Вакансии для ML-инженеров с RAG
Вакансии для ML-инженеров с RAG: подборка ролей, где в задачах или стеке указан RAG. Можно найти работу в этом направлении и сразу смотреть релевантные…
Фильтр вакансий
Data Science (LLM/NLP)
⌨️ Data Science (LLM/NLP) Удаленно (Екатеринбург) Т1 — это стабильный и надёжный работодатель. Мы помогаем профессионально расти и решать действительно интересные задачи, создаём атмосферу открытости и комфортные условия для работы в гибридном формате. Требования: — Высшее образование (IT, техническое, математическое); — Уверенное владение Python, SQL; — Хорошие знания в области теории вероятностей, математической статистики, алгоритмов машинного обучения ML; — Знания в области NLP алгоритмов; — Понимание деталей работы LLM и того, как происходит их дообучение и инференс; — Опыт деплоя ML/LLM решений (Docker, Kubernetes, cloud); — Опыт работы с prompt engineering, fine-tuning / PEFT (LoRA, adapters), RAG-подходами. ➡️ Подробнее о вакансии на hirehi.ru 📍 Навигация: База знаний • Задачи • Собеседования
GenAI-инженер, LLM-инженер
GenAI/LLM-инженер, удалённо, работа в часовом поясе PST. Предпочтителен кандидат из района залива Сан-Франциско. Роль требует практикующего специалиста по глубокому обучению, уверенно работающего с современными фреймворками и библиотеками для разработки LLM. Задачи: - Внедрение и оптимизация продвинутых методов тонкой настройки (LoRA, PEFT, QLoRA) для адаптации фундаментальных моделей под домен клиента. - Разработка системных методологий промт-инжиниринга для операционной деятельности, нормативного соответствия и технической документации. - Создание переиспользуемых шаблонов и библиотек промтов для стандартизации взаимодействия с LLM-приложениями. - Внедрение фреймворков тестирования промтов для количественной оценки и итеративного улучшения их эффективности. - Настройка систем версионирования промтов и управления для поддержания качества. - Применение методов кастомизации моделей: дистилляция знаний, квантизация, прунинг — для снижения потребления памяти и затрат на инференс. - Решение проблем с памятью с помощью шардированного параллелизма данных, выгрузки на GPU или гибридных подходов CPU+GPU. - Построение пайплайнов RAG с векторными базами данных, пайплайнами эмбеддингов и оптимизированными стратегиями чанкинга. - Разработка продвинутых стратегий промтинга: цепочки рассуждений, оркестрация диалогов, агентные подходы. - Совместная работа с MLOps-инженером для эффективного развертывания, мониторинга и переобучения моделей. Требования: - Глубокое обучение и NLP: владение PyTorch/TensorFlow, Hugging Face Transformers, DSPy, продвинутыми техниками обучения LLM. - Знание GPU и аппаратного обеспечения: опыт многогпу-обучения, оптимизации памяти, стратегий параллелизации. - LLMOps: знакомство с процессами поддержки LLM-приложений в продакшене и мониторингом производительности моделей. - Техническая адаптивность: умение читать исследовательские статьи и внедрять новые техники (без обязательного владения математикой уровня PhD). - Доменная адаптация: навыки создания пайплайнов данных для тонкой настройки моделей под специфический контент.
Principal AI/ML-инженер, LLM и генеративный ИИ
О компании Common App — национальная некоммерческая организация, которая занимается доступом, равенством и честностью в процессе поступления в колледжи. Ежегодно организация поддерживает более 1 миллиона студентов, треть из которых — первопоколенческие, при подаче заявлений в более чем 1100 колледжей и университетов через бесплатное онлайн-приложение Common App. Обязанности Principal AI & Machine Learning Engineer — технический лидер, отвечающий за внедрение искусственного интеллекта в корпоративные рабочие процессы и аналитические процессы для достижения измеримых улучшений в производительности, генерации инсайтов и поддержке принятия решений в подразделении Data Analytics & Research (DAR). - Подчиняется старшему директору по аналитической инженерии. - Тесно сотрудничает с командами Data Engineering, Data Governance и кросс-функциональными бизнес-заинтересованными сторонами. - Обеспечивает масштабируемость, безопасность, соответствие требованиям и согласованность AI-решений с корпоративной стратегией данных. - Работает как старший индивидуальный контрибьютор и технический авторитет: устанавливает стандарты практики AI-разработки, наставляет коллег по прикладным AI-техникам, превращает сложные возможности машинного обучения в корпоративные системы. - Признанный эксперт в области AI, к которому обращаются за техническим руководством, наставничеством и экспертизой как внутри организации, так и в более широком сообществе AI и данных в высшем образовании. Требования - Кандидат должен проживать в США. - Готовность к поездкам для участия в двух ежегодных выездных мероприятиях Common App Retreat. - Степень бакалавра в области компьютерных наук, науки о данных, статистики, математики или смежной количественной/технической области; или эквивалентная комбинация образования и опыта. - 8–10 лет прогрессивного опыта в машинном обучении, AI-инженерии или науке о данных, из них не менее 3 лет — в прикладном AI и продакшн-системах ML. - Подтверждённый опыт интеграции LLM и генеративного AI в корпоративные аналитические или операционные рабочие процессы. - Подтверждённый опыт работы в рамках корпоративных систем управления данными и соответствия требованиям. - Экспертиза в прикладном машинном обучении и AI, включая обучение с учителем и без учителя, обработку естественного языка и интеграцию больших языковых моделей (например, OpenAI, Anthropic, open-source LLM через Hugging Face). - Подтверждённый опыт проектирования и развёртывания продакшн-систем AI/ML, включая сквозные ML-пайплайны: обучение, оценка, версионирование, развёртывание и мониторинг. - Владение R и Python для машинного обучения и AI-разработки; знакомство с ML-фреймворками: scikit-learn, PyTorch, TensorFlow или эквивалентами. - Опыт создания и эксплуатации приложений на базе LLM, включая промт-инжиниринг, retrieval-augmented generation (RAG) и фреймворки оркестрации инструментов и агентов. - Сильные навыки SQL и опыт работы с крупномасштабными облачными платформами данных (например, Databricks, Snowflake, BigQuery); умение проектировать AI-ready пайплайны данных в корпоративных хранилищах. - Знание AI-управления, принципов ответственного AI и требований соответствия для систем, работающих с чувствительными или персонально идентифицируемыми данными. - Подтверждённая способность работать как старший технический индивидуальный контрибьютор: устанавливать стандарты, принимать архитектурные решения и наставлять коллег без формальных управленческих полномочий. - Сильные межличностные и коммуникационные навыки, умение объяснять сложные концепции AI/ML доступным языком для нетехнических заинтересованных сторон и руководителей. - Подтверждённая способность управлять несколькими конкурирующими приоритетами и поставлять качественные AI-решения в быстро меняющейся среде. Желательно - Степень магистра или доктора в области компьютерных наук, машинного обучения, науки о данных или смежной области. - Соответствующие сертификаты AI/ML или облачные сертификаты (например, Databricks Certified Machine Learning Professional, AWS Machine Learning Specialty или эквивалент). - Опыт работы с Agile-фреймворками для кросс-функциональной, продуктоориентированной коллаборации. - Опыт работы с агентными AI-фреймворками.
Senior-инженер по интеграциям, AI/ML
О компании ClickHouse — компания из списка Forbes Cloud 100 2025 года. Более 4 000 клиентов, годовой рост ARR более 250%. Лидер рынка в области аналитики реального времени, хранилищ данных, наблюдаемости и AI-нагрузок. Привлекла $400 млн в раунде Series D. Среди клиентов — Capital One, Lovable, Decagon, Polymarket, Airwallex, а также Meta, Cursor, Sony, Tesla. Команда Connectors занимается интеграциями: плагины визуализации (Tableau, PowerBI, Superset, Metabase), коннекторы для фреймворков данных (Apache Spark, Flink, Kafka Connect, Fivetran), оркестрации и AI-инструментов. Работа влияет на обработку больших данных: аналитика реального времени, наблюдаемость, AI-приложения. О роли Senior Software Engineer, специализация — AI/ML экосистема. Ключевой участник, отвечающий за развитие AI-экосистемы ClickHouse. Роль находится на стыке высокопроизводительной инженерии баз данных и разработчикового опыта. Нужен опыт работы AI/ML-инженером или дата-сайентистом. Базы данных становятся векторными хранилищами для RAG, бэкендами для LLM-агентов и фиче-сторами для ML-инференса. Ответственность за полный жизненный цикл ключевых AI/ML-интеграций: LangChain, LlamaIndex, n8n, а также более широкие AI-инструменты: пайплайны эмбеддингов, RAG с ClickHouse как векторным хранилищем, ML-фиче-сторы, LLM-приложения. Задачи - Развивать Python-коннектор и SDK-экосистему ClickHouse: производительность, надёжность, дизайн API. - Формировать стратегию AI/LLM-интеграций: коннекторы и паттерны для RAG-архитектур, ML-фиче-пайплайнов и LLM-приложений. - Активно работать с open-source сообществом: разбирать issues, поддерживать контрибьюторов, защищать интересы пользователей, формировать roadmap. - Сотрудничать с командами Product, Cloud и другими инженерными командами. - Привносить практический взгляд в решения по roadmap, опираясь на реальные рабочие процессы дата-инженеров и дата-сайентистов. Требования - 7+ лет опыта разработки ПО, включая практическую работу дата-сайентистом или ML-инженером. - Глубокий опыт проектирования и поддержки продакшн-готовых Python-коннекторов, SDK или интеграций для как минимум одной крупной платформы (оркестрация, BI, MLOps или трансформация данных). - Практический опыт применения AI/ML в продакшн-контексте дата-инженерии: генерация эмбеддингов, векторный поиск, фиче-пайплайны или LLM-инструменты, которые были запущены и работали в продакшене. - Уверенный опыт с Python-экосистемой данных: Pandas, NumPy, Pydantic и смежные библиотеки. - Сильные знания баз данных: SQL, моделирование данных, оптимизация запросов, знакомство с OLAP/аналитическими базами данных. - Уверенный опыт с конкурентным Python: threading, multiprocessing, async-паттерны. - Отличные письменные и устные коммуникативные навыки.
ML‑инженер в Толк, middle/middle+
ML-инженер в Толк, middle/middle+ Компания: Контур Задачи - Улучшать автоматическое протоколирование встреч: повышать качество генерации, работать с галлюцинациями, настраивать и оптимизировать воркфлоу-решения, выстраивать мониторинг качества и предотвращать деградацию решения. - Запускать новую ИИ-функциональность, поддерживать и улучшать качество существующей функциональности как в NLP, так и на стыке разных доменных областей. - Развивать агентские системы внутри продукта: оптимизировать, улучшать качество, реализовывать новые сценарии. Ожидания - Опыт разработки и поддержки продакшн-решений на основе современных моделей NLP. - Владение Python на продакшн-уровне, PyTorch. - Опыт решения прикладных задач с LLM, практический опыт с SFT, RAG и дистилляцией. - Опыт работы с фреймворками для построения агентных систем: Pydantic AI, LangChain, LangGraph или аналоги. - Опыт работы с инструментами для наблюдения и отладки LLM-приложений: Langfuse, LangSmith или аналоги. - Опыт деплоя моделей, понимание MLOps: Docker, Kubernetes, CI/CD для ML. - Большой плюс — опыт разработки и внедрения моделей в CV- или Speech-доменах.
ML-разработчика, готового экспериментировать с передовыми подходами, погружаться в бизнес-контекст и строить…
ML-разработчик в команду автоматизаций в клиентском сервисе Yandex Crowd Yandex Crowd — крупный инфраструктурный сервис Яндекса, внедряющий краудсорсинг для расширения бизнес-процессов и разрабатывающий внутренние функции для продуктов. Одна из целей — автоматизация клиентского сервиса через генеративные чат-боты, агентов и co-pilot для операторов. Ищем ML-разработчика, готового экспериментировать с передовыми подходами, погружаться в бизнес-контекст и строить ИИ-сервисы для интеграции с продуктами. Задачи - Внедрение и развитие AI-агентов: развитие чат-ботов, разработка ИИ-агентов, совместная с разработчиками работа над агентской платформой; исследование новых подходов к ИИ-автоматизациям, тестирование гипотез по улучшению качества и оптимизации агентских архитектур; сбор бенчмарков, создание универсальных компонентов для агентов, проработка сценариев и способов интеграции в продукт. - Эксперименты с внешними технологиями: поиск оптимальных подходов к решению продуктовых задач, исследование лучших рыночных практик и современных архитектур, сравнение внутренних и внешних моделей на основе бенчмарков и замер производительности. - Работа над проектами под ключ: погружение в бизнес-процессы, общение с другими командами Яндекса, совместная проработка архитектуры и алгоритмов, внедрение готовых решений и настройка регулярного мониторинга и обновления моделей. Требования - Отличное понимание GenAI, практический опыт в разработке агентов и внедрении RAG. - Уверенное знание Python, опыт продакшн-разработки, владение MLOps/LLMOps. - Стремление стать экспертом, самостоятельно развивающим и поддерживающим AI-решения. Условия Предоставляется социальный пакет: ежегодные медицинские чекапы, йога, психотерапия. Предусмотрены и другие бонусы (полный список на сайте компании).
ML / LLM инженер
Компания, специализирующаяся на технологических сервисах и трансформации программного обеспечения и персонала, ищет ML / LLM инженера для участия в инициативе по машинному обучению, которая превращает агента, ориентированного на знания, в коммерчески успешный продукт. Работа предполагает взаимодействие с продуктовыми спецификациями для оценки рыночной жизнеспособности. Обязанности: - Инженерная трансформация существующего агента, ориентированного на знания и конкурентов, в агента, нацеленного на создание успешного продукта: перепроектирование его базового интеллектуального слоя от поиска и выборки к прогностическому скорингу. - Проектирование и создание ML-пайплайнов, которые принимают продуктовые входные данные (цвет, тип рукава, категория, цена и т. д.) и выдают классификации «успешный/неуспешный» с показателями уверенности. - Настройка и оптимизация LLM-интегрированных рабочих процессов, где текстовые описания продуктов, брифы покупателей или спецификации парсятся, обогащаются и подаются в модель. - Создание пользовательских интерфейсов ввода, позволяющих бизнес-пользователям вводить продуктовые спецификации в формализованном или диалоговом виде и получать ранжированные прогнозы с пояснительным обоснованием. - Работа с данными об ассортименте и эффективности продуктов для построения, валидации и непрерывного улучшения моделей с учителем и полуавтоматических прогностических моделей. - Разработка пайплайнов извлечения признаков из данных об атрибутах продуктов: обработка категориальных переменных (цвет, конструкция), сезонных паттернов, исторических показателей продаж и сигналов конкурентов. - Совместная работа с командами данных и продуктов для определения стратегий разметки для эталонной истины «успешный/неуспешный»: выявление правильных бизнес-метрик (продажи, маржа, повторные заказы) в качестве обучающего сигнала. - Оценка и итерация производительности моделей: создание офлайн-фреймворков оценки и интеграция циклов обратной связи от живого использования в процесс улучшения модели. - Документирование архитектуры моделей, данных и логики для поддержки управления, объяснимости и доверия заинтересованных сторон. Требования: - Сильный практический опыт в ML: классификация, регрессия, градиентный бустинг (XGBoost, LightGBM, Random Forest), проектирование признаков, оценка моделей и продакшн-развертывание. - Практический опыт интеграции LLM в производственные рабочие процессы: инженерия промптов, вызов функций/инструментов, RAG-пайплайны, парсинг и оценка LLM. - Опыт построения моделей, прогнозирующих реальные результаты или успех продукта на основе данных об атрибутах: контексты розничной торговли, моды, FMCG или ассортимента являются преимуществом. - Владение Python с pandas, NumPy и scikit-learn; способность обрабатывать, очищать и создавать признаки из неструктурированных данных о продуктах или транзакциях. - Опыт построения и развертывания сквозных ML-пайплайнов: обучение, оценка, версионирование и сервировка инференса. - 4–8 лет общего опыта в машинном обучении и/или AI-инженерии, минимум 2 года работы с LLM в производственном или близком к производственному контексте. - Сильный количественный бэкграунд: уверенное владение математикой моделей классификации, калибровкой вероятностей и метриками оценки (AUC, F1, компромиссы precision/recall). - Одинаково комфортная работа с табличными данными (атрибуты продуктов, история продаж) и текстом (описания продуктов, заметки покупателей, отчеты о трендах). - Прагматичный инженерный подход, балансирующий сложность моделей и скорость доставки: понимание, когда тонко настроенная модель градиентного бустинга превосходит LLM-пайплайн, а когда нет. - Развитые навыки совместной работы с командами мерчандайзинга, данных и продуктов, которые могут не иметь технического бэкграунда. - Интерес к продуктовой области: искреннее понимание того, что делает продукт коммерчески успешным, а не только оптимизация функций потерь в изоляции. - Предыдущий опыт работы с данными о продуктовом ассортименте, системами мерчандайзинга, PLM-данными или прогнозированием спроса в розничном или потребительском контексте. - Практический опыт работы с LangChain, Semantic Kernel или аналогичными оркестрационными фреймворками для создания LLM-рабочих процессов. - Опыт использования текстовых или мультимодальных эмбеддингов для кодирования атрибутов продуктов, поиска по сходству или кластеризации ассортимента. - Знакомство с MLflow или аналогичными инструментами для отслеживания экспериментов, реестра моделей и мониторинга производительности. - Опыт работы с Azure ML, AWS SageMaker или аналогичными платформами.
Senior Data Engineer, LLM/AI Platforms
FlexBoard — глобальный лидер в области кибербезопасности, специализирующийся на предотвращении утечек данных с помощью продвинутой AI-платформы. Компания ищет Data Engineer для проектирования и создания инфраструктуры данных для AI-продуктов, требующих экспертизы в интеграции LLM и соответствующих решений. Обязанности: - Архитектура, внедрение и оптимизация платформ данных и пайплайнов, специально предназначенных для поддержки LLM, RAG и сложных AI-систем в масштабе Exabyte. - Внедрение и развитие рабочих процессов и методов агентного оркестрирования для создания автономных, управляемых данными функций. - Проектирование и реализация высокомасштабируемых, отказоустойчивых и экономически эффективных решений для данных с акцентом на итеративность и высокую скорость развертывания. - Написание качественного production-кода с фокусом на производительность, поддерживаемость и строгость тестирования, обеспечивая быструю поставку без ущерба для технического качества. - Техническое лидерство и глубокая экспертиза в моделировании данных, нормализации и семантическом каталогизировании для AI/ML-нагрузок. - Установление лучших практик MLOps/DataOps для LLM, включая мониторинг, наблюдаемость и механизмы восстановления с минимальным вмешательством для AI-сервисов. - Наставничество инженеров, проведение технических воркшопов, руководство дизайн-ревью и укрепление знаний команды в передовых технологиях AI-платформ. - Совместная работа с Data Scientists, Product Managers и другими инженерными командами для превращения исследовательских прототипов в надежные production-сервисы. - Владение полным жизненным циклом критически важных сервисов данных: разработка, тестирование, развертывание и мониторинг. Требования: - Степень магистра или PhD в Computer Science, Data Engineering или STEM-области, либо эквивалентный практический опыт. - Более 10 лет опыта в Data Engineering, из них минимум 3 года в архитектуре и создании платформ для AI/ML или Data Science. - Подтвержденный практический опыт в LLM-инжиниринге (fine-tuning, инженерия, развертывание), RAG и разработке рабочих процессов. - Подтвержденный опыт проектирования и поставки крупномасштабных распределенных систем (шардирование, партиционирование, конкурентность). - Исключительная способность писать чистый, элегантный, тестируемый код в сочетании с проактивностью и ориентацией на быстрые результаты. - Глубокое понимание инженерных практик, включая эффективные peer-review, проектирование отказоустойчивой архитектуры и комплексные парадигмы тестирования. - Предыдущий опыт на уровне Senior или Staff инженера с демонстрацией технического лидерства и наставничества. - Подтвержденный опыт использования AI-технологий для улучшения принятия решений, оптимизации рабочих процессов и повышения эффективности бизнеса. - Опыт создания, развертывания и управления LLM в production-среде. - Предыдущий опыт в индустриях кибербезопасности, разведки или с высокими требованиями к комплаенсу. - Вклад в open-source проекты, связанные с данными или AI/ML. Условия: - Бонусы и гранты на акции. - Комплексный пакет льгот, включая медицинскую страховку, 401k и оплачиваемый отпуск. - Компенсация и акционерные вознаграждения. - Программы физического и ментального благополучия. - Конкурентный отпуск и праздничные дни. - Оплачиваемый отпуск по уходу за ребенком и усыновлению. - Возможности развития для сотрудников любого уровня и роли. - Сети сотрудников, географические сообщества и волонтерские возможности для построения связей. - Офисная культура с удобствами мирового класса. - Сертификация Great to Work Certified™ по всему миру. Компания является фирмой в сфере кибербезопасности, предоставляющей облачную защиту для рабочих нагрузок, идентичности и данных. Основана в 2011 году, штаб-квартира в Саннивейле, Калифорния, США, численность сотрудников 5001–10000 человек.
Forward Deployed Engineer, AI-решения
Forward Deployed Engineer — инженер, который помогает бизнесу внедрять AI-решения. Роль предполагает работу с бизнес-подразделениями: от постановки задачи до запуска и оптимизации решений в production. Задачи: - Совместно с бизнес-заинтересованными сторонами определять и приоритизировать высокоценные сценарии использования, соответствующие стратегическим целям. - Переводить бизнес-задачи в технические проекты, архитектуру решений и планы внедрения. - Проектировать, разрабатывать и разворачивать комплексные решения: пайплайны данных, API, оркестрацию рабочих процессов и AI/ML-функциональность. - Интегрировать решения в существующие корпоративные системы и рабочие процессы. - Ускорять вывод решений из пилота в production итеративным методом (в течение месяца). - Обеспечивать надежность, масштабируемость и производительность решений через мониторинг, тестирование и оптимизацию. - Сотрудничать с командами архитектуры, инженерии, безопасности и данных для соблюдения корпоративных стандартов и требований безопасности. - Поддерживать решения в соответствии с отраслевыми требованиями, управлением данными и внутренним аудитом, обеспечивая контроль и документацию. - Вносить переиспользуемый код, паттерны и компоненты в корпоративные платформы. Требования: - Опыт работы с AI/LLM-технологиями от 5 до 7 лет: большие языковые модели (LLM), retrieval augmented generation (RAG), фреймворки автоматизации. - Опыт работы Forward Deployed Engineer или в аналогичной роли в сфере быстрой разработки AI-решений. - Опыт работы с облачными платформами (предпочтительно Azure), контейнеризацией и инфраструктурой как кодом. - Опыт проектирования и внедрения корпоративных решений на уровнях данных, приложений и интеграции. - Сильные full-stack навыки: бэкенд-разработка, инженерия данных, системная интеграция (React, Next.js, Python, Node.js, AI SDK, Snowflake, Azure, OpenAI API, Anthropic Claude, PyTorch, Pinecone, Qdrant). - Умение проектировать и реализовывать пайплайны данных, API и масштабируемые архитектуры решений. - Опыт в разработке ПО, инженерии данных или смежных технических ролях: фронтенд, фуллстек, бэкенд, пайплайны данных, интеграция агентов, промт-инжиниринг, быстрая разработка приложений, UX-прототипирование. - Знание управления данными, стандартов безопасности и требований соответствия. - Умение работать в кросс-функциональных командах: бизнес, продукт, инженерия. - Отличные коммуникационные навыки, способность объяснять технические концепции нетехнической аудитории. Условия: - Полная занятость, постоянная роль, не контракт. - Полная удалённая работа или гибрид в Род-Айленде. - Для удалённых кандидатов: проживание в одном из штатов — Аризона, Коннектикут, Флорида, Джорджия, Луизиана, Массачусетс, Северная Каролина, Оклахома, Род-Айленд, Южная Каролина, Техас, Вирджиния. - Работодатель не спонсирует визы.
Senior Principal инженер-разработчик ИИ
Федеральная технологическая консалтинговая компания ищет Senior Principal инженера-разработчика ИИ для присоединения к своей команде. Идеальный кандидат имеет 12–15+ лет опыта в разработке ПО и 8+ лет практического опыта в ИИ/МО, опыт проектирования и внедрения крупномасштабных ИИ-систем, знакомство с такими областями, как большие языковые модели (LLM), генерация с дополненной выборкой (RAG), агентный ИИ, оркестрационные фреймворки, MLOps, распределённое обучение и модернизация корпоративного ИИ. Требуется опыт работы с Python, PyTorch, TensorFlow, облачными платформами (AWS, Azure, GCP) и разработкой полнофункциональных приложений. Предпочтителен предыдущий опыт работы в федеральных средах, управление ИИ, облачные нативные архитектуры, DevSecOps, микросервисы и управляемые ИИ-платформы, такие как AWS Bedrock, Azure OpenAI и Google Vertex AI. Требуется гражданство США. Активный допуск Public Trust, Secret или выше будет преимуществом. Требуемые навыки и опыт: - 10+ лет опыта в науке о данных, МО или ИИ - Владение Python на экспертном уровне - Опыт в машинном обучении, глубоком обучении и LLM - RAG, векторные базы данных и инструменты генеративного ИИ - MLOps и развёртывание моделей в продакшене - Облачные платформы (AWS, Azure, GCP) - Внедрение ИИ и аналитики в масштабе предприятия - Статистика, эксперименты и оценка моделей - Степень бакалавра или магистра в смежной области - Степень в области компьютерных наук, инженерии или смежной области Предложение: - Конкурентоспособная почасовая ставка - Полный пакет медицинских льгот - Медицинская страховка - Стоматологические льготы - Офтальмологические льготы - Оплачиваемый отпуск - Пенсионный план 401(k) Соискатели должны иметь разрешение на работу в США на полную ставку сейчас и в будущем.
AI Engineer – United States
AI Engineer О роли Мы ищем AI-инженера для проектирования, разработки и внедрения приложений промышленного уровня с использованием различных больших языковых моделей. Вам предстоит создавать сложные многоэтапные агентные рабочие процессы, создавать и оптимизировать пайплайны поисковой дополненной генерации, а также работать с полным стеком технологий для предоставления корпоративным клиентам решений на базе искусственного интеллекта в области устойчивого развития. Ключевые обязанности - Проектирование, разработка и внедрение приложений промышленного уровня с использованием различных LLM - Создание сложных многоэтапных агентных рабочих процессов с использованием LangChain и LangGraph - Создание и оптимизация RAG-пайплайнов с использованием эмбеддингов и векторных баз данных - Полностековая разработка, охватывающая фронтенд и бэкенд - Руководство инициативами по файнтюнингу LLM для предметно-специфичных приложений - Разработка продвинутых стратегий промпт-инжиниринга - Использование инструментов разработки на базе ИИ для генерации и оптимизации кода - Интеграция AI-функциональности на Python с сервисами на Java Требования - Степень в области компьютерных наук или эквивалентный опыт - Более 5 лет профессионального опыта в разработке ПО - Минимум 2 года опыта работы в сфере AI/ML с LLM - Уверенное владение Python и библиотеками для data science - Практический опыт работы с LangChain и LangGraph от 1 года - Опыт реализации архитектуры RAG - Приветствуются навыки работы с React и интеграции REST API - Продемонстрированный опыт использования AI Copilot или аналогичных инструментов генеративного кодирования Почему Pulsora - Высокая степень ответственности и автономия в роли с высоким влиянием - Передовые разработки в области ИИ для решений, ориентированных на устойчивое развитие - Опционы на акции и конкурентоспособные преимущества включены - Гибридная гибкость: 2–3 дня в неделю в офисе для тех, кто находится в Нью-Йорке, районе залива Сан-Франциско или Мюнхене; в противном случае — полностью удаленная работа
Fullstack AI Engineer (Remote, РФ)
Fullstack AI Engineer (Remote, РФ) Зарплата: 250 000–350 000 ₽ Локация: РФ Формат: полная удалёнка, оформление по ИП Что предстоит делать: - Развивать архитектуру AI-платформы и рефакторить кодовую базу. - Разрабатывать сценарии генерации презентаций с использованием LLM. - Создавать веб-редактор для интерактивного редактирования слайдов. - Интегрировать и оптимизировать LLM-пайплайны, работать с промпт-инжинирингом. - Проводить код-ревью, заниматься рефакторингом и работать с Git. - Участвовать в проектировании архитектуры и принятии технических решений. Требования: - От 3 лет опыта в AI Engineering. - Опыт проектирования API и структур данных. - Практический опыт с агентными пайплайнами и RAG-архитектурой. - Навыки оценки и улучшения качества кода. - Понимание обработки ошибок в AI-агентах: галлюцинации, потеря контекста, методы их обнаружения и устранения. Условия: - Доход 250 000–350 000 ₽. - Полностью удалённую работу. - Гибкое начало рабочего дня. - Интересные задачи, обучение и возможности карьерного роста.
ML-инженер
Мы — Далее, и мы занимаемся разработкой и поддержкой сложных digital-решений для крупных клиентов: от веб-сайтов до приложений, от Сбербанка до Nestle. Мы — один из крупнейших независимых продакшнов в России, работаем с 2005 года, сейчас в штате более 550 человек. Мы занимаем 1-е место в рейтинге Adindex Digital Index в сегменте web-production, входим в топ-20 Tagline. Сейчас мы ищем ML-инженера в команду, которая реализует AI-решения для различных проектов компании. Предстоит разрабатывать и внедрять ML-модели, участвуя во всем жизненном цикле продукта. Обязанности: Поддерживать текущие алгоритмические решения. Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы. Разрабатывать методологию и проектировать NLP/LLM решения. Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта. Интегрировать LLM API (OpenAI, Claude) с fallback-механизмами. Проводить исследования, тестировать новые идеи, оценивать жизнеспособность и качество моделей, реализовывать R&D-подходы на реальных бизнес-данных. Разрабатывать RAG-пайплайн для поиска и обработки данных (POI, отзывы, описания). Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование. Заниматься prompt engineering — создавать и тестировать промты для различных сценариев. Вести рабочую документацию и создавать отчеты о результатах работы. Мониторить ключевые показатели эффективности процессов, анализировать отклонения и их воздействие на общие показатели. Участвовать в проектировании архитектуры, CI/CD, мониторинге и оптимизации сервисов. Требования: Высшее образование в области математики, информатики или смежных дисциплин. Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других). Навыки создания ML-пайплайнов и backend-сервисов. Уверенное владение Python и PyTorch/TensorFlow, понимание принципов работы алгоритмов (GBDT, CNN, Transformers). Практический опыт работы с API, Docker/Kubernetes и базами данных. Понимание процессов Fine-tuning LLM и оценки качества моделей. Опыт внедрения RAG. Умение писать unit-тесты. Будет плюсом: Позитивный опыт внедрения RAG агентов в существующие бизнес-процессы. Реализованные проекты с существенной пользовательской нагрузкой. Понимание инфраструктуры для ML-сервисов (GPU, CPU). Мы предлагаем: Полностью белую заработную плату. Ориентируемся на ваши пожелания, опыт и навыки. Оформление по ТК РФ, оплачиваемый отпуск и больничный с первого рабочего дня. Работу в компании с аккредитацией в Минцифры. Расширенный пакет ДМС со стоматологией. 8-часовой рабочий день, удаленный формат работы. Спорт – корпоративный волейбол, беговой клуб и киберспортивные турниры). Яркую корпоративную жизнь – более 400 мероприятий в год (2 корпоратива с оплатой трансфера, разговорный клуб английского, совместные походы в музей, квизы, книжный и киноклуб, мем-чат и многое другое). Обучение и участие в профессиональных конференциях.
AI application security engineer, middle+/senior
Контур — экосистема для бизнеса. Наши сервисы помогают каждой третьей компании России делать рабочие процессы проще и эффективнее: вести бухгалтерию, сдавать отчетность в госорганы, обмениваться документами без бумаги, общаться друг с другом на удаленке и многое другое. С нами жизнь 3,1 миллионов предпринимателей и их сотрудников становится легче. О команде Мы — команда безопасности ИИ в Центре киберзащиты Контура. Ищем специалиста по кибербезопасности, который поможет внедрять и сопровождать решения на базе AI — от продуктовых сервисов и RAG-систем до внутренних AI-инструментов разработки. В Контуре активно развивается использование AI-ассистентов и агентов. Наша задача — сделать так, чтобы эти инструменты были безопасными, а разработчик получал защищенный результат, соответствующий ИБ-политикам, без необходимости погружаться во все тонкости ИБ. Задачи Проводить анализ защищенности (преимущественно Whitebox) LLM-приложений, AI-агентов, RAG, векторных БД, Low-Code/No-Code-систем (Dify, n8n) и интеграций с внешними API / облачными моделями. Выявлять специфичные для AI векторы атак: prompt injection, indirect prompt injection, jailbreak, data poisoning, excessive agency, unsafe tool calls и over-privileged agents. Настраивать и валидировать защитные механизмы: фильтры PII / конфиденциальных данных, ограничения контекста, rate limiting, контроль вызова tools и ручные подтверждения для критичных операций. Укреплять внутренний AI/ML-тулинг совместно с платформенными командами. Строить систему правил, скиллов и хуков, чтобы встраивать политики ИБ непосредственно в среду разработки: skills, rules, hooks, MCP-серверы. Проверять безопасность локального запуска LLM и агентов в Kubernetes и Linux-песочницах: изоляция сессий, памяти, контейнеров, RBAC, NetworkPolicy, Secrets Management. Формировать требования к аудиту и трассировке AI-систем: trace ID, логирование prompt/response, фиксация вызовов моделей и действий агентов. Консультировать команды, помогать внедрять безопасный код и выстраивать понятные процессы. Мы ожидаем Опыт в сфере ИБ от двух лет в одном или нескольких направлениях: AppSec, DevSecOps, Cloud/K8s Security, Product Security или ML Security. Уверенное владение одним из языков программирования: Python, Go, C, TS, Rust. Умение читать чужой код, искать уязвимости и писать PoC. Знание AI/LLM-стека: понимание устройства языковых моделей, RAG, векторных БД (Milvus, Qdrant, pgvector и др.), AI-агентов, agent memory, tool calling, а также стандарта взаимодействия MCP. Знание AI-угроз: понимание рисков OWASP for LLM, MITRE ATLAS (prompt injection, раскрытие system prompt, утечки данных, необдуманное выполнение кода агентами). Знание основ Linux и базовое понимание безопасности Kubernetes: RBAC, ServiceAccount, NetworkPolicy, Secrets, изоляция контейнеров. Знание классических веб-уязвимостей, механизмов аутентификации и авторизации OAuth2, OIDC, JWT, RBAC и безопасной разработки — Secure SDLC, Threat Modeling. Умение аргументированно объяснять риски, находить компромиссы с разработкой. Мы предлагаем Гибридный формат работы в Екатеринбурге. Офис на ул. Малопрудной, 5. Предоставим все необходимое: технику, рабочее место, библиотеку с профессиональной литературой, место для отдыха и кухонную зону с фруктами и снеками. Уровень дохода, который зависит от ваших технических знаний и навыков. Регулярно пересматриваем зарплаты с учетом профессионального роста. Финансовые бонусы тоже есть. Сильное инженерное комьюнити. Регулярно проводим внутренние технические конференции, обмениваемся опытом между командами. Вы всегда найдете с кем посоветоваться. Возможность сменить продукт, команду или предметную область внутри компании. Поддерживаем развитие в любом направлении. Общение на «ты» и максимум горизонтальных связей в коллективе, чтобы быстрее договариваться и решать рабочие задачи. Возможность делиться экспертизой. Помогаем выступать на конференциях, участвовать в подкастах или видео, писать статьи. Поддержку профессионального развития. Организуем внутреннее и внешнее обучение.
Backend-разработчик/Инженер автоматизации IT-операций (Python, AI/LLM)
Задачи - Разрабатывать MCP-серверы и интеграции с внутренними IT-системами. - Создавать цифровые роли Avatar для обработки заявок, диагностики и подсказок инженерам. - Автоматизировать типовые операции IT Operations. - Подключать источники данных: мониторинг, логи, CMDB, Jira/ITSM, базы, внутренние API. - Делать простые backend-сервисы, скрипты, воркфлоу и API-обвязки. - Работать с RAG, памятью, skill-ами, tool calling, LLM API. - Разбирать реальные кейсы инженеров и превращать их в работающие MVP. - Писать документацию: как работает интеграция, как поддерживать, как диагностировать. Требования - Уверенная backend-разработка или automation engineering. - Python как основной рабочий инструмент; Go / TypeScript — плюс. - Опыт работы с REST API, JSON, SQL, Git, Docker. - Понимание Linux, сетей, логов, мониторинга, базовой эксплуатации. - Умение писать надежные интеграции, а не только прототипы. - Понимание LLM-инструментов: prompts, tools, agents, RAG, function calling. - Готовность работать с внутренними legacy-системами и неполной документацией. - Самостоятельность: сам разобрался, уточнил, сделал, задокументировал. Условия - Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествия, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). - Стабильную заработную плату и социальные гарантии. - Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с командой. Лучшие конференции и мастер-классы за счет компании. - Участие в проектах, которые формируют цифровую трансформацию финансового сектора. - Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами, а также собственный тренажерный зал. - Гибридный формат работы (2 дня офис), возможен удалённый формат. - Корпоративная культура: внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы.
Инженер по созданию агентов ИИ/AI Agent Engineer
Мы строим собственную агентскую платформу корпоративного уровня Avatar— enterprise-аналог открытых агентских систем.Ищем сильного AI Agentic Engineer уровня Senior / Expert. Это инженерная роль на стыке agent engineering, backend и platform/infra-подхода. Вам не нужно быть архитектором всей агентской платформы, но нужно уметь проектировать устройство конкретных агентов и агентских сценариев внутри Avatar. Стек: LLM, MCP, RAG, Python, Rust, TypeScript Чем предстоит заниматься: Проектировать внутреннюю логику агентов и агентских сценариев в Avatar. Определять, где нужен agent, где tool, где sub-agent, а где deterministic-код. Строить agent loop: планирование, вызов инструментов, обработка ошибок, память, эскалации, ограничения действий. Проектировать multi-agent сценарии: роутинг задач, специализация агентов, контроль состояния. Разрабатывать MCP/tool-интеграции и подключать агентов к внутренним системам. Настраивать eval-харнессы, regression-эвалы и контроль качества агентов. Работать с observability: traces, tool calls, latency, retries, failure modes, cost tracking. Проектировать работу с контекстом: что инжектится на каждом turn, как работает память, как не раздувать историю. Участвовать в развитии self-hosted / sovereign agent stack: локальные модели, model-agnostic слой, OpenClaw-подобные рантаймы, SGLang/Ollama/vLLM/LiteLLM. Помогать продуктовым и инженерным командам правильно применять агентский подход. Наши ожидания: Реальный опыт разработки AI-агентов или agentic-систем. Понимание LLM, tool calling, function calling, RAG, memory, context management. Опыт с агентскими фреймворками или SDK: OpenAI Agents SDK, LangGraph, AutoGen, CrewAI, Semantic Kernel, OpenClaw-подобные рантаймы или аналогичные решения. Умение проектировать логику работы агента, а не только писать промпты. Сильный backend-опыт на Python или TypeScript. Опыт интеграций с API, MCP, внутренними системами, очередями, БД. Понимание Docker, Linux, Kubernetes, сетей, логов и эксплуатации. Опыт построения evals: наборы кейсов, regression-тесты, метрики качества, разбор деградаций. Понимание безопасности агентов: prompt injection, ограничение action space, sandboxing, права, audit trail. Умение считать performance/cost: latency, токены, retries, кэширование, параллелизация, выбор модели. Особенно ценно: Агент или агентский сценарий, который реально работал в production. Опыт self-hosted AI-инфраструктуры. Опыт OpenClaw / Claude Code-подобных / Claw-подобных runtime-подходов. Опыт MCP-серверов и skill-based architecture. Опыт построения reusable-подходов для других команд, а не только одного агента под одну задачу. Наличие постмортемов, дашбордов, eval-отчетов, метрик стоимости и качества. Сильное мнение о том, когда агента использовать не надо. Мы предлагаем: Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествий, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). Стабильную заработную плату и социальные гарантии, которые дают уверенность в настоящем и открывают перспективы в будущее. Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с дружной командой. Лучшие конференции и мастер-классы за счет компании. Участие в проектах, которые формируют цифровую трансформацию финансового сектора. Гибридный формат работы (2 дня офис). Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами с ароматным кофе, а также собственный тренажерный зал. Богатую корпоративную культуру: классные внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы и участвовать в креативных проектах.
Дата инженер ИИ/AI Data Engineer
Мы строим собственную агентскую платформу корпоративного уровня — enterprise-аналог открытых агентских систем. Ищем инженера, который возьмёт на себя ядро системы и будет развивать его, опираясь на актуальные исследования и production-практику. Эта роль на стыке глубокой инженерии (производительное ядро) и работы с LLM/ML. Стек: ClickHouse, SQL, LLM, ETL Чем предстоит заниматься: Проектирование и развитие корпоративного DWH на ClickHouse: архитектура, модель данных, выбор движков таблиц (семейство MergeTree), партиционирование, шардирование, материализованные представления. Построение и поддержка ETL/ELT-пайплайнов загрузки данных из внешних систем-источников. Разработка системы стандартов на данные (data contracts): единые требования к структуре, форматам, типам и качеству данных, поступающих из источников. Создание и ведение каталога данных / data dictionary с детальным описанием структуры и бизнес-смысла каждого набора данных (метаданные, документация, семантический слой). Контроль качества данных: валидация, тесты на данные, мониторинг. Оптимизация производительности хранения и аналитических запросов. Проектирование и разработка агентского слоя (LLM-агентов) поверх данных DWH, закрывающего произвольные аналитические запросы пользователей (text-to-SQL / диалоговая аналитика). Интеграция LLM, разработка инструментов и функций для агентов, организация семантического слоя для корректной работы агентов с данными. Настройка процессов оценки и улучшения качества ответов агентов (evals). Настройка разграничения прав доступа к данным средствами СУБД: RBAC, row-level и column-level политики в ClickHouse. Документирование архитектуры и принятых решений Наши ожидания: Опыт в data-инжиниринге от ~4 лет, уровень Senior. Глубокий опыт работы с ClickHouse (или сильный опыт с другими OLAP/колоночными СУБД + готовность быстро войти в ClickHouse): движки таблиц, оптимизация. Опыт проектирования DWH с нуля, владение подходами к моделированию данных (Kimball / Data Vault / wide tables и т.п.). Уверенный SQL и навыки оптимизации запросов. Опыт построения ETL/ELT-пайплайнов (Airflow / dbt / аналоги). Python (или другой язык для дата-инжиниринга и интеграции с LLM). Практический опыт с LLM и построением агентов: агентские фреймворки (LangChain / LlamaIndex / аналоги), function/tool calling, RAG, text-to-SQL. Понимание подходов к управлению качеством данных и data governance / data contracts. Опыт настройки разграничения прав доступа в СУБД. Будет большим преимуществом: Опыт с semantic / metrics layer. Опыт LLMOps и оценки качества агентов (evals, мониторинг). Опыт с инструментами каталогизации данных (DataHub / OpenMetadata / Amundsen). Опыт работы с большими объёмами данных и высоконагруженными системами. Мы предлагаем: Официальное трудоустройство и полный пакет социальных льгот (ДМС, компенсация фитнеса/обучения/путешествий, скидки и бонусы от партнеров, специальные условия и тарифы на продукты «Финама»). Стабильную заработную плату и социальные гарантии, которые дают уверенность в настоящем и открывают перспективы в будущее. Возможность профессионального роста, обучения и постоянного развития в области digital-innovations вместе с дружной командой. Лучшие конференции и мастер-классы за счет компании. Участие в проектах, которые формируют цифровую трансформацию финансового сектора. Гибридный формат работы (2 дня офис). Комфортный офис в центре Москвы с зоной отдыха на крыше, кофе-поинтами с ароматным кофе, а также собственный тренажерный зал. Богатую корпоративную культуру: классные внутрикорпоративные мероприятия, сообщества по интересам, возможность проявлять свои творческие, спортивные, интеллектуальные, социальные интересы и участвовать в креативных проектах.
Junior/Middle ML-инженер/Python разработчик [SmartDocs]
Junior/Middle ML-инженер/Python разработчик [SmartDocs] Компания: МТС Чем предстоит заниматься - Проектирование микросервисов и API (REST/gRPC) - Создание RAG и AI-агентов: разработка систем генерации ответов на основе документов, цепочек рассуждений и логики Tool Calling (LangChain/LangGraph/LlamaIndex) - Работа с данными и текстом: парсинг, очистка и чанкинг текстов, извлечение сущностей (NER), классификация, реализация гибридного семантического и полнотекстового поиска - Проектирование баз данных: работа с реляционными (PostgreSQL), векторными (Qdrant/Milvus/pgvector) и графовыми (Neo4j) базами под задачи GraphRAG - Оптимизация производительности, покрытие кода тестами (Pytest), написание асинхронного кода на Python (FastAPI/Django) - Проведение code review и контейнеризация приложений (Docker) Что мы ожидаем - Опыт коммерческой разработки на Python от 2 лет для выпускников профильных факультетов ведущих вузов (МФТИ, НИУ ВШЭ, МГУ, ИТМО, МГТУ им. Баумана, СПбГУ, МИФИ) или от 3 лет для кандидатов с другим образованием - Уверенное знание Python, асинхронного программирования, веб-фреймворков (FastAPI) и принципов проектирования микросервисной архитектуры (REST, Swagger, gRPC) - Практический опыт работы с LangChain, LlamaIndex, LangGraph, современными LLM (GPT, open-source модели) и фреймворками для создания AI-агентов - Опыт обработки и классификации документов различных форматов (PDF, сканы), извлечения сущностей (NER, гибридный поиск) с использованием Transformers, BERT, SpaCy, Natasha - Опыт работы с реляционными БД (PostgreSQL), NoSQL/кэшированием (Redis), векторными БД (Qdrant/Milvus/pgvector) и графовыми системами (Neo4j) - Опыт работы с брокерами сообщений (RabbitMQ, Kafka) - Владение инструментами контейнеризации и CI/CD (Docker, Git, S3) - Понимание полного жизненного цикла разработки ПО (SDLC) - Опыт работы по ТЗ с чтением схем (UML, BPMN)
Junior/Middle ML-инженер/Python разработчик [SmartDocs]
Junior/Middle ML-инженер/Python разработчик [SmartDocs] Компания: МТС Чем предстоит заниматься - Проектировать микросервисы и API (REST/gRPC) - Создавать RAG и AI-агенты: разрабатывать системы генерации ответов на основе документов, цепочек рассуждений и логики Tool Calling (LangChain/LangGraph/LlamaIndex) - Работать с данными и текстом: парсинг, очистка и чанкинг текстов, извлечение сущностей (NER), классификация, реализация гибридного семантического и полнотекстового поиска - Проектировать базы данных: работать с реляционными (PostgreSQL), векторными (Qdrant/Milvus/pgvector) и графовыми (Neo4j) базами под задачи GraphRAG - Заниматься оптимизацией производительности, покрытием кода тестами (Pytest), написанием асинхронного кода на Python (FastAPI/Django) - Проводить code review и контейнеризацию приложений (Docker) Что мы ожидаем - Опыт коммерческой разработки на Python от 2 лет для выпускников профильных факультетов ведущих вузов (МФТИ, НИУ ВШЭ, МГУ, ИТМО, МГТУ им. Баумана, СПбГУ, МИФИ) или от 3 лет для кандидатов с другим образованием - Уверенное знание Python, асинхронного программирования, веб-фреймворков (FastAPI) и принципов проектирования микросервисной архитектуры (REST, Swagger, gRPC) - Практический опыт работы с LangChain, LlamaIndex, LangGraph, современными LLM (GPT, open-source модели) и фреймворками для создания AI-агентов - Опыт обработки и классификации документов различных форматов (PDF, сканы), извлечения сущностей (NER, гибридный поиск) с использованием Transformers, BERT, SpaCy, Natasha - Опыт работы с реляционными БД (PostgreSQL), NoSQL/кэшированием (Redis), векторными БД (Qdrant/Milvus/pgvector) и графовыми системами (Neo4j) - Опыт работы с брокерами сообщений (RabbitMQ, Kafka) - Владение инструментами контейнеризации и CI/CD (Docker, Git, S3) - Понимание полного жизненного цикла разработки ПО (SDLC) - Опыт работы по ТЗ с чтением схем (UML, BPMN)
Лида ML-аналитики
Лид ML-аналитики в Нейросервисы Мы строим AI-сервисы для бизнеса на базе технологий Яндекса. Среди наших продуктов — Нейроюрист, Алиса Про и Нейросаппорт. Параллельно мы активно развиваем новые направления Нейросейлз и Нейробухгалтер. Ищем лида ML-аналитики, который поможет выстроить сильную функцию аналитики качества AI-сервисов. Задачи - Развитие аналитики качества LLM: поиск способов измерения качества моделей и AI-сценариев, построение системы метрик, улучшение процессов оценки, помощь командам в быстром и безопасном запуске изменений. - Построение процессов ML-аналитики: от ручной разметки и продуктовых исследований до LLM-as-a-judge и автоматических проверок. - Работа с несколькими сервисами одновременно: помощь AI-продуктам (Нейроюристу, Алисе Про, Нейросаппорту, Нейросейлзу и др.), быстрое переключение между задачами, поиск общих паттернов и перенос лучших практик между командами. - Управление командой и её развитие: найм и развитие ML-аналитиков, формирование сильной инженерно-продуктовой культуры вокруг аналитики качества AI. Требования - Опыт руководства аналитиками, ML-аналитиками или quality-направлениями. - Умение строить метрики качества для AI-систем. - Уверенное владение SQL и Python. Будет плюсом - Работа с LLM-as-a-judge, synthetic data или автоматическими evals. - Опыт построения ML-метрик или платформ оценки качества. - Умение работать с AI-ассистентами, RAG-системами или агентами. - Понимание специфики B2B- и enterprise-AI-продуктов. Условия ДМС Яндекса действует с первого месяца работы. Причём получить плановую или неотложную помощь можно и за рубежом — так что можно не бояться путешествовать.
Ищем MLOps Engineer (AI / LLM) — удалённо
Ищем MLOps Engineer (AI / LLM) — удалённо Компания Selecty развивает экосистему цифровых сотрудников на базе передовых LLM/VLM-моделей. Создаём AI-агентов, которые автоматизируют бизнес-процессы и повышают эффективность компаний. Формат работы - Формат: Remote (РФ) - Заработная плата: 250–340 тыс. ₽ gross - Занятость: Full-time Задачи - проектировать и развивать CI/CD для деплоя AI-агентов и мультиагентных систем - разворачивать и оптимизировать LLM/VLM (vLLM, Triton Inference Server, SGLang) - обеспечивать масштабирование и стабильность AI-сервисов - внедрять мониторинг инфраструктуры и ML-метрик (качество генерации, дрейф данных, тональность ответов) Требования - опыт вывода LLM-решений в production - Python + asyncio - Kubernetes (Helm, управление кластерами) - GitLab CI / Jenkins - понимание RAG-архитектур, embeddings, reranking - оптимизация инференса: квантизация, continuous batching, PagedAttention Будет плюсом - опыт с графовыми БД - мультиагентные системы Стек Python, FastAPI, LangChain / LlamaIndex / Haystack, Kubernetes, Docker, S3, PostgreSQL, Vector DB Условия - оформление по ТК РФ - ДМС + стоматология - компенсация фитнеса - скидки на английский (Skyeng) - индексация зарплаты - современная техника
Data Scientist (LLM / AI Agents)
Data Scientist (LLM / AI Agents) Требования - Опыт: от 4-х лет в коммерческой разработке на позиции DS/ML Engineer (из них минимум 1 год плотной работы с NLP/LLM). - LLM & NLP: Глубокое понимание архитектуры трансформеров, опыт работы с RAG, контекстным окном, методами оптимизации инференса. - Разработка: Уверенное знание Python (asyncio, aiohttp/FastAPI), опыт написания чистого, поддерживаемого кода. - Big Data: Опыт работы с распределенными вычислениями (Spark/PySpark, Hive) и оркестрацией (Airflow). - Инфраструктура: Понимание процессов MLOps, опыт deployment сервисов на GPU (on-premise или Cloud). - Безопасность: Понимание принципов работы с персональными данными и безопасности при использовании LLM в энтерпрайзе. Будет преимуществом - Опыт разработки собственных MCP (Model Context Protocol) сервисов для расширения функционала агентов. - Участие в Kaggle, хакатонах или наличие pet-проектов в области Generative AI (ссылка на GitHub). - Опыт работы с отечественными LLM-платформами (например, GigaChat API) или локальными моделями (Llama, Qwen, Mistral). - Опыт построения сложных графов агентов (LangGraph, AutoGen). Обязанности - Разработка AI-агентов: Проектирование и внедрение мультиагентных систем (Prompt Engineering, RAG, Tools, Function Calling) в реальные банковские процессы. - Работа с LLM: Оптимизация и Fine-tuning моделей под домен бизнеса (SFT, RLHF), работа с открытыми и проприетарными моделями. - MLOps & Production: Вывод моделей в пром, построение пайплайнов обработки данных на GPU-кластере, организация мониторинга качества и дрейфа моделей. - Оценка качества: Разработка метрик качества генерации (LLM Eval), проведение A/B тестов. - Интеграция: Разработка сервисов на Python (API), взаимодействие с командой разработки и продуктовыми аналитиками для контроля и экспертизы требований к данным и функционалу. Условия - Обсуждаемая ЗП по вашим навыкам и грейду - Удаленная работа, а также варианты с гибридным форматом - Оформление по ИП с нашей поддержкой - Несколько проектов на выбор - Карьерный рост без постоянных поисков работы Как начать - Откликнитесь на вакансию - Пройдите собеседование с рекрутером - Попадите на бенч и получайте предложения по проектам
Python Developer (LLM, Москва)
Python Developer (LLM, Москва) Компания Bell Integrator Мы ожидаем - 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 Чем предстоит заниматься - 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 участия в интересном проекте - Возможность профессионального и карьерного роста в компании - Опыт работы в команде профессионалов - Уровень заработной платы обсуждается индивидуально - Удаленный формат работы - офисный формат в Москве
Title: AI Engineer — AWS Bedrock AgentCore & Production Agentic Systems
Company name: Toptal Title: AI Engineer — AWS Bedrock AgentCore & Production Agentic Systems Grades: senior Job description: Build and productionize AI systems on AWS Bedrock AgentCore: production-grade RAG pipelines and agent architectures serving live traffic, plus the service layer around them (Lambda, API Gateway, IAM, DynamoDB, OpenSearch), CI/CD across dev/beta/prod, and observability with tracing, cost and latency metrics. Location: LATAM & Europe Anywhere: No Remote: Yes Forbidden locations: Outside Latin America and Europe 👉 👉 ( Job Description & Apply ) 👈️ 👈️ Tags: ai machinelearning llm aws bedrock rag langchain python remote latam europe freelance senior
Python Developer (LLM, Москва)
Python Developer (LLM, Москва) Компания: Bell Integrator 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 Задачи - 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 участия в интересном проекте - Возможность профессионального и карьерного роста в компании - Опыт работы в команде профессионалов - Уровень заработной платы обсуждается индивидуально - Удаленный формат работы, офисный формат в Москве
MLOps (банк)
Публикатор: Nelly вакансия MLOps DevOps Python LLM AI MachineLearning Kubernetes Docker CICD PostgreSQL Мы создаем экосистему цифровых сотрудников на базе передовых открытых LLM/VLM-моделей. Наши ИИ-агенты автоматизируют ключевые операционные процессы, напрямую влияя на эффективность и конкурентное преимущество бизнеса наших заказчиков. Компания: Selecty Позиция: MLOps (банк) Уровень дохода: 250-340 к гросс Формат: оформление по ТК РФ Удаленка РФ чем предстоит заниматься: Ты станешь ключевым инженером, который превращает исследовательские прототипы в отказоустойчивую GenOps-фабрику цифровых агентов. Твои задачи: DevOps для AI: Проектирование и развитие самообслуживания CI/CD пайплайнов для внутреннего деплоя AI-агентов и мультиагентных систем. Инференс под управление: Развертывание и оптимизация LLM/VLM в процессе разработки (оптимизация памяти, формирование скорости) с использованием vLLM, Triton Inference Server, SGLang. Надёжность: Обеспечение высокой доступности сервисов, работа с масштабированием горизонтальных подов и управление состоянием агентов. Мониторинг 360°: Внедрение комплексного наблюдения: от стандартных метрик (CPU/GPU, задержка) до конкретных ML-метрик (качество генерации, дрейф данных, оценка тональности ответов). Обязательные требования Опыт вывода LLM-решений в прод. Уверенное владение Python и асинхронным программированием (asyncio). Уверенное владение Kubernetes (Helm, управление кластерами). Знание Gitlab CI, Jenkins и пр Понимание архитектуры RAG-систем, работы embedding-моделей и ранжирования. Умение оптимизировать инференс: квантизация, continuous batching, PagedAttention. Будет плюсом: опыт с графовыми БД и построением мультиагентных систем Технологический стек: Python, FastAPI, langchain/llamaindex/haystack k8s, docker, S3, postgres Опыт работы с векторными и графическими БД. Условия Оформление по ТК РФв в IT-аккредитованную компанию ДМС (включая стоматологию) Компенсация фитнеса Скидки на обучение английскому (Skyeng) Индексация заработной платы Современная техника IT-аккредитация компании
Python разработчик цифровых продуктов
Компания Мегафон Название вакансии Python разработчик цифровых продуктов Локация и формат работы Москва, офис Задачи - Разрабатывать сервисы под NLP и LLM - Разрабатывать AI-тренажеры, работа с RAG, интеграция с голосовым движком (ASR/TTS) - Проводить PoC по новым инициативам - Проводить code review Требования - Уверенные знания Python - Стек: FastAPI, asyncio, PostgreSQL, Redis, Docker/Kubernetes - Опыт работы с RAG, векторными БД (Milvus, Chroma) - Умение писать тесты (pytest) и проектировать отказоустойчивые API - Опыт разработки телеграм и макс ботов (библиотеки maxapi, aiogram) - Опыт работы с ASR/TTS - Знание инфраструктуры ML (Triton Inference Server, локальные LLM) - Опыт проектирования или работы с AI платформами - Опыт работы в кросс-функциональных командах с DS и DevOps
Старший бэкенд-разработчик в команду Quality
Старший бэкенд-разработчик в команду Quality Компания: Авито Формат работы: удалёнка Задачи - Построить единую платформу для работы AI-агентов в рамках кластера — от концепции до внедрения - Разработать инструменты наблюдаемости, оценки качества и проводить исследования, чтобы понимать, какие подходы, фреймворки и технологии работают в реальных сценариях - Внедрять архитектурные решения для ключевых инициатив в области GenAI, обеспечивая масштабируемость, надёжность и эффективность Требования - Опыт разработки на Python/Go - Глубокое понимание ограничений LLM: контекстные окна, галлюцинации, задержки и стоимость — и умение проектировать решения с учётом этих факторов - Опыт построения RAG-пайплайнов на realtime данных - Понимание архитектурных выборов: когда использовать harness, а когда — framework (Claude Code, Dify, n8n и др.), и как правильно подбирать модель под задачу - Умение считать token economics: оптимизировать маршрутизацию моделей, кешировать промпты, оценивать ROI on-prem решений - Опыт проведения бенчмаркинга AI-агентов с помощью precision/recall, LLM-as-judge и A/B-тестов на production-данных - Способность автономно вести квартальные проекты «под ключ» — от постановки цели до сдачи результата
Python-developer / AI developer в Sance.AI
Python-developer / AI developer в Sance.AI Локация: удаленка Зарплата: 120 000 – 150 000 ₽ Опыт работы: от 1.5 лет О компании - Sance.AI — платформа ИИ-автоматизаций воронки продаж и поддержки для корпоративных заказчиков. - Призёры Yandex AI Startup Lab и Conversation AI. - Наш сайт с техническим описанием продукта. Задачи - Работать над повышением стабильности и улучшением производительности платформы - Сопровождать клиентские запуски совместно с клиентским менеджером и заказчиком - Разрабатывать новые интеграции и дорабатывать функционал - Создавать и настраивать автоматизации на платформе - Разбирать тикеты и фиксить баги Требования - Хорошее знание современного Python (фреймворки не принципиальны) - Опыт разработки функционала, связанного с LLM: знакомство с OpenAI API, принципами составления промптов, tool calling, prompt caching, RAG и прочим - Умение использовать ИИ в работе: составлять требования, проверять, тестировать, а не просто делать одиночные запросы - Опыт работы с API и интеграциями в основных российских CRM (AmoCRM, Bitrix24 и подобных) - Проактивность, готовность продолжать учиться новому и внедрять лучшие практики в работу Будет плюсом - Наличие pet-проектов, связанных с LLM/AI - Хорошее знание SQL и PostgreSQL / Clickhouse - Техническое образование - Опыт работы в небольших командах / стартапах Условия - Работа в быстрорастущем стартапе, что подразумевает максимально разнообразные задачи и быстрый рост.
NLP-разработчик Консьержа в Алису
NLP-разработчик Консьержа в Алису Огромный вызов в нашей сфере сейчас — работа ассистентов на срезе Консьержа. Зачастую это сложные задачи, для решения которых нужна длинная цепочка действий с разными инструментами (Поиск, Оператор, Звонилка, различные API и т. д.). Глобальная цель — сделать единую точку входа для решения произвольных задач пользователей. Какие задачи вас ждут - Сбор бенчмарка: собирать образ среза Консьержа. Это глубокая исследовательская задача с вайбами CTF. Нужно придумать примеры, собрать футуристическую эмуляцию и найти точки роста внутренних и внешних SOTA-моделей. - Построение RL-сред: масштабировать процесс сбора интересных примеров, чтобы провести более качественный замер и дать полезный сигнал при обучении моделей через RL-среды. - Развитие продукта: анализировать данные, генерировать направления роста, проверять гипотезы в проде. - Внедрение SOTA-подходов: следить за трендами, проводить эксперименты и доносить успешные исследования до релиза. Мы ждём, что вы - Работали с RAG-системами и агентами - Работали над кросс-функциональными проектами - Запускали ML-системы в продакшен - Разбираетесь в SOTA-подходах в сфере Почему у нас хорошо - В крупных офисах есть спортзалы с тренажёрами, инвентарём и душевыми