: сайт с заявками; Bitrix24 / CRM; ERP-система производства; база данных заказов; 41 SEO-агент; Claude Code / Codex для разработки; задача: автоматизировать путь от лида до производственного заказ-наряда. Нужно подготовить короткое техническое решение на 2-4 страницы: Какую архитектуру предложите? Какие сервисы, API, MCP-серверы или агенты нужны? Какие таблицы или сущности должны быть в базе данных? Как будет идти путь заявки: сайт → CRM → расчет → заказ → производство → контроль статуса? Какие ошибки и риски предусмотрите? Что можно сделать за первые 2 недели? Где ИИ действительно полезен, а где лучше обычная программная логика? Дополнительно, если кандидат сильный технически: сделать небольшой прототип API или псевдокод одного процесса, например: принять заявку; проверить данные; создать сделку в CRM; записать в БД; вызвать AI-агента для классификации заявки; вернуть статус. Формат: Markdown, PDF, GitHub или Google Doc. Срок: 1-2 дня. Объем: без воды, главное структура и логика.