LangChain

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

AI-инженер отвечает за проектирование, разработку, развертывание и поддержку решений в области искусственного интеллекта и машинного обучения, которые обеспечивают интеллектуальную автоматизацию, прогнозную аналитику и продвинутую аналитику на уровне предприятия. Роль предполагает практическую разработку: применение принципов программной инженерии для написания production-кода, создание масштабируемых AI-систем, включая AI-агентов и пайплайны данных, и интеграцию моделей ИИ в новые и существующие бизнес-приложения. AI-инженер тесно сотрудничает с дата-сайентистами, дата-инженерами, ML Ops-инженерами и платформенными командами для перевода моделей машинного обучения из прототипа в продакшн. Критически важная часть функции — обеспечение перехода AI-кейсов от экспериментов к надежным, управляемым и готовым к бизнесу решениям, включая полную операционную готовность: внедрение надежной наблюдаемости, определение Service Level Objectives (SLO) и создание четких стратегий реагирования на инциденты и отката для всех AI-сервисов. Обязанности - Разработка и внедрение моделей: написание чистого, эффективного и документированного кода для разработки и внедрения моделей машинного обучения и ИИ, поддерживающих различные бизнес-кейсы. - Реализация пайплайнов обработки данных и предобработки, необходимых для входных данных моделей. - Постоянная оптимизация производительности и масштабируемости AI-приложений и моделей. - Проектирование, разработка и поддержка масштабируемых ML-пайплайнов для обучения, валидации, инференса и развертывания моделей. - Сотрудничество с ML Ops-инженерами для упаковки и развертывания моделей в корпоративных системах с использованием установленных практик MLOps. - Мониторинг развернутых моделей в продакшене на предмет производительности, дрейфа данных и надежности, устранение возникающих проблем. - Обеспечение операционной готовности всех AI-сервисов: определение и внедрение Service Level Objectives (SLO) для ключевых метрик, таких как p50/p95 задержка и доступность, создание надежного мониторинга и алертинга для дрейфа моделей, задержки и частоты ошибок. - Тесное сотрудничество с дата-сайентистами для перевода экспериментальных моделей и исследовательских прототипов в надежные production-системы. - Поддержка интеграции AI-возможностей в корпоративные рабочие процессы, приложения и цифровые платформы. - Участие в документировании и объяснимости выходов моделей для обеспечения ясности для бизнес-стейкхолдеров. - Обеспечение соответствия всех развернутых AI-систем корпоративным стандартам управления, справедливости и безопасности. - Оценка новых AI-технологий, таких как LLM и генеративный ИИ, для определения их применимости к бизнес-задачам и стимулирование инноваций. - Обеспечение поддержки аудируемости, объяснимости, прослеживаемости и соответствия регуляторным требованиям. - Реализация стратегий управления памятью, контекстной инженерии, планирования и многошаговых рассуждений. - Определение и отслеживание метрик качества, таких как обоснованность, точность (faithfulness), релевантность, процент выполнения задач и удовлетворенность пользователей. Предпочтительные навыки и опыт - Основные технические и AI-компетенции: - Сильные навыки программирования на Python, Java или C++, включая разработку API и проектирование ПО. - Глубокое понимание базовых концепций машинного обучения, включая классификацию, регрессию, кластеризацию и архитектуры глубокого обучения. - Практический опыт работы с современными фреймворками глубокого обучения и алгоритмами (обучение с учителем и без), такими как PyTorch, TensorFlow или аналогичными, для построения и обучения сложных нейронных сетей. - Навыки работы с LLM, промпт-инжинирингом, тонкой настройкой и использованием фреймворков LangChain и LangGraph для построения RAG-систем (Retrieval-Augmented Generation). - Работа с данными: data wrangling, SQL, хранилища данных и ETL-пайплайны для подготовки данных для моделей. - Полный жизненный цикл ML-моделей: - Подтвержденный опыт полного жизненного цикла моделей: разработка, обучение и развертывание моделей машинного обучения от прототипа до продакшена. - Владение предобработкой данных, инженерией признаков и методами оценки моделей для обеспечения надежной и точной производительности. - Подтвержденная способность строить и оптимизировать масштабируемые пайплайны данных для обучения и оценки моделей машинного обучения. - Хорошее знание как SQL, так и NoSQL баз данных для запросов и управления данными для AI-приложений. - Программная инженерия и MLOps: - Солидная база в лучших практиках программной инженерии, включая контроль версий (Git), автоматизированное тестирование и CI/CD пайплайны. - Практический опыт контейнеризации с помощью Docker и оркестрации контейнеров с помощью Kubernetes для масштабируемого развертывания. - Экспертиза в MLOps-наблюдаемости, включая мониторинг моделей для отслеживания производительности и дрейфа, а также установление происхождения моделей/версий, телеметрии и трассируемости. - Опыт внедрения продвинутых стратегий тестирования и развертывания, включая канареечные и теневые развертывания, а также комплексные наборы тестов (модульные, интеграционные, состязательные, регрессионные).

Формат

Офис

Страна

Джерси, США

Город

Не указан

О компании Ранний AI-стартап решает проблему регуляторной сложности. Энергетические проекты, дата-центры, проекты возобновляемой энергетики и крупные инфраструктурные проекты могут задерживаться на месяцы, потому что критическая информация разбросана по тысячам регуляторных документов, градостроительным кодексам, экологическим заявкам и требованиям агентств. Компания создаёт AI-платформу, которая понимает эту информацию, связывает её с конкретными проектами и локациями и превращает в проверяемую и применимую аналитику. Роль Ищем Founding Backend Software Engineer для присоединения к небольшой высокотехничной команде. Это роль, в которой вы не просто присоединяетесь к инженерной команде, а помогаете определить, какой она станет. Требования - 4+ лет опыта в разработке ПО - Сильный бэкенд на Python - Продакшен-опыт с AI-агентами / LLM-пайплайнами - Опыт с LangGraph, LangChain, CrewAI, OpenAI API или аналогичными инструментами - Поисковые системы + GraphQL / REST - PostgreSQL / базы данных - Опыт работы с облаками: AWS, Azure, GCP или аналогичные - Уверенная работа с контейнерами, CI/CD и observability - Комфортно в среде 0→1 / founding engineering Условия - Зарплата: $150k–$180k base + значительная доля в компании (equity) - Локация: Jersey City, NJ, гибрид или в офисе

Формат

Офис

Страна

США

Город

Не указан

Компания NeerInfo Solutions Локация и занятость - Локация: Хартфорд, Коннектикут; Остин, Техас; Плано, Техас (офис) - Тип занятости: полная занятость Требования - Уверенные навыки программирования на Python - Практический опыт работы с фреймворками AI/ML: TensorFlow, PyTorch, LangChain - Экспертиза в области генеративного ИИ, включая: - RAG (генерация с дополнением извлечёнными данными) - AI-агенты / агентные фреймворки - Промпт-инжиниринг - Владение экосистемой Microsoft Azure AI Желательно - Опыт создания Copilot или корпоративных ассистентов на базе ИИ - Опыт работы с мультимодальными ИИ-системами - Знание тонкой настройки LLM и эмбеддингов - Опыт работы в крупных корпоративных средах

Формат

Офис

Страна

Канада, США

Город

Сан-Франциско

О роли Один из стартапов-клиентов компании RS Global Services нанимает AI-инженера на полный рабочий день. Инженер будет отвечать за промпты, агентов, оценки (evals) и пайплайны, лежащие в основе пользовательских функций. Вы будете превращать продуктовые требования в работающие промпты, агентов и пайплайны, строго их оценивать, итерировать до готовности к продакшену и продолжать улучшать после релиза. Роль находится на стыке продукта и платформы: вы решаете, что должна делать ИИ-система, доказываете, что она работает, и доводите её до пользователей. Компания находится на ранней стадии и движется быстро, поэтому ищем человека, который умеет быстро работать с неоднозначными ИИ-задачами, измерять качество вывода и выпускать систему только тогда, когда она достаточно надёжна для продакшена. Работа очная, 5 дней в неделю в офисе. Важно уметь отличать «хорошо выглядит в демо» от «работает в продакшене». Задачи - Создавать новые ИИ-функции полностью, от прототипа до продакшена. - Улучшать качество вывода ИИ через промпт-инжиниринг, выбор моделей, retrieval и оценку. - Проектировать и запускать оценки (evals), которые измеряют реальное качество вывода, а не только первое впечатление. - Быстро итерировать промпты, дизайн агентов и паттерны оркестрации. - Работать с продуктовым инженером над превращением требований в реально работающие ИИ-функции. - Работать с платформенной ИИ-командой для размещения функций на надёжной инфраструктуре. - Оценивать новые модели, инструменты и техники, когда они улучшают качество, задержку, стоимость или надёжность. Требования Опыт - Практический опыт создания функций на базе LLM, которые были выпущены для реальных пользователей. - 3–8 лет опыта в практической разработке ПО и создании LLM-функций, выпущенных для реальных пользователей (обязательно). - Опыт выпуска LLM-функций в продакшен в репутабельном быстрорастущем стартапе с высокой инженерной планкой; умение рассказать, что ломалось (обязательно). - Опыт создания агентов и агентных систем — оркестрация LLM, использование инструментов на больших объёмах данных. - Следит за передовыми методами агентного ИИ; опыт только с LangChain — жёлтый флаг (обязательно). - Опыт работы в небольшой команде (менее 15 инженеров), или в роли founding engineer, или бывший основатель. - Опыт в корпоративном вертикальном SaaS. - Опыт в роли FDE или явно клиентоориентированный опыт. Образование - Степень бакалавра в области компьютерных наук (обязательно). Профессиональные навыки - Продакшен-инжиниринг на TypeScript/Node (основной, особенно AWS Lambda) и/или Python (обязательно). - Опыт с системами оценки (evals), структурированным выводом и вызовом функций (обязательно). - Опыт с Anyscale Ray или аналогичными фреймворками распределённых вычислений для батч-инференса, eval-пайплайнов или масштабирования агентных нагрузок. - Опенсорс-вклад в области LLM или агентных инструментов. - Знакомство с pgvector или другими векторными retrieval-системами. - Опыт пост-обучения или файн-тюнинга. Личные качества - Искренний интерес к работе на ранней стадии и к миссии компании (обязательно). Не подходят кандидаты - Короткие периоды работы (менее 2 лет в любой компании, кроме стажировок и контрактной работы). - Только крупные техкомпании (FAANG, Netflix) с очень узкой ролью. - Опыт только с RAG или с упором на LangChain — указывает на отсутствие актуальных знаний агентного ИИ. - Кандидаты без инженерной глубины — например, опыт в анализе данных является негативным сигналом. Условия - Зарплата: $180K–$250K. - Опционы: конкурентные. - Формат: очно, 5 дней в неделю в офисе в SOMA, Сан-Франциско. - Спонсирование визы: E3, H1B Transfer, TN. Новые H1B не рассматриваются.

Формат

Удалённо

Страна

Канада

Город

Не указан

Grafana Labs ищет Staff-инженера (AI и автоматизация) для развития инфраструктуры AI-агентов и платформы автоматизации, поддерживающей операции маркетинга. Кандидат будет создавать мультиагентные архитектуры, интеграции LLM и бэкенд-сервисы, соединяющие AI-модели с внутренними и сторонними платформами данных, и запускать производственные системы, от которых команды зависят ежедневно. Роль предполагает высокую автономию и владение техническим направлением: определение наиболее эффективных задач для маркетинга, RevOps и SDR-команд, проектирование решений и их внедрение. Также потребуется задавать техническое направление платформы автоматизации (модели данных, контракты API, общие библиотеки, эталонные архитектуры) и сотрудничать с командами Data Engineering, GTM Systems и Field Operations для создания масштабируемой автоматизации, устраняющей ручную работу. Задачи: Агентные системы и AI-инфраструктура: - Владение полным циклом разработки мультиагентных AI-систем: от архитектуры и реализации до тестирования, развертывания и эксплуатации. - Создание модульных композитных агентных систем с использованием оркестрационных фреймворков (LangChain, CrewAI, Anthropic MCP или аналогичных), работающих круглосуточно. - Разработка переиспользуемых агентных навыков, вызываемых через интерфейсы (Slack, дашборды, внутренние приложения, CLI). - Внедрение наблюдаемости и циклов обратной связи: логирование, метрики производительности, итерация промптов, оценка моделей, управление затратами. - Установление стандартов управления и соответствия для AI-процессов: контроль доступа, аудит-трейлы, обработка PII, эскалация с участием человека. Системная интеграция и бэкенд-сервисы: - Создание MCP-серверов, API, CLI и микросервисов, соединяющих AI-модели с бизнес-системами (BigQuery, Slack, CRM, email, календари, аналитические инструменты). - Проектирование потоков данных для RAG, соединяющих LLM с внутренними базами знаний, данными клиентов и бизнес-контекстом в реальном времени. - Разработка serverless или контейнерных сервисов (GCP Cloud Functions, Cloud Run), масштабирующихся с нагрузкой и интегрирующихся с облачной инфраструктурой Grafana. Автоматизация и поддержка процессов: - Совместная работа с командами RevOps, Demand Generation, Regional Marketing и SDR для определения задач автоматизации, выявления узких мест и создания решений с измеримыми бизнес-результатами. - Проектирование и развертывание процессов с помощью оркестрационных инструментов (n8n, Workato или собственных платформ) с соблюдением стандартов CI/CD, тестирования и производственной надежности. - Создание систем, рассчитанных на самостоятельное использование: документация, плейбуки и обучающие материалы для независимой работы команд. Требования: - 8+ лет опыта в разработке ПО с углублением в бэкенд-разработку, системную интеграцию или инженерию данных/аналитики. - 2+ года практического применения LLM/AI в производственных процессах, а не только в прототипах. - Уверенное владение Python и JavaScript/Node.js, включая Git-процессы, практики код-ревью и дисциплину тестирования. - Практический опыт с LLM-фреймворками и паттернами: промпт-инжиниринг, RAG, функции и инструменты.

Формат

Гибрид

Страна

Россия

Город

Не указан

Грейд

Senior

Senior LLM Engineer / AI Engineer Компания Absolut ищет Senior LLM Engineer для развития AI-агента на базе LLM. Проект связан с автоматизацией работы с отчётностью, документами и внутренними данными крупного государственного заказчика. Чем предстоит заниматься - Развивать AI-агента для работы с отчётностью, документами и внутренними данными. - Проектировать и внедрять RAG-системы. - Строить пайплайны обработки и структурирования данных. - Настраивать валидацию ответов и снижать количество галлюцинаций. - Тестировать промпты и контролировать качество выдачи. - Интегрировать LLM-решения во внутренний контур заказчика. - Разрабатывать AI-агентов и прикладные сценарии автоматизации. Что ожидаем - Опыт разработки LLM / AI-решений. - Уверенное владение Python. - Опыт работы с LangChain, LlamaIndex или аналогами. - Практический опыт построения RAG-систем. - Опыт работы с Llama, Qwen, DeepSeek, Mistral или другими open-source LLM. - Понимание fine-tuning и дообучения моделей. - Опыт проектирования AI-агентов. - Понимание вопросов безопасности LLM-систем: hallucinations, prompt injection, защита данных и разграничение доступов. Будет плюсом - Опыт внедрения AI/ML-решений в enterprise. - Опыт работы с BI, отчётностью и документооборотом. - Опыт создания многоагентных систем. - Опыт human-in-the-loop процессов. Условия - Москва, м. Тушинская. - Офис или гибрид. - Оформление по ТК РФ. - Конкурентный уровень дохода. - Бесплатные корпоративные обеды. - Собственная парковка. - Корпоративная техника. - Возможность влиять на продукт и технические решения. - Современные процессы без бюрократии и микроменеджмента.

Формат

Удалённо

Страна

Россия

Город

Не указан

AI Engineer / Инженер по внедрению AI Мы развиваем внутренние AI-инструменты компании и ищем инженера, который умеет превращать бизнес-задачи в рабочие AI-сценарии — от прототипа до регулярного использования сотрудниками. Нам нужен прикладной инженер, который умеет работать на стыке AI, веб-разработки, интеграций, данных и автоматизации процессов. Основная задача — собирать AI-ассистентов, workflow и внутренние инструменты на базе Dify, n8n, LLM API и других low-code / pro-code решений, подключать их к корпоративным системам и доводить до стабильной эксплуатации. Кого мы ищем Нам нужен инженер-практик, который не ограничивается настройкой промптов, а умеет собрать полноценный рабочий инструмент вокруг AI: данные, интеграции, интерфейс, логику процесса, тестирование, документацию и поддержку. Важно не просто знать LLM, а уметь быстро разобраться в бизнес-задаче, собрать MVP, проверить его пользу, доработать и внедрить так, чтобы сотрудники регулярно и безопасно использовали инструмент. Наши задачи - Собирать AI-ассистентов, workflow и полуавтоматические инструменты под задачи подразделений. - Развивать внутреннюю AI-платформу на базе Dify, n8n и других прикладных инструментов. - Подключать AI-сценарии к внутренним системам через API, webhooks, SQL, файлы и выгрузки. - Создавать простые внутренние web-интерфейсы и сервисы для работы с AI-сценариями. - Настраивать RAG-контуры, базы знаний и поиск по документам и корпоративным данным. - Подготавливать данные для AI-сценариев: очищать, структурировать, нормализовать и описывать источники. - Тестировать качество ответов, разбирать ошибки, настраивать evaluation и критерии приёмки. - Проектировать сценарии с учётом контроля человека: проверка, подтверждение, логирование и обработка ошибок. - Документировать архитектуру, инструкции, ограничения и правила эксплуатации. - Обучать сотрудников работе с AI-инструментами. - Переводить успешные прототипы в промышленное или регулярное использование. Наши ожидания - Опыт создания прикладных решений с LLM / AI-инструментами. - Опыт работы с Dify, n8n, Flowise, LangChain, LlamaIndex или аналогичными инструментами. - Знание Python для интеграций, скриптов, обработки данных и работы с API. - Опыт web-разработки или готовность быстро собирать внутренние интерфейсы: React, Vue, Svelte, Next.js, FastAPI, Flask или аналогичные технологии. - Понимание RAG, embeddings, vector search, chunking, reranking и качества retrieval. - Умение интегрироваться с внешними API и внутренними корпоративными системами. - Понимание баз данных и SQL на уровне уверенной работы с данными. - Базовое понимание эксплуатации: Docker, переменные окружения, логи, обработка ошибок и мониторинг. - Системность, аккуратность и привычка доводить решение до состояния, в котором им реально пользуются. - Умение общаться с бизнес-пользователями, разбирать процессы и переводить задачи в технические решения. Будет плюсом - Опыт автоматизации бизнес-процессов. - Опыт разработки внутренних инструментов для юристов, финансов, закупок, продаж, поддержки или операционных подразделений. - Опыт работы с документами: PDF, DOCX, XLSX, сканы, OCR, классификация и извлечение данных. - Опыт настройки прав доступа, ролей и безопасной работы с корпоративными данными. - Опыт построения evaluation-наборов и регрессионного тестирования AI-сценариев. Условия - Удалённый формат работы. - График 5/2, 09:00–18:00. - Официальное трудоустройство по ТК РФ. - Полностью белая заработная плата. - Участие в развитии AI-продуктов компании и работе с данными. - Гибкость в выборе подходов и используемых технологий. - Команда, в которой ценятся инженерное мышление, инициативность и ответственность за результат. - ДМС со стоматологией, софинансирование от компании 50/50. - Корпоративные скидки от BestBenefits.

Формат

Удалённо

Страна

Любая

Город

Не указан

Компания UnitedHealth Group, подразделение Optum Tech. Локация и формат Удалённо из любой точки США или гибридно в Миннеаполисе (Миннесота) / Вашингтоне (округ Колумбия). Для найма в районах Миннеаполиса или Вашингтона требуется работа в офисе минимум четыре дня в неделю. Обязанности - Разработка и внедрение решений машинного обучения с использованием LLM. - Использование фреймворка LangChain для работы с закрытыми и открытыми моделями. - Применение методов тонкой настройки (fine-tuning) и RAG для оптимизации языковых моделей под конкретные задачи и наборы данных. - Написание чистого, поддерживаемого и эффективного кода в соответствии со стандартами PEP8. - Использование технологий контейнеризации, таких как Docker, для разработки и развертывания. - Обеспечение production-качества кода, включая тщательное тестирование и документацию. - Работа в терминале для задач разработки и развертывания. - Работа с традиционными методами ML: XGBoost для задач классификации и методы обучения без учителя, такие как K-means. Требования - Высшее образование (степень бакалавра) или эквивалентный опыт. - 3+ года подтвержденного опыта работы с большими языковыми моделями (LLM). - 3+ года опыта с концепциями машинного обучения и методами тонкой настройки. - 3+ года профессионального опыта программирования на Python с соблюдением PEP8. - Опыт использования фреймворка LangChain. - Опыт применения техник RAG. - Опыт работы с технологиями контейнеризации, такими как Docker. - Опыт обеспечения production-качества кода, включая тестирование и документацию. - Опыт работы с системами контроля версий, такими как Git. - Развитые навыки решения проблем и внимание к деталям. - Уверенная работа в терминале. - Разрешение на работу в США без необходимости спонсорства визы (например, H-1B, TN, F-1/OPT, CPT или других рабочих виз). Предпочтительно - Опыт в здравоохранении. - Знание статистики. Условия - Зарплата: $98,500–$176,000 в год (при полной занятости). - Комплексный пакет льгот, программы поощрения и признания, программа покупки акций и взносы в 401k (в зависимости от соответствия требованиям). - Для всех удаленных сотрудников обязательно соблюдение политики Telecommuter Policy компании UnitedHealth Group.

Формат

Удалённо

Страна

Германия

Город

Берлин

Грейд

Lead

Инженеры-программисты и ИИ-агенты сталкиваются с общей проблемой: найти того человека или место, которые ответят на их сложный специфический вопрос. Многие решения обещают решить это с помощью поиска по векторным базам данных. Однако найти ответ часто бывает непросто: его части разбросаны по множеству противоречивых источников, и без точного поиска и тщательного анализа не обойтись. Spectrum собирает данные из кода, документации и задач организации и организует знания в единую онтологию, которую ИИ-агенты могут эффективно искать и анализировать. Мы стремимся произвести революцию в семантическом слое для организаций, создающих программное обеспечение, и выйти за рамки спецификаций, которые рассинхронизируются с кодом, представив «живую спецификацию» — извлекаемую из всей системы и используемую для поддержания её согласованности. Spectrum должен стать единым источником истины для всех знаний о продукте и архитектуре. Spectrum — резидент стартап-инкубатора JetBrains, с темпом и автономией стартапа, опирающийся на 25-летний опыт создания инструментов для разработчиков. Мы ищем первоклассного ML-инженера, который поможет нам формировать будущее разработки программного обеспечения. Вы будете владеть нашим стеком AI и ML и помогать определять исследовательскую повестку команды. Ваше техническое видение и дизайнерские решения напрямую повлияют на продукт и определят его успех. Задачи - Проектирование и создание ML/LLM-решения для приёма данных, извлечения знаний, поиска и последующего рассуждения. - Создание наборов данных, метрик и пайплайнов, обеспечивающих измеримые улучшения в системе. - Проектирование и улучшение агентов для поиска контекста, извлечения знаний и согласования данных, включая промпт-инжиниринг, выбор моделей и оптимизацию инференса. - Внедрение практик MLOps, включая оркестрацию, наблюдаемость и отслеживание экспериментов. - Совместная работа с инженерной командой над системным дизайном и с JetBrains Research над исследовательской повесткой. - Определение критериев найма, развитие ML-команды и формирование её культуры. Требования - Подтверждённый опыт работы в роли ML/AI-лида. - Не менее пяти лет опыта в системах ML/AI, из них не менее двух лет — с LLM и генеративным ИИ. - Глубокое понимание экосистемы LLM, включая архитектуры моделей и подходы к тонкой настройке. - Практический опыт с: - Промпт-инжинирингом и проектированием LLM-пайплайнов, включая оценку. - Агентными фреймворками, такими как LangChain, LlamaIndex, LangSmith, smolagents или аналогичными. - Векторными базами данных и паттернами RAG (retrieval-augmented generation). - Развёртыванием и масштабированием приложений на LLM с использованием API (например, OpenAI или Anthropic) или open-source моделей. - Уверенное владение Python; знание Kotlin будет плюсом. - Отличные коммуникативные навыки, способность объяснять сложные технические концепции разной аудитории. - Владение английским языком в письменной и устной форме. Идеальный кандидат - Опыт работы с онтологиями, графами знаний или рассуждениями на основе графов. - Опыт работы в стартапах на ранней стадии — вам нравится этап «с нуля до единицы». - Способность мыслить стратегически о продукте на основе ИИ, а не только обучать модели изолированно. - Опыт в анализе кода, инструментах для разработчиков или исследованиях в области разработки ПО. - Опыт работы с мультиагентными системами или сложными агентными процессами. - Активное участие в соответствующих open-source проектах или публикациях. Условия - Конкурентная зарплата и льготы JetBrains. - Достаточный запас ресурсов и корпоративные возможности при автономии стартапа.

Формат

Офис

Страна

Россия

Город

Не указан

Обязанности - Разрабатывать и поддерживать fullstack-решения на Node.js — от API до интеграций с внешними сервисами - Проектировать и реализовывать LLM-powered фичи: RAG-пайплайны, AI-агенты, интеграции с Claude API и другими LLM-провайдерами - Разрабатывать MCP-серверы и кастомные инструменты для LLM-агентов — tools, resources, интеграции с внешними API - Писать промпты, настраивать и оптимизировать взаимодействие с языковыми моделями - Работать с векторными базами данных и строить системы семантического поиска - Участвовать в проектировании архитектуры AI-сервисов и декомпозиции задач - Проводить code review, поддерживать качество кода и документацию - Взаимодействовать с командой — аналитиками, продактами и другими разработчиками Требования - Уверенное владение Python (3.10+, async / await, типизация, FastAPI / Flask) и Node.js (Fastify / NextJS / Hono) - Опыт проектирования и разработки REST API и интеграций между сервисами - Практический опыт работы с Claude API (Anthropic) — prompt engineering, tool use, structured output, управление контекстом - Опыт использования AI-assisted разработки: Cursor, GitHub Copilot / Codex как часть ежедневного рабочего процесса - Опыт построения LLM-приложений: RAG-пайплайны, агенты, интеграция с векторными БД (Chroma, Pinecone, Qdrant и др.) - Работа с реляционными (PostgreSQL) и NoSQL базами данных (MongoDB, Redis) - Опыт разработки MCP-серверов (Model Context Protocol) и кастомных инструментов для LLM-агентов - Уверенное владение Docker, базовые навыки деплоя и работы с CI / CD - Понимание принципов чистой архитектуры, умение писать читаемый и поддерживаемый код - Навыки code review и работы в команде по Git-flow Будет плюсом - Знакомство с LangChain, LlamaIndex или аналогичными фреймворками О компании KODE разрабатывает цифровые продукты (mobile, web, backend, IoT, Conversation Design и другие) с 2013 года. Компания занимает первые места в рейтингах: 1-е место среди разработчиков мобильных приложений в рейтингах Рейтинга Рунета, Tagline, Workspace, Tadviser и Cnews; Золотая группа в рейтинге работодателей Forbes 2024; 1-е место в рейтинге работодателей РБК 2024; 2-е место среди лучших работодателей России в IT-компаниях среднего размера по версии hh.ru 2025. В команде работает более 350 профессионалов по всему миру.

Формат

Офис

Страна

Не указана

Город

Не указан

Специалист для развития корпоративной AI-платформы и автоматизации инженерных и бизнес-процессов Чем предстоит заниматься AI-платформа: - проектировать и развивать корпоративную AI-платформу; - внедрять LLM и современные AI-сервисы; - создавать масштабируемую архитектуру; - участвовать в разработке AI-стратегии. AI-ассистенты: - создавать интеллектуальных помощников для продаж, проектировщиков, конструкторов, производства, сервисных служб и руководителей проектов. RAG и база знаний: - разрабатывать интеллектуальный поиск по технической документации, ГОСТам, проектам, CAD-моделям, конструкторской документации, внутренним регламентам. Автоматизация: - технические задания; - коммерческие предложения; - BOM/спецификации; - инженерная документация; - отчёты и аналитика. AI Agents: - мультиагентные системы; - интеллектуальные workflow; - AI-сценарии автоматизации бизнес-процессов. Интеграции: - CRM, ERP, PDM/PLM, CAD и внутренние API. Что важно - уверенный Python; - backend — FastAPI, REST API; - опыт создания AI-продуктов с LLM; - понимание архитектуры AI-систем и GenAI; - опыт разработки масштабируемых сервисов; - практический опыт с OpenAI, Claude, Gemini, Llama, Mistral; - опыт построения RAG; - знание Vector DB: Qdrant, Pinecone, Weaviate, ChromaDB или аналогов. Будет плюсом: - LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen, Docker, PostgreSQL, Git. Большой плюс: - опыт в инженерных или производственных компаниях; - понимание CAD/PDM/PLM и жизненного цикла инженерного продукта; - опыт создания корпоративных AI Copilot или AI-платформ.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Senior AI Software Engineer (Agentic Systems & LLM Applications). Удалённая работа, W2. Роль: проектирование, разработка и масштабирование интеллектуальных приложений на базе современных ИИ и больших языковых моделей. Это инженерная позиция, а не роль дата-сайентиста. Задачи: - Разработка Python-API для ИИ-приложений и сервисов. - Построение и оркестрация агентных рабочих процессов с использованием фреймворков LangChain, LangGraph, AutoGen, Semantic Kernel или LlamaIndex. - Внедрение и оптимизация пайплайнов RAG. - Разработка масштабируемых ИИ-систем с применением фреймворков машинного и глубокого обучения. - Интеграция и управление векторными базами данных (Pinecone, Weaviate, Chroma) для семантического поиска и памяти. - Проектирование и развертывание приложений в облаке (AWS, GCP, Azure). - Применение принципов domain-driven design и микросервисной архитектуры. - Обеспечение качества кода через ООП (наследование, полиморфизм) и паттерны проектирования. - Кросс-функциональное взаимодействие для поставки production-ready решений. Требования: - Опыт разработки на Python. - Практический опыт работы с LLM-фреймворками и инструментами оркестрации (LangChain, LangGraph, AutoGen и др.). - Понимание архитектур RAG и систем векторного поиска. - Опыт работы с фреймворками машинного обучения (TensorFlow или PyTorch). - Навыки создания и потребления RESTful API. - Опыт работы с облачной инфраструктурой (AWS, GCP или Azure). - Знание микросервисной архитектуры и domain-driven design. - Глубокое понимание ООП и паттернов проектирования. Предпочтительно: - Опыт создания агентных или автономных ИИ-систем. - Знакомство с real-time приложениями и потоковой архитектурой. - Опыт оптимизации ИИ-систем по производительности и масштабируемости. - Опыт работы с MLOps и пайплайнами развертывания.

Формат

Удалённо

Страна

Любая

Город

Не указан

Грейд

Senior

Компания: TMS LLC О позиции Ищем Senior AI Software Engineer с опытом проектирования, создания и развертывания production-grade Agentic AI-систем. Нужен опыт разработки AI-агентов с многошаговыми рассуждениями, оркестрацией инструментов, RAG и безопасных корпоративных AI-решений. Это не традиционная Java/.NET Full Stack или интеграция чат-ботов. Нужны инженеры с реальным production-опытом создания AI-агентов на Python и современных Agentic AI-фреймворках. Задачи - Проектировать и разрабатывать корпоративные Agentic AI-решения. - Создавать AI-агентов с планированием, рассуждением, использованием инструментов и многошаговым выполнением задач. - Разрабатывать переиспользуемые AI-агентные фреймворки, SDK и RAG-пайплайны. - Создавать безопасные AI-сервисы с guardrails, approval workflows, retries и отказоустойчивостью. - Внедрять production LLMOps, мониторинг, оценку, наблюдаемость и оптимизацию производительности. - Взаимодействовать с продакт-менеджерами, дата-сайентистами и инженерными командами для создания масштабируемых AI-платформ. Требования - 5–10+ лет опыта в разработке ПО. - Сильный практический опыт с Python и бэкенд-разработкой (предпочтительно FastAPI). - Опыт создания и развертывания production AI-агентов / Agentic AI-приложений. - Сильный опыт с LangGraph, LangChain, CrewAI, AutoGen или аналогичными AI-агентными фреймворками. - Практический опыт с RAG, архитектурой AI-агентов, мультиагентными системами, tool calling / function calling, памятью агентов, промт-инжинирингом, эмбеддингами. - Опыт с векторными базами данных: Pinecone, FAISS, Weaviate, ChromaDB или Azure AI Search. - Опыт развертывания LLM-приложений с использованием OpenAI, Azure OpenAI, AWS Bedrock, Anthropic Claude, Google Vertex AI или Llama-моделей. - Сильный опыт с Docker, Kubernetes, CI/CD, LLMOps, мониторингом и наблюдаемостью. - Опыт работы с AWS, Azure или GCP. - Понимание AI-безопасности, guardrails, защиты от prompt injection, обработки PII, RBAC и Responsible AI. Желательно - LangGraph. - MCP (Model Context Protocol). - Фреймворки оценки AI-агентов. - Опыт в регулируемых отраслях: healthcare, banking, insurance. Условия - Очное собеседование в Нью-Джерси.

Формат

Удалённо

Страна

Великобритания

Город

Не указан

Грейд

Senior

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.

Формат

Офис

Страна

Канада

Город

Не указан

Компания UST ищет AI-инженера для создания и внедрения продакшн-систем агентного ИИ корпоративного уровня. Инженер будет разрабатывать мультиагентные рабочие процессы, интегрировать большие языковые модели в существующие корпоративные системы и обеспечивать развертывание и автоматизацию для их надежной и безопасной работы в продакшене. Задачи: - Создание AI-агентов и мультиагентных систем с использованием фреймворков LangGraph и инструментов LangChain. - Разработка и настройка рабочих процессов промт-инжиниринга для нескольких LLM (GPT, Claude, LLaMA) с балансировкой надежности, стоимости и задержки. - Разработка REST API, WebSocket-сервисов и событийно-ориентированных конвейеров для AI-сервисов реального времени, стабильных под нагрузкой. - Автоматизация тестирования и релизов через Jenkins CI/CD, поддержание стандартов кода и документации с использованием Git, Jira и Confluence. - Развертывание AI-приложений на предприятии в соответствии с лучшими практиками. - Использование AI-дополненных инструментов разработки, таких как Claude Code и Codex, для ускорения поставки. - Координация с командами платформы, безопасности и продукта для обеспечения масштабируемых и безопасных развертываний. Требования: - 3-5 лет опыта в машинном обучении, AI или смежной области с поставленными продакшн-системами. - Не менее 1 года создания кастомных агентных AI-приложений. - Уверенные навыки Python и современные практики разработки. - Практический опыт работы с LLM и промт-инжинирингом на протяжении всего жизненного цикла приложения. - Подтвержденный опыт создания AI-агентов с LangGraph. - Знание как минимум одной корпоративной облачной AI-платформы для создания и развертывания агентных приложений, такой как Azure AI Foundry, AWS Bedrock или Google Gemini Enterprise, включая практики облачного развертывания. - Рабочее знание REST API, WebSockets и событийно-ориентированных систем. - Владение инструментами CI/CD (Jenkins) и контроля версий (Git). - Свободное владение AI-дополненными инструментами разработки для быстрого прототипирования. - Отличные письменные и устные коммуникативные навыки, аналитический подход к решению проблем и способность работать самостоятельно в кросс-функциональной команде. - Курирование слоя данных и интеграция с исходными системами для агентных приложений. Желательно: - Знакомство с Databricks. - Опыт работы с MLOps/LLMOps процессами и мониторингом приложений. - Знание корпоративной безопасности, соответствия требованиям и управления для AI-систем. - Знакомство с практиками управления жизненным циклом кода и моделей. Условия: - Локация: Калифорния. - Компенсация: $94,000-$141,000. - Льготы для штатных сотрудников: минимум 10 дней оплачиваемого отпуска в год, 6 дней оплачиваемого больничного в год (пропорционально для новых сотрудников), 10 оплачиваемых праздничных дней, оплачиваемый отпуск по утрате близкого человека и исполнение обязанностей присяжного. Участие в пенсионном плане 401(k) с взносами работодателя. Медицинская, стоматологическая и офтальмологическая страховка для сотрудников и их иждивенцев, проживающих в США, а также оплачиваемые компанией льготы для сотрудников: базовое страхование жизни, страхование от несчастных случаев и инвалидности, краткосрочная и долгосрочная нетрудоспособность. Штатные сотрудники могут приобрести дополнительные добровольные льготы по краткосрочной нетрудоспособности и участвовать в сберегательном счете на медицинские расходы (HSA), а также в гибком счете расходов (FSA) на здравоохранение, уход за детьми и/или транспортные расходы в соответствии с нормами IRS. Льготы различаются в Пуэрто-Рико. Сотрудники, работающие неполный рабочий день, получают 6 дней оплачиваемого больничного в год (пропорционально для новых сотрудников) и могут участвовать в пенсионном плане 401(k) с взносами работодателя. Временные сотрудники, работающие полный рабочий день, получают 6 дней оплачиваемого больничного в год (пропорционально для новых сотрудников).

Формат

Удалённо

Страна

Любая

Город

Не указан

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.

Формат

Удалённо

Страна

Любая

Город

Не указан

Независимый научно-исследовательский институт ищет Software Engineer с опытом создания AI-приложений и применения технологий искусственного интеллекта для проектирования и внедрения AI-решений в различных секторах. Работа удаленная, для кандидатов в США. Обязанности: - Проектирование, разработка и поддержка AI-систем и мультиагентных рабочих процессов, включая retrieval, использование инструментов, оркестрацию и итеративное улучшение, с фокусом на production readiness и поддерживаемость. - Интеграция AI-систем с существующими платформами института, такими как сбор данных опросов, пайплайны систематических обзоров, инструменты обеспечения качества данных и рабочие процессы предложений, с учетом установленных архитектур и ограничений. - Разработка и поддержка сервисов с использованием контейнеров и современных практик CI/CD, создание масштабируемых, безопасных и экономичных AI-решений в облачных средах. - Преобразование исследовательских, бизнес- и пользовательских потребностей в работающие AI-приложения, автоматизирующие рабочие процессы, в тесном сотрудничестве с дата-сайентистами, исследователями и инженерами. - Участие в тестировании и оценке AI-систем, включая мониторинг производительности, проверки надежности и анализ компромиссов стоимости, в контексте федерально регулируемых и исследовательских сред. - Участие в технических обсуждениях, воркшопах и разработке прототипов с внутренними командами и клиентами, уточнение требований, демонстрация решений и итерации на основе обратной связи. - Документирование систем, создание переиспользуемых компонентов и общих абстракций, поддержка обмена знаниями внутри команды. Требования: - Степень магистра и не менее трех лет релевантного опыта разработки AI-приложений, включая микросервисы, контейнеризацию или serverless-функции; ИЛИ степень бакалавра с не менее чем пятью годами релевантного опыта. - Не менее двух лет опыта программирования на Python, JavaScript, TypeScript или аналогичных языках, обычно используемых в AI и backend-разработке. - Подтвержденный опыт участия в разработке и развертывании AI- или LLM-систем, включая retrieval-пайплайны, проектирование, рабочие процессы или автоматизацию. - Опыт интеграции AI-моделей в программные приложения через модельный сервинг. - Опыт разработки систем, работающих с чувствительными, ограниченными или конфиденциальными данными, и понимание влияния требований безопасности и соответствия на проектирование систем. - Владение общими системами контроля версий (например, Git) и рабочими процессами разработки ПО. - Знакомство с современными практиками развертывания и доставки, включая CI/CD-пайплайны, контейнеры и базовые концепции infrastructure-as-code. - Опыт работы в кросс-функциональных командных средах, включая участие в технических обсуждениях, ревью и итеративной поставке. - Отличные письменные и устные коммуникационные навыки, способность объяснять поведение, компромиссы и ограничения AI-систем нетехническим исследователям, клиентам и федеральным стейкхолдерам. - Юридическое разрешение на работу в США без необходимости спонсорства визы (например, H-1B). Предпочтительно: - Опыт работы с фреймворками оркестрации AI, такими как LangChain, LlamaIndex или аналогичными. - Опыт создания приложений, координирующих несколько моделей, инструментов или этапов обработки. - Опыт работы с одной из облачных платформ: AWS, Azure или GCP. - Опыт работы с реляционными и нереляционными базами данных (например, PostgreSQL, SQL-системы). - Опыт работы в регулируемых, исследовательских средах. - Опыт участия в подготовке предложений, техническом написании или развитии бизнеса в исследовательском или федеральном контексте. - Владение Unix/Linux.

Формат

Офис

Страна

Не указана

Город

Не указан

Грейд

Senior

Компания Proxify ищет Senior Data Scientist (Python) для одной из быстрорастущих клиентских команд в роли технического лидера по инновациям в данных. Задача — превращать сложные высокоскоростные наборы данных в прогнозные модели и практические системы, которые напрямую влияют на продуктовую стратегию и бизнес-операции. Специалист будет соединять чистые исследования и продакшн-разработку: не только строить прототипы в ноутбуках, но и проектировать, обучать, оценивать и разворачивать надежные модели машинного обучения в облачных средах. Роль подходит дата-сайентисту с системным мышлением, ценящему чистую модульную Python-архитектуру, статистическую строгость и масштабируемые пайплайны данных. Задачи - Проектировать, создавать и оптимизировать масштабируемые прогнозные модели и алгоритмы машинного обучения для решения сложных бизнес-задач. - Архитектурно выстраивать и поддерживать надежные пайплайны данных и наборы признаков, обеспечивая качество, согласованность и целостность данных на этапах обучения и инференса. - Взаимодействовать с дата-инженерами, продакт-менеджерами и бэкенд-командами для бесшовной интеграции моделей в основные API приложений. - Проводить тщательные код-ревью рабочих процессов data science, продвигая продакшн-стандарты Python и линтинг. - Переводить технические метрики (Precision, Recall, ROC-AUC, RMSE) в понятные бизнес-результаты и рекомендации для руководства. Требования - 5+ лет профессионального опыта в роли Data Scientist, экспертное владение экосистемой Python для данных (Pandas, NumPy, SciPy, Scikit-Learn). - Глубокие теоретические и практические знания supervised и unsupervised обучения, регрессии, классификации, кластеризации и прогнозирования временных рядов. - Подтвержденный опыт вывода моделей из Jupyter Notebook в продакшн с использованием контейнеризации (Docker) и микросервисной архитектуры. - Уверенное написание сложных оптимизированных SQL-запросов, опыт работы с большими данными с использованием распределенных вычислений (PySpark или Ray). - Опыт работы с инструментами жизненного цикла ML (MLflow, DVC или Weights & Biases) для отслеживания моделей, версионирования и управления feature store. - Практический опыт работы с облачной инфраструктурой (AWS, GCP или Azure) и управляемыми ML-сервисами (например, SageMaker или Vertex AI). - Часовой пояс: CET (±3 часа). Кандидаты из других часовых поясов не рассматриваются. Желательно: - Опыт глубокого обучения с использованием PyTorch или TensorFlow/Keras. - Опыт работы с NLP-фреймворками (Hugging Face, spaCy) или развертывание пайплайнов на основе LLM (LangChain, векторные базы данных). - Знакомство с инструментами оркестрации, такими как Apache Airflow или Prefect. - Сильный бэкграунд в дизайне экспериментов, методологии A/B-тестирования и проверке статистической значимости. Условия - Своевременные ежемесячные выплаты с гибкими вариантами вывода средств. - Предсказуемые часы проекта: стабильные 8-часовые рабочие дни с клиентами. - До 24 гибких выходных дней в год без потери оплаты для полной занятости на позициях, найденных через Proxify. - Долгосрочные удаленные позиции в технологических компаниях. - Персональный подбор проектов без типичных барьеров и предвзятости в рекрутинге. - Единый процесс найма для множества возможностей без дополнительных оценок. - Одинаковая ежемесячная оплата на позициях, найденных через Proxify.

Формат

Офис

Страна

Не указана

Город

Не указан

Грейд

Senior

Компания Proxify — платформа для связи разработчиков с удалёнными full-time проектами. С момента запуска разработчики Proxify работали с более чем 1200 клиентами; более 5000 разработчиков доверяют сети Proxify. Рейтинги: Glassdoor 4.5/5, Trustpilot 4.8/5. Вакансия: Senior Python-разработчик (FastAPI) для одного из быстрорастущих клиентов Proxify. Роль включает проектирование, создание и масштабирование основных cloud-native backend-сервисов, разработку высоконагруженных асинхронных API с низкой задержкой для функций платформы, работающих с большими данными. Требования - 3+ лет практического опыта в production-разработке высокопроизводительных асинхронных веб-сервисов на FastAPI и современном Python (3.10+); глубокое владение asyncio, dependency injection и валидацией данных Pydantic v2. - 5+ лет общего опыта в разработке, проектировании и поддержке production-grade распределённых систем и RESTful API. - Уверенное владение реляционными базами данных (PostgreSQL), написание оптимизированных SQL-запросов или использование ORM (SQLAlchemy, Alembic) для миграций и оптимизации запросов; обязателен опыт работы с кэшированием на Redis. - Практический опыт создания слабосвязанных сервисов с использованием очередей сообщений и стриминговых платформ (например, RabbitMQ, Celery, Apache Kafka). - Уверенное ежедневное владение Docker, Kubernetes или AWS-контейнерными сервисами (ECS/EKS), настройка CI/CD (GitHub Actions, GitLab CI). - Строгое соблюдение паттернов проектирования, принципов чистого кода и комплексное автоматизированное тестирование с помощью pytest. - Нахождение в часовом поясе CET (+/- 3 часа); кандидаты из других часовых поясов не рассматриваются. Желательно - Опыт работы с GraphQL или WebSocket наряду со стандартными REST-протоколами. - Знакомство с векторными базами данных (Pinecone, Milvus, Qdrant) или фреймворками оркестрации AI/LLM (LangChain, LlamaIndex) для backend-систем с ИИ. - Опыт миграции легаси-монолитов на Django или Flask к слабосвязанным микросервисам на FastAPI. Задачи - Проектирование, разработка и документирование безопасных высококонкурентных микросервисов и REST-эндпоинтов на FastAPI с использованием стандартов OpenAPI/Swagger. - Профилирование асинхронных узких мест, управление event loop, оптимизация запросов к БД и масштабирование кэширующих слоёв для поддержания времени ответа менее миллисекунды при пиковой нагрузке. - Создание надёжных каналов связи между внутренними сервисами и внешними партнёрскими API с помощью вебхуков, брокеров сообщений и фоновых воркеров (например, Celery). - Ведение технических обсуждений, установление стандартов тестирования и проведение тщательных код-ревью для обеспечения надёжности и безопасности системы. - Тесное взаимодействие с DevOps-командами для контейнеризации приложений, мониторинга облачных метрик и оптимизации автоматизированных релизных циклов. Условия - Своевременные ежемесячные выплаты с гибкими вариантами вывода средств. - Предсказуемые часы работы: 8-часовой рабочий день с клиентами. - До 24 оплачиваемых flex-дней в год для full-time позиций, найденных через Proxify. - Эксклюзивные долгосрочные удалённые позиции в передовых компаниях. - Персональный подбор вакансий без типичных препятствий и предвзятости в рекрутинге. - Одноразовый процесс заключения контракта для множества возможностей без дополнительных оценок. - Стабильная ежемесячная оплата для позиций, полученных через Proxify.