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
Опытный C++ разработчик, бэкенд
Команда занимается сбором и подготовкой данных для еком-среза Поиска. Задачи: production-код на C++20, работа с данными и создание MVP на Python, ML (подготовка и внедрение как YandexGPT, так и моделей поменьше — BERT, CatBoost, DSSM). Задачи: - Использование связей «товары — каталоги» для наполнения товарной базы. Эффективный способ индексировать множество товарных страниц в интернете, которые постоянно меняются, — естественные батчи: каталоги и листинги. Нужно с высоким качеством получать информацию о товарах со страниц каталогов и в правильном порядке обходить страницы на уровне базы. Также предстоит поддерживать ключи для связи сущностей в базе (many-to-many), чтобы не нарушать консистентность данных. - Определение доступности товаров для заказа. Чтобы сделать товарную выдачу релевантной, нужно понимать, какие товары пользователь действительно может заказать. Для этого требуется быстро находить недоступные страницы и товары, которых уже нет в наличии, а также учитывать в рантайме региональность. Требования: - Знание классических алгоритмов и структур данных - Написание кода на C++ и Python - Опыт продуктовой разработки - Готовность учиться и осваивать новые технологии Условия: - Ежегодные медицинские чекапы - Йога и психотерапия
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
Middle+ TechOps SAAS-инженер
TechOps SAAS Engineer (Middle+) Локация: удаленно (желательно часовой пояс GMT+5 - GMT+8) Язык команды: английский Обязанности: - Решать технические проблемы клиентов от начала до конца (Helpdesk + Slack) в рамках SLA - Проводить анализ первопричин с помощью Grafana, Datadog (логи, метрики, трейсы) - Строить дашборды мониторинга и проактивные алерты - Писать Python-скрипты для автоматизации и массовых операций - Активно использовать ИИ (Claude, Cursor, ChatGPT) для ускорения диагностики Требования: - Уверенный ежедневный опыт работы с LLM и промпт-инжинирингом - Практический опыт с Grafana/Datadog (создание дашбордов и алертов) - Python-скриптинг и глубокое понимание распределенных систем - 2+ года в TechOps/технической поддержке (FinTech/Forex/Crypto — плюс) - Отличный английский (C1+)
AI-инженер Python, LLM и RAG
TwelveAI ищет AI-инженера для разработки LLM-ассистента и backend-логики для AI-платформы, которая автоматизирует продажи, запись и поддержку клиентов. Локация: Астана, офис. Формат: Full-time, 5/2. Зарплата: от 600 000 тенге. Задачи: — разрабатывать LLM-ассистента: чат, сценарии и логику диалогов; — создавать RAG-системы, работать с embeddings, chunking и retrieval; — интегрировать БД и внешние сервисы; — разрабатывать REST и async API; — работать с транзакциями, race conditions и WebSocket; — оптимизировать качество ответов и стоимость инференса. Стек: Django 4.2, Django Ninja, DRF, Daphne, Django Channels, PostgreSQL, Redis, Celery, OpenAI SDK, scikit-learn, NumPy, SciPy, vector DB, Docker. Будет плюсом: Document AI, OCR/NLP, semantic matching, AI-агенты, микросервисы, CI/CD.
Senior AI-инженер, ML и LLM
Eraneos — технический спин-офф глобальной управленческой консалтинговой компании. Клиенты — преимущественно компании из DAX и Fortune Global 500. Мы разрабатываем индивидуальные решения в области аналитики, больших данных и машинного обучения, помогая клиентам становиться компаниями на основе ИИ. Головной офис в Гамбурге, дополнительные офисы в Мюнхене и Дюссельдорфе, хаб-офисы в Кёльне, Берлине, Франкфурте и Штутгарте. Senior AI-инженер соединяет Data Science, машинное обучение, разработку ПО и консалтинг. Задачи: - Разрабатывать и вводить в эксплуатацию ИИ-модели, дающие измеримые результаты для клиентов. - Тесно работать с заинтересованными сторонами: понимать бизнес-задачи, переводить их в подходы на основе данных и превращать в готовые end-to-end решения. - Проектировать, внедрять и оценивать сценарии ИИ и ML — от классического ML до современных LLM, обеспечивать их надёжное развёртывание и мониторинг. - Создавать прототипы, применять практики MLOps, разработку ПО и интеграцию для воспроизводимости, масштабируемости и непрерывного улучшения ИИ-систем. - Понятно и уверенно доносить результаты до технической и нетехнической аудитории. - Думать за пределами краткосрочной реализации, добиваясь устойчивого эффекта для бизнеса клиентов. Требования: - Подтверждённый опыт в Data Science, статистике, машинном обучении, разработке ПО и/или прикладных ИИ-проектах. - Свободное владение Python, уверенное использование современных и распространённых ML-фреймворков и библиотек. - Опыт с Model Serving, мониторингом и CI/CD-процессами (например, MLflow, Airflow, Docker, GitHub Actions). - Написание чистого поддерживаемого кода, структурирование проектов с использованием современных практик разработки (FastAPI, SQLAlchemy, Pydantic). - Практический опыт с NLP и LLM: GPT, Claude, Gemini, Llama или Deepseek. - Уверенное владение SQL и работа с базами данных, проектирование эффективных пайплайнов для обучения и инференса. - Знакомство с ML-стеками на AWS, Azure или Google Cloud. - Свободный немецкий (C1) и английский. Условия: - Проекты на стыке стратегии, технологий и бизнеса. - Гибкий график, мобильные модели работы, возможность удалённой работы. - Открытая культура на «ты», плоские иерархии, международная среда. - Индивидуальные карьерные пути, обучение и развитие. - Международная сеть из более чем 1300 коллег, регулярные мероприятия. - Возможность саббатикала. - Company Bike и субсидия на EGYM Wellpass. - Современные офисы в Гамбурге, Мюнхене, Дюссельдорфе и гибкие хабы в крупных городах Германии. - Бесплатные напитки, фрукты, закуски и кофе.
Marketing Engineer, AI Deployment
Figma ищет Marketing Engineer, AI Deployment. Эта роль находится на стыке операций, данных и маркетинга и сосредоточена на превращении стратегии и ручной работы в масштабируемые автоматизированные системы. Это не традиционная операционная роль, а системно-ориентированная позиция, посвященная созданию инфраструктуры, рабочих процессов и интеллектуальных слоев, которые обеспечивают современный, продуктово-информированный механизм дохода и эффективности в маркетинге. Идеальный кандидат — эксперт в создании взаимосвязанных слоев данных, оптимизированных для ИИ, внедрении ИИ и переводе сложных бизнес-задач в масштабируемые автоматизированные технические процессы, которые напрямую влияют на доход и операционную эффективность. Успех в этой роли измеряется тремя показателями: - Количество запущенных ИИ-агентов — число ИИ-систем, внедренных в реальное регулярное использование маркетологами. - Сэкономленные часы — ручная работа, возвращенная организации и реинвестированная в задачи с более высокой отдачей. - Привлеченный доход — pipeline, рост конверсии или скорость сделок, напрямую связанные с созданными системами. Это полная занятость. Роль может выполняться из одного из хабов компании в США или удаленно на территории США. Обязанности: - Выявлять и определять высокоэффективные случаи использования ИИ в маркетинге, доводя их от прототипа до полного развертывания. - Обучать и партнериться с маркетологами, помогая им перейти от начального уровня к полной трансформации рабочих процессов и самодостаточности. - Создавать индивидуальные инструменты, агентов, автоматизации и интеграции (API, MCP-серверы) под задачи каждого оператора — кампании, жизненный цикл, производство контента, интеллектуальная отчетность и другое. - Владеть и развивать управляемый через GitHub маркетинговый ИИ-кортекс из промптов, навыков, контекстных файлов и агентов, относясь к нему как к продукту: версионирование, документация и постоянное улучшение. - Распознавать паттерны в своей когорте и систематически продуктивизировать работающие решения — инструменты, созданные для одного маркетолога, должны становиться переиспользуемыми для коллег, а затем и для всей организации. - Измерять результаты: определять критерии оценки, инструментировать ИИ-процессы и отслеживать внедрение, чтобы выявить, какие агенты, промпты и навыки приносят пользу, и отключать те, что не работают. - Документировать каждый процесс, инструмент, плейбук и паттерн трансформации, чтобы знания масштабировались за пределами одного человека. - Следить за трендами в генеративном ИИ, LLM и агентных системах и открыто делиться успехами с командой и руководством для создания импульса и стимулирования внедрения. Требования: - Подтвержденный опыт как ИИ-строителя — агенты, LLM-процессы, автоматизации или промпт-системы, запущенные в продакшн и принятые реальными пользователями. Важнее, что именно создано, а не количество лет в какой-либо функции. - Глубокие практические знания Gumloop (предпочтительно) или эквивалентных платформ оркестрации агентов, таких как n8n, Workato или Zapier, включая создание общих шаблонов процессов, которые нетехнические пользователи могут самостоятельно адаптировать и изменять. - Опыт создания и поддержки общих библиотек промптов, каталогов навыков или баз знаний, читаемых ИИ. Бонус — управление ими в системе контроля версий (GitHub и т. п.) с надлежащей документацией и оценками. - Склонность к измерениям — инстинктивное инструментирование создаваемых систем, определение критериев успеха и итерации на основе данных, а не ощущений. - 5+ лет опыта создания систем для go-to-market команд — Marketing Operations, Revenue Operations, Sales Operations, AI Transformation или Technology Transformation. Меньший срок рассматривается при сильном портфолио ИИ-строителя. Плюсом будет: - Опыт работы с инструментами маркетинговой автоматизации и композитными CDP (например, Customer.io, Hightouch, Census) с reverse ETL процессами. - Умение запрашивать данные с помощью SQL в хранилищах вроде Snowflake или BigQuery, а также легкое скриптование на Python или TypeScript для прототипирования интеграций. - Опыт руководства кросс-функциональными программами обучения, тренингов и управления изменениями, которые переводят потребности стейкхолдеров в структурированные ИИ-процессы. - Применение принципов product-led growth для формирования продуктово-информированных маркетинговых активностей и стратегий кампаний. - Взаимодействие с продуктовой экосистемой Figma и более широким ландшафтом инструментов для дизайна и разработки.
Backend-инженер Python, парсинг соцсетей и LLM
Компания собирает и классифицирует тренды в нишах по соцсетям. Система парсит контент площадок, размечает его по тематикам и форматам через LLM и отдает результат в контент-планы экспертов. Сейчас модуль работает на сторонних платных сервисах, запускается вручную и считает нишу несколько дней из-за лимитов на выгрузку. Задача инженера — перевести его на собственные парсеры и автоматический запуск, расширить список площадок и снизить стоимость прогона до близкой к нулю. Проект находится на стадии MVP. Первые эксперты должны начать пользоваться продуктом в августе 2026 года, первые клиенты ожидаются ориентировочно в сентябре. Бэклог на следующие 6–12 месяцев ещё формируется, поэтому задачи и приоритеты будут уточняться по мере тестирования продукта. Задачи: - Писать и поддерживать парсеры соцсетей: Instagram, TikTok, Threads, дальше Facebook, X и другие площадки. - Уходить со сторонних платных сервисов на Apify и затем на собственные решения, контролируя стоимость прогона. - Сделать автозапуск пайплайна: расписания, очереди, ретраи, мониторинг и оповещения о сбоях. - Классифицировать контент через LLM: тематики, форматы, признаки тренда. - Собирать и вести пайплайны обработки на LangGraph или LangChain. - Сравнивать модели по качеству и цене и переводить разметку на более выгодную. - Проектировать хранение и витрины данных, из которых собираются контент-планы. - Держать систему живой при изменениях на стороне площадок. Задачи приходят не как готовые технические задания, а как описание процесса и ожидаемого результата. Инженеру нужно самостоятельно уточнить ограничения, сравнить варианты реализации и выбрать решение, подходящее для текущего масштаба, а не для гипотетического. Инженер будет работать напрямую с Product Manager и fullstack-инженерами платформы, которая потребляет данные трендвотчинга. CTO, отдельного архитектора и DevOps в команде пока нет, поэтому сотрудник должен самостоятельно принимать технические решения и доводить задачи до production.
Senior Fullstack Engineer (Python / React / LLM) (платформа Experts)
Мы делаем платформу для скаутинга и поддержки эксперта. Эксперт приходит через партнерскую сеть, проходит проверку по критериям, подписывает договор онлайн и заполняет структурированные формы о своей профессиональной деятельности. Из этих данных собираются базы, которые используют другие наши продукты. Проект находится на стадии MVP. Первые эксперты должны начать пользоваться продуктом в августе 2026 года, первые клиенты ожидаются ориентировочно в сентябре. Бэклог на следующие 6–12 месяцев ещё формируется, поэтому задачи и приоритеты будут уточняться по мере тестирования продукта. Ищем двух fullstack-инженеров: первый выходит на старте и закладывает архитектуру, второй присоединяется следом. Предстоит построить платформу с нуля: от регистрации партнера по реферальной ссылке до передачи данных об эксперте в смежные продукты. 1. Проектировать backend, API и структуру данных2. Разрабатывать личные кабинеты партнера и эксперта на React: формы, прогресс, статусы, возврат на доработку3. Делать админку: очередь заявок, оповещения, решения по экспертам4. Собирать контур допуска партнера: видеоуроки, тест, доступ к работе5. Вести договор в кабинете эксперта6. Строить KYC-пайплайн на LLM: прием документов, извлечение данных, оценка по критериям, вердикт7. Отвечать за качество LLM: промты, стабильность результата, разбор расхождений с решением администратора8. Собирать из форм структурированные данные и отдавать их в смежные продукты через API9. Строить очереди и фоновые процессы, деплоить и держать стабильность после релиза Задачи приходят не как готовые технические задания, а как описание процесса и ожидаемого результата. Инженеру нужно самостоятельно уточнить ограничения, сравнить варианты реализации и выбрать решение, подходящее для текущего масштаба, а не для гипотетического. Часть требований к обработке данных на входе будет неполной — их предстоит уточнять вместе с продуктом и владельцами смежных продуктов. Инженер будет работать напрямую с Product Manager и дизай...
PHP-разработчик в TRIBE
Работа на неполный день с возможностью удалёнки. Стажер backend-направления в SimbirSoft. PHP-разработчик в TRIBE. Python / LLM Engineer: RAG и ИИ-агенты в ООО М-ТЕХ. Москва. Санкт-Петербург. Самара. До 200 000 ₽. Разработчик сайта (Laravel) в ИТ-школа Стартория. Intern data scientist в Strikt. Больше вакансий remote parttime
Middle Data Science, LLM/NLP
Т1 — один из лидеров российского ИТ-рынка, партнёр ключевых производителей и разработчиков в сфере ИТ. Направление Искусственного интеллекта: большие данные, платформы хранения информации, аналитические и рекомендательные системы для крупного бизнеса. Опыт работы: от 3 до 6 лет. Формат работы: Рязань, гибрид. Чем предстоит заниматься - Интеграция LLM в продукты и сервисы (API, backend, пайплайны обработки данных). - Оценка качества ответов моделей (автоматические метрики, human eval). - Построение RAG-систем: индексация данных, работа с векторными БД. - Оптимизация производительности и стоимости инференса (квантизация, batching, caching). Наши пожелания к кандидатам - Уверенное владение Python, SQL. - Знания в области NLP алгоритмов. - Опыт работы с prompt engineering, fine-tuning / PEFT (LoRA, adapters), RAG-подходами. - Опыт с фреймворками: LangChain, LlamaIndex, Hugging Face.
Senior DS Product Manager, автоматизация поддержки
Юнит Support Automation создаёт решения для автоматизации работы команд поддержки пользователей. Мы разрабатываем ML- и LLM-модели, которые помогают операторам быстрее и точнее решать запросы, сокращая время на низкоуровневую рутину и повышая качество взаимодействия с пользователями. Наша цель — создавать платформенные и масштабируемые решения, которые будут использоваться по всем вертикалям Авито. Мы ищем Senior DS Product Manager, который станет глобальным владельцем направления автоматизации поддержки, сможет генерировать гипотезы, проверять их и доводить реализацию до результата. Примеры будущих задач: — исследовать и валидировать точки роста в автоматизации, генерировать гипотезы и доводить успешные из них до реализации; — формировать и защищать продуктовые решения, включая ML- и бизнес-метрики, чтобы оценить эффективность; — управлять работой команды, выводом ML/LLM-решений в тесты и эксплуатацию, контролировать их качество и стабильность; — разбирать инциденты и выстраивать процессы улучшения; — следить за трендами в области ML и LLM, искать и внедрять современные подходы, которые улучшают качество решений; — обеспечивать коммуникацию с внутренними и внешними стейкхолдерами и регулярно отчитываться о ходе работ. Будет здорово, если вы: — не менее четырех лет управляли технической командой и бэклогом, запуская сервисы на основе ML/LLM-технологий; — умеете делать аргументированный и подкреплённый данными дискавери; — разбираетесь в том, как устроена автоматизация и в жизненном цикле ML-моделей; — следите за трендами в индустрии и последними разработками в области AI, ML и LLM; — умеете проанализировать стоимость разработки и потенциальную ценность предлагаемого решения; — можете ясно и доступно объяснять технические темы DS, аналитикам и продукт-менеджерам; — мыслите системно, логично структурируете информацию и умеете подкреплять гипотезы фактами и цифрами; — готовы к выступлениям перед руководством и стейкхолдерами; — знакомы с внутренними архитектурами и платформенными решениями Авито; — имеете опыт работы с пользователями и стейкхолдерами через B2B-проекты; — интересуетесь вопросами Trust & Safety и пользовательского опыта; — умеете использовать SQL или Python для анализа данных.
LLM-инженер, генеративный ИИ и MLOps
Компания Cognizant. Роль: LLM-инженер. Вы будете проектировать, создавать, оптимизировать и развертывать решения на основе больших и малых языковых моделей (LLM и SLM), которые обеспечивают работу корпоративной Agent Factory. Вы станете членом команды AI Engineering и будете работать совместно с дата-сайентистами, платформенными инженерами, продуктовыми командами и бизнес-заинтересованными сторонами для создания масштабируемых, готовых к продакшену возможностей генеративного ИИ. Обязанности - Проектировать, создавать, дообучать, развертывать и оптимизировать решения на основе LLM и SLM для корпоративных сценариев. - Разрабатывать и поддерживать пайплайны супервайзерного дообучения, адаптации моделей и оценки. - Применять продвинутые методы оптимизации моделей, включая LoRA, QLoRA, дистилляцию, квантизацию и сжатие моделей, для повышения производительности и эффективности. - Оценивать коммерческие, открытые и внутренние базовые модели по качеству, стоимости, масштабируемости и эксплуатационным требованиям. - Сотрудничать с кросс-функциональными командами для поддержки доменных AI-решений с использованием одобренных корпоративных наборов данных и лучших практик ответственного ИИ. Условия работы - Удаленная позиция, открытая для квалифицированных кандидатов в Луисвилле, Кентукки. - Позиция не предусматривает перенос или спонсирование визы сейчас или в будущем. Требования - 7+ лет опыта в разработке ПО, AI-инжиниринге, ML-инжиниринге, платформенном инжиниринге или смежной технической дисциплине. - 2+ года практического опыта разработки и развертывания решений на основе генеративного ИИ, LLM, SLM или агентного ИИ в продакшен-среде. - Опыт создания корпоративных AI-приложений с использованием LLM, RAG, промт-инжиниринга, API и облачных или локальных платформ. - Глубокое понимание методов дообучения моделей, адаптации, фреймворков оценки и методологий измерения качества ИИ. - Владение разработкой ML, развертыванием моделей и лучшими практиками MLOps. - Опыт работы с Python и современными AI/ML-фреймворками и инструментами. Желательно - Знание AI-инфраструктуры, оптимизации GPU и обслуживания моделей большого масштаба. - Опыт внедрения управления моделями, ответственного ИИ и фреймворков оценки. - Знакомство с векторными базами данных, эмбеддинг-моделями и продвинутыми RAG-архитектурами. - Опыт создания корпоративных AI-платформ, мультиагентных систем или фреймворков оркестрации агентов. Зарплата и льготы - Заявки принимаются до 17 сентября 2026 года. - Годовая зарплата: от $81 337 до $141 500 в зависимости от опыта и квалификации. - Участие в дискреционной ежегодной программе поощрения Cognizant на основе результатов и условий планов. - Льготы: медицинская, стоматологическая, офтальмологическая страховка, страхование жизни; оплачиваемые праздники и отпуск; план 401(k) и взносы; долгосрочная и краткосрочная инвалидность; оплачиваемый отпуск по уходу за ребенком; программа покупки акций для сотрудников.
Инженер по оценке ИИ-агентов, разработчик задач
Компания Mindrift подбирает специалистов для проектной работы с ИИ-системами ведущих технологических компаний. Участие проектное, не постоянная занятость. Роль: разработка задач на кодинг для frontier-моделей ИИ. Каждая задача — самодостаточное Docker-окружение с неработающим кодом, который агент должен исправить; автоматические тесты проверяют результат. Итоговый результат — полный пакет: сломанный код, тесты, инструкция и эталонное решение. Задачи: - Придумать реалистичный сценарий разработчика — реальный баг, сломанный ETL, отсутствующая функция, а не учебная проблема. - Собрать воспроизводимое Docker-окружение с фиксированными зависимостями. - Написать pytest, проверяющий результат, а не команды, — детерминированный, стабильный, не раскрывающий исправление. - Написать instruction.md в формате Jira-тикета. - Написать эталонное решение solve.sh, доказывающее решаемость задачи. - Калибровать сложность так, чтобы современные агенты решали задачу в 20–60% случаев. - Дорабатывать задачи по обратной связи от экспертных QA-ревьюеров. - Позже — рецензировать задачи других авторов в роли QA-ревьюера. Вне области: разметка данных, промт-инжиниринг, продакшн-код, задачи уровня Leetcode. Требования: - 3+ года продакшн-разработки в одном бэкенд-стеке: Python, Go, Node.js, Java или Rust. - Свободное владение Python и pytest — обязательно независимо от основного стека: фикстуры, parametrize, monkeypatch, таймауты, conftest.py. - Опыт создания Docker-образов: воспроизводимые Dockerfile, фиксированные зависимости, multi-stage сборки, запуск от non-root пользователя. - Уверенная работа с Linux и Bash: отладка внутри контейнеров (strace, lsof, journalctl), shell-скрипты сложнее set -euo pipefail. - Опыт работы с ИИ-агентами кодинга — Claude Code, Cursor, Roo Code или аналогичными — на нетривиальных задачах; умение привести пример, когда ИИ уверенно ошибался, и как это было обнаружено. - Письменный английский уровня B2+. Не подходит: инженеры Data Science, ML или Computer Vision без бэкенд-опыта; мануальные QA без автоматизации; фронтенд-only, low-code/no-code, IT-поддержка, бизнес-аналитики; инженеры без опыта написания pytest с нуля; джуниоры, интерны или ассистенты на последней позиции. Предпочтительно: - Глубина в одной из областей: безопасность, системное администрирование (nginx, systemd, cron), научные вычисления (NumPy, PyTorch, SciPy), DevOps или внутренности Git. - Современный Python-тулинг: uv, poetry, pyproject.toml. - Инструменты покрытия: pytest-cov, coverage.py, gcov, llvm-cov, kcov. - Фаззинг или property-based тестирование (Hypothesis). - Опыт участия в бенчмарках оценки агентов. Процесс: заявка → квалификационный этап (90-минутный тест-задача и короткое поведенческое интервью) → присоединение к проекту → выполнение задач → оплата. Время: онбординг — около 10 часов на первую задачу; далее — около 5 часов на задачу, 2–4 параллельные задачи; реалистичная недельная нагрузка — 8–20 часов. График свободный, задачи сдаются к дедлайну и по критериям приёмки. Оплата: до $35 в час, зависит от экспертизы, оценки навыков, локации и потребностей проекта. Возможны повышенные ставки для узких специалистов, пониженные — на онбординге. Детали оплаты сообщаются по каждому проекту.
Senior AI-архитектор, Generative AI и Agentic AI
Компания AIT Global, Inc. Локация Удалённо О роли Ищем опытного архитектора Generative AI / Agentic AI для руководства проектированием, разработкой и внедрением корпоративной AI-платформы нового поколения. Идеальный кандидат — практикующий архитектор с глубокой экспертизой в Agentic AI, больших языковых моделях (LLM), облачных технологиях AWS и современных фреймворках оркестрации ИИ. Роль требует сильного технического лидерства для проектирования масштабируемых AI-решений, а также наставничества и руководства командой разработчиков. Обязанности - Проектировать и создавать корпоративную платформу Generative AI и Agentic AI с нуля. - Руководить проектированием и разработкой AI-агентов и мультиагентных систем с использованием современных фреймворков Agentic AI. - Определять архитектуру платформы, переиспользуемые компоненты, стандарты безопасности, управления, наблюдаемости и развёртывания. - Руководить и наставлять команду AI-инженеров и разработчиков: архитектура, дизайн, код-ревью, поставка. - Взаимодействовать с бизнес- и техническими стейкхолдерами для преобразования требований в масштабируемые AI-решения. - Оценивать и интегрировать новые AI-технологии и фреймворки. Требования - 15+ лет опыта в разработке ПО, из них 3+ года в Generative AI / Agentic AI. - Практический опыт проектирования и разработки решений Agentic AI с использованием: LangGraph/LangChain, Strands Agents, Model Context Protocol (MCP), Agent-to-Agent (A2A), Loop Engineering, оркестрация AI-воркфлоу и мультиагентные архитектуры. - Опыт создания LLM-приложений: промпт-инжиниринг, RAG, Function Calling, Tool Calling, управление памятью, AI Guardrails. - Практический опыт работы с AWS: Amazon Bedrock, EKS/ECS, Lambda, API Gateway, Step Functions, S3, DynamoDB/Aurora, IAM, CloudWatch. - Сильные навыки Python; опыт с FastAPI и REST API. - Знание React/TypeScript — плюс. - Опыт с векторными базами данных, микросервисами, Docker, Kubernetes и CI/CD. - Понимание концепций Generative UI (GenUI) и AI-управляемого пользовательского опыта. Предпочтительные квалификации - Опыт создания корпоративных AI-платформ от концепции до продакшена. - Желателен опыт в здравоохранении, особенно с данными плательщиков (payer data). - Знание Responsible AI, управления ИИ, безопасности и наблюдаемости. - Желательны сертификаты AWS Solution Architect или AI/ML. - Отличные коммуникативные навыки, управление стейкхолдерами и техническое лидерство.
Staff-разработчик ПО, ИИ и платформа
О роли Staff-разработчик в команде AI & Platform — hands-on технический лидер, создающий AI-функциональность продукта. Работаете вместе со Staff Data Engineer (отвечает за фундамент данных) и подчиняетесь Engineering Manager. Фокус — на прикладном и агентном AI-слое: проектирование, разработка и выпуск AI-функций, с которыми взаимодействуют клиенты. Роль предполагает интенсивную работу с кодом и широкое техническое влияние на команду. Задачи - Проектировать и создавать AI-функции продукта: агенты на основе LLM, интеллектуальную автоматизацию, прогнозные возможности на операционных данных Auvik. - Вести сложные технические задачи от начала до конца: архитектура, продакшен-код, отладка на уровне систем, надёжный релиз. - Совместно с Data Engineer определять, какие данные нужны AI-слою, в каком виде и с какой свежестью; интегрироваться с инфраструктурой поиска и пайплайнов. - Взаимодействовать с продакт-менеджерами и дизайнерами, превращая потребности клиентов в чётко ограниченные AI-функции. - Оценивать и внедрять новые AI-технологии (LLM, агентные фреймворки, RAG-паттерны, подходы к тонкой настройке), принимать прагматичные решения build-vs-buy. - Задавать стандарты в код-ревью, технических обсуждениях и инженерных практиках. - Наставлять других разработчиков. - Вносить вклад в общие инструменты, библиотеки и паттерны, ускоряющие AI-разработку в инженерной организации. Требования - Сильные основы программной инженерии и значительный опыт создания и выпуска продакшен-систем в масштабе. - Практический опыт создания AI/ML-функций: работа с LLM, промт-инжиниринг, RAG-архитектуры или агентные фреймворки. - Владение Go, Scala или TypeScript (React/GraphQL). Python для ML-процессов — плюс. - Глубокое понимание системного дизайна, распределённых систем, умение принимать архитектурные решения в условиях неопределённости. - Практический опыт работы с агентными инструментами кодинга (Cursor, Copilot Workspace, Claude Code), включая настройку ограничений и проверку результатов. - Сильные коммуникативные навыки: работа с AI-инженерами, продакт-менеджерами и инженерным руководством, умение переключаться между техническими и бизнес-обсуждениями. - Продуктовое мышление: понимание, зачем создаётся функция и решает ли она реальную проблему клиента. Бонусы - Опыт в управлении сетями, мониторинге или инфраструктурном ПО. - Опыт с AI-управляемой автоматизацией, обнаружением аномалий или прогнозной аналитикой в операционном контексте. Условия - Полностью распределённая команда, поддержка работы из дома или любого выбранного пространства. - Регулярные возможности для обучения и роста, обратная связь от руководства, тщательный онбординг. О компании Auvik — облачное ПО для управления сетями, дающее IT-командам мгновенную видимость и контроль над инфраструктурой: локальной, удалённой или распределённой по глобальным сетям. Платформа автоматизирует обнаружение сетей, картирование, мониторинг, резервное копирование конфигураций, анализ трафика и оповещения. Компания стремится к разнообразию и инклюзивности.
Senior Software Engineer, AI и Healthcare Analytics
О роли В Oracle Health создают будущее здравоохранения — облачные решения с ИИ в основе, рассчитанные на работу в масштабе страны. Миссия — изменить то, как работают больницы и врачи, обеспечивая лучший уход за пациентами и точное своевременное возмещение расходов. Модернизируют системы электронных медицинских карт (EHR) и управления циклом доходов (RCM) с помощью LLM и ИИ-агентов, помогая клиницистам больше сосредоточиться на пациентах и меньше на административной нагрузке. Ищут высококвалифицированных ИИ-инженеров для проектирования и создания высокомасштабируемых облачных конвейеров обработки данных, которые принимают, преобразуют и анализируют огромные объёмы медицинских данных с низкой задержкой, обеспечивая бизнес-аналитику и аналитику в системах EHR и RCM. Вы будете использовать LLM, ИИ-агентов и современные платформы данных для решения таких задач, как поддержка клинических решений, оптимизация доходов и автоматизация рабочих процессов, а также использовать инструменты разработки с поддержкой ИИ для ускорения поставки. Обязанности - Создавать и улучшать конвейеры данных, ETL-процессы и трансформации. - Участвовать в разработке функций на основе LLM и ИИ-агентов, а также аналитических сценариев. - Работать с наборами данных EHR/RCM и поддерживать разработку KPI и дашбордов. - Изучать и применять лучшие практики в облаке, инженерии данных и LLMOps. Обязательные требования - Степень бакалавра/магистра в области компьютерных наук или эквивалент. - Более 5 лет релевантного опыта в разработке ПО. - Сильные навыки программирования на Python/Java. - Хорошее знание SQL. - Глубокая экспертиза в инженерии данных: ETL, трансформация данных, моделирование данных (Spark, SQL). - Опыт создания высокомасштабируемых распределённых систем. - Опыт работы с облаком (OCI/AWS/Azure). - Опыт создания крупной новой функциональности в программной системе от проектирования через разработку и тестирование до продакшена. - Опыт взаимодействия с несколькими функциональными областями для разработки компонентов в составе более крупной системы. - Опыт работы с LLM, промт-инжинирингом и фреймворками для ИИ-агентов. - Опыт сочетания ручного кодирования и разумного использования ИИ-решений для быстрого прототипирования, тестирования, итераций и поставки надёжного кода. - Опыт регулярного использования ChatGPT, Claude или аналогичных моделей для повышения продуктивности. Желательные требования - Опыт работы с агентными архитектурами или GenAI-платформами. - Опыт в здравоохранении или цифровых медицинских системах. - Понимание систем EHR и процессов RCM. - Знакомство со стандартами медицинского кодирования (ICD/CPT). Условия - Вилка зарплаты в США: от $89 200 до $209 500 в год. - Возможно получение бонуса и акций. - Медицинская, стоматологическая и офтальмологическая страховка, включая экспертное медицинское мнение. - Страхование по краткосрочной и долгосрочной нетрудоспособности. - Страхование жизни и от несчастных случаев (AD&D). - Дополнительное страхование жизни (сотрудник/супруг/ребёнок). - Гибкие счета расходов на медицинское обслуживание и иждивенцев. - Льготы на поездки на работу и парковку до вычета налогов. - Пенсионный план 401(k) с корпоративным взносом. - Оплачиваемый отпуск: гибкий отпуск для сотрудников на окладе; накопительный отпуск для остальных. Для сотрудников, работающих не менее 35 часов в неделю, накопление отпуска составляет 13 дней в год в первые три года работы и 18 дней в год в последующие годы. Для сотрудников, работающих от 20 до 34 часов в неделю, отпуск пропорционален. Сотрудники, работающие менее 20 часов в неделю, не имеют права на отпуск. - 11 оплачиваемых праздничных дней. - Оплачиваемый больничный: 72 часа при приёме на работу, обновляется каждый календарный год, неиспользованный остаток переносится до максимального лимита 112 часов. - Оплачиваемый отпуск по уходу за ребёнком. - Помощь в усыновлении. - План покупки акций для сотрудников. - Финансовое планирование и юридическая помощь. - Добровольные льготы, включая авто-, домовладельческое и страхование домашних животных.
Инженер-программист по развертыванию моделей
О команде и роли ChatGPT использует большой и растущий парк GPU для надежного и эффективного обслуживания инференс-нагрузок. Команда разрабатывает системы и инструменты, которые позволяют внедрять новые модели, управлять продакшн-развертываниями, реагировать на операционные проблемы и эффективно использовать инфраструктуру в масштабе. Работа охватывает распределенные системы, платформенную инженерию, автоматизацию инфраструктуры и опыт разработчиков. Команда тесно сотрудничает с исследовательскими, инфраструктурными и продуктовыми командами, чтобы сделать развертывание моделей более надежным, эффективным и управляемым. Ищем инженера-программиста с опытом создания или эксплуатации крупномасштабных производственных систем. Вы будете проектировать и разрабатывать системы, поддерживающие жизненный цикл моделей в продакшене, включая оркестрацию развертывания, управление конфигурацией, операционную автоматизацию, надежность и управление мощностями. Вы поможете превратить сложные операционные процессы в масштабируемые платформенные возможности, которые позволят командам OpenAI развертывать и управлять моделями с большей уверенностью и меньшими ручными усилиями. Роль подходит инженерам, которым нравится решать сложные операционные проблемы и создавать программное обеспечение, упрощающее эксплуатацию производственной инфраструктуры в масштабе. Задачи - Развивать платформу для развертывания, настройки и управления моделями в ChatGPT. - Разрабатывать системы оркестрации развертывания, раскатки моделей, операционной видимости и готовности к продакшену. - Создавать абстракции и инструменты, упрощающие сложную инфраструктуру и улучшающие опыт разработчиков. - Автоматизировать операционные процессы, включая обнаружение инцидентов, диагностику, смягчение последствий и восстановление. - Повышать надежность, масштабируемость и эффективность развертывания моделей и поддерживающей инфраструктуры. - Строить системы поддержки планирования мощностей, распределения ресурсов и использования инфраструктуры. - Взаимодействовать с исследовательскими, инфраструктурными и продуктовыми командами для выявления общих задач и создания переиспользуемых платформенных возможностей. - Определять техническое направление платформы управления моделями по мере развития ChatGPT и его систем. Требования - Пять и более лет опыта разработки программного обеспечения для производственной инфраструктуры. - Сильные навыки программирования на Go, Python, C++, Rust или аналогичном языке. - Опыт проектирования или эксплуатации высокодоступных распределенных систем. - Опыт в платформенной инженерии, инфраструктурной инженерии, производственной инженерии, site reliability engineering или аналогичных дисциплинах. - Сильные навыки системного проектирования, отладки и решения операционных проблем. - Отличные коммуникативные навыки и опыт совместной работы с инженерными командами. Желательные качества - Опыт создания или эксплуатации внутренних платформ, распределенных систем или крупномасштабной производственной инфраструктуры. - Умение превращать сложные операционные проблемы в надежное программное обеспечение и переиспользуемые абстракции. - Опыт работы с системами развертывания, оркестрации, управления конфигурацией или автоматизации инфраструктуры. - Понимание производственной надежности, наблюдаемости, планирования мощностей и реагирования на инциденты. - Внимание к опыту разработчиков и созданию инструментов, повышающих эффективность других инженерных команд. - Готовность работать на стыке организационных границ и брать на себя ответственность от проектирования системы до эксплуатации в продакшене. - Умение работать в быстро меняющейся среде со значительной технической неопределенностью. - Интерес к обслуживанию моделей или ML-инфраструктуре; специализированный опыт работы с GPU или низкоуровневым оборудованием не обязателен. О компании OpenAI — исследовательская и внедренческая компания в области ИИ, стремящаяся к тому, чтобы искусственный интеллект общего назначения принес пользу всему человечеству. Компания расширяет границы возможностей систем ИИ и стремится безопасно внедрять их через свои продукты.
Junior fullstack-разработчик, AI/ML
О роли Компания PolicyMe, удалённая команда из Торонто, развивает продуктовую линейку для страховых брокеров с использованием искусственного интеллекта и машинного обучения. Инженер будет работать над frontend, backend и AI/ML-направлениями, участвовать в архитектурных обсуждениях, планировании релизов и общеинженерных инициативах. Основной стек: Python, React, Redux, PostgreSQL, n8n, LangChain/LangGraph и AWS. Задачи - Разрабатывать fullstack-функциональность AI-приложения на Python, React, Redux, PostgreSQL и AWS. - Интегрировать AI-модели и API для обработки документов, извлечения данных, рекомендательных систем и других задач. - Работать с старшими инженерами по AI для интеграции моделей в продакшен. - Отслеживать новые AI-технологии и фреймворки, исследовать новые применения. - Создавать масштабируемые и надёжные backend-сервисы для AI-процессов. - Проектировать пользовательские интерфейсы для AI-функций. - Участвовать в архитектурном планировании, код-ревью и брейнштормах. - Отвечать за разработку фич от начала до конца, координируясь с QA и другими командами. - Взаимодействовать с командами для снятия зависимостей и улучшения релизного процесса. - Делиться идеями на квартальном планировании. - Участвовать в хакатонах, инженерных гильдиях и экспериментах с AI-инструментами. Требования - Уверенные fullstack-навыки: Python, React, Redux, PostgreSQL, AWS. - Понимание AI/ML-концепций из курсов, пет-проектов или опыта работы. - Интерес к созданию интеллектуальных приложений. - Готовность учиться, работать в условиях неопределённости и быстро осваивать новое. - Практический опыт или проекты с AI-API и моделями, включая промт-инжиниринг. - Самостоятельность, ответственность и ориентация на результат. - Умение работать в команде, открытость к обратной связи. - Внимательность к деталям при решении сложных задач. Условия - 20 отпускных дней. - Опционы на акции и расширенный соцпакет. - Удалённая работа, оплачиваемые очные встречи команды, возможность работать из офиса в Торонто. - Бюджет на обучение и развитие, оценка эффективности два раза в год, регулярная обратная связь. - Общая компенсация: 85 000–115 000 CAD в зависимости от опыта, плюс бонусная программа и возможность получить долю в компании. О компании PolicyMe — канадский цифровой страховой сервис. Продуктовая линейка включает страхование жизни, страхование критических заболеваний, медицинскую и стоматологическую страховку, а также B2B2C-решения для организаций. Компания основана в 2018 году, продала страховое покрытие на сумму более 10 млрд CAD.
Senior ML-инженер, поисковая релевантность
О компании Constructor — AI-first платформа для поиска и обнаружения товаров в электронной коммерции, запущена в 2019 году. Помогает покупателям находить нужные товары и позволяет глобальным брендам увеличивать выручку и конверсию. О роли Senior ML-инженер в команде Search Quality. Улучшение пользовательского опыта для сотен миллионов пользователей, создание систем, обеспечивающих релевантность для глобальных ритейлеров — от моды и продуктов до электроники и товаров для дома. Миссия — измерять качество поиска, повышать его и предотвращать деградации до того, как их заметит пользователь. Это достигается сочетанием донастроенных LLM для оценки релевантности, моделей реального времени и глубокого офлайн-анализа журналов запросов. Задачи - LLM-оценка: донастройка собственных моделей для оценки релевантности, обучение модели понимать интент запроса, представлять товары из неструктурированных каталогов и согласовывать оценки модели с реальным поведением пользователей. - Качество в реальном времени в продакшене: реранжирование, фильтрация, вычисление сигналов. Строгие требования к задержке, поэтому постоянный компромисс между качеством и скоростью. - Автоматический мониторинг качества и агентные инсайты: пайплайны для обнаружения деградаций и поиска неэффективных паттернов. Агентные системы, генерирующие практические рекомендации для данных о товарах и конфигураций поиска. Что делает работу интересной - Мультидоменность и мультиязычность в масштабе: 40+ языков, 20+ доменов. Модели должны обобщаться на все домены без индивидуальных правил для клиентов. - Нет универсальной истины: продуктовый ритейлер и модный ритейлер могут по-разному понимать, что значит «релевантно». - Эффективность в масштабе: оптимизация и масштабирование LLM-инференса по всей клиентской базе. Требования - 4+ года создания продакшен-ML-систем. - Опыт с поиском, информационным поиском или рекомендательными системами. - Практический опыт донастройки, фреймворков оценки и масштабирования LLM-развертываний. - Уверенный Python и PyTorch. Свободное владение SQL и инструментами оркестрации данных (Spark, Airflow). - Опыт проектирования и проведения A/B-тестов для проверки влияния моделей. - Отличные коммуникативные навыки на английском. - Опыт работы в кросс-функциональных командах (ранжирование, продукт, инженерия данных). Условия - Работа с умными и эмпатичными людьми, которые помогают расти и влиять на результат. - Регулярные командные офлайн-мероприятия. - Полностью удалённая команда — можно выбирать место жительства. - Безлимитный отпуск — компания рекомендует брать не менее 3 недель в год. - Стипендия на работу из дома для обустройства домашнего офиса. - Ноутбуки Apple для новых сотрудников. - Бюджет на обучение и развитие для каждого сотрудника, обновляется каждый год. - Отпуск по беременности и уходу за ребёнком для соответствующих сотрудников. - Базовая зарплата: $80 000–$120 000 USD в зависимости от знаний, навыков, опыта и результатов интервью. - Опционы на акции в дополнение к базовой зарплате.
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.
HR 💜 QA 🟡 Менеджерам
Стажер Data Scientist (сегменты) Москва, офис Команда «Сегменты» специализируется на создании ML-моделей для анализа оттока клиентов, снижения транзакционной активности и выявления склонностей к различным продуктам. Команда насчитывает шесть человек, среди которых выпускники МГУ и ВШЭ. Ищем стажера, готового участвовать в полном цикле создания DS-продуктов — от идеи до промышленного внедрения. Обязанности - Помощь в разработке и обучении моделей прогнозирования поведения клиентов - Проведение исследовательского анализа данных (EDA): поиск паттернов, аномалий и инсайтов для формирования гипотез - Участие в формировании гипотез и тестировании бизнес-идей - Разработка пайплайнов для обработки данных (под руководством наставника) - Подготовка кода моделей к промышленной эксплуатации и участие в интеграции решений в платформы компании - Оценка качества моделей с технической (метрики) и бизнесовой стороны (метрики влияния на продукт) Требования - Базовые знания Python: уверенное владение синтаксисом, написание чистого кода, знакомство с pandas, numpy - Математический аппарат: понимание основ статистики, теории вероятностей и линейной алгебры, знание принципов проверки гипотез (A/B тесты) - ML: понимание классических алгоритмов (линейная регрессия, деревья решений, градиентный бустинг), знакомство с фреймворками Scikit-Learn и LightGBM на базовом уровне - SQL: умение писать запросы для извлечения и агрегации данных Будет плюсом - Опыт работы с Spark/PySpark и/или Hadoop - Базовое понимание устройства нейросетей (PyTorch) и трансформеров - Опыт участия в DS-соревнованиях (Kaggle, ODS) - Понимание основ DevOps (CI/CD, Git) Условия - Комфортный современный офис рядом с м. Кутузовская - Офисный формат работы - Срочный трудовой договор - Корпоративный спортзал и зоны отдыха, более 400 образовательных программ СберУниверситета для профессионального и карьерного развития - Программа адаптации и помощь руководителя на старте
Middle+ .net Developer в Авиасейлс
С понедельником, коллеги! Чтобы поднять вам настроение, мы подготовили эти 🔢 вакансий. Приятного просмотра! 📍 Backend Middle+ .net Developer в Авиасейлс Удалённо Middle+ Разработчик ETL / Data Engineer в ИВИ Удалённо Middle IOS Developer в Laoshi Удалённо (Мир) Стажировка для разработчиков от Авито Удалённо (РФ) 📍 Аналитика Стажер Data Scientist (сегменты) в СБЕР Москва, офис 📍 Тестирование Middle+ Инженер по автоматизированному тестированию backend (Python) в ИВИ Удалённо 📍 Менеджмент Middle+ Технический менеджер в ИВИ Удалённо Middle Customer Success Manager в Maestra от 2 000$ Удалённо 📍 Маркетинг Middle Менеджер по маркетингу в Яндекс Москва, офис 📍 Дизайн Middle+ Product Designer в Авиасейлс Удалённо Middle+ Продуктовый дизайнер в Blink Удалённо (Мир) 🖤 Разместить вакансию 💚 Джунам 🫶 Удалёнка джунам 💜 За рубежом 💚 Разрабам 💖 Дизайнерам 🟠 Маркетологам 🖤 HR 💜 QA 🟡 Менеджерам 🔴 Аналитикам мы также есть там, куда всех хотят отправить — https://max.ru/itvakansiijobs
Progjob
Компания ROBOTMIA Вакансия Data Scientist (Аудиоаналитика) офис в г. Новосибирск Локация Новосибирск, Россия Требуемые навыки - Алгоритмы и структуры данных - Docker - Scikit-learn - TensorFlow - ClickHouse - PyTorch - Pandas - Python - SQL
Senior Gen AI Software Engineer
Liftoff — AI-платформа performance-маркетинга для мобильной экономики. Технологический стек помогает рекламодателям привлекать и удерживать пользователей, а издателям — максимизировать доход. Решения Liftoff, включая Accelerate, Direct, Monetize, Intelligence и Vungle Exchange, поддерживают более 6 600 мобильных бизнесов в 74 странах в сферах игр, соцсетей, финансов, ecommerce и развлечений. Компания основана в 2012 году, штаб-квартира в Редвуд-Сити, Калифорния. Senior Gen AI Software Engineer присоединится к команде Gen AI и будет проектировать и создавать AI-продукты для demand-side бизнеса, помогая командам превращать сложные данные в решения и рост клиентов. Работа охватывает весь стек: интеллектуальные системы и пайплайны данных на Python, а также интерфейсы на TypeScript и React. Сотрудник будет тесно взаимодействовать с продуктовыми, инженерными и клиентскими командами, быстро переходить от прототипа к продакшену и непрерывно улучшать выпущенные решения. Задачи: - Владеть генеративными AI-функциональностями от понимания пользовательских сценариев до прототипирования, внедрения, измерения и улучшения. - Быстро прототипировать и валидировать AI-решения, проверяя ценность и техническую реализуемость, затем доводить до продакшена. - Строить агентные сценарии, работающие с данными кампаний, клиентов, креативов и performance, использующие инструменты и возвращающие управление человеку при необходимости. - Интегрировать AI-агентов в ежедневные процессы совместно с лицами, принимающими решения, и экспертами. - Проектировать доступ AI-систем к данным, инструментам и инструкциям для получения обоснованных результатов. - Строить системы надежности AI-сценариев: использование инструментов, управление состоянием, восстановление после сбоев, границы человеческого контроля. - Определять четкие тестируемые интерфейсы между моделями и ПО для безопасной обработки неопределенного поведения моделей. - Разрабатывать системы оценки AI-функций с реалистичными примерами и комбинацией автоматических проверок и человеческого суждения. - Строить инструментарий для измерения качества, внедрения, бизнес-эффекта, задержки, стоимости и сбоев в продакшене. - Применять меры защиты данных клиентов, доступа к системам и сценариев с высоким влиянием. - Создавать Python-сервисы и TypeScript/React-интерфейсы для целостных продуктов. - Оценивать новые модели и техники, внедряя их при улучшении качества, возможностей, скорости или стоимости. - Наставлять инженеров и формировать общие практики проектирования, тестирования и эксплуатации AI-продуктов. Требования: - Минимум степень бакалавра и 8 лет релевантного опыта. - Опыт создания и эксплуатации значимых продакшен-продуктов, включая работу с нуля: бэкенд-сервисы, данные, пользовательские интерфейсы. - Опыт запуска LLM-продуктов или AI-ассистируемых продуктов за пределами демо, понимание проблем надежности, контекста, инструментов, смены провайдеров, задержки, стоимости и изменения поведения моделей. - Высокий уровень владения Python, уверенная работа с TypeScript и React, сильные основы в проектировании API, моделировании данных, SQL и тестировании. - Понимание построения системы вокруг модели: данные, инструменты, инструкции, права доступа, циклы обратной связи, метрики качества. - Умение определять критерии успеха, расследовать сбои и улучшать AI-опыт через тестирование, обратную связь и сигналы из продакшена. - Сильное продуктовое и инженерное суждение: выбор между традиционным ПО, LLM-подходом или их комбинацией. - Навыки коммуникации сложных технических тем.
LLM DevOps / Inference Engineer
Xaxis Solutions ищет LLM DevOps / Inference Engineer для поддержки платформы оценки и бенчмаркинга ИИ в сфере здравоохранения. Роль включает владение инфраструктурой для тестового стенда, стеком самостоятельного хостинга моделей и надежностью платформы, включая предоставление GPU-инфраструктуры, оптимизацию инференса моделей и управление облачными системами AWS. Задачи: - Строить и поддерживать AWS-инфраструктуру с помощью Terraform, включая сети, вычисления, оркестрацию, секреты, наблюдаемость и CI/CD - Развертывать и управлять самостоятельным хостингом LLM-инференса на GPU-инфраструктуре - Внедрять стратегии батчинга, квантизации, автоскейлинга и мульти-GPU для эффективного инференса - Разрабатывать стандартизированные процессы быстрого подключения новых моделей - Создавать слои абстракции провайдеров для API-моделей, таких как OpenAI, Anthropic и Gemini, а также для самостоятельного хостинга моделей - Внедрять ограничение скорости, повторы, экспоненциальную задержку, управление квотами, логирование запросов и ответов и атрибуцию затрат - Обеспечивать воспроизводимость и экономичность бенчмарк-запусков через закрепленные версии моделей и контейнеров и оптимизированную облачную мощность - Строить дашборды наблюдаемости, охватывающие пропускную способность, задержку, использование токенов, стоимость GPU-часов, сбои и производительность по моделям - Поддерживать пиковые нагрузки, предотвращая осиротевшие или ненужные облачные ресурсы - Участвовать в архитектуре доверенной среды исполнения (TEE) и оценивать AWS Nitro Enclaves и аналогичные решения конфиденциальных вычислений Требования: - Практический опыт запуска и управления контейнерами инференса - Сильный опыт построения и поддержки AWS-инфраструктуры как кода, включая сети, вычисления, оркестрацию, секреты, наблюдаемость и CI/CD - Опыт работы в стартапе или среде с быстрым темпом - Сильный опыт работы с ИИ/LLM и модельной инфраструктурой - Отличные коммуникационные навыки - Граждане США получат приоритет - Активный и полный профиль LinkedIn - Опыт работы с продакшн-масштабной AWS-инфраструктурой - Сильное знание EKS/ECS, EC2 GPU-инстансов (G5/G6, P4d/P5), VPC, IAM, KMS, Secrets Manager, ECR, CloudWatch и Service Quotas - Сильный опыт Terraform / Infrastructure as Code - Практический опыт с обслуживанием LLM-моделей и оптимизацией инференса - Практические знания стратегий батчинга, поведения KV-кэша, квантизации и мульти-GPU шардинга - Опыт управления GPU-нагрузками с EKS/ECS, автоскейлингом узлов и контейнерными пайплайнами на CUDA - Сильный опыт в области надежности и оптимизации затрат, включая SLO, мониторинг, алертинг и оптимизацию облачных затрат - Опыт с AWS SageMaker и Bedrock - Сильные навыки разработки на Python - Знание конфиденциальных вычислений, включая Enclaves, удаленную аттестацию и защищенный выпуск ключей - Понимание комплаенса в здравоохранении, включая сервисы, соответствующие HIPAA, требования BAA, аудит-логирование и контроль доступа к PHI - Опыт усиления безопасности, сканирования образов и контроля сетевого исходящего трафика Компания Xaxis Solutions — консалтинговая компания по управлению, предоставляющая клиентам экономически эффективные решения. Основана в undefined, штаб-квартира в Миссиссоге, Онтарио, Канада, штат 2–10 сотрудников.
Middle AI-инженер, интеллектуальные системы и сетевая инфраструктура
О компании Allied Telesis — производитель сетевого оборудования и исследовательская группа, фокусирующаяся на возможностях на базе ИИ. Компания основана в 1987 году, штаб-квартира в Токио, численность сотрудников — 1001–5000. Обязанности - Участвовать в создании и поддержке AI-процессов с использованием LangGraph. - Проектировать и расширять библиотеку MCP-серверов. - Улучшать RAG-пайплайны, обеспечивающие работу систем поиска знаний, преимущественно на Python. - Работать в небольшой команде, где вклад каждого заметен. Требования - Степень бакалавра в области компьютерных наук, интеллектуальных систем, науки о данных или смежной области. - 2–3 года опыта разработки ПО с уверенным знанием Python. - Практическое знакомство с инструментами AI/ML: LLM, векторные базы данных, retrieval-augmented подходы или агентные фреймворки. - Умение работать в условиях неопределённости. - Способность переключаться между прототипированием и продакшеном. - Интерес к сетевым технологиям или инфраструктуре. - Ценность аналитического мышления и хорошей коммуникации в небольшой команде. - Опыт с MCP (Model Context Protocol) приветствуется, но не обязателен; важно желание его изучать. Условия - Удалённая работа для кандидатов в США. - Компания имеет историю спонсирования H1B: 3 в 2025, 2 в 2024, 6 в 2023, 3 в 2022, 1 в 2021, 9 в 2020. Это не гарантирует спонсорство для данной роли.
Прикладной AI-инженер продукта, full-stack
О компании EZLabs — подразделение AI-инноваций компании VetsEZ. Ищем нескольких прикладных AI-инженеров продукта для работы в полностью удалённом формате. Проекты связаны с созданием интеллектуальных платформ для здравоохранения и решений на основе ИИ. Компания трансформирует оказание медицинской помощи с помощью технологий, инноваций и продуманного дизайна. Партнёры: медицинские команды, поставщики услуг и страховщики. Цель — улучшение вовлечённости пациентов, координации ухода и обработки претензий через продвинутую аналитику, интеллектуальную автоматизацию и защищённые цифровые платформы. Роль подходит инженеру-практику, работающему на стыке ИИ, разработки продуктов и full-stack разработки. Идеальный кандидат имеет практический опыт создания и развёртывания реальных AI-приложений с использованием современных инструментов: Cursor, Claude, Codex, OpenAI и связанных LLM-технологий. Кандидат должен проживать на территории континентальных штатов США. Обязанности - Проектировать, разрабатывать и внедрять AI-функции в медицинских продуктах и операционных системах. - Создавать full-stack приложения с использованием современных AI-инженерных процессов и инструментов: Cursor, Claude, Codex, OpenAI API и связанных LLM-технологий. - Взаимодействовать с продакт-менеджерами, дизайнерами, инженерами и клиническими специалистами для создания масштабируемых решений, ориентированных на пользователя, улучшающих вовлечённость пациентов, координацию ухода и операционную эффективность. - Разрабатывать API, бэкенд-сервисы, конвейеры автоматизации и AI-процессы, поддерживающие интеллектуальные возможности продуктов и production-ready развёртывание. - Применять лучшие практики разработки ПО, DevOps и MLOps для тестирования, развёртывания, мониторинга и оптимизации AI-решений. - Исследовать новые AI-технологии, паттерны внедрения LLM и современные фреймворки разработки продуктов для постоянного улучшения возможностей платформы. - Работать в условиях неопределённости, решать сложные технические задачи, эффективно взаимодействовать с техническими и нетехническими командами в быстрой Agile-среде. - Выполнять дополнительные задачи по мере необходимости для достижения целей команды и успеха проекта. Требования - Степень бакалавра в области компьютерных наук, разработки ПО, искусственного интеллекта, науки о данных или смежной технической дисциплине. - 2+ года профессионального опыта в разработке ПО, продуктовой инженерии или full-stack разработке. - Практический опыт реализации как минимум 2–3 production-level AI-проектов с использованием таких инструментов, как Cursor, Claude, Codex, OpenAI, Anthropic или аналогичных AI-платформ. - Сильные навыки программирования: Python, TypeScript, JavaScript или смежные современные языки, а также опыт создания и развёртывания production-grade full-stack приложений. - Опыт интеграции больших языковых моделей (LLM), промт-инжиниринга, AI-агентов, генеративных AI-процессов или архитектур retrieval augmented generation (RAG). - Знакомство с облачными платформами: AWS, Azure или Google Cloud Platform, а также с технологиями контейнеризации и развёртывания: Docker и Kubernetes. - Развитые коммуникативные навыки, умение работать в команде, аналитические и решающие задачи способности, способность работать самостоятельно в удалённой Agile-среде. Дополнительные квалификации - Опыт с AI-ассистированными процессами разработки ПО, векторными базами данных, эмбеддингами, семантическим поиском, оркестрационными фреймворками или автоматизацией AI-процессов. - Знакомство с фреймворками машинного обучения: PyTorch, TensorFlow, Hugging Face или scikit-learn. - Опыт работы с CI/CD конвейерами, DevOps-практиками, автоматизацией инфраструктуры или защищёнными средами медицинских технологий. - Предпочтителен опыт поддержки инициатив в здравоохранении, у страховщиков/поставщиков, в федеральном правительстве или в технологических проектах Департамента по делам ветеранов (VA). - Возможность получения допуска к государственной тайне будет плюсом. Условия - Медицинская страховка, стоматология и зрение. - 401k с корпоративным взносом. - Оплачиваемый отпуск и федеральные праздники. - Корпоративный ноутбук. - Возможности обучения. - Удалённая работа. Примечания - Отобранные кандидаты должны будут пройти дактилоскопию в государственном учреждении и проверку биографии в рамках процесса найма. - VetsEZ — работодатель с равными возможностями. Кандидаты рассматриваются без учёта расы, цвета кожи, религии, пола, национального происхождения, сексуальной ориентации, гендерной идентичности, инвалидности или статуса защищённого ветерана. - На данный момент компания не может предоставить спонсорскую поддержку (визу).