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
Фаундинг-инженер, бэкенд и платформенная разработка
Strello Health разрабатывает ИИ-голосовых ассистентов для здравоохранения. Компания находится на стадии post-seed, генерирует выручку и быстро масштабируется. Вы будете работать напрямую с основателями над созданием основной инфраструктуры для голосовых разговоров в реальном времени, включая аудиопотоки, оркестрацию LLM, API, интеграции, наблюдаемость и продакшен-системы. Требования - опыт в backend или платформенной разработке - распределённые системы - API - Linux - создание надёжных систем с нуля (0→1) - учитывается опыт co-op - рассматриваются кандидаты с разным уровнем опыта Будет плюсом - WebRTC/WebSockets - ML или LLM инфраструктура - Node.js/TypeScript - Python - Docker - Kubernetes - open-source вклад Технологический стек TypeScript/Node.js и Python.
Python-разработчика для работы над разнообразными проектами
Компания: ИП Фомин Сергей Александрович Python-разработчик Мы — небольшая аутстаф компания, созданная ИТ-инженерами. Ищем Python-разработчика для работы над разнообразными проектами. Рассматриваем специалистов уровня Senior. Ты нам подходишь, если: - У тебя коммерческий опыт разработки на Python от 4 лет, и ты проходил полный цикл – от идеи до запуска в прод - Ты глубоко понимаешь Python: асинхронность (AsyncIO), многопоточность и многопроцессорность – и умеешь применять это для построения высоконагруженных сервисов - Ты уверенно владеешь FastAPI, а также имеешь опыт с Django или Flask / aiohttp - Ты проектировал микросервисные и событийно-ориентированные системы, работал с брокерами сообщений (Kafka, Redis PubSub) и знаешь, как обеспечить консистентность и отказоустойчивость - Ты умеешь работать со сложной логикой в PostgreSQL (оптимизация запросов, индексы, транзакции) и эффективно используешь SQLAlchemy, избегая проблем с производительностью - Ты имел дело с интеграциями: REST API, WebSockets, внешние системы (CRM, облачные хранилища, AI-сервисы) и готов проектировать надежные интерфейсы - У тебя есть практический опыт с Docker и оркестрацией (Kubernetes) – ты понимаешь, как упаковать, запустить и масштабировать сервис - Для тебя CI / CD – неотъемлемая часть процесса, ты привык к автоматическим сборкам, тестам и деплою - Качество кода для тебя важно: ты пишешь юнит- и интеграционные тесты, следуешь принципам чистой архитектуры и не забываешь про документацию (Swagger / OpenAPI) - Ты умеешь анализировать инциденты в production и обеспечивать наблюдаемость – логи, метрики, трейсинг – чтобы всегда понимать, что происходит в системе Будет плюсом: - Опыт в голосовых технологиях (ASR / TTS, SIP, VoIP) или работа с LLM / RAG-архитектурами - Опыт с большими данными: ClickHouse, ETL / ELT-пайплайны, Spark, Azure DataBricks / DataFactory - Знание Golang (для высокопроизводительных компонентов) - Настройка систем мониторинга (Prometheus, Loki, Grafana) - Опыт с Keycloak / OAuth2 / JWT - Английский язык от B1 Intermediate (для работы с документацией и заказчиками) Преимущества работы с нами: - Работа на удаленке с гибким графиком - После успешного проекта готовы предлагать вам новые, ещё более интересные задачи - Мы полностью берем на себя всю бюрократию, переговоры и поиск проектов - Подбираем проекты в технологичных и перспективных сферах: финтех, телеком, e-com и edtech
Python Backend Developer
Python Backend Developer Компания: Облако.ру Формат работы: удалённая работа Обязанности - Проектирование архитектуры решения для высокой доступности и масштабируемости - Оптимизация производительности - Code review - Покрытие кода тестами - Участие в проектировании новых фич и сервисов Требования - Опыт коммерческой разработки (3+ лет) и разработки на Python (2+ лет) - Понимание настройки и запуска CI/CD пайплайнов - Экспертиза в облачной инфраструктуре - Опыт работы с бэкендом для AI и ML
AI-инженер, LLM и RAG
Implicit создаёт AI-движок знаний для обслуживания и поддержки. Платформа без кода преобразует сложные технические документы, инструкции, процедуры и операционные данные в структурированные знания для людей и AI-агентов. Ищем инженера по ИИ на частичную занятость для создания AI-возможностей следующего поколения. Работа в команде с опытными инженерами, продакт-лидерами и исследователями ИИ над задачами в оборонной отрасли, производстве, поддержке клиентов и других отраслях. Обязанности - Проектировать и создавать AI-приложения на основе LLM, RAG, семантического поиска и AI-агентов. - Разрабатывать интеллектуальные пайплайны для загрузки документов, извлечения знаний и поиска. - Улучшать качество ответов с помощью промт-инжиниринга, фреймворков оценки и оптимизации поиска. - Создавать и оптимизировать продакшн-сервисы ИИ на Python и современных AI-фреймворках. - Работать с инструментами агентной разработки, включая Claude Code, Cursor, и AI-ассистируемыми процессами написания кода. - Писать чистый, поддерживаемый, хорошо протестированный код с акцентом на качество и надёжность. - Тесно сотрудничать с командами продукта, разработки и Data Science для быстрого прототипирования и выпуска новых возможностей. - Оценивать новые AI-модели, инструменты и техники для постоянного улучшения платформы. Требования - Опыт от 3 лет в создании AI, ML или NLP-приложений в индустрии, open-source или исследованиях. - Уверенный опыт с большими языковыми моделями (LLM), RAG, эмбеддингами и семантическим поиском. - Хорошее понимание NLP, машинного обучения и современных техник глубокого обучения. - Практический опыт с PyTorch, TensorFlow или аналогичными ML-фреймворками. - Навыки разработки на Python и опыт создания продакшн-программного обеспечения. - Опыт работы с API, векторными базами данных и AI-фреймворками приложений. - Степень бакалавра в Computer Science или смежной области, или эквивалентный практический опыт. Предпочтительно - Опыт создания AI-систем для корпоративного управления знаниями или технической документации. - Опыт с AI-агентами, вызовом инструментов и агентными процессами. - Знакомство с графами знаний, OCR, парсингом документов или мультимодальным ИИ. - Опыт развёртывания AI-приложений с использованием современных практик MLOps. - Опыт оценки и бенчмаркинга производительности LLM. Условия - Конкурентоспособная оплата. - Гибкий график частичной занятости. - Удалённая работа в пределах США. - Гибкая политика отпусков. - Возможность создавать передовые AI-продукты в небольшой, опытной и высокотехничной команде, решающей сложные реальные задачи.
Инженер Agentic AI, Azure AI Foundry
Условия - Локация: Мэдисон, Висконсин; Колумбус, Огайо; Чикаго, Иллинойс; Миннеаполис, Миннесота; Детройт, Мичиган. - Долгосрочный контракт. - Рассматриваются кандидаты на W2. Без C2C. Мы ищем высококвалифицированного инженера Agentic AI для проектирования, разработки и развертывания интеллектуальных ИИ-агентов с использованием Azure AI Foundry и современных фреймворков для ИИ-агентов. Идеальный кандидат должен иметь сильный опыт в разработке ПО, практические навыки работы с приложениями на основе LLM и подтвержденную способность создавать масштабируемые, готовые к продакшену мультиагентные системы в облачных средах. Обязанности - Проектировать, разрабатывать и развертывать интеллектуальных ИИ-агентов с использованием Azure AI Foundry и Azure OpenAI. - Создавать масштабируемые, готовые к продакшену мультиагентные системы для автоматизации предприятий. - Разрабатывать приложения на основе ИИ с использованием больших языковых моделей (LLM), генерации с дополненной выборкой (RAG) и техник промпт-инжиниринга. - Реализовывать оркестрацию агентов с помощью фреймворков, таких как AutoGen, Semantic Kernel, LangChain или аналогичных Agent SDK. - Разрабатывать RESTful API, микросервисы и событийно-ориентированные приложения для поддержки ИИ-решений. - Интегрировать ИИ-агентов с корпоративными системами, базами данных, API и SaaS-платформами. - Развертывать и управлять ИИ-нагрузками в облачных средах с использованием сервисов Azure. - Сотрудничать с кросс-функциональными командами для проектирования, разработки, тестирования и оптимизации ИИ-решений. - Внедрять CI/CD конвейеры и лучшие практики DevOps для развертывания ИИ-приложений. - Контейнеризировать приложения с помощью Docker и развертывать их в средах на основе Kubernetes. - Мониторить, устранять неполадки и оптимизировать производительность ИИ-агентов в продакшене. Требования - 5+ лет опыта в разработке ПО с сильным опытом разработки облачных приложений. - Сильные навыки программирования на Python (предпочтительно) или Java. - Практический опыт работы с Azure AI Foundry и Azure OpenAI. - Опыт разработки ИИ-агентов с использованием фреймворков, таких как: - AutoGen - Semantic Kernel - LangChain - Agent SDK Технические навыки - Языки программирования: Python, Java. - ИИ и машинное обучение: Azure AI Foundry, Azure OpenAI, большие языковые модели (LLM), промпт-инжиниринг, генерация с дополненной выборкой (RAG), мультиагентные системы.
Вайбкодер, специалист по анализу данных и веб-скрапингу
Компания Mind Rift (платформа Mindrift) ищет специалистов по вайбкодингу для проекта Tendem. Проект посвящён развитию гибридных агентов, где человеческий опыт и ИИ-автоматизация работают вместе. Специалист будет работать вместе с агентом Tendem, который берёт на себя повторяющиеся задачи, а эксперт обеспечивает критическое мышление, знание предметной области и контроль качества. Возможность доступна только кандидатам, проживающим в указанной стране. Локация может влиять на соответствие требованиям и ставки. Формат: частичная занятость, полностью удалённо. Обязанности: - Проводить продвинутый веб-поиск и сбор данных с использованием нескольких инструментов для поиска и извлечения информации из официальных источников. - Использовать LLM и продвинутые промпты для уточнения поисковых стратегий и проверки точности данных путём перекрёстных ссылок на авторитетные источники. - Выполнять веб-скрапинг и извлечение данных, работая со сложными структурами сайтов и многоуровневыми страницами (регионы → компании → детальные страницы). - Обрабатывать динамический контент, архивные страницы и различные HTML-форматы, организовывать извлечённые данные в чистые CSV-файлы. - Писать и оптимизировать Python-скрипты для обработки и анализа данных с использованием библиотек pandas, BeautifulSoup, Selenium, matplotlib. - Преобразовывать сырые данные в структурированные форматы (CSV, JSON, таблицы) и создавать визуализации при необходимости. - Выполнять обработку данных и контроль качества: очистка, валидация, структурирование наборов данных. - Обеспечивать целостность данных из нескольких источников, применять спецификации форматирования и выполнять шаги проверки для поддержания высокого качества. - Применять навыки решения проблем: разбивать сложные рабочие процессы, самостоятельно устранять технические проблемы, быстро адаптироваться к разным доменам и типам задач с минимальным контролем. - Создавать понятную документацию и качественные результаты, соответствующие требованиям к форматам файлов, соглашениям об именах и структуре данных. - Поддерживать воспроизводимые рабочие процессы и хорошо организованный код. Требования: - Желателен минимум 1 год соответствующего опыта в анализе данных, ИИ-автоматизации, инженерии данных или разработке ПО. - Плюс — степень бакалавра или магистра в инженерии, прикладной математике, компьютерных науках или смежных технических областях. - Владение Python: подтверждённая способность писать функциональные скрипты для анализа данных, веб-скрапинга и визуализации. - Опыт веб-скрапинга: извлечение структурированных данных с сайтов с помощью BeautifulSoup, Scrapy, Selenium или аналогичных инструментов. - Работа с данными: навыки очистки, преобразования и организации наборов данных с использованием pandas или аналогичных библиотек. - Исследовательские навыки: способность находить авторитетные источники, официальные базы данных и государственные датасеты. - Визуализация данных: опыт создания диаграмм и графиков с помощью matplotlib, seaborn или аналогичных библиотек. - Практический опыт работы с LLM и ИИ-фреймворками для улучшения автоматизации и решения проблем. - Продвинутые навыки веб-исследований, умение находить конкретные и достоверные источники данных. - Внимание к деталям и стремление к точности данных. - Способность точно следовать сложным многошаговым инструкциям. - Уверенная работа с CSV-файлами, структурированными форматами данных и спецификациями файлов. - Самодисциплина и способность самостоятельно устранять неполадки. - Владение английским языком: Upper-intermediate (B2) или выше (обязательно). - Полностью удалённая работа: требуются ноутбук, стабильное интернет-соединение и наличие времени. - Гибкость в переключении между задачами и быстрое освоение новых методов. - Готовность работать с детальными, иногда сложными инструкциями. Условия: - Оплата за экспертизу: ставка до $32/час в зависимости от навыков, опыта и потребностей проекта. - Полностью удалённая работа по собственному графику — нужны ноутбук и стабильный интернет.
AI Data Engineer
Компания dscout строит платформу для UX-исследований, которой доверяют бренды в сфере финансов (JP Morgan Chase, Intuit, Charles Schwab, PayPal), здравоохранения (Aya, Headspace), потребительских товаров (Keen, Verizon, Target, Northface) и технологий (Google, Amazon, Facebook, Meta, Spotify, AirBnB). Инструменты помогают командам понимать людей, стоящих за продуктами. AI является ключевой частью работы dscout. Качество функций напрямую зависит от конвейеров данных и инфраструктуры. AI Data Engineer находится на стыке ML-систем и инженерии данных, тесно сотрудничая с командами MLE и аналитической инженерии для создания конвейеров, моделей и систем оценки, обеспечивающих надежность AI-функций в продакшене. Обязанности: - Проектировать, создавать и поддерживать конвейеры данных, которые перемещают и трансформируют данные из приложения и сторонних источников в реляционные базы данных, сохраняя их надежность и модельность по мере роста объема и сложности - Сотрудничать с аналитической инженерией для создания моделей данных и отчетности, дающих исследователям и командам видимость эффективности их работы - Обеспечивать качество данных как приоритет первого класса на этапах загрузки, моделирования и отчетности. Выявлять и устранять проблемы до того, как они достигнут модели, дашборда или пользователя - Создавать и запускать продакшен-системы AI: инфраструктуру данных и сервисы, на которых работают ML-функции - Проектировать и поддерживать системы оценки готовности AI-функций к запуску и их устойчивости: eval-харнессы, тестовые наборы данных и мониторинг продакшена, реализованные как программное обеспечение, а не разовые анализы - Задавать стандарт выполнения работы с данными: писать ясно, делиться контекстом заранее и ускорять работу окружающих Требования: - 5+ лет опыта в инженерии данных со значимым опытом работы с ML-системами в продакшене - Глубокий опыт инженерии данных: самостоятельное создание и поддержка конвейеров, перемещающих данные из источников приложений в хранилище в масштабе, понимание того, что ломается, когда и почему - Сильные навыки Python и уверенное владение стеком данных (используются Snowflake и Postgres) - Опыт работы с инструментами оркестрации, такими как Airflow, Dagster или аналогичными - Опыт работы с облачными средами, такими как GCP или AWS - Подтвержденный опыт тесного сотрудничества с аналитическими инженерами или аналитиками данных для создания надежных, хорошо документированных моделей данных - Практический опыт запуска AI или ML систем, на которые полагались реальные пользователи в продакшене, и ответственность за их работу после запуска - Собственная точка зрения на оценку: отношение к eval как к создаваемому продукту, а не как к отчету - Высокая степень самостоятельности: способность довести неоднозначную задачу до рабочего результата без полностью проработанного тикета - Свободное владение полным жизненным циклом данных: от функций, ориентированных на продакшен, до внутренней аналитики, управляющей решениями - Уверенность в работе с AI-инструментами кодирования (Cursor, Claude Code, Copilot или аналогичными) как реальной частью рабочего процесса Желательно: - Опыт работы с dbt или аналогичными фреймворками моделирования данных - Знакомство с инструментами оценки и наблюдаемости LLM - Опыт работы с MCP-инструментарием или агентными конвейерами данных О компании: dscout — команда увлеченных, эмпатичных и любознательных профессионалов. Признанный лидер в Forrester Wave, компания находится на переднем крае технологий исследований опыта. Ценятся обучение, обмен знаниями и создание нового. Компания стремится к разнообразию и инклюзивности команды. Условия: - Конкурентоспособный компенсационный пакет со встроенным бонусом и программой акций - Прогрессивный пакет льгот (для сотрудника и иждивенцев) для поддержки баланса работы и жизни, включая гибкий отпуск, 15 оплачиваемых дней
Python-разработчик в AI-продукт
Python-разработчик в AI-продукт Удаленный формат, full time, 100 000 – 120 000 (на руки). Разрабатываем AI-систему автоматизации пользовательских действий и коммуникаций во внешних сервисах. Ищем разработчика для создания первой рабочей версии продукта. Задачи - Разработка backend на Python - Создание устойчивой браузерной автоматизации - Работа с пользовательскими сессиями, очередями и расписаниями - Интеграция LLM и vision-моделей - Реализация памяти, контекста и инструментов AI-агента - Настройка логирования, мониторинга и восстановления после ошибок - Защита пользовательских данных и секретов - Участие в оценке архитектуры, сроков и технических рисков Основные требования - Уверенное знание Python и asyncio - Опыт разработки production-систем, а не только отдельных скриптов - Опыт работы с Playwright или аналогами - Умение создавать автоматизацию для меняющегося и нестабильного интерфейса - Опыт реализации повторных попыток, переавторизации и восстановления после сбоев - Понимание идемпотентности действий - Опыт с долгоживущими фоновыми процессами, очередями, расписаниями и квотами - Опыт разработки LLM-приложений: агентные циклы, function calling, память и контекст диалога - Опыт работы с vision-моделями и контроля стоимости инференса - Понимание принципов шифрования, хранения секретов, разграничения доступа и аудита - Базовые навыки Docker, CI, логирования, метрик и алертов Будет преимуществом - Опыт работы с прокси-инфраструктурой и сетевой изоляцией клиентов - Опыт в антифрод-, платёжных или дейтинг-продуктах - Понимание того, как внешние площадки реагируют на нетипичную активность - Опыт продуктовой разработки в условиях нестабильного внешнего API или интерфейса - Умение самостоятельно декомпозировать задачи и предлагать проверяемые решения На первом этапе необходимо - Оценить реализуемость первой версии - Предложить архитектуру и последовательность разработки - Определить необходимые доступы, инфраструктуру и расходы - Собрать прототип для тестирования
Руководитель Data Science команды (Анализ спроса в маркетплейсе)
Руководитель Data Science команды (Анализ спроса в маркетплейсе) Компания: OZON Вы будете - Решать сложности бизнес-заказчиков и оценивать полученный результат. - Планировать работу команды (Data Scientists, ML-engineers). - Проектировать развитие системы прогнозирования спроса. - Проектировать с руководителями смежных технических команд совместные интеграции. - Программировать и проводить code review. Нам важно - Опыт работы в ML и DS проектах от 5 лет. - Опыт решения задач прогнозирования временных рядов. - Управленческий опыт работы. - Умение писать на Python. - Умение работать с данными на PySpark, SQL или Pandas. - Знание и понимание классических ML алгоритмов (линейная регрессия, деревья решений и градиентный бустинг). - Знание Deep Learning фреймворков (Pytorch, Transformers).
Senior ML-инженер
General Mills ищет Senior Machine Learning Engineer для проектирования, разработки, развертывания и поддержки масштабируемых решений в области ИИ и машинного обучения, приносящих реальную бизнес-ценность. Роль предполагает перевод решений машинного обучения от концепции до продакшена, улучшая надежность, автоматизацию, наблюдаемость и операционное совершенство на протяжении всего жизненного цикла ИИ. Роль находится в рамках общей модели команды, где специалисты распределяются на наиболее приоритетные задачи из растущего портфеля ИИ-инициатив. Позиция намеренно широкая: возможна работа как с традиционными решениями машинного обучения, так и с фундаментальными платформенными и бэкенд-возможностями, а также с новыми агентными и генеративными ИИ-сценариями в зависимости от потребностей команды и сильных сторон кандидата. Компания ищет прежде всего сильного технического инженера с дисциплиной в разработке ПО, уверенными навыками Python и гибкостью для работы в развивающихся областях ИИ. Обязанности - Проектирование, разработка, развертывание и поддержка систем машинного обучения и ИИ в GCP для решения сложных бизнес-задач, улучшения операций и создания новой ценности. - Перевод концепций машинного обучения в практичные, масштабируемые продакшен-решения с фокусом на надежность, поддерживаемость и качество. - Взаимодействие с командами для понимания постановки задач, потребностей в данных и подходов к решению для широкого круга бизнес- и технических сценариев. - Подготовка данных, разработка признаков, разработка и оценка моделей, помощь в операционализации решений в продакшен-средах. - Создание и автоматизация ML-пайплайнов, включая оркестрацию, мониторинг, логирование, диагностику и оповещение о сбоях, дрейфе, деградации и проблемах с вышестоящими данными. - Поддержка развертывания моделей, практик MLOps, управления облачными ресурсами и процессов контроля изменений. - Исследование, оценка и операционализация новых инструментов, фреймворков, платформ и процессов, помогающих масштабировать ИИ-решения, включая новые агентные и генеративные возможности ИИ. - Принятие ответственности за производственные инциденты, проведение анализа первопричин и внесение улучшений для снижения повторяющихся инцидентов. - Создание и улучшение документации, стандартов и процессов обеспечения качества для систем и пайплайнов машинного обучения. - Помощь в создании, поддержке и сопровождении продакшен- и нижних сред, включая разработку, QA и стейджинг. - Вклад в практики облачной безопасности и соответствия требованиям. - Наставничество других сотрудников и повышение инженерных и ML-практик команды. Минимальные требования - Степень бакалавра в области компьютерных наук, инженерии, статистики, математики, науки о данных или другой количественной области. - 3+ года профессионального опыта в роли инженера ПО, интеграционного инженера, ML-инженера, AI-инженера или дата-сайентиста. - 3+ года профессионального опыта работы с крупной облачной платформой, такой как GCP, Azure, Snowflake или Databricks. - Уверенные навыки разработки на Python. - Опыт создания, развертывания или поддержки продакшен-решений машинного обучения или ИИ. - Знакомство с CI/CD, TDD и связанными инженерными инструментами и практиками. - Опыт работы с фреймворками оркестрации, такими как Prefect или Airflow. - Опыт работы в средах гибкой разработки ПО, таких как Kanban или Scrum. - Опыт работы с системами контроля версий и командной разработкой с использованием таких инструментов, как Git или TFS. - Сильные навыки устного и письменного общения, способность эффективно работать как с техническими, так и с нетехническими партнерами. - Увлеченность изучением новых технологий, решением сложных задач и работой с инженерным мышлением, основанным на данных. Предпочтительные требования - 5+ лет профессионального опыта в роли инженера ПО, интеграционного инженера, ML-инженера, AI-инженера или дата-сайентиста. - Сильный бэкграунд в разработке ПО, в идеале включающий несколько лет практического инженерного опыта до или параллельно с работой в машинном обучении. - Опыт работы в среде GCP, включая Vertex AI. - Опыт создания и поддержки API и эндпоинтов, в идеале в GCP. - Опыт создания, поддержки и сопровождения традиционных пайплайнов машинного обучения в облачной среде. - Бэкграунд в методах статистического моделирования, таких как регрессия, ARIMA, Random Forest, оптимизация.
Старший инженер-программист II (AI)
Удалённая работа для кандидатов в США. Обязанности - Проектирование, разработка и эксплуатация production AI-функций: RAG-пайплайны, рекомендации на основе LLM, диалоговые агенты или автоматизация рабочих процессов. - Создание общей AI-платформы: инфраструктура поиска, фреймворки оценки, мониторинг моделей, guardrails и наблюдаемость. - Написание LLM-приложений и интеграций с маркетинговыми платформами, BI-инструментами или пользовательскими продуктами. - Оценка моделей и функций с помощью eval-фреймворков; итерации по промптам, стратегиям поиска и выбору моделей на основе данных. - Ежедневное использование AI-инструментов разработки, таких как Claude, для задач, связанных и не связанных с AI. - Координация с командой персонализации для интеграции GenAI-функций с существующими ML-сигналами персонализации. - Документирование AI-дизайна, результатов оценки и операционных уроков в общей базе знаний. - Обеспечение наблюдаемости AI-систем: задержка, стоимость, ошибки; участие в on-call ротации и реагирование на инциденты в production. Требования - Опыт разработки с AI-инструментами (Claude, Copilot и т.п.) в ежедневной работе, а не просто ознакомление. - Понимание full-stack: готовность работать в разных частях стека; чистые специалисты по одному направлению не подходят. - Опыт владения функциями от спецификации до деплоя, наблюдаемости и on-call; инженеры отвечают за свой код, отдельной ops-команды нет. - Сильные знания принципов проектирования ПО, автоматизированного тестирования, код-ревью и CI/CD. - Полная автономность; умение вести технические решения и наставлять младших инженеров. - Владение Python; уверенная разработка и эксплуатация production LLM-приложений. - Практический опыт минимум в одной специализации: RAG и системы поиска, оценка LLM, фреймворки оценки LLM или автоматизация рабочих процессов на основе LLM. - Понимание промпт-инженерии, управления контекстным окном и компромиссов LLM. - Знакомство с базами данных, эмбеддинг-моделями или семантическим поиском. - Высокая точность и внимание к деталям. - Отличные организационные навыки и способность к многозадачности. - Опыт работы с MLOps-инструментами или пайплайнами деплоя моделей. - Вклад во внутренние инструменты разработки, золотые стандарты или улучшение SDLC-процессов. - Опыт работы с e-commerce платформами, каталогами продуктов или высоконагруженными потребительскими приложениями. - Опыт работы в глобальных распределённых командах. - Опыт документирования архитектурных решений, написания RFC или ведения инженерных вики. Условия - Медицинская, стоматологическая, страхование жизни и базовые программы для сотрудников и их семей (при соответствии критериям). - Участие в 401(k) плане. - Оплачиваемый отпуск и отгулы в соответствии с политикой компании. - Праздничные дни в течение календарного года. - Возможность получения рестриктных акций и ежегодных бонусов в зависимости от соответствия критериям и результатам работы. О компании Компания основана в 1996 году, штаб-квартира в Ирвайне, Калифорния, США. Численность сотрудников: 1001–5000. Компания имеет опыт H1B-спонсорства.
Младший вайбкодер, GenAI-прототипирование
О вакансии - Компания: COVET IT INC - Роль: Vibe Coding Engineer / GenAI Prototyping Developer - Локация: Лос-Анджелес, Калифорния (удалённо) - Тип занятости: долгосрочный контракт - Уровень: начальный, 0–2 года опыта Задачи - Использовать AI-ассистентов кодирования: Cursor, Claude Code, GitHub Copilot, ChatGPT и аналогичные инструменты. - Быстро превращать идеи в функциональные прототипы, AI-приложения, внутренние инструменты и proof-of-concept. - Работать с LLM, AI-агентами, RAG, MCP-серверами, API, современными full-stack фреймворками и паттернами AI-оркестрации. - Сотрудничать с командами product, UX и engineering. Требования - 0–2 года опыта в разработке ПО, включая выпускников с сильным академическим, проектным, стажёрским или личным опытом программирования. - Уверенные основы программирования на Python, JavaScript/TypeScript, Node.js или Golang. - Базовый практический опыт с React, Next.js, REST API, Git и GitHub. - Знакомство с AI-ассистентами: Cursor, Claude Code, GitHub Copilot, ChatGPT, Windsurf или Replit AI. - Понимание основ генеративного ИИ, LLM, промт-инжиниринга, AI-агентов и RAG. - Базовое понимание MCP (Model Context Protocol) и того, как AI-агенты взаимодействуют с инструментами, API и внешними системами. - Опыт создания AI/LLM-приложений, чат-ботов, рабочих процессов или proof-of-concept в академических, стажёрских, личных или open-source проектах. - Понимание API, JSON, веб-сервисов и базовой архитектуры приложений. - Знакомство с Git-процессами и инженерными практиками. - Сильные аналитические навыки и способность быстро осваивать новые технологии. - Любознательность и готовность экспериментировать с новыми AI-инструментами, фреймворками и технологиями повышения продуктивности разработчика. - Практический подход и умение быстро собирать работающие прототипы с помощью AI-инструментов. Желательно - Опыт с LangChain, LangGraph, CrewAI, AutoGen или аналогичными AI-фреймворками. - Знакомство с векторными базами данных, эмбеддингами и семантическим поиском. - Базовый опыт с Docker, Kubernetes, AWS, Azure или GCP. - Опыт интеграции AI-приложений с корпоративными системами, базами данных или сторонними API. - Личные проекты, вклад в GitHub, хакатоны или академические проекты с GenAI или AI-агентами. - Продуктовое мышление и способность быстро превращать идею в работающее демо или прототип. - Комфорт в среде с быстрыми экспериментами, неопределённостью и постоянным обучением.
Ассоциированный консультант по генеративному ИИ
О компании Sia — международная консалтинговая группа, основана в 1999 году. В компании работают 3000 консультантов, офисы расположены в 48 городах в 19 странах. AI & Data Business Unit объединяет более 350 экспертов и 12 R&D-лабораторий в Европе и Северной Америке. Направления исследований — computer vision, MLOps и deep learning. Проекты ведутся от proof-of-concept до масштабного развертывания. О позиции GenAI-консалтинговая практика расширяется, ищут мотивированных выпускников на позицию GenAI-консультанта. Работа на стыке ИИ и бизнес-задач: помощь клиентам в проектировании, создании и внедрении решений на основе LLM. Роль техническая, предполагает участие в полном жизненном цикле GenAI-проектов — от архитектуры и прототипирования до продакшн-развертывания, оценки и итераций. Задачи - Проектирование, создание, обучение, дообучение и развертывание ИИ-моделей на основе LLM (например, GPT-x, Claude, Gemini, Llama, Mistral) и других генеративных техник. - Поддержка GenAI-архитектора в проектировании надежных, масштабируемых и безопасных приложений. - Разработка приложений на базе GenAI-моделей (самоуправляемых и доступных через API), соответствующих бизнес-требованиям и применимым регуляциям (GDPR, EU AI Act, лицензии моделей). - Разработка и оптимизация промтов: few-shot, Chain/Tree/Graph of Thought, ReAct, Self-reflection, guardrails. Баланс простоты и сложности для улучшения аналитических способностей, качества вывода, пользовательского опыта и контроля взаимодействий. - Проектирование и внедрение RAG-архитектур для повышения точности и релевантности ответов за счет извлечения информации из заданных источников знаний с обеспечением трассируемости и указанием источника. - Выбор и дообучение моделей, включая мультимодальные (VLM) и малые языковые модели (SLM), для генерации контента — текст, изображение, аудио, код. - Внедрение MLOps-практик для жизненного цикла GenAI: автоматизированные пайплайны (CI/CD), версионирование, мониторинг и сопровождение в продакшене (AWS, Azure, GCP). Интеграция с существующими системами и внешними инструментами и API, в том числе через стандартизированные протоколы (MCP). - Разработка и выполнение фреймворков оценки производительности, надежности, честности и безопасности моделей. Соблюдение принципов Responsible AI, помощь клиентам в процессах безопасности и комплаенса. - Отслеживание последних достижений в GenAI, эксперименты с новыми подходами, обмен знаниями внутри команды. - Работа в кросс-функциональных командах, понятное объяснение сложных технических концепций техническим и нетехническим стейкхолдерам. - Документирование процессов, методологий и лучших практик. - Различение сценариев, подходящих для генеративного ИИ, и традиционных NLP-приложений (например, NER, анализ тональности). Условия Компания инвестирует в развитие сотрудников и ожидает аналогичной вовлеченности. В команде AI & Data — коллаборативная среда, поддерживающая профессиональный рост.
Senior AI/ML-инженер, Generative AI и RAG
О компании Работодатель — консалтинговая фирма, специализирующаяся на внедрении комплексных AI и ML-решений в различных отраслях. Компания использует современные технологии и отраслевую экспертизу для повышения инновационности и эффективности клиентов. Задачи - Проектирование, разработка и внедрение enterprise-grade приложений на основе генеративного ИИ с использованием современных AI-фреймворков и облачных платформ. - Создание и оптимизация решений на основе RAG (Retrieval Augmented Generation) с применением векторных баз данных и корпоративных баз знаний. - Разработка AI-агентов и мультиагентных рабочих процессов с использованием фреймворков LangChain, LangGraph, Semantic Kernel и AutoGen. - Интеграция больших языковых моделей (LLM), таких как GPT, Llama, Claude и Gemini, в бизнес-приложения. - Взаимодействие с архитекторами, владельцами продуктов и бизнес-заинтересованными сторонами для реализации AI-решений, соответствующих бизнес-целям. - Внедрение промпт-инжиниринга, управления контекстом, фреймворков памяти и оркестрации рабочих процессов для повышения производительности ИИ. Требования - Более 7 лет опыта в разработке ПО с сильными навыками Python. - Подтверждённый опыт работы с генеративным ИИ, Azure OpenAI и Azure AI. - Практический опыт с RAG, векторными базами данных и фреймворками LangChain или LangGraph. - Навыки разработки масштабируемых API, микросервисов и бэкенд-сервисов с использованием облачных технологий. - Опыт с практиками LLMOps и MLOps, включая CI/CD пайплайны, мониторинг и управление жизненным циклом моделей. - Приверженность принципам ответственного ИИ, стандартам безопасности, конфиденциальности данных и политикам управления. Условия - Возможность работы над передовыми проектами в области генеративного ИИ и машинного обучения. - Коллаборативная среда, ориентированная на техническое лидерство и инновации. - Непрерывное обучение и развитие с учётом достижений в области AI-технологий. - Участие в технических ревью дизайна, стандартах кодирования и лучших практиках.
AI-инженер по автоматизации, агентные процессы
О компании Dober — специализированная химическая и программная компания со штаб-квартирой в западных пригородах Чикаго. Во всех подразделениях — SaaS для коммерческих прачечных, производство и сельское хозяйство — ИИ встраивается в основу работы, а не добавляется со стороны. Сильная идея может быстро пройти путь от белой доски до продакшена, и создатель видит результат. О роли Ищем инженера-практика на раннем этапе карьеры, но уже свободно владеющего современными ИИ-инструментами. Кандидат должен уметь прийти в бизнес-подразделение, понять, как реально устроена работа, и создать агентов, которые снимают с людей реальные задачи. Роль находится на стыке операционной деятельности и инженерии: один день — описывать процессы, следующий — выпускать работающего агента. Это не исследовательская роль. Успех измеряется решёнными задачами и сэкономленными часами. Задачи - Встраиваться в команды подразделений, чтобы понять, как реально выполняется работа: шаги, решения, передачи, узкие места. - Проектировать и создавать ИИ-агентов с использованием LLM API, вызова инструментов и функций, оркестрационных фреймворков и систем поиска. - Превращать ручные, повторяющиеся или требующие экспертных решений процессы в надёжные автоматизированные системы. - Создавать системы с учётом управляемости: происхождение данных, обработка ошибок и контроль человека там, где это важно. - Быстро прототипировать, запускать, измерять и итерировать. - Помогать определять, как ИИ внедряется в компании по мере её масштабирования. Требования - Подтверждённое умение создавать решения на современном ИИ: LLM API (Anthropic, OpenAI и др.), вызов функций и инструментов, хотя бы один подход к оркестрации агентов (LangGraph, CrewAI, MCP или аналоги). - Способность понимать бизнес-процессы: наблюдать за работой человека и разбивать её на реализуемые шаги. - Реальные проекты, которые можно посмотреть: GitHub, развёрнутые приложения, хакатон-проекты, пет-проекты. Важнее то, что уже запущено, а не где кандидат учился. - Уверенное владение Python и опыт работы с API и данными. - Склонность к действию: лучше работающий прототип к пятнице, чем идеальный план через месяц. - Умение ясно общаться и работать напрямую с нетехническими специалистами. Желательно - Опыт с RAG, векторными базами данных или графами знаний. - Знакомство с MCP (Model Context Protocol). - Любой опыт в производстве, химической отрасли, SaaS или сельском хозяйстве. Почему Dober - Прямой доступ к руководству и реальное владение тем, что создаётся. - Компания, действительно стремящаяся стать AI-native, при поддержке руководства. - Возможность создавать фундаментальные системы, а не поддерживать чужой легаси-код. - Конкурентная зарплата, бонус и льготы. Зарплата и льготы Зарплата: $95 000–$120 000 базового оклада в зависимости от опыта, плюс ежегодный дискреционный бонус. Предлагается комплексный пакет льгот: медицинская, стоматологическая и офтальмологическая страховка, страхование по краткосрочной и долгосрочной нетрудоспособности, страхование жизни, оплачиваемый отпуск, оплачиваемый родительский отпуск, оплачиваемый волонтёрский отпуск и подписка на приложение Calm. Развивающаяся программа благополучия поддерживает здоровье и баланс между работой и жизнью.
Voice AI-инженер, Conversational AI
Компания: Beyond-ED Задачи - Проектировать и масштабировать промпты и поведение агентов на живых звонках. - Анализировать реальные данные звонков для поиска следующих улучшений. - Создавать eval-системы и бенчмарки, чтобы быстро и уверенно повышать качество. - Цель — выпускать больше улучшений быстрее, каждое подтверждено данными, а не догадками. Обязательные требования - Опыт применения LLM в продакшене: вы создавали и запускали LLM-функции в реальных продуктах, а не только прототипы. - Серьёзный опыт промпт-инжиниринга: умение разбивать сложную задачу на надёжные промпты и шаги агента; понимание структуры, версионирования и поддержки промптов в масштабе. - Подход evals-first: вы создавали eval-системы, бенчмарки и тестовые наборы; качество измеряется, а не оценивается по ощущениям. - Уверенная работа с данными: SQL и Python/TypeScript для анализа звонков и транскриптов, поиска сигналов и оценки влияния. - Инженерная база: production-код на TypeScript/Node и интеграция в реальный бэкенд, а не передача в виде ноутбука. - Строгость вместо интуиции: эксперименты и доказательства, аргументация данными. - Владение Claude Code / Codex или аналогами: уверенное и осознанное использование AI-ассистированной разработки; в 2026 году это считается обязательным. - Ответственность за качество агента end-to-end, включая продакшен, и понимание влияния на реальные агентства и их клиентов. Навыки и языки - Node.js — 4 года - TypeScript — 4 года - LLM — 4 года - Английский язык — обязательно
Junior AI-инженер, агентные системы и интеграции
О компании Bigge Crane and Rigging Co. работает с 1916 года. Парк компании насчитывает более 1800 кранов, присутствие — по всей стране. Компания покупает, продаёт, сдаёт в аренду, эксплуатирует и обслуживает один из крупнейших и самых современных парков кранов в США. Компания участвовала в строительстве некоторых знаковых достопримечательностей Америки и заслужила репутацию надёжного подрядчика. Bigge позиционирует себя как AI-first компания: создан отдел AI-инженерии. Сотрудники ежедневно работают с передовыми AI-инструментами, а инженеры компании создают интеграции, подключающие эти инструменты к системам, на которых работает бизнес: парк техники, продажи, планирование, документы. Компания покупает ПО, когда это правильное решение, и разрабатывает собственное, когда нет. Ожидается, что в будущем будет меньше готового ПО и больше собственной разработки. Решения принимаются быстро, без ожидания одобрения комитетом. В работе используются реальные задачи и данные о работе 1800 кранов, команда небольшая, и созданные разработки носят имя автора. Позиция Junior AI Engineer — специалист раннего этапа карьеры, который разрабатывает и внедряет AI-решения под руководством директора по AI-инженерии. Роль включает создание MCP-коннекторов к системам Bigge, разработку и расширение AI-агентов и агентных рабочих процессов, написание тестов и оценок для их валидации. Работа ведётся в рамках установленной архитектуры и процессов ревью. Это ступень в карьерной лестнице: Associate AI Engineer, Junior AI Engineer, AI Engineer. Ожидается рост до роли AI Engineer. Найм основан на продемонстрированной способности создавать продукты, а не на количестве лет опыта. Идеальный кандидат — технически подкованный, любознательный и обучаемый. Работа предполагает ежедневное взаимодействие с директором по AI-инженерии и AI-инженером, с ростом самостоятельности по мере подтверждения результатами. Обязанности - Создавать и расширять MCP-коннекторы к системам Bigge, включая WorkPro (внутренняя платформа управления жизненным циклом активов), D365 и Microsoft 365, в рамках установленных паттернов и ревью. - Реализовывать компоненты AI-агентов и агентных рабочих процессов, спроектированных совместно с директором по AI-инженерии. - Писать и поддерживать тесты, наборы оценок и регрессионные проверки для систем до выпуска и после каждого изменения. - Интегрировать возможности LLM во внутренние приложения и API под руководством. - Участвовать в сессиях изучения процессов с бизнес-подразделениями для наблюдения за картированием рабочих процессов и вносить вклад в документацию процессов. - Помогать в сборе базовых показателей производительности и метрик для инициатив отдела. - Соблюдать практики ответственного AI, стандарты управления данными и требования ИТ-безопасности. - Писать чистый, протестированный, документированный код. Участвовать в ревью кода в роли автора и развиваться до ревьюера чужих изменений. Требования - Степень бакалавра в области компьютерных наук, инженерии, науки о данных или эквивалентный опыт. - 1–3 года профессионального опыта с примерами завершённой работы: развёрнутый проект, продакшн-вклад, работающая система. Оценка основана на том, что кандидат создал, а не на длительности занятости. - Рабочее владение Python или TypeScript и готовность освоить оба языка — в работе будут использоваться оба. - Опыт работы с реальными API: аутентификация, обработка ошибок, чтение документации, которая иногда бывает некорректной. - Практический опыт работы с LLM API и промпт-инжинирингом — через работу, курсы или личные проекты. - Развитые коммуникативные навыки и способность решать проблемы, готовность работать напрямую с полевым и офисным персоналом. - Обучаемость, организованность, способность быстро учиться в динамичной среде. - Наличие действующих водительских прав и чистая водительская история. Предпочтительные навыки - Опыт работы с Model Context Protocol или другими архитектурами вызова инструментов. - Next.js, React и Tailwind. - Docker и облачное развёртывание любого типа. - Локальный запуск моделей или эксперименты с тонкой настройкой любого масштаба. - Предыдущая работа или стажировка в строительстве, тяжёлом оборудовании, логистике или промышленных операциях. Условия - Конкурентоспособная оплата и 401(k) с матчингом. - Отпуск, корпоративные праздники и больничные. - Гибкие расходные счета / Health Savings Account. - Компенсация по программе Bring Your Own Device (BYOD).
Инженер данных, продуктовая аналитика
О роли В Meta инженер данных участвует в создании продуктов для всей семьи приложений: Facebook, Instagram, Messenger, WhatsApp, Reality Labs, Threads. Роль включает проектирование и создание одних из самых масштабных наборов данных в мире, сотрудничество с командами разработки, data science и управления продуктами для оптимизации роста, стратегии и пользовательского опыта для более чем 3 миллиардов пользователей и внутренних сотрудников. Вы будете решать сложные задачи с данными в масштабе, который мало кто может предложить, и станете частью сообщества data engineering, ориентированного на развитие навыков и карьерный рост. Инженерия данных: вы будете направлять команды, создавая оптимальные артефакты данных (включая наборы данных и визуализации) для решения ключевых вопросов. Вы будете совершенствовать системы, проектировать решения для логирования и создавать масштабируемые модели данных. Обеспечивая безопасность и качество данных, а также уделяя особое внимание эффективности, вы будете предлагать подходы к архитектуре и разработке, а также стандарты управления данными для решения сложных аналитических задач. Продуктовое лидерство: вы будете использовать данные для формирования разработки продуктов, выявления новых возможностей и решения предстоящих задач. Вы будете обеспечивать ценность продуктов для пользователей и бизнеса, расставляя приоритеты проектов и внедряя инновационные решения в ответ на вызовы или возможности. Коммуникация и влияние: вы не просто будете представлять данные, а рассказывать истории на основе данных. Вы будете убеждать и влиять на партнеров с помощью четких идей и рекомендаций. Вы будете строить доверие через структуру и ясность и быть надежным стратегическим партнером. Обязанности - Концептуализировать и владеть архитектурой данных для нескольких крупномасштабных проектов, оценивая компромиссы между дизайном и операционными затратами в системах. - Создавать и вносить вклад в фреймворки, повышающие эффективность логирования данных, а также работать с инфраструктурой данных для устранения проблем и их решения. - Сотрудничать с инженерами, продакт-менеджерами и дата-сайентистами для понимания потребностей в данных, представляя ключевые идеи данных визуально значимым образом. - Определять и управлять соглашениями об уровне обслуживания (SLA) для всех наборов данных в закрепленных областях ответственности. - Определять и внедрять модель безопасности на основе требований конфиденциальности, подтверждать соблюдение мер защиты, решать проблемы качества данных и развивать процессы управления в закрепленных областях ответственности. - Проектировать, создавать и запускать коллекции сложных моделей данных и визуализаций, поддерживающих множество вариантов использования в разных продуктах или доменах. - Решать самые сложные проблемы интеграции данных, используя оптимальные паттерны ETL, фреймворки, методы запросов, источники структурированных и неструктурированных данных. - Участвовать в сопровождении существующих процессов в продакшене, оптимизируя сложный код с помощью продвинутых алгоритмических концепций. - Оптимизировать пайплайны, дашборды, фреймворки и системы для упрощения разработки артефактов данных. - Влиять на продуктовые и кросс-функциональные команды для выявления возможностей данных, способствующих росту. - Наставлять членов команды, давая и получая конструктивную обратную связь. Требования - Степень бакалавра в области компьютерных наук, компьютерной инженерии, смежной технической области или эквивалентный практический опыт. - 7+ лет опыта, где основная ответственность связана с работой с данными. Это могут быть роли дата-аналитика, дата-сайентиста, дата-инженера или аналогичные. - 7+ лет опыта работы с SQL, ETL, моделированием данных и как минимум одним языком программирования (например, Python, C++, C, Scala или другими). - Степень магистра или PhD в области STEM. - Подтвержденная способность интегрировать AI-инструменты для оптимизации или перепроектирования рабочих процессов и достижения измеримого влияния (например, повышение эффективности, улучшение качества). - Опыт соблюдения и внедрения ответственных, этичных практик AI (например, оценка рисков, снижение предвзятости, проверка качества и точности). - Подтвержденное постоянное развитие навыков AI (например, промпт-инженерия, контекстная инженерия, оркестрация агентов) и отслеживание новых AI-технологий.
Сильного инженера для развития ML-инфраструктуры и платформы хостинга моделей
Сильный инженер для развития ML-инфраструктуры и платформы хостинга моделей Центр ИИ — Контур ищет сильного инженера для развития ML-инфраструктуры и платформы хостинга моделей. Стек: Python, FastAPI, Celery, Docker, Kubernetes, Helm, Ansible, GitLab CI/CD, Prometheus, Grafana, OpenTelemetry, Sentry, PostgreSQL, MongoDB, Redis. Чем предстоит заниматься - Развивать инфраструктуру для запуска и хостинга ML-моделей. - Внедрять inference-движки и проводить R&D новых решений. - Развивать ClearML, Milvus, инструменты разметки данных и распределённых вычислений. - Создавать внутренние сервисы для управления кластерами и ресурсами. Ожидания - Уверенный опыт с Docker и Kubernetes. - Ansible, CI/CD, IaC, SRE. - Prometheus, Grafana, ELK. - Python на прикладном уровне. - Опыт проектирования инфраструктурных решений. - Готовность работать в условиях высокой неопределённости. Будет плюсом - ML lifecycle, MLOps, vector DB, ML-библиотеки, GPU-серверы и диагностика GPU. Условия - Формат: удалёнка / гибрид / офис. - Доход: обсуждается индивидуально + бонусы.
Deep Learning Researcher (Middle / Senior)
Обязанности Не указаны. Требования - Коммерческий опыт от 2 лет: ML Engineer / DL Engineer / ML Researcher / Data Scientist - Production-модели для временных рядов, которые влияли на метрику - Интерес к рынкам - Python, PyTorch, Scikit-Learn, CatBoost, LightGBM/XGBoost, Optuna Условия - Гибрид, офис в центре Москвы - Фикс в USDT/USDC - Квартальный profit sharing от результатов стратегий - Оплачиваемый отпуск - Компания оплачивает AI-подписки О компании и команде Ищем того, кто уже строил и запускал в production модели прогнозирования временных рядов и хочет применить это в квант-финансах. Домен прошлого опыта не важен: прайсинг, e-commerce, логистика и ETA, спрос, риск, антифрод. Опыт в трейдинге не обязателен, нужен интерес к рынкам. Команда строит собственные торговые стратегии на reinforcement learning и управляет капиталом в стейблкоинах. KPI роли не метрика модели, а PnL стратегии в проде. Команда небольшая, работа напрямую с фаундером.
Deep Learning Researcher (Middle / Senior)
Deep Learning Researcher (Middle / Senior) Ищем того, кто уже строил и запускал в production модели прогнозирования временных рядов и хочет применить это в квант-финансах. Домен прошлого опыта не важен: прайсинг, e-commerce, логистика и ETA, спрос, риск, антифрод. Опыт в трейдинге не обязателен, нужен интерес к рынкам. Команда строит собственные торговые стратегии на reinforcement learning и управляет капиталом в стейблкоинах. KPI роли не метрика модели, а PnL стратегии в проде. Команда небольшая, работа напрямую с фаундером. Что важно: - коммерческий опыт от 2 лет: ML Engineer / DL Engineer / ML Researcher / Data Scientist - production-модели для временных рядов, которые влияли на метрику - интерес к рынкам - Python, PyTorch, Scikit-Learn, CatBoost, LightGBM/XGBoost, Optuna Условия: - гибрид, офис в центре Москвы - фикс в USDT/USDC - квартальный profit sharing от результатов стратегий - оплачиваемый отпуск - компания оплачивает AI-подписки
Middle / Senior Python Backend Developer
Middle / Senior Python Backend Developer СберЗдоровье — аккредитованная IT-компания и одна из крупнейших Digital Health платформ в России. Развивается новое направление AI-native продуктов: новое мобильное приложение, ИИ-помощник, персонализированный риск-профиль и сервисы, которые помогают пользователю лучше понимать свое здоровье и следующие шаги. Ищем Middle / Senior Python Backend Developer. Основной фокус роли — backend-сервисы, API, интеграции, работа с данными пользователя и production-контур для AI-сценариев. Это не ML Engineer роль и не research. От Python-разработчика ожидается сильная backend-инженерия: FastAPI, Pydantic, PostgreSQL, Redis, интеграции, надежность, безопасность, observability и умение работать в кросс-функциональной команде рядом с ML, Mobile, Frontend / PWA, QA, SA и Product. Обязанности - Разрабатывать и проектировать backend-сервисы на Python / FastAPI. - Проектировать и поддерживать REST API для мобильного приложения, PWA, риск-профиля и ИИ-помощника. - Описывать и поддерживать контракты API: request / response schemas, validation, error model, versioning. - Работать с Pydantic, PostgreSQL, Redis и, при необходимости, S3-compatible storage. - Интегрироваться с AI / ML-слоем: n8n-прототипы, FastAPI / FastMCP-сервисы, LLM API, RAG / context, Qdrant, traces. - Строить observability: structured logs, trace / request id, metrics, dashboards, error tracking. - Писать поддерживаемый код, покрывать критичную логику тестами, участвовать в code review и технических обсуждениях. Требования - Опыт backend-разработки на Python от 3 лет. - Хорошая база в технологиях веба: HTTP, контейнеры, хранение, веб-серверы. - Практический опыт разработки production API на FastAPI, Django, Flask или аналогичном backend-фреймворке; FastAPI будет сильным плюсом. - Уверенное владение Python. - Здравый смысл в использовании ИИ-агентов. - Хорошее понимание PostgreSQL: схемы, связи, индексы, транзакции, миграции, профилирование запросов. - Опыт проектирования REST API и умение договариваться о контрактах с mobile / frontend / SA / QA. - Опыт работы с микросервисами. - Умение писать тесты для критичной backend-логики. - Готовность работать в продуктовой команде, где требования меняются быстро, а API влияет на mobile, PWA и AI-сценарии. Будет плюсом - Опыт работы с очередями: Kafka / RabbitMQ, подготовка Celery. - Понимание, где зона ответственности AI / ML, а где классического Python-сервиса. - Понимание AI / ML инструментов и подходов. - Опыт в MedTech, HealthTech, FinTech или другом домене с чувствительными данными. Уровень дохода не указан.
Senior AI Software Engineer — Spectral::Technologies
Senior AI Software Engineer — Spectral::Technologies Зарплата: 240–360k USD на руки + profit sharing Spectral::Technologies ищет Senior AI Software Engineer для развития AI-инфраструктуры в HFT-фонде. Задачи - Решение HFT-задач с AI-агентами - Подключение новых бирж и исследование биржевой инфраструктуры - Оптимизация задержек - Разработка агентной инфраструктуры для команды - Интеграция LLM: tool use, structured output, MCP Требования - Ежедневный опыт работы с Claude Code, Codex, Cursor и аналогичными AI-инструментами - Уверенный C++17+ и Python - Инженерное понимание LLM: контекст, токены, галлюцинации - Готовность отвечать за AI-generated code наравне с собственным Условия - ДМС + стоматология - Неограниченный бюджет на AI-токены - Учебные отпуска - Перфоманс-коучинг - Мероприятия и корпоративы в разных странах - Вкусная еда
AI-инженер, платформа и агентные системы
Команда строит платформу ИИ-инженерии, которая обеспечивает доставку ИИ-решений. В зоне ответственности — жизненный цикл разработчика, инфраструктура развёртывания, наблюдаемость, автоматизация качества, конвейеры обработки документов и переиспользуемые паттерны агентов. Это практическая инженерия с прямым выходом на миллионы пользователей. Обязанности - Паттерны агентов, поиск и защитные механизмы для агентных ассистентов, которые отвечают на вопросы участников и выполняют операции от их имени. - MCP-сервер, предоставляющий реестр навыков для ИИ-агентов прямо в IDE. - Переиспользуемые паттерны агентов в LangGraph: мультиагентная оркестрация, память, безопасность использования инструментов и защитные механизмы. - Платформа оценки агентов (DeepEval, Ragas) с качественными гейтами, блокирующими неудачные развёртывания в CI/CD. - Конвейеры обработки и поиска документов: разбиение на чанки, эмбеддинги, векторный поиск, реранкинг и цитирование. - Автоматизация CI/CD и развёртывания ИИ-агентов на AWS (ECS, Fargate, Agent Core). - ИИ-совместимые devcontainer'ы с инструментарием, валидацией и тестированием. - Инструментирование OpenTelemetry, дашборды и отслеживание стоимости LLM и токенов для продакшн-нагрузок. - Контроль управления, преобразованный в проверки конвейера, с автоматическим сбором доказательств. - Семантическое кэширование, ограничение скорости и корректная деградация для агентных нагрузок. - Эталонные реализации, SDK и CLI-инструменты, документация для других инженеров. Требования - Владение Python (3.10+) — основной язык команды. - Рабочее знание AWS: ключевые сервисы (IAM, ECS/Fargate, сети), уверенность в cloud-native окружении. - Дисциплина программной инженерии: контроль версий (Git/GitHub), код-ревью, тестирование, документация, чистый код. - Осведомлённость о безопасности: работа с чувствительными данными, секреты, права доступа, защита данных по умолчанию. - Экспертиза в одной из шести областей: - Разработка ИИ-агентов: LangGraph или аналоги, мультиагентная оркестрация, память, использование инструментов, защитные механизмы, проектирование промптов и рабочих процессов. - Инженерия данных и поиска: разбиение на чанки, эмбеддинги и векторный поиск, RAG, гибридный поиск, реранкинг, оценка поиска. - Качество и оценка: фреймворки оценки агентов (DeepEval, Ragas), качественные гейты в CI/CD, метрики обоснованности и безопасности, автоматизация тестов для ИИ-систем. - Платформа и инфраструктура: CI/CD, Terraform, оркестрация контейнеров на AWS (ECS, Fargate), секреты и IAM, прогрессивное развёртывание. - Наблюдаемость и эксплуатация: трассировка OpenTelemetry, дашборды и алертинг, отслеживание стоимости LLM и токенов, циклы обратной связи. - Опыт разработчика: MCP-серверы, devcontainer'ы, CLI и SDK-инструменты, библиотеки промптов, документация и эталонные реализации.
Эксперт Claude Code, промт-инжиниринг и автоматизация
Компания: Grandeur Design Supply Мы ищем высококвалифицированного эксперта Claude Code с глубоким опытом в AI-ассистированной разработке, промт-инжиниринге и автоматизации рабочих процессов с использованием моделей Claude (Anthropic). Роль сосредоточена на использовании Claude для задач программирования, проектирования систем, документации и оптимизации процессов. Обязанности - Проектировать, тестировать и оптимизировать продвинутые промты для Claude для генерации качественного кода и технических результатов. - Создавать и поддерживать AI-ассистированные рабочие процессы разработки с использованием возможностей Claude Code. - Сотрудничать с инженерными и продуктовыми командами для интеграции Claude в инструменты, системы и процессы. - Отлаживать, дорабатывать и проверять AI-сгенерированный код на нескольких языках программирования. - Разрабатывать внутренние инструменты, скрипты и автоматизации на основе Claude API. - Документировать лучшие практики промт-инжиниринга и AI-ассистированного программирования. - Отслеживать новейшие достижения в моделях Claude и инструментах AI-разработки. - Оценивать производительность, точность и надёжность AI-сгенерированных результатов. Требования - Подтверждённый опыт работы с Claude (Anthropic) или аналогичными LLM (например, GPT, Gemini) для задач программирования. - Свободное владение одним или несколькими языками программирования (Python, JavaScript, TypeScript и т.д.). - Экспертиза в промт-инжиниринге и оптимизации выходных данных AI. - Опыт работы с API, интеграцией SDK и автоматизацией рабочих процессов. - Знакомство с жизненным циклом разработки ПО (SDLC) и системой контроля версий (Git). - Способность эффективно отлаживать и проверять AI-сгенерированный код. - Развитые навыки решения проблем и аналитического мышления. - Отличные письменные коммуникативные навыки и способность к документированию. Предпочтительные квалификации - Опыт создания AI-ассистированных инструментов для разработчиков или копилов. - Знание DevOps, CI/CD пайплайнов или облачных платформ (AWS, GCP, Azure). - Опыт в машинном обучении или обработке естественного языка. - Опыт работы с агентными системами или автономными рабочими процессами. Условия - Оплата: $10–15 в час (в зависимости от опыта и типа занятости). - Тип занятости: контракт. - Место работы: удалённо.
Senior ML-инженер, production ML и LLM
Работодатель: FUSTIS LLC. Формат: удалённо. Длительность: от 6 месяцев. Тип занятости: W2. Требования - Степень бакалавра в области компьютерных наук, науки о данных, инженерии, математики, статистики или смежной области. - Более 8 лет опыта разработки ML-решений в production-среде. - Уверенное владение Python и лучшими практиками разработки ПО. - Опыт работы с ML-фреймворками: TensorFlow, PyTorch, Scikit-learn, XGBoost. - Глубокое понимание методов обучения с учителем и без учителя. - Опыт создания и сопровождения пайплайнов данных. - Знание SQL и технологий обработки больших объёмов данных. - Опыт работы с облачными платформами: AWS, Azure или Google Cloud Platform. - Знакомство с инструментами контейнеризации и оркестрации: Docker, Kubernetes. - Опыт работы с системами контроля версий и CI/CD. - Развитые аналитические, коммуникационные навыки и навыки решения проблем. Предпочтительно - Степень магистра или PhD в соответствующей технической области. - Опыт работы с большими языковыми моделями (LLM), генеративным ИИ или RAG. - Знание MLOps-инструментов: MLflow, Kubeflow, SageMaker или Vertex AI. - Опыт работы с распределёнными вычислительными платформами, например Spark. - Знакомство с векторными базами данных и технологиями эмбеддингов. - Опыт создания AI-приложений в production-среде. - Знание ответственного ИИ, управления моделями и методов объяснимости. Технические навыки - Программирование: Python, SQL; Java, Scala или C++ (предпочтительно). - Машинное обучение и ИИ: глубокое обучение, NLP, компьютерное зрение, предиктивное моделирование, генеративный ИИ, тонкая настройка LLM. - Облако и инфраструктура: AWS, Azure или GCP, Docker, Kubernetes, REST API, CI/CD. - Технологии данных: Spark, Databricks, Airflow, feature stores, хранилища данных. Критерии успеха - Точность моделей и улучшение производительности. - Надёжность и масштабируемость развёртывания. - Снижение задержки моделей и затрат на инфраструктуру. - Бизнес-эффект от AI-инициатив. - Качество и поддерживаемость production ML-систем. - Операционная эффективность за счёт мониторинга и автоматизации.
Старший инженер-программист, Enterprise AI
Задачи - Проектировать, создавать и эксплуатировать защищённые корпоративные ИИ-платформы, которые соединяют ИИ-модели, агентов, инструменты и внутренние системы Spotify. - Владеть крупными направлениями работы в корпоративной ИИ-инфраструктуре, включая шлюз Model Context Protocol (MCP) и возможности корпоративного контекста, от технического проектирования до запуска и эксплуатации. - Создавать надёжные бэкенд-сервисы, API и интеграции, обеспечивающие ИИ-функции в цифровом рабочем пространстве Spotify. - Помогать в разработке масштабируемых подходов к управлению ИИ, включая доступ с учётом идентичности, разрешения, аудит, контроль политик и управление рисками, связанными со сторонними ИИ-инструментами. - Проектировать, создавать, тестировать и оценивать агентные системы и рабочие процессы, которые помогают сотрудникам Spotify получать доступ к информации и эффективно выполнять задачи. - Нести операционную ответственность за создаваемые сервисы и компоненты, балансируя скорость, надёжность, безопасность и долгосрочную поддерживаемость. - Взаимодействовать с инженерами и заинтересованными сторонами по всему Spotify, чтобы находить возможности, принимать взвешенные технические компромиссы и превращать новые потребности в области ИИ в масштабируемые возможности платформы. - Вносить вклад в инженерные практики, обмен знаниями и развитие ИИ-компетенций по мере освоения эксплуатации корпоративной ИИ-инфраструктуры в масштабе Spotify. Требования - Сильные фундаментальные знания в разработке ПО и опыт создания, тестирования, отладки и эксплуатации надёжных бэкенд-систем. - Опыт работы с бэкенд-языками, такими как Python, Go или аналогичными, и уверенное проектирование API и интеграций в сложных системах. - Понимание архитектуры ПО и того, как сервисы, API, корпоративные инструменты и пользовательские интерфейсы сочетаются друг с другом. - Опыт работы с концепциями и технологиями идентификации и аутентификации, такими как OAuth, SAML или SCIM. - Опыт работы с облачной инфраструктурой; знакомство с Google Cloud Platform будет полезно. - Уверенность в работе в условиях неопределённости, способность создавать ясность и самостоятельно принимать взвешенные технические решения. - Ответственное отношение к операционной деятельности и созданию надёжной инфраструктуры, на которую могут полагаться другие команды и сотрудники. - Интерес к экспериментам, итерациям, обмену знаниями и непрерывному обучению в совместной инженерной среде. - Опыт работы с корпоративным SaaS или платформенным инжинирингом, или с паттернами интеграции LLM, такими как использование инструментов, вызов функций, агентные рабочие процессы или системный промпт-инжиниринг, поможет добиться результатов в этой роли. Условия - Роль базируется в Нью-Йорке. - Предоставляется гибкость в выборе места работы: часть встреч проходит очно, но возможна работа из дома. - Вилка зарплаты в США: $164,448–$234,926 в год, плюс акции. - Льготы: медицинская страховка, шестимесячный оплачиваемый отпуск по уходу за ребёнком, пенсионный план 401(k), ежемесячная надбавка на питание, 23 оплачиваемых дня отпуска, оплачиваемые гибкие праздники и оплачиваемый больничный. - Эти диапазоны могут быть изменены в будущем.
Старший технический специалист, агентные среды
Cohere — ведущая enterprise AI-компания, ориентированная на безопасность. Компания разрабатывает фундаментальные модели ИИ и готовые продукты для решения бизнес-задач. В рамках этой роли требуется старший инженер с глубокими техническими знаниями в production-средах, способный соединять исследовательские концепции с реальными внедрениями. Позиция hands-on и ориентирована на инженерию: работа с production-системами, эксперименты с frontier-моделями, совместная разработка масштабируемых решений. Инженерия и исследования объединены: каждый сотрудник вносит вклад в оба направления в зависимости от потребностей организации. Предоставляется доступ к вычислительным ресурсам мирового класса, данным и талантам. Обязанности - Проектировать и писать высокопроизводительный масштабируемый код для обучения моделей. - Разрабатывать новые инструменты для ускорения исследований и обучения LLM. - Координировать работу с другими инженерными командами (Infrastructure, Efficiency, Serving) и научными командами (Agent, Multimodal, Multilingual и др.). - Исследовать, внедрять и экспериментировать с идеями на кластерной и data-инфраструктуре. - Взаимодействовать с другими учёными, инженерами и командами. Требования - Очень сильные навыки разработки ПО. - Приверженность test-driven development, чистому коду и снижению технического долга. - Владение Python и соответствующими ML-фреймворками: JAX, PyTorch и/или XLA/MLIR. - Опыт использования и отладки крупномасштабных стратегий распределённого обучения (профилирование памяти и скорости). - Опыт работы с инфраструктурами распределённого обучения (Kubernetes) и связанными фреймворками (Ray). - Опыт академических исследований в области ML и LLM. Личные качества - Глубокая увлечённость качественной работой. - Интерес к настройке и оптимизации больших LLM-моделей. - Комфортная работа с людьми разного уровня навыков разработки. - Умение разбираться в сложных ML-кодовых базах, находить и устранять проблемы. - Успешная работа в быстро меняющейся технической среде, готовность предлагать инновационные идеи и решения. Условия и преимущества - Еженедельная стипендия на обед: $75/£75 или эквивалент в местной валюте. - Полное медицинское и стоматологическое страхование, отдельный бюджет на ментальное здоровье. - RRSP matching, 401K, пенсионная схема. - 100% оплата отпуска по уходу за ребёнком до 6 месяцев для любого из родителей. - Ежегодные бонусы: культура и искусство, фитнес/здоровье, качественное время, кредит на улучшение рабочего места. - Стипендия на образование и обучение: конференции, курсы, коучинг. - 6 недель оплачиваемого отпуска (30 рабочих дней). - Бюджет на поездки в другие офисы для удалённых сотрудников, ежегодный корпоративный выезд. Формат работы - Remote-friendly, офисы в Торонто, Лондоне, Нью-Йорке, Сан-Франциско, Монреале, Париже, Берлине и Сеуле. - Для работы в офисе: ежедневная программа обедов, закуски, регулярные мероприятия. - Для удалённой работы: стипендия на коворкинг. - Все сотрудники получают $500 на обустройство домашнего офиса.
Backend / Platform Engineer — Claude Code, оркестратор и данные
Backend / Platform Engineer — Claude Code, оркестратор и данные Удалённо. Продукт — платформа умного ремонта. Подписка на закрытые цены от 243+ брендов, AI-калькулятор бюджета, адаптация готовых интерьерных решений под планировку клиента, реализация под ключ. Текущее состояние Два контура в проде: - Платформа и Telegram-боты — работают на общей базе PostgreSQL в Yandex Cloud. Telegram Mini App и платформа используют одну БД, авторизация через initData. Платежи — YooKassa. - Веб-приложение, собранное через оркестратор Claude Code. Живёт отдельно: своя логика, свои данные, с основным контуром не связано. Значительная часть продуктовых данных до сих пор в Google Sheets: каталог материалов, расчётные таблицы, рабочие реестры. Задача — свести это в единую архитектуру: общая схема данных, единый пользователь во всех точках входа, API-слой поверх, постепенный вынос таблиц в БД. И построить оркестратор так, чтобы продуктом можно было управлять без разработчика. Главное в этой роли Ищем не того, кто пишет код руками, а того, кто работает через Claude Code как через управляющий слой и умеет строить такие слои внутри продукта. 1. Собранная собственная конфигурация Claude Code. CLAUDE.md, правила, skills, subagents, hooks, MCP-серверы к базе и сервисам. Не «иногда открываю чат», а настроенное окружение, где рутина делегирована, а вы держите архитектуру и ревью. 2. Умение построить оркестратор для владельца продукта. Капсулы, цены, тарифы, тексты живут как данные и редактируются основателем самостоятельно, без деплоя. Ваша зона: структура, права доступа, валидация, история изменений и откат. Новые типы сущностей добавляете вы — наполняет их продукт. Если вам комфортно быть единственной точкой доступа к продукту — это не та роль. Задачи - Спроектировать единую схему данных и свести два контура: платформа, боты, веб-приложение - Унифицировать авторизацию между точками входа, чтобы пользователь был один везде - Развивать оркестратор как рабочий инструмент заказчика - Запустить AI-агентов в продукте — от прототипа до прода: подбор материалов, адаптация капсулы под планировку, обработка обращений. Оркестрация вызовов, работа с инструментами и БД, управление состоянием диалога, ограничители и проверка результата, логирование для последующей отладки качества - Вести БД: миграции, индексы, бэкапы, доступы, SQL-витрины для аналитики - Постепенно переносить данные из Google Sheets в БД — блоками, без остановки процессов: таблицы продолжают работать, пока перенос не завершён - Интегрировать AI-модели (текст и изображения): очереди, асинхронная обработка, хранение результатов, учёт расхода по пользователю, фолбэк при отказе провайдера - Поддерживать и развивать интеграции: Telegram Bot API, YooKassa Требования Бэкенд Python, FastAPI, асинхронность. Проектирование REST API. Аутентификация и авторизация, роли и права. Вебхуки, идемпотентность обработки. Базы данных PostgreSQL на уровне проектирования, а не только запросов: схемы, нормализация, индексы, транзакции. Alembic или аналог. Бэкапы и восстановление. Данные и миграция Google Sheets API. ETL: выгрузка, очистка, валидация, дедупликация. Повторяемые идемпотентные загрузки. Двусторонняя синхронизация на переходный период, пока часть процессов ещё в таблицах. AI-агенты Проектирование агентных сценариев: tool calling, доступ агента к БД и внешним API, управление контекстом и состоянием, guardrails, обработка галлюцинаций и отказов. Оценка качества ответов, версионирование промптов, воспроизводимость. AI-интеграции Подключение LLM и image-моделей в прод. Стриминг, таймауты, лимиты, подсчёт и списание расхода по пользователю, переключение провайдера при отказе. Асинхронная обработка Очереди задач (Celery, ARQ, RQ — любое), Redis, ретраи, дедлеттеры, таймауты. Понимание, что делать с задачей, которая идёт минуту и может упасть. Интеграции Telegram Bot API, Telegram Mini App. YooKassa: платежи, вебхуки, рекуррентные списания. Инфраструктура Yandex Cloud, Docker, CI/CD, логирование, мониторинг, работа с секретами. Фронт Next.js на уровне чтения и правок — не писать с нуля, но уметь поправить и задеплоить. Админ-слой Опыт создания панели, которой пользуется нетехнический человек: валидация ввода, превью, аудит-лог, откат изменений, защита от разрушающих действий. Общее 3+ года коммерческой разработки. Минимум один проект с реальными платежами и пользователями. Умение разобраться в чужом коде и не переписать его с нуля. Задачи приходят продуктовыми формулировками, не техническими ТЗ. Условия - Продукт с выручкой и живыми пользователями, не идея на слайдах. Всё что делаете — идёт в прод сразу, не в бэклог - Вы единственный инженер на контуре. Архитектурные решения ваши. Ни комитетов, ни согласований, ни легаси-владельца, который скажет «у нас так принято» - Работа напрямую с основателем, без прослойки менеджеров и переводчиков с продуктового на технический - Claude Code — норма, а не эксперимент. Никто не будет спрашивать, почему вы делегируете агентам. Это заложено в саму роль - AI-агенты в проде, а не в демо — редкая возможность собрать агентный слой в работающем бизнесе, а не в песочнице - Задача целиком: собрать архитектуру от разрозненных контуров до единой системы
AI-native Software Engineer
Компания НЛ Континент — международная торгово-производственная группа с центром в Новосибирске. Собственное производство, реферальная сеть, R&D-лаборатория в Кольцово, 11 складов и 78 розничных магазинов в СНГ и Турции. Компания формирует команду внутренней автоматизации Сервисного подразделения. Кого ищут Software Engineer, который умеет превращать LLM в рабочие бизнес-инструменты. Задачи - Разрабатывать AI-решения для внутренних процессов: ассистентов, агентов, классификацию обращений, извлечение данных и автоматизацию сценариев. - Работать с LLM API, prompting, structured output, tool calling, RAG и agent workflows. - Автоматизировать процессы Контактного центра: обработку обращений, подсказки операторам, автоответы. - Развивать внутреннюю CRM и интеграции между системами. - Проектировать новые сервисы и дорабатывать существующие. - Вместе с Product Owner разбирать бизнес-задачи, проверять гипотезы и оценивать результат. - Использовать и развивать coding agents в ежедневной разработке. Требования Инженерная база: - 2+ года коммерческой разработки на Python, JavaScript или TypeScript. - Опыт проектирования и поддержки production-систем. - Понимание system design. - Уверенная работа с REST API, интеграциями и SQL. - Понимание современного frontend и опыт с Vue 3. - Знание принципов тестирования и сопровождения систем. Прикладная работа с LLM: - Практический опыт создания приложений поверх LLM API. - Умение работать с prompts и контекстом. - Опыт со structured output / JSON Schema, tool calling, RAG. - Понимание, как строить и надёжно запускать agent workflows в production. AI-native разработка: - Использование Claude Code, Codex, Cursor или аналогов для реальных задач разработки. - Умение ставить задачи coding agents, давать им контекст и проверять результат. - Умение декомпозировать задачу, сформировать спецификацию и критерии готовности. - Умение ревьюить AI-generated код и сохранять качество кодовой базы. Продуктовый подход: - Понимание, зачем делается задача и как понять, что решение действительно работает. - Умение работать с Product Owner и внутренними заказчиками, проверять гипотезы и оценивать результат. - Умение объяснить свой подход другим разработчикам и помочь команде эффективнее работать с AI-инструментами. Условия - Обеды за счёт компании. - Формат работы: офис / гибрид / удалёнка по часовому поясу Новосибирска (UTC+7). - ДМС после испытательного срока. - Продуктовый бонус — 6 000 руб. в месяц на продукцию компании (после испытательного срока). - Охраняемая подземная парковка. - Офис в Новосибирске в 5 минутах от ст. м. Маршала Покрышкина. - Кадровое оформление полностью онлайн через КЭДО. - Работа над реальными продуктами с миллионной аудиторией, культура открытого общения, возможности для профессионального роста и насыщенная внутренняя жизнь компании.