LangChain

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Middle / Senior

О проекте СберСпасибо развивает платформу, в ядро которой встраиваются возможности генеративного ИИ. Ищут сильного бэкенд-разработчика уровня Middle/Senior, который не просто пишет на Java, но и глубоко понимает механику работы LLM, умеет строить RAG-пайплайны и проектировать сложных агентов. Задачи - Проектирование и разработка микросервисной архитектуры на Java 17+ с использованием Spring Boot (MVC, Data JPA, Security). - Построение пайплайнов Retrieval-Augmented Generation (RAG): от парсинга сырых данных до индексации эмбеддингов. - Разработка и поддержка векторных баз данных Qdrant: проектирование схем шардирования, настройка гибридного поиска (BM25 + Dense Vectors) и оптимизация запросов к векторному пространству. - Создание мультиагентных систем на базе LangChain/LangGraph для автоматизации бизнес-процессов (классификация, извлечение сущностей, принятие решений). - Глубокий промт-инжиниринг: написание промптов с нуля под разные пользовательские сценарии одного агента, внедрение техник Few-shot, Chain-of-Thought (CoT) и структурированного вывода (JSON mode). - Отладка семантики моделей: снижение энтропии ответов, управление вариативностью через параметры инференса (temperature, topp, штрафы), реализация механизмов самовосстановления (self-healing) при деградации внешних провайдеров LLM. - Оптимизация производительности PostgreSQL: тюнинг сложных SQL-запросов, работа с индексами (B-tree, GIN/GIST, триграммы), проектирование транзакционной изоляции. - Вынос вычислений в контейнерную среду: Docker, Kubernetes (Helm), построение отказоустойчивых CI/CD-конвейеров в GitLab CI/Jenkins. Ожидания от кандидата - Уверенное владение Java 17+. Понимание многопоточности (CompletableFuture, виртуальные потоки Project Loom — будет плюсом). - Экспертный уровень владения стеком Spring: глубокое понимание жизненного цикла бинов, аспектно-ориентированного программирования, тонкая настройка пулов соединений БД и параметров безопасности. - Опыт проектирования реляционных моделей в PostgreSQL, умение читать EXPLAIN ANALYZE, бороться с блокировками и писать эффективные миграции (Liquibase/Flyway). - Практический опыт работы с векторными СУБД (Qdrant) или Weaviate/Pinecone/Milvus. Понимание метрик близости (Cosine Similarity, Dot Product, Euclidean Distance). - Опыт разработки с библиотеками LangChain и/или LangGraph. Навык построения графов состояний (State Machines) и интеграции внешних инструментов (tool calling). - Навык написания эффективных промптов (Prompt Engineering) и управления поведением LLM без изменения весов модели. - Опыт работы с Docker и Kubernetes (написание манифестов, Helm-чартов). Знание Linux shell на уровне уверенного пользователя. - Настроенные процессы CI/CD (GitLab CI или Jenkins): сборка Maven/Gradle, покрытие тестами (JUnit 5, Testcontainers), статический анализ кода.

Формат

Офис

Страна

Россия

Город

Не указан

Проект Разработка AI-помощника на базе GigaChat в поверхности GigaAssistant в канале Казначейства. Помощник позволит клиенту самостоятельно вносить изменения в параметры работы услуги «Единый остаток». Команда также занимается разработкой услуг «Единый остаток», «Компенсационные продукты», «Контроль и акцепт» в канале Казначейства. Задачи - Проектирование, разработка и внедрение AI-агентов. - Интеграция решений с другими системами, обеспечение их взаимодействия. - Работа с LLM, включая prompt engineering и оптимизацию взаимодействия с большими языковыми моделями. Требования - Отличное знание Python, опыт коммерческой разработки от 3 лет (по ТК РФ). - Хорошее знание FastAPI, REST API и асинхронного программирования. - Опыт работы с PostgreSQL, Docker / Docker Compose. - Опыт работы с Qdrant или другими векторными базами данных. - Практическое понимание RAG: chunking, embeddings, vector search, metadata filtering. - Опыт интеграции LLM API: OpenAI, GigaChat, Anthropic или аналогов. - Опыт работы с LangChain, LlamaIndex, HuggingFace или sentence-transformers. - Опыт работы с Kafka; RabbitMQ может рассматриваться как аналог. - Опыт написания unit- и интеграционных тестов. Условия - Участие в интересном проекте. - Возможность профессионального и карьерного роста. - Работа в команде профессионалов. - Уровень заработной платы обсуждается индивидуально. - Формат работы — удалённо на территории РФ.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Bright Vision Technologies — технологическая консалтинговая компания, разрабатывающая облачные, AI, данные и корпоративные решения по всей территории США. Должность: Conversational AI Engineer Локация: удаленно (США) Тип занятости: полная, прямая занятость (W2) Зарплата: $130,000–$180,000 в год (в зависимости от опыта) Требуемый опыт: 10+ лет Спонсорство: рассматриваются граждане США, обладатели грин-карт, EAD и кандидаты на перевод H-1B. Спонсорство новых H-1B не предоставляется. Компания ищет опытного инженера с 10+ годами опыта в разработке ПО и глубокой экспертизой в больших языковых моделях (LLM), агентном ИИ и разработке корпоративных AI-приложений. Кандидат будет определять и вести стратегию, архитектуру и инженерные практики для создания интеллектуальных диалоговых систем, фреймворков промт-инжиниринга и AI-приложений. Роль сочетает глубокие технические знания современных LLM с умением создавать переиспользуемые AI-платформы, оценочные фреймворки и инструменты для разработчиков, обеспечивающие масштабируемые, безопасные и готовые к продакшену решения. Задачи: - Проектировать, разрабатывать и внедрять корпоративные диалоговые AI-приложения на базе LLM. - Определять стандарты промт-инжиниринга, переиспользуемые библиотеки промтов и лучшие практики для корпоративной AI-разработки. - Архитектура и внедрение агентных AI-процессов, мультиагентных систем, оркестрации инструментов и решений RAG. - Создание масштабируемых оценочных фреймворков для качества промтов, обнаружения галлюцинаций, точности ответов, задержки и пользовательского опыта. - Разработка переиспользуемых SDK, API и инструментов, ускоряющих создание AI-приложений в командах. - Взаимодействие с продакт-менеджерами, AI-исследователями, инженерами и бизнес-стейкхолдерами для выпуска готовых к продакшену решений. - Внедрение практик безопасности ИИ, ответственного ИИ, безопасности, соответствия, защитных механизмов и управления для корпоративных развертываний. - Оптимизация производительности LLM, эффективности инференса, выполнения промтов, стратегий кэширования и операционной масштабируемости. - Наставничество инженеров и установление стандартов для архитектуры, тестирования, развертывания и мониторинга диалоговых систем. - Оценка новых LLM, агентных фреймворков и AI-технологий для стимулирования инноваций и улучшения платформы. Требования: - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, машинного обучения, программной инженерии или смежной технической дисциплине. - 10+ лет профессионального опыта в разработке ПО, включая значительный опыт создания и развертывания приложений на базе LLM. - Подтвержденный опыт выпуска корпоративных диалоговых AI-продуктов или продуктов на базе LLM в продакшен. - Глубокая экспертиза в современных LLM API и моделях: OpenAI GPT, Anthropic Claude, Google Gemini, Llama или Mistral. - Сильный опыт с агентными фреймворками: LangChain, LangGraph, LlamaIndex, Semantic Kernel, CrewAI или AutoGen. - Сильные навыки программирования на Python и опыт создания масштабируемых бэкенд-сервисов и API. - Опыт внедрения RAG, векторных баз данных, эмбеддингов, промт-инжиниринга и AI-оркестрации. - Глубокое понимание AI-оценки, мониторинга моделей, наблюдаемости, ответственного ИИ и корпоративного управления ИИ. - Отличные коммуникативные, аналитические навыки и лидерские качества. Предпочтительно: - Публичные технические публикации, выступления на конференциях, вклад в open-source или лидерство в разработке LLM-приложений. - Опыт проектирования мультиагентных архитектур, автономных AI-процессов и сложных систем использования инструментов. - Знакомство с тонкой настройкой LLM, параметрически эффективной настройкой (LoRA/QLoRA) и техниками выравнивания моделей. - Опыт разработки AI-решений для поддержки клиентов, ассистентов программирования, корпоративного поиска, аналитики, управления знаниями или бизнес-автоматизации. - Опыт интеграции диалогового ИИ в корпоративные приложения со строгими требованиями соответствия: HIPAA, PCI-DSS, SOC 2 или FedRAMP. - Опыт работы с Kubernetes, MLOps, CI/CD, облачными платформами (AWS, Azure или GCP) и продакшен-инфраструктурой ИИ.

Формат

Офис

Страна

Новая Каледония

Город

Не указан

Грейд

Junior

AI Engineer I (младший инженер по искусственному интеллекту) в компании Victra — крупнейшем премиальном ритейлере Verizon в США. Позиция предполагает гибридный формат работы в Дареме (США). Компания формирует собственную команду AI-инженерии, и эта роль станет её отправной точкой. Вы будете создавать, тестировать и запускать AI-агентов и рабочие процессы на Microsoft Copilot Studio и Azure AI Foundry, следуя спецификациям и архитектуре, заданным старшими инженерами. Это осознанно ранняя карьерная роль: нанимают за способности, любознательность и инженерный склад ума, а не за годы опыта в AI. Опыт работы с генеративным ИИ не требуется. Роль подойдёт разработчику на раннем этапе карьеры, специалисту по автоматизации или Power Platform, готовому перейти к профессиональному коду, системному администратору или инженеру, желающему освоить разработку агентов на структурированном пути. Предусмотрены наставник, бюджет на сертификацию и реальная ответственность за результат. Основной стек — Azure AI Foundry, но фундаментальные навыки (API, промптинг, оркестрация, оценка) платформенно-независимы. Иногда потребуется поддержка проектов за пределами основных платформ, включая open-source фреймворки и AI-инструменты для кодинга. Задачи: - Создание, тестирование и развёртывание AI-агентов и рабочих процессов на Copilot Studio и Azure AI Foundry по стандартам и паттернам старших инженеров. - Интеграция агентов с бизнес-системами: коннекторы, API, инструментальные интеграции. - Проверка выходных данных AI на соответствие критериям приёмки; написание и запуск тестов, включая базовые оценочные проверки, до релиза. - Устранение пограничных случаев и проблем в продакшене при поддержке старших коллег, документирование первопричин. - Сопровождение одного закреплённого агента после запуска: мониторинг, небольшие исправления, обработка обратной связи от пользователей, с назначенным старшим ревьюером. - Документирование каждой разработки по стандарту команды. - Поддержка проектов за пределами основных платформ по указанию руководства, включая open-source фреймворки агентов и AI-инструменты для кодинга, с применением тех же стандартов тестирования и документации. - Регистрация всех выпущенных решений в реестре агентов. - Прохождение структурированной программы обучения (учебный план Microsoft Learn по разработке агентов и оплачиваемые сертификации) в согласованные сроки. Требования: - Степень бакалавра в области компьютерных наук, информационных систем или смежной области, демонстрирующая техническую вовлечённость, способность к долгосрочным обязательствам и сильное критическое мышление. - Подтверждённые навыки программирования на языке общего назначения: Python, C или Java; также засчитывается опыт скриптинга (PowerShell, JavaScript, Power Fx). - Рабочее знание API и основ работы с данными: вызов сервиса, чтение JSON, перемещение данных между системами. - Защитное, пограничное мышление: привычка задавать вопрос «что произойдёт, если входные данные неверны». - Чёткая письменная коммуникация и привычка к документированию. - Подтверждение самостоятельного обучения: побочные проекты, эксперименты или самостоятельно освоенный инструмент, включая неудачные попытки и последующие действия. - Ежедневное использование AI-инструментов (Claude, GitHub Copilot или аналогичных) в работе. - Опыт работы с генеративным ИИ не требуется — компания обучит. Желательно: - Опыт реальной разработки: разработка ПО или приложений, скриптинг или автоматизация; приветствуется опыт Power Platform, RPA, ServiceNow или системного администрирования как отправная точка. - Интерес к профессиональной разработке на Azure: написание и использование REST API, Azure Functions (function apps), API Management (APIM), а также работа с retrieval-augmented generation (RAG): индексация и стратегии grounding в Azure AI Foundry. - Знакомство с современным процессом разработки: Git, управление ветками, CI/CD для вывода кода в продакшен. - Опыт работы с open-source фреймворками агентов или инструментами наблюдаемости LLM (LangChain, Langfuse или аналогичные). - Сертификации Microsoft — плюс, но не обязательны: AI-901 или AB-900 (основы), AB-620 AI Agent Builder Associate или AI-103 Azure AI Apps and Agents Developer Associate; компания оплачивает сертификацию тем, у кого её нет. - Опыт работы в рознице или полевых операциях. Карьерный рост: - Опубликованная лестница от AI Engineer I к старшей разработке агентов, подкреплённая оплачиваемыми сертификациями, учебным бюджетом и растущей ответственностью. Первый управляемый продакшен-агент ожидается примерно на шестом месяце; далее объём самостоятельной работы растёт. Условия: - Оплачиваемое обучение и возможности карьерного развития. - Комплексная медицинская, стоматологическая и офтальмологическая страховка. - Пенсионный план 401k. - Компенсация обучения.

Формат

Офис

Страна

Канада, США

Город

Лос-Анджелес

Грейд

Senior

О роли Ищем AI-инженера с опытом от 5 лет для проектирования, разработки и внедрения AI-решений, включая современные агентные AI-процессы. Роль предполагает разработку масштабируемых ML-моделей и интеллектуальных агентов на основе фундаментальных моделей для автоматизации сложных бизнес-процессов и улучшения принятия решений. Задачи - Проектировать, разрабатывать и внедрять ML и AI модели для бизнес-кейсов - Проектировать и дообучать модели, включая цепочки рассуждений, использование инструментов и агентные архитектуры (ReAct, мультиагентные фреймворки и др.) - Определять возможности агентов, границы автономного принятия решений и управлять ожиданиями заинтересованных сторон по надёжности - Проектировать и оптимизировать промпт-инструкции, персоны, описания инструментов и каркасы рассуждений, направляющие поведение агентов - Разрабатывать и оркестрировать многошаговые AI-агенты, способные к рассуждению, использованию инструментов и выполнению процессов - Строить агентные процессы на основе фундаментальных моделей для автоматизации задач и поддержки решений - Тестировать AI-агентов на корпоративных системах, API, инструментах и платформах данных - Проектировать бенчмарки и автоматические оценки для измерения надёжности, точности и безопасности агентов в различных сценариях - Работать со структурированными и неструктурированными данными для предиктивных и генеративных AI-решений - Управлять и наставлять команду дата-сайентистов, задавая чёткие ожидания по качеству моделей, документации и готовности к продакшену - Сотрудничать с дата-сайентистами, BI-командами и бизнес-стейкхолдерами для трансформации требований в AI-решения - Оптимизировать производительность моделей, масштабируемость и экономическую эффективность - Мониторить развёрнутые модели и агентов, внедрять циклы обратной связи и стратегии переобучения - Документировать технические проекты, агентные процессы и системную архитектуру Требования - Степень бакалавра или магистра в области компьютерных наук, AI, науки о данных или смежной области - Опыт от 4 лет в AI/ML, науке о данных или прикладном AI-инжиниринге - Сильные навыки программирования на Python - Твёрдое понимание основ машинного обучения и методов оценки - Знакомство с промпт-инжинирингом и работой с большими языковыми моделями (LLM) - Опыт с архитектурами RAG (Retrieval-Augmented Generation) - Опыт работы с API и интеграцией AI в приложения - Знакомство с фреймворками оркестрации (например, LangChain, Semantic Kernel или аналогичными) Предпочтительные квалификации - Практический опыт с Amazon SageMaker и Bedrock для ML и генеративных AI-приложений - Знакомство с Amazon Bedrock Guardrails и Knowledge Bases - Практический опыт с Amazon AgentCore для запуска агентных AI-приложений - Опыт проектирования агентных процессов (мультиагентные системы, агенты с использованием инструментов, автономные процессы) - Опыт с облачными платформами, такими как Amazon Web Services - Знание практик MLOps (Docker, CI/CD, мониторинг моделей) Условия - Зарплата от $122 000 до $148 000 на момент найма для районов Джерси-Сити, Нью-Джерси и Вудленд-Хиллз, Калифорния - Фактический размер компенсации зависит от географического расположения кандидата, навыков, опыта и других квалификаций - Право на дискреционный бонус в соответствии с условиями применимого плана стимулирования - Конкурентный пакет льгот как часть общей компенсации

Формат

Удалённо

Страна

Любая

Город

Не указан

Pliant — европейская финтех-компания, специализирующаяся на B2B-платежах. Модульная платформа с API-first подходом помогает бизнесу оптимизировать расходы, улучшать денежные потоки и интегрировать платежи в финансовые процессы. Компания обслуживает два сегмента клиентов: компании, оптимизирующие операционные процессы через приложения и API, и бизнесы (финансовые платформы, ERP-провайдеры, банки), которые запускают или улучшают свои кредитные карты через встроенные финансы и white-label решения. Основана в 2020 году, штаб-квартира в Берлине. Pliant поддерживает более 4 000 компаний и 20 партнеров по всему миру. Как лицензированное электронное денежное учреждение (EMI), компания выпускает кредитные карты Visa в 11 валютах в более чем 30 странах. Команда AI Experience строит AI-продукты, которые помогают финансовым командам понимать, автоматизировать и оптимизировать корпоративные расходы: AI-чаты, финансовые копилоты, аналитика расходов, внутренние AI-инструменты и автономные рабочие процессы. Это не роль промт-инженера — здесь строят сложные системы, где LLM — один из компонентов наряду со структурированными финансовыми данными, API, ретривалом, бизнес-логикой, оркестрацией, оценкой, наблюдаемостью и продакшн-инфраструктурой. Цель — превращать перспективные AI-возможности в надежные продуктовые решения. Роль — Applied AI-инженер в команде AI Experience. Работа на стыке разработки ПО, продуктового мышления и прикладного AI. Нужно комфортно работать в условиях неопределенности: часть задач не имеет четкого ТЗ, и роль включает определение того, что стоит строить, что автоматизировать, где AI полезен, а где лучше традиционный код. Задачи: - Проектировать и строить AI-продукты для финансов и управления расходами. - Создавать чаты, копилоты, автономные рабочие процессы и внутренние AI-инструменты. - Работать с LLM, структурированными финансовыми данными, API и бизнес-логикой для продакшн-систем, включая ретривальные системы (векторный поиск, гибридный ретривал, text-to-SQL), OCR и понимание документов. - Выбирать подходящий подход для задачи: tool calling, ретривал, агентные рабочие процессы, детерминированная логика или их комбинация. - Строить наблюдаемые и объяснимые системы с защитными механизмами и мониторингом качества для продакшна. - Создавать подходы к оценке, чтобы измерять улучшение AI-систем. - Экспериментировать с новыми моделями и техниками, внедрять полезные в продакшн. - Учитывать точность, задержку, стоимость, надежность и доверие пользователей. - Тесно сотрудничать с продакт-менеджерами, дизайнерами и инженерами. - Повышать стандарты AI-инженерии в компании. Требования: - Опыт вывода AI-продуктов или функций в продакшн. - Сильные навыки разработки на Java (Spring Boot) и/или Python. - Знание паттернов и анти-паттернов распределенной архитектуры. - Плюс: опыт с облачной инфраструктурой, Terraform и масштабируемыми бэкенд-системами. - Понимание устройства современных LLM-приложений за пределами простого промптинга. Плюс: опыт с LangChain, LlamaIndex или LangGraph и понимание концепций, чтобы не зависеть от одного фреймворка. - Практический опыт с паттернами взаимодействия с LLM: tool calling, память, структурированные выходы, RAG, эмбеддинги, агентные циклы, оценка. - Умение проектировать системы, где AI — часть большей архитектуры, а не вся архитектура. - Продуктовое мышление: важна полезность создаваемого, а не только техническая интересность.

Формат

Офис

Страна

Европа

Город

Не указан

Грейд

Senior

О роли Инженер в Maze будет играть ключевую роль в формировании продукта, с основным фокусом на разработку AI-агентов и ML-систем. Это возможность проектировать, создавать и масштабировать продукт с нуля, влияя на архитектурные решения, ML-интеграции и пользовательский опыт. Работа в ядре технической команды, развитие AI-решений для кибербезопасности и обеспечение бесшовной интеграции по всему стеку. Задачи - Разработка и масштабирование сложных AI-агентов для решения задач кибербезопасности. - Проектирование и реализация backend-систем, поддерживающих агентные нагрузки: масштабируемых, поддерживаемых и безопасных. - Полная ответственность за жизненный цикл разработки: от концепции и дизайна до деплоя и сопровождения. - Тесная работа с инженерами, дизайнером и продакт-менеджером для бесшовной интеграции новых функций и сервисов. - Постоянный мониторинг и улучшение производительности, безопасности и масштабируемости приложений. - Определение и соблюдение стандартов кодинга, лучших практик и документации для поддержания высокого качества кода. - Быстрое прототипирование и итерации новых функций с учётом обратной связи и меняющихся требований. - Наставничество младших инженеров и личный пример в технических обсуждениях и код-ревью по мере роста команды. Требования - 7+ лет опыта в backend-разработке. - Сильный опыт backend-разработки, включая проектирование RESTful API, управление базами данных и серверные фреймворки, например Python. - Рабочее понимание принципов машинного обучения и опыт интеграции LLM или других AI-сервисов в production-приложения. Знакомство с LangChain, LlamaIndex или аналогичными фреймворками будет плюсом. - Знакомство с облачными платформами, например AWS, и их ML-сервисами, а также с DevOps-практиками: CI/CD и контейнеризацией, например Docker, Kubernetes. - Сильные аналитические способности и навыки решения задач, ориентация на надёжные и масштабируемые решения. - Понимание архитектуры систем, эффективно использующих AI-возможности при сохранении производительности и надёжности. - Отличные коммуникативные навыки и способность эффективно работать в кросс-функциональной команде. - Комфортная работа в быстро меняющейся среде стартапа, готовность адаптироваться, особенно в быстро развивающейся области AI. Почему стоит присоединиться - Амбициозные задачи: использование генеративного ИИ, LLM и агентов, для решения актуальных задач кибербезопасности. - Экспертная команда: практикующие лидеры с глубоким опытом в Big Tech и масштабируемых компаниях, участвовавшие в командах, стоявших за несколькими приобретениями и IPO. - Значимая работа: кибербезопасность становится вызовом для большинства компаний, и помощь в снижении рисков ведёт к лучшим результатам для всех.

Формат

Офис

Страна

Европа

Город

Не указан

О роли В Maze вы станете техническим лидером, который развивает ML-инфраструктуру от экспериментов до продакшена, обеспечивая измеримый эффект AI-решений в кибербезопасности для клиентов по всему миру. Это возможность присоединиться к ранней инженерной команде хорошо финансируемого стартапа, создающего прорывные приложения на основе LLM и AI-агентов в кибербезопасности. Вы возьмёте на себя полную ответственность за фреймворки оценки, продакшен-ML-пайплайны и интеграцию ML между командами, работая в тесном контакте с CTO и продуктовыми командами, чтобы превращать передовые AI-исследования в надёжные масштабируемые решения для реальных задач безопасности. Успех будет измеряться улучшением производительности агентов и влиянием на продуктовые инновации, а не только техническими метриками. Роль подходит для практикующего ML-инженера, который масштабировал продакшен-ML-системы в нескольких компаниях, мыслит как продуктовый разработчик и хочет заниматься продакшенизацией LLM и ML для решения значимых проблем. Задачи - Создание продакшен-систем оценки: проектирование и внедрение комплексных фреймворков для измерения производительности агентов, отслеживания улучшений и обеспечения стабильной ценности AI-систем для клиентов. - Пайплайн от экспериментов до продакшена: владение полным жизненным циклом ML от прототипа до продакшена, создание масштабируемых систем для быстрой итерации при сохранении надёжности и производительности в клиентских средах. - Интеграция ML между командами: тесная работа с продуктовыми командами для встраивания ML-возможностей в пользовательские функции, чтобы техническое совершенство превращалось в пользовательскую ценность и продуктовую дифференциацию. - Оптимизация производительности AI-агентов: постоянное улучшение агентов через систематические эксперименты, промт-инжиниринг и архитектурные улучшения; измерение успеха через влияние на клиентов и производительность системы. - Масштабирование ML-инфраструктуры: создание базовых ML-систем, мониторинга и инструментов для роста от стартапа до масштабной компании, позволяющих быстро внедрять новые возможности без потери качества. - Взаимодействие с инженерным руководством: прямая работа с CTO через регулярные встречи и стратегическое согласование, при высокой автономии и самостоятельности в повседневной работе. - Наставничество: естественное наставничество для младших ML-инженеров через код-ревью, технические рекомендации и передачу практического опыта создания продакшен-ML-систем. Требования - Опыт продакшен-ML: 6+ лет создания и масштабирования ML-систем в продакшене, практический опыт перехода от экспериментов к развёртыванию для клиентов. - Фундамент в глубоких нейросетях: сильная база в классических нейросетях и основах глубокого обучения перед специализацией на современных LLM и трансформерах — понимание основ, а не только новейших инструментов. - Продуктовый ML-подход: опыт создания ML-систем, решающих реальные бизнес-задачи, с подтверждённым опытом интеграции систем классификации, предсказания или рекомендаций в реальные продукты. - Опыт в нескольких компаниях: работа в разных организациях (масштабирующиеся стартапы, стартапы или их сочетание), дающая практическое знание, что строить, а что покупать, и как избегать переусложнения. - Техническая универсальность: сильные навыки Python, гибкость в использовании ML-фреймворков и инструментов, готовность адаптироваться к стеку, включая LangChain, фреймворки оценки и оркестрации рабочих процессов, такие как Temporal. - Самостоятельное лидерство: способность действовать автономно, сохраняя тесное согласование с руководством, комфортно с частыми проверками, но способность самостоятельно вести проекты. - Кросс-функциональное взаимодействие: опыт работы с продуктовыми командами и, возможно, с клиентами, перевод технических возможностей в бизнес-ценность и пользовательский опыт. Плюсы - Опыт с AI-агентами, LLM или современными генеративными AI-приложениями. - Знание кибербезопасности или опыт применения ML для задач безопасности. - Опыт работы в ML-first компаниях или организациях, где ML был ядром продукта. - Опыт с современными MLOps-практиками и облачной ML-инфраструктурой. - Подтверждённый опыт оптимизации производительности моделей и контроля затрат на AI-системы. Условия - Реальное влияние AI: продакшенизация LLM и машинного обучения для решения значимых проблем кибербезопасности — ваша работа будет напрямую защищать организации от реальных угроз, а не только оптимизировать внутренние метрики.

Формат

Гибрид

Страна

Россия

Город

Не указан

Грейд

Middle

Т1 — один из лидеров российского ИТ-рынка, партнёр ключевых производителей и разработчиков в сфере ИТ. Направление Искусственного интеллекта: большие данные, платформы хранения информации, аналитические и рекомендательные системы для крупного бизнеса. Опыт работы: от 3 до 6 лет. Формат работы: Рязань, гибрид. Чем предстоит заниматься: - Интеграция LLM в продукты и сервисы (API, backend, пайплайны обработки данных). - Оценка качества ответов моделей (автоматические метрики, human eval). - Построение RAG-систем: индексация данных, работа с векторными БД. - Оптимизация производительности и стоимости инференса (квантизация, batching, caching). Пожелания к кандидатам: - Уверенное владение Python, SQL. - Знания в области NLP алгоритмов. - Опыт работы с prompt engineering, fine-tuning / PEFT (LoRA, adapters), RAG-подходами. - Опыт с фреймворками: LangChain, LlamaIndex, Hugging Face.

Формат

Офис

Страна

Не указана

Город

Не указан

Грейд

Middle

Компания: BRANDPOL Обязанности - Разработка backend-сервисов, API, интеграций и внутренних инструментов на Python. - Проектирование архитектуры решений совместно с командой. - Написание чистого, поддерживаемого и тестируемого кода. - Работа с базами данных, очередями, внешними API и инфраструктурными сервисами. - Участие в code review и обсуждении технических решений. - Автоматизация рутинных задач разработки. Требования - Уверенное знание Python и опыт коммерческой разработки от 2-3 лет. - Опыт работы с backend-фреймворками: FastAPI, Django, Flask или аналогами. - Понимание принципов ООП, SOLID, REST API, асинхронного программирования. - Опыт работы с PostgreSQL, Redis, Docker, Git. - Умение писать и поддерживать тесты. - Опыт настройки CI/CD. - Опыт работы с микросервисной архитектурой. - Готовность быстро разбираться в новом коде и технических доменах. Будет плюсом - Опыт использования AI-инструментов для разработки: ChatGPT, Claude, Cursor, GitHub Copilot, Aider, Devin, OpenAI API или аналогов — для генерации кода, написания тестов, анализа логов, рефакторинга. - Умение проверять и дорабатывать код, сгенерированный AI, оценивать его безопасность и производительность. - Опыт построения собственных AI-агентов или инструментов автоматизации разработки. - Опыт работы с LLM API, LangChain, LlamaIndex, OpenAI Agents SDK или аналогичными фреймворками. - Понимание DevOps-практик и облачных платформ. Условия работы - Интересные задачи в области разработки современных backend-систем. - Возможность использовать современные инструменты в рабочем процессе. - Пространство для экспериментов с новыми подходами к разработке ПО. - Формат: офис. - Занятость: полная. - Уровень: middle. - Оплата: обсуждается по результатам собеседования.

Формат

Офис

Страна

Израиль

Город

Не указан

О компании Integrated Medical Systems, Inc. (IMS) — дистрибьютор на рынке альтернативной медицинской помощи, основан в 1994 году. Компания предлагает гибкие условия аренды и покупки одноразовых и арендных продуктов для инфузионной терапии, респираторной поддержки, энтерального питания, онкологии и чистых помещений. О роли IMS ищет AI-инженера для проектирования, создания и развертывания интеллектуальных агентных ИИ-приложений, которые подключаются к корпоративным данным, бизнес-системам и внешним сервисам. Это роль инженера приложений ИИ, а не традиционного ML-инженера или специалиста по обучению моделей. Основной фокус — создание систем, позволяющих ИИ-моделям работать с реальными данными и бизнес-инструментами: безопасные, надежные и масштабируемые ИИ-агенты, которые понимают контекст, получают доступ к информации, используют инструменты и выполняют действия. В работе активно используются Model Context Protocol (MCP), оркестрация LLM, API, вызовы инструментов, корпоративные данные и асинхронные архитектуры приложений. Обязанности - Проектировать, разрабатывать и развертывать MCP-серверы, которые безопасно подключают ИИ-приложения к внутренним базам данных, векторным хранилищам, бизнес-приложениям и другим корпоративным ресурсам. - Создавать стандартизированные интерфейсы, позволяющие ИИ-агентам обнаруживать и взаимодействовать с доступными инструментами, ресурсами и рабочими процессами. - Разрабатывать MCP-инструменты, ресурсы и промпты для поддержки повторяемых бизнес-процессов. - Оценивать и выбирать подходящую LLM для конкретных сценариев на основе возможностей рассуждения, стоимости, размера контекстного окна, задержки и производительности. - Проектировать ИИ-процессы, которые маршрутизируют задачи между несколькими моделями и сервисами. - Реализовывать вызовы инструментов и функций, чтобы ИИ-агенты могли взаимодействовать с внешними системами. - Создавать надежные интеграции REST API и сторонних систем. - Настраивать схемы вызова функций и инструментов для вызова внешних сервисов ИИ-агентами. - Преобразовывать ответы внешних систем в структурированные форматы, которые могут эффективно интерпретировать и использовать LLM. Обязательные требования - Уверенное владение Python или TypeScript. - Понимание асинхронного программирования и паттернов async/await. - Опыт создания и использования RESTful API. - Понимание JSON-RPC 2.0 и обмена сообщениями. - Практический опыт создания MCP-серверов с использованием стандартных SDK или фреймворков, таких как FastMCP. - Опыт работы с MCP-инструментами, ресурсами и промптами. - Понимание LLM API и вызова инструментов/функций. - Опыт интеграции ведущих LLM-платформ: OpenAI, Anthropic Claude или аналогичных. - Опыт работы с векторными базами данных/векторными хранилищами и ИИ-поиском. - Умение создавать инструменты поиска и извлечения, предоставляющие релевантный структурированный контекст для LLM. - Понимание идентификаторов документов, метаданных и обработки цитирований/источников. - Понимание безопасной аутентификации и авторизации для подключения ИИ-приложений к проприетарным данным и корпоративным системам. - Умение проектировать правильно ограниченный доступ между ИИ-агентами, внутренними системами и внешними сервисами. Предпочтительные требования - Опыт разработки агентных ИИ-приложений или многошаговых ИИ-процессов. - Опыт работы с FastMCP или другими MCP-фреймворками. - Опыт с LangChain, LangGraph, Semantic Kernel или аналогичными фреймворками оркестрации ИИ. - Опыт с Docker, Git, CI/CD и облачными платформами. - Опыт интеграции ИИ с корпоративными базами данных, ERP-системами, CRM-платформами или другими бизнес-приложениями. - Опыт наблюдаемости, логирования, тестирования и мониторинга ИИ-приложений. - Знакомство с требованиями к медицинским данным, конфиденциальности, безопасности или компетентности. Критерии успеха В этой роли вы поможете IMS перевести ИИ из экспериментов в практические, безопасные и готовые к бизнесу приложения. Успех означает создание ИИ-систем, которые могут: - Понимать правильный контекст. - Находить и извлекать нужную информацию. - Использовать подходящие бизнес-инструменты. - Безопасно взаимодействовать с корпоративными системами. - Выбирать правильную модель для задачи. - Надежно выполнять рабочие процессы. - Предоставлять точные и отслеживаемые ответы. Вы будете помогать создавать инфраструктуру и прикладной уровень, которые делают ИИ полезным внутри бизнеса.

Формат

Офис

Страна

Канада

Город

Не указан

О роли Acquia ищет Staff AI-инженера в команду AI Core Engineering. Это прежде всего практическая инженерная роль: большую часть времени вы будете проектировать, создавать и выпускать продакшн-агентные ИИ-процессы в Acquia DXP. Основные инструменты — LangGraph, Temporal, Pydantic и LangFuse. Также предусмотрена лёгкая, но значимая менторская роль: помощь в повышении ИИ-инженерных навыков коллег по мере роста команды. Обязанности - Ежедневно писать и выпускать продакшн-код для ИИ. - Проектировать агентные ИИ-процессы с использованием LangGraph, Temporal, Pydantic — многоагентные процессы с сохранением состояния, рассчитанные на корпоративный масштаб и надёжность. - Отвечать за наблюдаемость ИИ через LangFuse: трассировка, версионирование промптов, оценка и бенчмаркинг производительности всех взаимодействий с моделями. - Задавать стандарты ИИ-инженерии для паттернов агентов, RAG, управления промптами, оптимизации контекста и стратегий вызова инструментов. - Взаимодействовать с командами продукта и платформы для создания ИИ-архитектур, отвечающих корпоративным требованиям SLA, безопасности и соответствия. - Оценивать и внедрять новые инструменты: бенчмаркинг LLM-провайдеров, оркестрационных фреймворков и улучшений агентного стека. - Наставлять инженеров через код-ревью, парное программирование и дизайн-обсуждения. - Представлять ИИ-возможности Acquia в архитектурных обзорах клиентов, техническом исследовании и обсуждениях дорожной карты. Требования - 8+ лет в разработке ПО, из них 3+ года в продакшн-разработке ИИ-агентов. - Практический опыт с LangGraph, Temporal, Pydantic — процессы с сохранением состояния, циклические, многоагентные, в корпоративном масштабе. - Практический опыт с LangFuse — трассировка, оценка, управление промптами и тестирование на основе датасетов. - Владение фреймворками для агентов, такими как LangChain или аналоги (LlamaIndex, CrewAI) — компоновка цепочек, инструментов, памяти и пайплайнов поиска. - Глубокое знание Python и сильные инженерные основы (тестирование, CI/CD, архитектура). - Опыт облачного развёртывания ИИ (AWS, Azure или GCP), включая контейнеризацию и управление стоимостью инференса. - Знание архитектуры RAG — векторные базы данных, модели эмбеддингов и стратегии поиска. - Степень бакалавра в Computer Science или эквивалентный практический опыт. Желательные навыки - Опыт в корпоративном SaaS или CMS, включая знакомство с DXP Acquia на базе Drupal. - Свободное владение агентным процессом разработки — ИИ-ассистирующие инструменты (Copilot, Cursor, Claude) как повседневные ускорители. - Знакомство с персистентными рантаймами агентов — такими как OpenClaw и Hermes Agent, понимание кросс-сессионной памяти, автономного создания навыков и постоянно работающей инфраструктуры агентов. - Опыт тонкой настройки LLM или оценки моделей, понимание компромиссов фундаментальных моделей.

Формат

Офис

Страна

США

Город

Не указан

ICON ищет прагматичного разработчика, который перешёл от традиционной разработки ПО к миру агентного ИИ. В роли инженера по ИИ в ICON вы будете отвечать за проектирование и внедрение инструментов, рабочих процессов и автономных агентов на базе ИИ, которые ускоряют работу платформы строительных технологий ICON. Должность подчиняется старшему директору программ оборонных технологий и доступна для удалённой работы с периодическими поездками в штаб-квартиру ICON в Остине, штат Техас, по мере необходимости. Обязанности - Проектировать и создавать агентные системы ИИ, автоматизирующие сложные многоэтапные рабочие процессы в программной платформе ICON. - Разрабатывать функции и продукты на основе LLM, используя современные фундаментальные модели и API (например, Anthropic, OpenAI). - Архитектура и реализация многогаентных конвейеров, систем использования инструментов и интеграций Model Context Protocol (MCP). - Создание надёжных RAG-систем, включая приём документов, стратегии разбиения, конвейеры эмбеддингов и векторный поиск. - Сотрудничать с командами разработчиков и профильными специалистами для выявления возможностей автоматизации с помощью ИИ и превращать их в готовые продукты. - Отвечать за полный жизненный цикл функций ИИ: прототипирование, оценка, развёртывание и итерации. - Выступать техническим ресурсом и неформальным наставником по лучшим практикам агентного ИИ в инженерной организации. - Быть на переднем крае агентного ИИ и внедрять новые методы в производство. Минимальные требования - 6+ лет профессионального опыта в разработке ПО с сильной базой в бэкенд или full-stack разработке. - Подтверждённый опыт создания и внедрения продуктов производственного уровня с использованием LLM и агентных фреймворков. - Владение TypeScript и/или Python. - Глубокое понимание промт-инжиниринга, управления контекстом и паттернов рассуждения LLM. - Опыт работы с инструментами, вызовом функций и оркестрацией агентов (например, LangChain, LlamaIndex, Claude Code или собственные реализации). - Умение проектировать и проводить структурированные оценки для измерения и улучшения производительности систем ИИ. - Отличные коммуникативные навыки и комфорт при работе с техническими и нетехническими заинтересованными сторонами. - Возможность получить и поддерживать допуск к секретной информации. Предпочтительные навыки и опыт - Опыт разработки и интеграции серверов MCP (Model Context Protocol). - Знакомство с векторными базами данных (например, pgvector, Pinecone, Weaviate). - Опыт с тонкой настройкой, RLHF или конвейерами оценки моделей. - Знание основ машинного обучения: эмбеддинги, трансформеры, механизмы внимания. - Опыт генерации структурированных выходных данных и извлечения данных на основе LLM. - Опыт работы с агентами генерации кода (например, Claude Code, Cursor, системы типа Devin). - Знакомство с AWS и серверной инфраструктурой для ИИ-нагрузок. - Опыт работы в государственных, оборонных или регулируемых средах. - Интерес или опыт в отрасли AEC (архитектура, инженерия, строительство). Диапазон оплаты: $126,400 - $180,000.

Формат

Офис

Страна

Не указана

Город

Не указан

Местоположение: Дубай, работа на месте (onsite). Требования: - Опыт работы 6–9 лет. - Кандидаты должны находиться в Дубае и быть готовы к немедленному выходу. - Обязательные навыки: Python, GenAI/LLMs, мультиагентные ИИ-системы, RAG, мультимодальный ИИ, LangChain/LangGraph/CrewAI/AutoGen. - Требуется опыт в разработке ИИ-продуктов, Data Science и выводе ИИ-решений в продакшн.

Формат

Удалённо

Страна

Россия

Город

Не указан

Грейд

Middle

Формат работы: можно удалённо. Компания — один из крупнейших независимых digital-продакшнов в России, работает с 2005 года, в штате более 550 человек. Ищет ML-инженера в команду, которая реализует AI-решения для проектов компании. Чем предстоит заниматься: - Поддерживать текущие алгоритмические решения - Проектировать и внедрять AI-агентов (LLM, GPT-like модели) в различные процессы - Адаптировать и дообучать LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта - Разрабатывать RAG-пайплайн для поиска и обработки данных - Настраивать векторные БД (Pinecone/Weaviate/Qdrant) и оптимизировать кэширование Пожелания к кандидатам: - Знание современных AI-фреймворков и библиотек (LangChain, LlamaIndex и других) - Уверенное владение Python и PyTorch/TensorFlow - Практический опыт работы с API, Docker/Kubernetes и базами данных - Опыт внедрения RAG

Формат

Офис

Страна

Россия

Город

Не указан

Компания разрабатывает прикладные LLM-решения для внутренних продуктов и процессов: от ассистентов и автоматизации рутины до интеграции моделей с корпоративными системами. Фокус — надёжные прикладные сервисы. Чем предстоит заниматься проектировать и поддерживать MCP-серверы (Python/TypeScript): tools для LLM, auth, интеграция с корпоративными API (Bitbucket Server, EWS/Outlook, Grafana и др.); поддерживать и отвечать за единый реестр скиллов, плагинов и MCP-серверов; участвовать в разработке безопасной среды исполнения агентов; участвовать в выводе в prod/preprod: прототип → сервис → мониторинг качества, latency и cost; работать с кодовой базой и документацией, предлагать решения с учётом ограничений инфраструктуры. Ожидания от кандидата Обязательно: высшее техническое образование; уверенный Python; опыт backend-разработки и интеграций с API; понимание современных LLM и LLM-приложений: prompt engineering, function/tool calling, RAG там, где нужен контекст; опыт работы с Model Context Protocol (MCP); опыт интеграций через REST API и настройки доступа, плюсом — работа с системами контроля версий и review-процессами; сильные навыки CI/CD: Docker/k8s, gitlab-ci, Jenkins; опыт с трейсингом и логированием в контексте LLM: Langfuse, LangSmith, OpenTelemetry; умение писать поддерживаемый код, тесты на критичные сценарии, документация; опыт настройки инференса LLM (vLLM, SGLang, TensorRT). Желательно: опыт работы с векторными БД (Faiss, Chroma, Qdrant); опыт с LLM-платформами (OpenWebUI) и библиотеками оркестрации (чат-интерфейсы, LiteLLM, LangChain и аналоги). Условия работы необходимое оборудование и софт для работы; официальное трудоустройство; ДМС со стоматологией, офисный врач, доплата больничного листа, корпоративные скидки; льготные условия ипотеки в рамках зарплатного проекта; бесплатная подписка на сервисы партнёров; корпоративный спорт; насыщенная корпоративная жизнь; электронная библиотека издательства МИФ, в которую входят почти 2 тыс. единиц контента по бизнесу, саморазвитию, здоровому образу жизни и другим актуальным темам.

Формат

Офис

Страна

США

Город

Нью-Йорк

О компании Abridge основана в 2018 году с миссией улучшать взаимопонимание в здравоохранении. Платформа на основе ИИ преобразует разговоры между пациентами и врачами в структурированные клинические заметки в реальном времени, интегрируется с EMR. Компания использует Linked Evidence и аудируемый ИИ, сопоставляет сгенерированные сводки с первоисточником. Офисы находятся в Сан-Франциско (Mission District), Нью-Йорке (SoHo) и Питтсбурге (East Liberty). В команде — практикующие врачи, ИИ-исследователи, PhD, креативщики, технологи и инженеры. Роль Компания ищет инженеров по генеративному ИИ любого уровня. Работа в кросс-функциональной команде с исследователями, клиницистами и инженерами. Задача — превращать возможности языковых моделей в надежные клинические системы: проектировать продвинутые LLM-процессы, включая агентные возможности, структурированные инструменты, разветвленные цепочки вызовов, интеграцию с поисковыми системами. Также разработка и применение фреймворков оценки (автоматизированных и с участием человека) для проверки точности, надежности, многоязычности. Проектирование экспериментов для поиска отказов, симуляция крайних случаев, нагрузочное тестирование. Владение полным циклом продакшена LLM-процессов: развертывание в средах с низкой задержкой, мониторинг, наблюдаемость, постобработка, версионирование. Задачи - Проектировать и создавать агентные системы, превращающие LLM в компонуемые надежные инструменты (поиск, вызов инструментов, агентные рассуждения, структурированные выходы). - Сотрудничать с ML- и инфраструктурными инженерами для масштабирования и оптимизации агентных процессов: задержка, контекстные окна, выбор моделей. - Писать высококачественный модульный код, устойчивый к сбоям, гибкий к изменениям. - Отвечать за ключевые архитектурные решения: архитектура процессов, потоки данных, кэширование промежуточных состояний, структура генерируемых выходов. - Проводить строгую оценку: создавать бенчмарк-датасеты, автоматизированные и human-in-the-loop фреймворки, эксперименты для выявления отказов и крайних случаев, A/B-тесты, анализировать обратную связь клиницистов. - Использовать передовые возможности: быстрое прототипирование с новыми моделями, открытыми инструментами и техниками промптинга. Требования - 3+ года опыта создания production-grade систем, из них 1–2+ года — с LLM или агентными продуктами. - Глубокое владение LLM API, стратегиями промптинга и паттернами оркестрации (LangChain, LlamaIndex, кастомные пайплайны). - Опыт с поисковыми системами (семантический и лексический поиск, векторные БД, эффективный kNN), вызовом функций, tool-use или агентными процессами. - Рабочее знание оценки моделей: создание разнообразных датасетов, автоматизированная и human-in-the-loop оценка, A/B-тесты, работа с экспертами для улучшения моделей. - Сильные знания Python: чистый код, комплексные тест-кейсы, знание стандартной библиотеки; желателен опыт с async-программированием, профилированием производительности, упаковкой и деплоем. - Хорошая интуиция: понимание, когда ускоряться и итерировать, а когда устранять технический долг. Ценятся готовность учиться и признание, что отличный член команды может не полностью соответствовать описанию.

Формат

Офис

Страна

Россия

Город

Не указан

Грейд

Senior

Bell Integrator — крупный системный интегратор, аккредитованная ИТ-компания. Команда внедряет AI-агентов для проактивной диагностики маркетинговых показателей, поиска неочевидных взаимосвязей и генерации рекомендаций. Формат работы: офис, Москва. Чем предстоит заниматься: - Проектировать и разрабатывать AI-агентов для автоматизации отчетности и мониторинга отклонений в бизнес-процессах - Создавать пайплайны поиска отклонений и интегрировать их с LLM для генерации текстовых выводов и отчетов - Работать с большими массивами данных: готовить фичи, агрегировать данные и передавать их в модели - Оптимизировать, упаковывать и деплоить агентные системы в продакшн Пожелания к кандидатам: - Отличное знание Python, опыт коммерческой разработки от 3 лет - Опыт работы с языковыми моделями (LLM), понимание их ограничений - Знание LangChain (или аналогов) и опыт интеграции LLM в реальные бизнес-задачи - Понимание принципов DevOps и CI/CD

Формат

Офис

Страна

США

Город

Не указан

Обязанности - Совместно с командой проектировать и разрабатывать высококачественные веб-приложения с использованием Python, Flask, Django и смежных технологий. - Писать чистый и эффективный код, обеспечивать его поддерживаемость и переиспользуемость. - Проектировать и внедрять RAG-пайплайны на Google Cloud / Vertex AI (chunking, эмбеддинги, индексация, поиск, реранкинг, grounding). - Строить агентные рабочие процессы (использование инструментов, планирование, рефлексия/guardrails, структурированные выходные данные) с использованием Python-first фреймворков. - Проводить ревью кода для обеспечения качества и согласованности. - Проводить тестирование для обеспечения качества и надежности приложений. - Создавать и поддерживать техническую документацию для веб-приложений. - Участвовать в планировании проекта, оценке и приоритизации задач. - Следить за новейшими технологиями в области разработки на Python. - Определять и запускать оценку (метрики поиска, качество ответов, проверки галлюцинаций/grounding) и итеративно улучшать качество системы. - Выпускать в продакшн: API, мониторинг/наблюдаемость, оптимизация стоимости и производительности, CI/CD и лучшие практики безопасности. Обязательные требования - Python, Flask/Django, RAG. - Опыт разработки программного обеспечения на Python 3. - Понимание жизненного цикла разработки и тестирования ПО. - Знание реляционных баз данных (например, MySQL, PostgreSQL и т.д.). - Опыт работы с системами контроля версий, такими как Git. - Опыт создания RAG-решений (гибридный поиск, реранкинг, стратегии chunking, эмбеддинги, дизайн промптов и схем). - Знакомство как минимум с одним агентным фреймворком (например, LangGraph/LangChain, LlamaIndex, Semantic Kernel, AutoGen) и паттернами вызова инструментов/функций. - Уверенные знания концепций векторного поиска и как минимум одной векторной БД в продакшене. - Сильные инженерные практики: ревью кода, тестирование, телеметрия, безопасность по дизайну, надежность. Желательно - LLM, LangChain, AWS, Kubernetes, Docker. - Степень магистра в области компьютерных наук, программной инженерии или смежной области. - Более 1 года профессионального опыта разработки веб-приложений на Python с использованием Flask или Django. - Опыт разработки RESTful API на Python. - Понимание фреймворков веб-приложений на Python, таких как Flask или Django. - Опыт работы с облачными сервисами, такими как AWS. - Опыт работы с Vertex AI и основами GCP (IAM, логирование/мониторинг, Cloud Run/GKE, хранилища). - Графы знаний для RAG (связывание сущностей, обход графа + гибридный поиск). - Стриминг/обмен сообщениями (Pub/Sub, Kafka), пайплайны документов (Document AI) и мультиязычный поиск. - Опыт работы с инструментами оценки (RAGAS, TruLens, пользовательские eval-харнессы), управление версиями промптов. - Интеграция с фронтендом (базовый React/Next.js) или развитие платформы (внутренние инструменты разработчика). Условия - Зарплата: $62,000 – $80,000. - Кандидаты должны быть готовы к переезду в пределах США (например, CA, TX, NY).

Формат

Офис

Страна

США

Город

Нью-Йорк

BeaconFire Inc. ищет Python-разработчика для работы над веб-приложениями и системами генеративного ИИ. Задачи: - Проектирование и разработка веб-приложений на Python, Flask, Django. - Написание чистого и эффективного кода с поддержкой поддерживаемости и переиспользуемости. - Проектирование и внедрение RAG-пайплайнов на Google Cloud / Vertex AI (чанкинг, эмбеддинги, индексация, поиск, реранкинг, grounding). - Построение агентных рабочих процессов (использование инструментов, планирование, рефлексия/ограничения, структурированные выводы) с использованием Python-first фреймворков. - Проведение код-ревью для обеспечения качества и согласованности кода. - Тестирование для обеспечения качества и надежности приложений. - Создание и поддержка технической документации для веб-приложений. - Участие в планировании проекта, оценке и приоритизации задач. - Отслеживание новейших технологий для разработки на Python. - Определение и запуск оценки (метрики поиска, качество ответов, проверки галлюцинаций/grounding) и итеративное улучшение качества системы. - Вывод в продакшн: API, мониторинг/наблюдаемость, оптимизация стоимости и производительности, CI/CD, практики безопасности. Требования: - Опыт разработки программного обеспечения на Python 3. - Понимание жизненного цикла разработки и тестирования ПО. - Знание реляционных баз данных (например, MySQL, PostgreSQL). - Опыт работы с системами контроля версий, такими как Git. - Опыт создания RAG-решений (гибридный поиск, реранкинг, стратегии чанкинга, эмбеддинги, дизайн промптов и схем). - Знание как минимум одного агентного фреймворка (например, LangGraph/LangChain, LlamaIndex, Semantic Kernel, AutoGen) и паттернов вызова инструментов/функций. - Уверенное знание концепций векторного поиска и как минимум одной векторной БД в продакшне. - Сильные инженерные практики: код-ревью, тестирование, телеметрия, безопасность по дизайну, надежность. Предпочтительные квалификации: - Степень магистра в области компьютерных наук, программной инженерии или смежной области. - Более 1 года профессионального опыта разработки веб-приложений на Python с Flask или Django. - Опыт разработки RESTful API на Python. - Понимание веб-фреймворков Python, таких как Flask или Django. - Опыт работы с облачными сервисами, такими как AWS. - Опыт работы с Vertex AI и основами GCP (IAM, логирование/мониторинг, Cloud Run/GKE, хранилища). - Графы знаний для RAG (связывание сущностей, обход графа + объединение поиска). - Стриминг/обмен сообщениями (Pub/Sub, Kafka), пайплайны документов (Document AI) и мультиязычный поиск. - Опыт работы с инструментами оценки (RAGAS, TruLens, пользовательские eval-системы), управление версиями промптов. - Интеграция фронтенда (базовый React/Next.js) или платформенная поддержка (внутренние инструменты разработчика). Условия: - Зарплата: $62 000 – $80 000. - Кандидаты должны быть готовы к переезду в пределах США (например, Калифорния, Техас, Нью-Йорк).