Вакансии для веб-разработчиков на Python
Вакансии для веб-разработчиков на Python: подборка ролей, где в задачах или стеке указан Python. Можно найти работу в этом направлении и сразу смотреть…
Фильтр вакансий
Senior Backend-разработчик, Rust/Go/Python
Компания Berlitz строит новую глобальную платформу онлайн-обучения и ищет Senior Backend Developer для проектирования и разработки следующего поколения сервисов. Роль предполагает владение ключевыми сервисами, создание отказоустойчивых высокопроизводительных микросервисов и работу в agile-среде с интеграцией Claude Code в ежедневный процесс. Вы будете взаимодействовать с мобильной и веб-командами, предоставляя бэкенд-сервисы, API-контракты и архитектурные рекомендации, при высокой автономии и низкой бюрократической нагрузке. Основной фокус — greenfield-сервисы без легаси-долгов. Задачи: - Проектирование и реализация высокопроизводительных, масштабируемых и отказоустойчивых микросервисов с нуля с использованием PostgreSQL и AWS. - Использование Rust как основного языка, стратегическая интеграция Go и Python для отдельных сервисов и задач обработки данных. - Создание надежных и чистых API (gRPC, REST) для бесшовной интеграции параллельных мобильной и веб-команд. - Интеграция продвинутых инструментов, таких как Claude Code, в ежедневный GitHub-процесс для повышения качества и скорости кода. - Применение лучших практик типобезопасности, конкурентности и высокого покрытия тестами в распределенной системе. Требования: - 5+ лет профессионального опыта бэкенд-разработки с подтвержденным опытом работы с микросервисами и реляционными базами данных (PostgreSQL). - Сильный production-опыт с Rust, включая модель владения, времена жизни и async-экосистему (Tokio). - Уверенное владение Go и/или Python для создания дополнительных сервисов. - Владение GitHub для контроля версий, код-ревью и совместной работы в параллельных командах. - Глубокое понимание распределенных систем, сервисов AWS, паттернов обмена сообщениями и оптимизации баз данных. - Отличные коммуникативные навыки для наставничества коллег и согласования работы с параллельными инженерными командами. Условия: - AI-native подход: использование Claude для генерации кода, проектирования API, код-ревью, архитектурной документации и отладки. - Чистый greenfield-проект: без легаси-кода и технического долга, полное владение дизайном ключевых сервисов и доменов глобальной EdTech-платформы. - Поддержка инфраструктуры: выделенная команда Platform Engineering занимается provisioning и CI/CD, что позволяет напрямую работать с сервисами AWS.
Senior ML-инженер, NLP и RAG
Senior Machine Learning Engineer в компании Unifonic, занимающейся SaaS-решениями для бизнес-коммуникаций. Команда из 500 сотрудников обслуживает более 5000 компаний. Задачи: - Проектирование, разработка и внедрение масштабируемых ML-решений с акцентом на NLP и RAG-архитектуры. - Построение RAG-систем, сочетающих большие языковые модели с механизмами поиска для повышения точности и интерпретируемости контента. - Применение NLP-техник: классификация текста, распознавание сущностей, анализ тональности, суммаризация, ответы на вопросы, извлечение информации. - Исследование и интеграция современных NLP-моделей и RAG-фреймворков (Transformers, BERT, GPT, векторные базы данных, семантический поиск). - Наставничество младших коллег, обмен знаниями и лучшими практиками ML и разработки ПО. - Взаимодействие с кросс-функциональными командами для интеграции ML-решений в продукты компании. - Разработка и оптимизация ML-алгоритмов, создание сервисных API с использованием Flask, FastAPI или аналогичных фреймворков. - Отслеживание актуальных исследований и трендов в области ИИ, включая генеративный ИИ. - Сбор и анализ больших наборов данных совместно с командой data engineering в реальном времени, около-реальном времени или пакетном режиме. - Реализация прототипов и proof-of-concept для новых AI-кейсов. - Построение масштабируемых ML-сервисов, выдерживающих тысячи запросов в секунду, и проведение нагрузочных тестов для соблюдения SLA. - Ревью кода коллег, улучшение архитектуры в соответствии с принципами SOLID. - Участие в документации проектов и демонстрациях. Требования: - Опыт проектирования и внедрения RAG-систем, знание стратегий поиска (BM25, плотный поиск, гибридные подходы) и интеграции графов знаний. - Практический опыт с фреймворками оркестрации LLM: LangChain, LangGraph, CrewAI или аналогичными для создания автономных агентов. - Глубокие знания NLP-техник и моделей: Transformer-архитектуры (BERT, GPT, T5, LLama, Mistral), большие языковые модели и их тонкая настройка, векторные эмбеддинги и поиск по сходству, классификация текста, NER, анализ тональности, суммаризация, ответы на вопросы. - Опыт работы ML-инженером от 3 до 5 лет. - Опыт работы с Python от 3 лет. - Аналитические способности для сбора, организации и анализа больших наборов данных. - Полный цикл обучения, оценки, тестирования и развертывания ML-продуктов в продакшене. - Написание качественного кода на Python (SOLID), знание структур данных, алгоритмов и моделирования данных. - Опыт работы с ML-фреймворками: NumPy, Pandas, Scikit-Learn, PyTorch, Keras, BERT, TensorFlow и аналогичными. - Знакомство с практиками MLOps.
Senior Python Backend Developer
Senior Python Backend Developer О продукте В команду ищут эксперта разработки, который возьмёт на себя самые критичные и нагруженные части платформы. Важен не только сильный инженер, но и человек, которому интересно, как индустрия агентов взрослеет: от prompt- к context engineering, от одиночного бота к мульти-агентным системам, MCP и A2A как новые стандарты, память и eval агентов, reasoning-модели, эффективный serving (vLLM / SGLang). Это не просто чтение в ленте, а практическое применение. Над чем предстоит работать - Оркестратор диалога на LangGraph: граф сценариев, чекпоинтинг состояния, tool-calling, интеграция с LLM. Это сердце платформы и одна из самых нагруженных её частей. - Планирование и выполнение многошаговых задач, субагенты и мульти-агентная оркестрация. - Развитие долговременной памяти агентов, изолированные сэндбоксы для исполнения кода и инструментов, guardrails и контроль действий. - Парсинг и чанкинг документов, индексация и гибридный / семантический поиск в Milvus. - Рантайм диалога на Kafka: обработка входящих сообщений, маршрутизация ответов в каналы, поток событий диалога в аналитику. - Оценка качества агентов, наблюдаемость. Чем предстоит заниматься - Реализовывать высоконагруженные бэкенды критичной бизнес-логики. - Быть владельцем кода одного или нескольких сервисов и отвечать за его качество, производительность, отказоустойчивость и документированность. - Прототипировать и исследовать подходы (новые модели, фреймворки агентов, способы инференса), чтобы обоснованно выбирать решения, а не следовать хайпу. - По желанию и в перспективе расти в техлида или тимлида продукта. Ожидания от кандидата - Релевантный опыт backend-разработки от 5 лет с Python как основным языком на экспертном уровне (в компании используется Python 3.12): понимание не только как писать, но и как и почему работает под капотом. - Глубокое понимание async-модели: где asyncio даёт выигрыш, а где только добавляет сложности, как не положить event loop блокирующим вызовом и как дебажить асинхронный код под нагрузкой; опыт с async-фреймворком (в компании используется FastAPI). - Опыт проектирования и эксплуатации высоконагруженных и отказоустойчивых сервисов: нагрузка, конкурентность, backpressure, деградация, идемпотентность. - Уверенная работа с микросервисами и брокерами сообщений (в компании используется Kafka). - Опыт с реляционными БД (в компании используется PostgreSQL); понимание, чем платить за консистентность и как не положить базу под нагрузкой. - Алгоритмы и структуры данных, ООП, SOLID, чистый читаемый код, code review, юнит-тестирование.
PYTHON / AI DEVELOPER В ПРОЕКТ
PYTHON / AI DEVELOPER В ПРОЕКТ Создаём платформу для фотографов и их клиентов, где фотографии с фотосессий можно превращать в мерч — одежду, аксессуары и декор — в один клик. Формат: удалённо Оплата: рубли или USDT, еженедельно Задачи: - разработка backend и логики MVP; - парсинг фото по ссылкам из сторонних галерей; - умный отбор кадров через CLIP / Vision API; - автоматическое наложение фото на шаблоны одежды с OpenCV / Computer Vision; - создание быстрого веб-интерфейса. Требования: - уверенный Python; - опыт быстрой сборки MVP; - опыт парсинга динамических сайтов; - продуктовый подход; - pet-проект будет плюсом. Без микроменеджмента, с возможностью влиять на архитектуру проекта.
Senior AI Software Engineer — инженера, у которого AI-навыки дополняют крепкую инженерную базу на уровне с…
Senior AI Software Engineer Компания Spectral::Technologies занимается HFT — разрабатывает инфраструктуру и стратегии для торговли на рынках по всему миру. Компании более 7 лет, она успешно конкурирует с крупнейшими игроками индустрии и постоянно растет в PnL. Ищем Senior AI Software Engineer — инженера, у которого AI-навыки дополняют крепкую инженерную базу на уровне команды, а не заменяют её. Вы будете не только решать инженерные HFT-задачи, но и развивать агентную инфраструктуру и процессы, повышающие КПД всей команды. Требования - Ежедневная работа с агентными инструментами (Claude Code, Codex, Cursor и т.п.) на реальных задачах с коммерческим результатом - Уверенное владение C++ (от 17 стандарта) наравне с командой и Python - Понимание LLM на инженерном уровне — контекст, токены, причины галлюцинаций — и готовность отвечать за сгенерированный код наравне с написанным руками Задачи - Решение полноценных HFT-задач с агентами как множителем — подключение новых бирж, инженерный ресерч биржевой инфраструктуры, оптимизация задержек - Построение агентной инфраструктуры команды — это ваш продукт внутри фонда, которым будут пользоваться многие инженеры - Интеграция LLM в сервисы там, где это оправдано — tool use, structured output, MCP Условия - 240–360k USD в год на руки + profit sharing - Неограниченный бюджет на токены - Бенефиты: ДМС со стоматологией, мероприятия, питание, учебные отпуска, перфоманс-коучинг, корпоративы в разных странах мира
Middle+ / Senior Python Developer (Онлайн-оценка залога)
Обязанности - Проектировать backend-сервисы. Разрабатывать отказоустойчивые микросервисы на Python, закладывая фундамент для масштабирования продукта. - Строить инфраструктуру для ML. Создавать API для инференса моделей, управлять очередями задач и обеспечивать бесшовную интеграцию дата-сайентистов в production-среду. - Работать с данными в реальном времени. Обрабатывать потоки информации через Kafka, выстраивать эффективную потоковую обработку событий. - Задавать стандарты качества. Участвовать в код-ревью, развивать культуру чистого кода и внедрять лучшие инженерные практики в команде. - Обеспечивать надежность. Писать юнит- и интеграционные тесты, чтобы гарантировать стабильность сервисов 24/7. - Участвовать в аналитической работе. Команда разрабатывает сервисы на основе экспертных алгоритмов, главная сложность — перенести многолетний человеческий опыт в машинный код и сохранить точность оценки. Разработчик также является в какой-то степени аналитиком, тестирующим различные гипотезы, влияющие на работу алгоритма и качество оценки. Требования - Опыт коммерческой разработки на Python от 3 лет. - Глубокое понимание микросервисной архитектуры: REST, gRPC, принципы взаимодействия распределенных систем. - Уверенная работа с реляционными базами данных (PostgreSQL) и брокерами сообщений (Kafka). - Владение асинхронным программированием (asyncio, aiohttp, FastAPI) для создания высоконагруженных систем. - Навык работы со всем циклом разработки ПО: от постановки задачи до выкатки в прод и поддержки. - Практический опыт с Docker и системами контроля версий (Git). - Высшее техническое образование, самостоятельность и умение находить общий язык с командой аналитиков, методологов и исследователей данных. Условия - Москва, офис. - Компания: Сбер.
Middle Software Engineer, Agentic Developer Platform
Middle Software Engineer, Agentic Developer Platform Apple — технологическая компания, которая проектирует, разрабатывает и продает потребительскую электронику, программное обеспечение и услуги. Ключевые требования - Java и Python - Опыт разработки AI-агентов с использованием библиотек, таких как LangChain, LlamaIndex, Haystack или Claude Agent SDK Локация и формат - Сиэтл, США - Офисный формат работы
C++ разработчик в команду фотоконтроля
C++ разработчик в команду фотоконтроля Команда контроля качества Яндекс Еды, Такси, Маркета и других сервисов Яндекса занимается фотоконтролем: регулярно проверяется, что за рулём или с курьерской сумкой находится именно тот человек, у которого есть разрешение работать. Система обрабатывает 800 тысяч проверок в день в 40+ странах, в базе более миллиарда записей. За последний квартал запущен онбординг-сторис для нескольких типов фотоконтроля — рост успешных проверок до +15 п. п. в отдельных странах. Запущен AI-агент для поддержки исполнителей: качество ответов выросло с 5,9 до 8,3 из 10, стоимость LLM-запросов снизилась на 70%. Стек - C++20 на фреймворке userver - Python 3.11 - PostgreSQL, MongoDB, Redis, YDB - Logbroker — внутренний аналог Apache Kafka Задачи - Разработка AdminUI с настройками фотоконтроля: проектирование и построение интерфейса управления всеми настройками фотоконтроля. - Миграция сущностей и проверок в YDB: проектирование новой схемы хранения данных фотоконтроля на базе YDB, реализация полноценных черновиков проверок. - Классификатор фотоконтроля — машины: поднятие нового сервиса, реализация API для получения размеченных признаков с фотографий автомобиля. - AI-агент и снижение операционной нагрузки: развитие LLM-агента фотоконтроля. Требования - Разработка под Linux - Знание C++ и STL - Ориентация в классических алгоритмах и структурах данных, знакомство с NoSQL- и SQL-базами Будет плюсом - Опыт работы с высоконагруженными системами - Опыт работы с микросервисной архитектурой и Docker - Опыт работы с LLM API Бонусы В Яндексе есть спортивные клубы, книжный клуб, киберспортивное сообщество.
Python разработчика на проект по созданию высоконагруженной системы автоматического управления пополнением…
Python разработчик на проект по созданию высоконагруженной системы автоматического управления пополнением товарных запасов Компания: ООО Napoleon IT Мы — IT-компания, в которой искусственный интеллект объединяется с человеческим. Более 250 сотрудников, 3 офиса в России, 3 направления развития: заказная разработка, outstaffing, собственные продукты. Помимо существующих продуктов и решений на основе AI, мы развиваем разработку с использованием технологий LLM и Generative AI. Мы строим мультиагентные системы и платформенные решения для брендов, ритейла и маркетплейсов. Мы ищем Python разработчика на проект по созданию высоконагруженной системы автоматического управления пополнением товарных запасов. Проект реализуется на микросервисной архитектуре и направлен на создание решения, которое рассчитывает рекомендации по формированию заказов поставщикам с учетом параметров логистики, складских остатков, спроса и других бизнес-ограничений. Вы будете работать в команде аналитиков, архитекторов и разработчиков, участвуя в проектировании, проработке требований и создании интегрированного решения для управления цепочками поставок. Задачи - Разработка и поддержка высоконагруженных микросервисов; - Интеграция с Kafka для обработки потоков данных; - Проектирование Event Sourcing и CQRS паттернов; - Разработка API для межсервисного взаимодействия; - Настройка мониторинга и алертинга сервисов; - Code review. Требования - Опыт работы с Python от 5 лет; - Django / FastAPI — опыт разработки REST API; - Микросервисная архитектура — опыт проектирования и поддержки; - Apache Kafka — продакшн опыт работы с producers / consumers; - PostgreSQL — проектирование схем, оптимизация запросов; - ETL процессы — Extract, Transform, Load данных; - Docker / Kubernetes — контейнеризация и оркестрация; - Базы данных: PostgreSQL, ClickHouse; - Event-driven архитектура — паттерны работы с событиями; - API Gateway — опыт интеграции через шлюзы; - Мониторинг: Prometheus, Grafana или аналоги; - Git, CI / CD — DevOps практики. Будет плюсом - Знание gRPC для межсервисного взаимодействия; - Опыт с ELK Stack (Elasticsearch, Logstash, Kibana); - Redis Cluster для высокодоступного кэширования; - Знание Domain-Driven Design (DDD); - Опыт performance tuning Python приложений. Как проходит отбор Первый этап — короткое интервью на ИИ-платформе BRaiN HR. В интервью будут вопросы, которые задает рекрутер и руководитель при первичном собеседовании. Можно пройти интервью в любое время, не нужно ждать звонка рекрутера, интервью занимает до 30 минут. Ответы увидит не только рекрутер, но и нанимающий руководитель. Заработная плата: уровень дохода не указан.
Senior AI-инженер
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).
Senior-разработчик программного обеспечения, AI-агенты
О компании Компания разрабатывает ИИ-платформу для автоматизации продаж и коммуникаций, а также создаёт ИИ, который трансформирует рост сервисных бизнесов. Основана в 2016 году, штаб-квартира в Ричмонде, Вирджиния, США. Штат — 51–200 сотрудников. Обязанности - Проектировать, разрабатывать и поддерживать бэкенд-сервисы, API и интеграции со сторонними системами; объяснять технические компромиссы заинтересованным сторонам. - Тесно работать с продуктом и дизайном как партнёр: применять продуктовое мышление к каждой функции, балансируя потребности пользователей, бизнес-цели и технические компромиссы. - Владеть задачами от начала до конца и сдавать результаты вовремя, при необходимости привлекая коллег из других команд. - Применять инженерные практики: тщательное ревью кода, автоматизированное тестирование, CI/CD, выкатка с фича-флагами и A/B-экспериментами, наблюдаемость и техническая документация. - Задавать техническое направление и стандарты для архитектуры, процессов и доставки. - Выявлять и решать критичные технические проблемы, участвовать в архитектурных обсуждениях, повышать стандарты команды. - Наставлять младших инженеров, развивать культуру обучения и технического совершенства. Требования - Опыт бэкенд-разработки на одном из языков: Elixir, Go, Python или аналогичном серверном языке; готовность осваивать новые языки и фреймворки по мере развития стека. - Глубокое понимание бэкенд-систем, проектирования API и моделей данных; умение вести функции от архитектуры до продакшена. - Чувство ответственности и склонность к действию: доводить неоднозначные задачи до конца, привлекать коллег для разблокировки и отвечать за результат. - Отличные коммуникативные навыки, умение эффективно взаимодействовать с техническими и нетехническими заинтересованными сторонами. - Желание следить за быстро меняющимся ландшафтом ИИ: изучать новые модели, инструменты и техники и осознанно применять их в работе и продукте. - Несколько лет опыта выпуска продакшен-софта, с успешным ведением проектов от спецификации до запуска с участием нескольких контрибьюторов. - Знакомство с ML/LLM-системами, включая промт-инжиниринг, оценки (evals) и поведение моделей, будет плюсом. Условия - Удалённая работа, кандидаты из США. - Полное медицинское и стоматологическое страхование. - Поддержка ментального здоровья и соответствующие сервисы. - 15 дней оплачиваемого отпуска (начисление с даты найма, увеличивается после 2+ лет работы), 12 праздничных дней и один плавающий праздник. - До 14 недель отпуска по уходу за ребёнком. - Ежемесячный велнес-стипендия. - Пенсионный план 401(k). - Программа покупки акций для сотрудников. - Возмещение расходов на профессиональное развитие. - Возмещение расходов на работу из дома.
LLM-инженер
LLM-инженер Задачи - Проектирование, дообучение и развертывание больших языковых моделей (LLM), таких как OpenAI GPT, BERT или собственных архитектур, для решения задач обработки естественного языка. - Разработка и оптимизация API для интеграции ИИ-функциональности в основные продукты Qelp, обеспечение совместимости и производительности. - Совместная работа с кросс-функциональными командами, включая UX/UI-дизайнеров, фронтенд-разработчиков и продакт-менеджеров, для согласования возможностей ИИ с бизнес-задачами. - Повышение масштабируемости ИИ-решений за счет модульной архитектуры и эффективных практик развертывания моделей. - Разработка пайплайнов для обработки больших наборов данных, обеспечение качества и релевантности данных для обучения и дообучения LLM. - Обеспечение этичного и прозрачного использования ИИ: внедрение механизмов обнаружения смещений, объяснимости и соответствия требованиям. - Отслеживание последних достижений в области ИИ и машинного обучения, особенно в NLP и LLM, для внедрения передовых функций в продукты Qelp. - Внедрение инструментов для отслеживания производительности и надежности ИИ-моделей в продакшене, итеративное улучшение. Требования - Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, науки о данных или смежной области. - Минимум 5 лет опыта в разработке машинного обучения и ИИ, из них не менее 2 лет — в работе с LLM или NLP. - Владение Python и фреймворками TensorFlow, PyTorch или Hugging Face Transformers. - Подтвержденный опыт развертывания и оптимизации LLM в продакшене. - Знакомство с облачными платформами (AWS, Azure или Google Cloud) для развертывания ИИ. - Продвинутое владение техниками NLP и разработкой ИИ-моделей. - Глубокое знание архитектур на основе трансформеров, таких как GPT, BERT или T5. - Навыки разработки API и микросервисной архитектуры. - Знакомство с DevOps-инструментами для развертывания ИИ-моделей (например, Docker, Kubernetes). - Понимание регулирования ИИ и лучших практик этичного развертывания. - Понимание техник предобработки данных и управления наборами данных. Условия - Конкурентоспособный компенсационный пакет. - Возможности для обучения и развития (ИИ, технологии, эволюция BPO-индустрии). - Возможности карьерного роста в расширяющейся команде. - Полностью удаленная работа (рынки EMEA, LATAM или APAC). - Работа в команде высококвалифицированных и динамичных лидеров. - Культура здорового баланса между работой и личной жизнью. - Зарплата: 72 000–108 000 долларов США в год.
Бэкенд-разработчик, AI/LLM в RegTech
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
AI-инженер, промпт-инжиниринг и агентные системы
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.
Бэкенд-разработчик, Codex for Finance
О команде OpenAI for Financial Services входит в организацию Verticals в OpenAI, которая занимается ускорением экономики и интеллектуального труда. Мы создаём ИИ-продукты для финансовых институтов и специалистов, которые в них работают: от инвестиционных банкиров и аналитиков до инвесторов и других финансовых команд. Мы объединяем модели OpenAI, финансовые данные и корпоративные знания, чтобы помогать специалистам исследовать компании, анализировать рынки и создавать качественные результаты в инструментах, которыми они пользуются каждый день. Мы небольшая предпринимательская команда, которая тесно работает с клиентами и партнёрами в области исследований, продукта, дизайна, инженерии и вывода на рынок, чтобы воплощать новые возможности от идеи до продакшена. О роли Мы ищем бэкенд-инженеров, которые будут создавать системы, делающие продвинутый ИИ полезным, надёжным и заслуживающим доверия в финансовых сервисах. Вы будете строить системы данных, агентные рабочие процессы и корпоративные интеграции, лежащие в основе наших продуктов, а также помогать внедрять их в продакшен в некоторых крупнейших финансовых институтах мира. Это инженерная роль, ориентированная на продукт, с большой зоной ответственности и созданием с нуля. Вы будете формировать новые продукты с самого начала, напрямую работать с клиентами, чтобы понимать их рабочие процессы, и сотрудничать с командами OpenAI, превращая новые возможности моделей в продукты, которым профессионалы могут доверять в ответственных задачах. Задачи - Проектировать и создавать бэкенд-системы, обеспечивающие ИИ-нативные финансовые рабочие процессы в ChatGPT Work и Codex. - Создавать инфраструктуру для приёма, индексации, поиска и предоставления финансовых данных, корпоративных отчётностей, рыночной информации и знаний конкретной компании в масштабе. - Разрабатывать интеграции с поставщиками финансовых данных, корпоративными системами знаний и средами клиентов, включая аутентификацию, авторизацию и права доступа, необходимые для безопасного использования. - Создавать системы, которые позволяют моделям и агентам использовать нужные инструменты и данные, сохранять происхождение источников и выдавать точные проверяемые результаты. - Улучшать надёжность, задержку, наблюдаемость и качество продакшен-систем, а также разрабатывать оценки, измеряющие их эффективность на реальных финансовых рабочих процессах. - Напрямую работать с финансовыми институтами, чтобы понимать потребности клиентов, снимать блокеры при внедрении и превращать обратную связь в значимые улучшения продукта. - Сотрудничать с командами продукта, дизайна, исследований, безопасности и другими инженерными командами, чтобы доводить новые возможности от раннего прототипа до масштабного продакшена. Требования - 5+ лет профессионального опыта в разработке ПО с подтверждённым опытом создания и эксплуатации продакшен-бэкенд-систем. - Владение одним или несколькими бэкенд-языками, такими как Python, Go, Rust или TypeScript, и прочная база в API, системах данных и распределённых системах. - Опыт создания приложений с интенсивной работой с данными, поисковых или поисково-ретривальных систем, инфраструктурных платформ или сложных интеграций. - Развитое продуктовое чутьё и способность переходить от неоднозначной проблемы клиента к практичному, хорошо спроектированному решению. - Уверенность в работе на разных уровнях стека и через организационные границы, когда это необходимо для выпуска отличного продукта. - Высокие стандарты надёжности, безопасности, конфиденциальности и производительности, особенно в корпоративных средах или средах с высоким уровнем доверия. - Интерес к ИИ и тому, как возможности моделей могут применяться в сложной профессиональной работе; непосредственный опыт в AI/ML или финансовых сервисах полезен, но не обязателен. - Опыт основателя, раннего инженера в стартапе или инженера, помогавшего создавать новый продукт с нуля, будет плюсом.
Staff-инженер по надежности баз данных
Компания: Grafana Labs. Формат: удалённая работа. Рассматриваются кандидаты из Великобритании, Швеции, Испании, Германии или Ирландии. Роль: Staff Software Engineer — SRE для облачных баз данных Grafana Cloud (Mimir, Loki, Tempo, Pyroscope). Базы данных предоставляются как SaaS на AWS, GCP и Azure во всех регионах. SRE-команда встроена в продуктовые группы Mimir, Loki и Tempo. Задачи - Тесное партнёрство с продуктовыми инженерными командами (встроенная модель). - Обеспечение надёжности production-среды для клиентов с высокими SLA и сложных окружений. - Проектирование и внедрение автоматизации для масштабирования практик надёжности. - Обеспечение достижения клиентами целевых показателей SLO. - Определение и развитие пер-тенантных SLO и моделей надёжности. - Проактивное снижение выгорания SLO для предотвращения повторных инцидентов. - Выполнение роли основного эскалационного контакта и дежурного (on-call) при инцидентах. - Руководство разбором инцидентов, влияющих на клиентов, и пост-инцидентными ревью. - Участие в проектировании (design docs) и код-ревью. - Влияние на дизайн функций для обеспечения масштабируемости и эксплуатационной пригодности. - Создание автоматизации для устранения рутинной работы (toil). - Улучшение качества алертов и снижение шумных эскалаций. Требования - 8+ лет инженерного опыта, из них 4+ в SRE/CRE/production engineering. Предпочтителен формальный опыт в customer reliability engineering. - Сильный опыт работы с Kubernetes на AWS, GCP или Azure, знакомство с инструментами infrastructure-as-code (Helm, Terraform, Jsonnet и т.п.). - Сильный опыт технического лидерства: ведение команды через проекты, наставничество инженеров, роль force-multiplier. - Опыт эксплуатации мульти-тенантных систем в production. - Сильный опыт проектирования и внедрения SLO. - Опыт с одним или несколькими языками программирования (например, Go, Python, Java). - Опыт с внутренностями ОС Linux, знание сетей, облачного хранения и масштабирования. - Отличные навыки решения проблем и диагностики. - Опыт спокойного и активного участия в blame-free инцидент-менеджменте, выполнения последующих действий и написания качественных PIR (Post Incident Reviews). - Умение рассуждать о производительности, масштабировании и режимах отказов. - Комфортная работа в инженерной команде с высокой степенью автономии и самонаправленности. - Способность к глубокому партнёрству с продуктовыми командами. - Ценятся интеллектуальное любопытство, прозрачность, склонность к действию и доброта. Условия - Удалённая работа (из указанных стран). - Компания предоставляет бюджет на использование современных AI-ассистентов для кодирования (в рамках политики безопасности), а также доступ к передовым моделям (например, GPT-Codex 5/3, Claude Opus 4.6, Gemini 3 Pro).
Staff AI-инженер, автоматизация и агентные системы
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.
AI/ML-инженер, генеративный ИИ и агентные системы
О компании Recare — одна из ведущих немецких HealthTech-компаний, меняющая процесс выписки пациентов. Разрабатывает SaaS-платформу и AI-решения для больниц и поставщиков послеоперационного ухода. Платформа соединяет две трети немецких больниц с более чем 650 реабилитационными клиниками и 25 000 поставщиками услуг по уходу. В компании около 100 сотрудников. Задачи - Разработка надёжных агентных систем для production-среды, где приоритетны конфиденциальность и корректность. - Владение небольшим набором проектов (в идеале одним) для минимизации переключений контекста. - Создание чат-ботов и других генеративных AI-приложений на основе агентных фреймворков: проектирование и оптимизация поведения агента, включая маршрутизацию, вызовы инструментов, управление контекстом, grounding и следование инструкциям. - Развертывание и интеграция: разработка и поддержка инфраструктуры для развертывания AI-агентов и генеративных приложений (REST API, веб-интерфейсы), включая контейнеризацию, оркестрацию и разработку API. - Настройка observability для генеративного ИИ: логирование, трассировка, метрики, дашборды и управление промптами. - Оценка производительности: количественная оценка ценности агентных систем на основе данных observability, пользовательских метрик и обратной связи. - Защита медицинских данных: внедрение лучших практик безопасности и соблюдение требований. - Отслеживание актуальных AI-технологий, подготовка технических отчётов и внедрение их в production. Требования - Интерес к healthcare или другим сложным для изменения отраслям, мотивация работать в высокорегулируемых средах. - Опыт проектирования, разработки и развертывания высокопроизводительных генеративных AI-приложений (RAG, агенты) в production. - Сильные навыки программирования, работа со стеком: Python, Go, GitHub Actions, AWS и другие технологии. - Опыт работы в средах с высокими требованиями к безопасности и конфиденциальности, включая работу с PII, guardrails для LLM и соответствие GDPR. - Опыт глубокого обучения и применения AI/ML-моделей для решения реальных задач, с фокусом на системную интеграцию, а не только обучение моделей. - Владение Python и как минимум одним веб-фреймворком (FastAPI, Django, Flask). - Отличные устные и письменные коммуникационные навыки, умение объяснять сложные концепции разной аудитории. Условия - Осмысленная работа с положительным влиянием на пациентов, их семьи и медицинских работников. - Плоские иерархии, высокая производительность, командная динамика, взаимное уважение, лояльность и признание. - Гибкость: удалённая работа, гибкий график, возможность workation по договорённости. - Карта Edenred, которую можно использовать по своему усмотрению. - Дополнительный выходной день в день рождения.
AI Engineer / Python Developer (MVP)
AI Engineer / Python Developer (MVP) Создается платформа для фотографов и их клиентов. Функция — превращение кадров из фотосессий в мерч (верхняя одежда, аксессуары, декор) в один клик. Задачи: - Написать бэкенд и логику MVP - Парсинг фото по ссылкам из чужих галерей - Умный отбор кадров через CLIP/Vision API - Автоналожение фото на шаблоны одежды (Computer Vision/OpenCV) - Сборка быстрого интерфейса (веб) Требования: - Уверенное владение Python - Опыт быстрой сборки MVP продуктов - Опыт парсинга динамических сайтов - Приветствуется наличие пет-проекта и понимание продуктового подхода Условия: - Удаленная работа без микроменеджмента - Свобода влиять на архитектуру проекта - Оплата в рублях или USDT раз в неделю
AI Engineer / Инженер по внедрению AI
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.
Machine Learning Backend Software Engineer in Medical System (Developer) Middle
Machine Learning Backend Software Engineer in Medical System (Developer) Middle от 250 000 до 350 000 ₽ Удаленно Remedy Logic — международная компания. Цель — разработка медицинской диагностики и консультаций на основе ИИ, доступных каждому. Команда состоит из ученых из разных стран. Ключевые компетенции и квалификация: — Опыт разработки на Python от 2 лет. — Понимание алгоритмов машинного обучения и компьютерного зрения. — Хорошее понимание GPU-вычислений. — Навыки веб-программирования (FastAPI, REST, HTTP, TCP). — Опыт работы с SQL: запросы, проектирование баз данных, инструменты миграции.
Разработчика в NDA-компанию для создания backend-сервисов с AI-агентами и автоматизации digital-маркетинга
Middle+ AI-разработчик (Python/Go) — AdTech Ищем разработчика в NDA-компанию для создания backend-сервисов с AI-агентами и автоматизации digital-маркетинга. Формат: удалённо Зарплата: $1 200–1 500 в месяц Занятость: full-time График: ПН–ПТ, 10:00–19:00 МСК Задачи: - разработка backend-сервисов с AI-агентами; - интеграции с рекламными сетями, трекерами, аналитикой и платёжными системами; - автоматизация сбора данных, отчётности и мониторинга; - разработка MVP и быстрых прототипов; - code review и рефакторинг, включая AI-generated код; - настройка окружения, инструкций и контекста для AI-агентов. Требования: - Python от 2 лет коммерческого опыта; - asyncio, FastAPI/Flask, SQLAlchemy; - PostgreSQL/MySQL, сложные SQL-запросы, индексы, миграции; - Redis; - REST API, webhooks, OAuth, rate limiting; - Git, Docker, docker-compose, базовый CI/CD; - Linux, удалённый дебаг и работа с логами; - Go (goroutines, channels, concurrency) — будет плюсом. Условия: - оплачиваемая стажировка до 2 недель по полной ставке; - выплаты 1 и 16 числа в USDT BEP-20; - AI-инструменты полностью оплачивает компания; - NDA + видеоверификация.
AI-инженер по направлению GenAI/LLM и Python
Компания: Nexorant LLC Обязанности - Проектировать, разрабатывать, тестировать и разворачивать AI-приложения. - Создавать приложения на Python с использованием современных AI/ML-фреймворков. - Интегрировать большие языковые модели (LLM) в production-приложения. - Разрабатывать решения на основе Retrieval-Augmented Generation (RAG). - Работать с LLM API, включая OpenAI и другие коммерческие или открытые модели. - Разрабатывать и интегрировать REST API и backend-сервисы. - Создавать AI-автоматизацию, интеллектуальный поиск, рекомендательные и диалоговые приложения. - Работать с векторными базами данных и эмбеддингами. - Разрабатывать промпты и оценивать ответы LLM на точность, релевантность и надёжность. - Внедрять AI-агентов и автоматизацию рабочих процессов. - Очищать, обрабатывать и подготавливать данные для AI/ML-приложений. - Взаимодействовать с инженерами, дата-сайентистами, продакт-менеджерами и бизнес-стейкхолдерами. - Писать чистый, поддерживаемый и документированный код. - Выполнять тестирование, отладку и оптимизацию производительности. - Разворачивать и мониторить AI-приложения в облачных средах. - Отслеживать новые разработки в области генеративного ИИ, LLM, AI-агентов и машинного обучения. Требования - Степень бакалавра в области компьютерных наук, программной инженерии, информационных технологий, науки о данных или смежной области. - Опыт от 2 лет в разработке ПО, AI-инженерии, машинном обучении или смежной области. - Уверенное программирование на Python. - Понимание принципов разработки ПО и объектно-ориентированного программирования. - Опыт работы с REST API и backend-сервисами. - Практический опыт с генеративным ИИ или большими языковыми моделями (LLM). - Опыт работы с LLM API и разработкой AI-приложений. - Понимание концепций RAG. - Опыт работы с SQL и базами данных. - Знакомство с Git и современными практиками разработки. - Развитые аналитические навыки и навыки решения проблем. - Отличные коммуникативные навыки и умение работать в команде.
ML-инженер в области генеративного ИИ и LLM
О компании Команда мирового уровня из инженеров и специалистов по данным из Facebook, Uber, Amazon и Google. Быстрорастущая консалтинговая компания из Торонто. Клиенты — от ведущих стартапов, создающих значимые технологии, до компаний из списка Fortune 500, масштабирующих инженерные и аналитические возможности. Задачи - Проектирование, прототипирование и вывод в продакшн масштабируемых решений машинного обучения. - Работа с клиентами и коллегами. - Создание передовых систем на основе LLM и реальных данных. Требования - Экспертиза в LLM-инжиниринге, включая знание популярных LLM-провайдеров и их лучших практик. - Опыт создания или работы с агентными системами (tool use, память, планирование, координация нескольких агентов) — преимущество. - Демонстрация LLM-проектов с указанием зоны ответственности и вклада. - Способность быстро прототипировать передовые инструменты и исследовательские идеи; опыт превращения прототипов в продакшн-сервисы. - Практический опыт в статистике и машинном обучении. - Уверенная работа с Python ML-стеком: Pandas, Numpy, scikit-learn, XGBoost, PyTorch и др. - Владение инструментами разработки: Git, Docker, SQL, Bash, FastAPI. - Аналитическое мышление и понимание бизнеса; умение критически оценивать данные и их влияние на продукт или бизнес-результаты. - Степень бакалавра или выше (магистр, PhD) в Computer Science или смежной инженерной области, связанной с программированием. - Бонус: знакомство с AWS или Azure, GitHub Actions, Spark, Neo4j Cypher и графовыми базами данных. Условия - Конкурентоспособная компенсация. - Ответственность и отсутствие микроменеджмента.
Senior AI-инженер, разработка агентных инструментов
JetBrains создает инструменты для разработчиков и сейчас развивает сервисы и агентные инструменты, которые дают ИИ-агентам и пользователям более глубокий контекст о кодовых базах. Сервис поиска кода уже улучшает скорость и качество работы агентов, и компания планирует расширять его возможности, извлекая более глубокие инсайты в масштабе нескольких сотен тысяч репозиториев. В этой роли вы будете: - Проектировать и внедрять агентные инструменты и сервисы с нуля, доводя их до продакшена. - Масштабировать прототипы на большое количество пользователей. - Улучшать и тестировать сервис семантического поиска. - Строить пайплайны оценки качества поиска кода и производительности задач кодинга. Требования: - Не менее пяти лет практического опыта в NLP. - Опыт работы с системами информационного поиска. - Сильный опыт в промпт-инжиниринге, разработке инструментов для LLM и работе с ИИ-агентами. - Уверенные навыки программирования на Python и/или Kotlin, готовность освоить второй язык. - Опыт создания и эксплуатации продакшен-систем. Будет плюсом: - Опыт разработки на Kotlin или Java. - Опыт работы с интеллектуальным анализом кода (например, AST, графы символов). Условия: - Конкурентная базовая зарплата. - Гибкое место работы: из дома или из офиса. - До 30 дней в год удаленной работы из-за границы. - Дополнительные дни отпуска. - Компенсация медицинской страховки для сотрудника и семьи. - Возможности обучения: конференции, курсы, языковые классы. - Поддержка релокации. - Языковые курсы. - Горячее питание или компенсация обеда в рабочие дни. - Поддержка ментального здоровья. - Спортивный бенефит: абонемент в спортзал или компенсация клуба. - Внутренние мероприятия и командные праздники. Некоторые бенефиты могут отличаться в зависимости от локации.
Research-инженер по агентным моделям
О роли JetBrains создаёт инструменты для разработчиков. В команде Agentic Models строят многошаговых агентов для написания кода, которые понимают большие кодовые базы, планируют изменения, вызывают инструменты и итерируют вместе с пользователем. Research Engineer отвечает за модели, тренировочные циклы и пайплайны оценки, которые обеспечивают работу этих агентов. Работа ведётся на стыке SFT и RL-посттренировки и продуктовой оценки, с использованием распределённых GPU- и MapReduce-кластеров для выпуска моделей в продукты JetBrains. Задачи - Проектировать, внедрять и поддерживать пайплайны SFT и RL-посттренировки для многошаговых агентов написания кода. - Обучать и адаптировать LLM для агентных сценариев: планирование, использование инструментов, многошаговые взаимодействия внутри IDE JetBrains. - Создавать и развивать среды оценки и симуляции, где агенты могут действовать, измеряться и сравниваться на реалистичных задачах разработчика. - Разрабатывать фреймворки и метрики оценки поведения агентов, анализировать трейсы и логи, замыкать цикл от оценки обратно к обучению, данным и дизайну наград. - Анализировать результаты обучения и оценки, предлагать и внедрять улучшения архитектур моделей, рецептов обучения и датасетов. - Работать с крупномасштабной инфраструктурой: распределённое обучение на GPU-кластерах и обработка данных в стиле MapReduce для претрейнинга и датасетов тонкой настройки. - Тесно взаимодействовать с исследовательскими, продуктовыми и инфраструктурными командами, превращая продуктовые задачи в конкретные модели, эксперименты и выпущенные функции. Требования - Обширный практический опыт обучения LLM (претрейнинг, тонкая настройка или посттренировка) в исследовательской или производственной среде. - Глубокое знание современных фреймворков глубокого обучения, таких как PyTorch, и специализированных стеков обучения LLM (Megatron, NeMo, verl или аналогичных). - Сильное теоретическое и практическое понимание основ LLM: архитектуры, токенизация, пайплайны данных, батчинг, mixed precision, распределённое обучение и отладка нестабильных запусков. - Умение вести проекты от начала до конца: от постановки проблемы или продуктовой боли до дизайна, экспериментов, реализации и итераций. - Продуктовое мышление: понимание того, как разработчики реально используют агентов, и умение переводить продуктовые потребности и сбои в задачи моделирования и оценки. - Не менее 3 лет опыта работы с Python и написания чистого поддерживаемого кода в современных ML-кодовых базах. Будет плюсом - Опыт работы с ML-оркестраторами и инструментами рабочих процессов: Kubeflow, Dagster, Airflow, ZenML и/или планировщиками задач вроде Kubernetes или SLURM. - Опыт работы с крупномасштабными пайплайнами данных и обучения: кластеры в стиле MapReduce, многоузловое GPU-обучение или нагрузки порядка 1M+ CPU/GPU-часов. - Проектирование и поддержка пайплайнов оценки для LLM или агентов: метрики, дашборды, отслеживание экспериментов, автоматические регрессионные проверки. - Разработка ИИ-агентов: агенты с использованием инструментов, планировщики, многошаговые сценарии написания кода, знакомство с агентными фреймворками и паттернами. - Отслеживание экспериментов и наблюдаемость с помощью Weights & Biases, MLflow, Langfuse или аналогичных инструментов. - Оптимизация инференса и эксплуатация оптимизированных моделей в production.
Ведущий ML-инженер, LLM и генеративный ИИ
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.
Staff-инженер по исследованиям, предобучение LLM
О компании JetBrains с 2000 года разрабатывает инструменты для разработчиков. Компания работает над новой платформой, которая предоставляет возможности ИИ всем продуктам JetBrains. Платформа основана на моделях, разработанных внутри компании для помощи в написании кода и текстов, а также на интеграции со стратегическими партнёрами. JetBrains — работодатель равных возможностей. Важные качества - Умение самостоятельно планировать проекты и принимать решения, при необходимости консультируясь с другими. - Способность определять потребности клиентов и расставлять приоритеты задач. - Начинать с простейших решений и постепенно добавлять сложность по мере необходимости. - Готовность нести единоличную ответственность за целую подсистему. - Увлечённость обучением и желание быть в курсе последних разработок в области LLM. Задачи - Совместно со стейкхолдерами преобразовывать бизнес-требования в технические спецификации. - Обучать LLM с нуля на большом GPU-кластере. - Собирать и обрабатывать датасеты для предобучения и дообучения. - Поддерживать и улучшать существующие подсистемы. Требования - Опыт проектирования, развертывания и поддержки продакшн-ML-систем. - Сильная теоретическая база в NLP и подходах на основе трансформеров. - Свободное владение современными фреймворками глубокого обучения, такими как PyTorch, и распространёнными библиотеками для NLP. - Опыт распределённого обучения моделей с миллиардами параметров. - Внимание к деталям и отличные коммуникативные навыки. Будет плюсом - Опыт работы с фреймворками инференса LLM: vLLM, DeepSpeed, TensorRT. - Опыт применения техник выравнивания LLM: RLHF/RLAIF. - Инструменты и практики MLOps, включая CI/CD для ML. - K8s и Kubeflow. - Научные публикации в области NLP. Стек и инфраструктура - Кластер из сотен NVIDIA GPU в качестве инфраструктуры для обучения. - Git для управления исходным кодом. - Python, PyTorch и Hugging Face как ML-стек. - Kubeflow и Weights & Biases для отслеживания экспериментов. - TeamCity как система автоматизации CI.
Senior инженер-программист, JVM и инструменты разработчика
О компании и проекте JetBrains — компания, создающая инструменты для разработчиков. Проект AppGlass из JetBrains Innovation Hub — продукт для безопасной отладки production-систем с приоритетом ИИ. Он помогает инженерным командам исследовать проблемы в реальных средах с фокусом на безопасность, надёжность, защищённость, низкие накладные расходы и практическую интеграцию ИИ. В основе — JVM-инструментарий, анализ программ и ИИ. О роли Ищем Senior Software Engineer с сильным опытом работы с корпоративными JVM-системами. Роль подходит проактивным специалистам, которым интересны сложные инженерные задачи на стыке production-систем, инструментов для разработчиков и ИИ-агентов. Задачи - Проектировать, создавать и руководить разработкой функций продукта. - Разрабатывать инструменты и автоматизацию для AI-first инженерных процессов. - Работать над корпоративными интеграциями и сценариями развёртывания в Kubernetes и облачных средах. - Повышать надёжность, тестирование, производительность и безопасность для production-использования. Требования - Обширный опыт работы с Java, Kotlin и JVM-системами. - Опыт разработки корпоративного бэкенда, инфраструктуры или инструментов для разработчиков. - Уверенная работа с Kubernetes и облачными средами. - Ответственность, чёткая коммуникация, умение продвигать задачи вперёд без ожидания идеальных спецификаций. - Использование ИИ в разработке с проверкой результатов инженерной дисциплиной. Будет плюсом - Опыт работы с инструментами для отладки, инструментирования или наблюдаемости. - Опыт разработки бэкенд-продуктов на .NET или Python. - Глубокая забота о продуктивности разработчиков и инженерном качестве. Условия - Конкурентная зарплата, отражающая навыки и опыт. - Гибкое место работы: из дома или из офиса. - Удалённая работа: до 30 дней в году из-за границы. - Дополнительные выходные дни. - Медицинская страховка для сотрудника и семьи. - Возможности обучения и развития: конференции, курсы, языковые занятия. - Языковые курсы: местный язык или английский. - Горячее питание или компенсация на обед в рабочие дни. - Поддержка психического здоровья: доступ к профессиональным сервисам. - Спортивный бенефит: абонемент в спортзал или компенсация спортивного клуба. - Внутренние мероприятия: корпоративные праздники и командные встречи. - Некоторые бенефиты могут различаться в зависимости от локации.
AI-разработчик
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.