ML-инженер вакансии

Location: Remote - EMEA Workplace: Remote ABOUT US Launched in 2019, Constructor is an AI-first e-commerce search and discovery platform that helps shoppers find the right products at the right time and enables leading global e-commerce brands to drive meaningful revenue and conversion gains. ABOUT THE ROLE The ML Infrastructure team builds and operates the shared backend services and platform capabilities that Constructor's ML and product teams rely on to develop, deploy, and run machine learning at scale - from model serving (including LLMs) to the specialized storages and data pipelines behind it. We are a service team by nature: our roadmap is shaped by the needs of product teams, and we succeed when they can move faster with less friction. We're looking for a Senior Backend Engineer who is comfortable with, and motivated by this dynamic, and who will take end-to-end ownership of core services. In the near and mid-term, our focus areas include: - Making ML workloads easy to run, scale, and operate for every team - Providing self-service, configurable infrastructure components to ML and product teams - Owning and evolving core ML services and related pipelines with a high bar for reliability and performance CHALLENGES YOU WILL TACKLE - Design, build, and operate high-load distributed backend services that power the company's ML infrastructure - Take end-to-end ownership of core ML services and related data pipelines: from design and implementation to deployment, observability, and continuous improvement - Partner with ML and product teams to understand their needs and turn them into reliable, reusable platform capabilities - Make and defend technical decisions: evaluate trade-offs, design first, and own the outcome - Be responsible for what you and your team do REQUIREMENTS - 5+ years of professional experience in backend or platform engineering - Extensive Python knowledge (our primary language) - Hands-on experience developing on a public cloud (AWS, GCP, or Azure) or with self-managed Kubernetes - AWS is our primary platform, but we're not limited to it - Experience designing and building distributed, high-load services and APIs - Strong knowledge of data structures, algorithms, and their trade-offs - Design-driven engineering mindset: we're a coding-assistant-friendly environment and expect you to use modern AI tools - but you lead with system design and a strong understanding of their applicability and trade-offs - Ownership and proactivity: you can't close your eyes to problems, but are ready to solve them and take responsibility for outcomes - You are friendly and willing to help your teammates & others NICE TO HAVE: - Experience with Rust (or C/C++/Go) - a strong plus - Experience developing or contributing to ML platforms or ML infrastructure - a strong plus - Experience setting up and operating any vector database (Qdrant, Milvus, Weaviate, OpenSearch, pgvector, etc.) - a strong plus - Experience with model serving / inference infrastructure, including LLMs - Experience with Infrastructure as Code (Terraform or similar) BENEFITS - 🏝️ Unlimited vacation time - we strongly encourage all of our employees take at least 3 weeks per year - 🌎 Fully remote team - choose where you live - 🛋️ Work from home stipend! We want you to have the resources you need to set up your home office - 💻 Apple laptops provided for new employees - 🧑‍🎓 Training and development budget for every employee, refreshed each year - 👪 Maternity & Paternity leave for qualified employees - 🧠 Work with smart people who will help you grow and make a meaningful impact - 💵 Base salary: $80k–$120k USD, depending on knowledge, skills, experience, and interview results - 📈 Stock options - offered in addition to the base salary - 🎉 Regular team offsites to connect and collaborate DIVERSITY, EQUITY, AND INCLUSION AT CONSTRUCTOR At Constructor.io http://Constructor.io we are committed to cultivating a work environment that is diverse, equitable, and inclusive. As an equal opportunity employer, we welcome individuals of all backgrounds and provide equal opportunities to all applicants regardless of their education, diversity of opinion, race, color, religion, gender, gender expression, sexual orientation, national origin, genetics, disability, age, veteran status or affiliation in any other protected group. Studies have shown that women and people of color may be less likely to apply for jobs unless they meet every one of the qualifications listed. Our primary interest is in finding the best candidate for the job. We encourage you to apply even if you don’t meet all of our listed qualifications. How we handle your data. By submitting this application, you acknowledge that Constructor will collect and process the personal data you provide for the purpose of evaluating your candidacy for this role. If you are not selected, we will retain your data for a limited period as described in our Recruitment Privacy Notice https://constructor.com/recruitment-privacy-notice. After that period your data will be deleted or anonymized.

Location: Amsterdam, Netherlands; Belgrade, Serbia; Berlin, Germany; Limassol, Cyprus; London, United Kingdom; Madrid, Spain; Munich, Germany; Paphos, Cyprus; Prague, Czech Republic; Remote, Germany; Warsaw, Poland; Yerevan, Armenia Are you an engineer who loves diving deep into ML models, building standalone CLI tools, and exploring how far AI agents can go in autonomous coding? Do you want to rethink how software is built and use the tools you create every single day? About JetBrains We create intelligent software development tools for developers and teams. More than 15 million users, over 300,000 companies, and 88 of the Fortune Global Top 100 rely on our products to solve real, complex problems. Our mission is simple: make development teams more productive and AI adoptable at scale. What you’ll do We build Junie, our AI coding agent, available across JetBrains IDEs and as a standalone CLI. We're combining the latest advancements in AI and LLMs with our decades of software development expertise. We are working in three main areas: growing Junie CLI into a general-purpose agent independent of any IDE, optimizing model ensembling and setups for the best cost-to-intelligence ratio without compromising code quality, and pushing next-level autonomy so Junie can own, maintain, and evolve entire subsystems over multi-day horizons. You’ll have end-to-end ownership over these initiatives, taking work from early research to production code while shaping the future of autonomous development. Day to day, you will: Develop and ship new features for Junie across CLI and model integrations. Experiment with model setups, ensembling, and cost efficiency strategies. Build and test autonomous agent behaviors for long-term project maintenance. Own the full development cycle from initial research to production-ready code. Use Junie daily to continuously iterate on its quality and user experience. What you’ll bring Comfort taking full ownership of decisions and implementation. The curiosity to challenge assumptions and experiment with new ideas. The ability to learn new concepts quickly and adapt quickly. A mindset focused on long-term impact rather than short-term workarounds. Strong interest in autonomous AI systems and software engineering tools. What you’ll need A proven track record of developing and shipping machine learning or full-stack software products. Hands-on experience working with LLMs, prompt engineering, or agentic workflows. The ability to write high-quality production code across the full development lifecycle. Practical experience building or fine-tuning ML models. What success looks like In this role, success means taking bold experiments in agent autonomy and cost efficiency and turning them into reliable, production-ready capabilities. You'll know you're succeeding when Junie can tackle complex multi-day engineering tasks autonomously and the tool you build every day actively improves your own engineering workflow. Why join JetBrains? Strong base salary. We offer competitive pay that reflects your skills and experience. Flexible work location. Enjoy the freedom to work from home or from the office. Remote work. Spend up to 30 days per year working remotely from abroad. Extra time off. More days to relax, recharge, and do the things you love. Medical insurance allowance. Enjoy peace of mind for you and your family Learning and development opportunities. Access to conferences, courses, and language classes. Relocation support. We help make your move as smooth and stress-free as possible. Language classes. Pick up the local language or sharpen your English skills. Fuel your day. Enjoy a hot meal or receive a lunch allowance on workdays. Mental health support. To help you feel your best, we provide easy access to professional mental health services. Sports benefit. Enjoy an on-site gym or sports club stipend. Internal events. Join company-wide celebrations and team gatherings. *Some benefits may vary depending on location. #LI-DNI We are an equal opportunity employer We know great ideas can come from anyone, anywhere. That’s why we do our best to create an open and inclusive workplace – one that welcomes everyone regardless of their background, identity, religion, age, accessibility needs, or orientation. We process the data provided in your job application in accordance with the Recruitment Privacy Policy.

Требования: — 5+ лет в production ML/NLP: системы, которые вы поддерживали после запуска — техническое лидерство: решения по стеку за команду, ревью, ответственность за сдачу шире своих задач — RAG целиком: гибридный поиск, чанкинг, реранкинг, методика оценки — self-hosted инференс открытых моделей, квантизация, расчет GPU — eval-наборы: чем вы докажете, что новая версия не хуже прошлой — развертывание в закрытом контуре, на инфраструктуре заказчика Половина роли техническая, половина переговорная: защищать архитектуру и метрики качества перед ИТ-директором заказчика. Условия: — Оплачиваемый испытательный срок — Бонусы за сдачу проектов — Офис в Алматы — Зарплата: 1 000 000 – 1 400 000 ₸

Чего ждём от тебя Без этого не получится: - 5+ лет в ML/DS — опыт выкатывания моделей в прод и понимание практических аспектов - Уверенный Python: ООП, типизация, тесты - Классический ML: бустинги, валидация, понимание, где нейросеть избыточна, а где достаточно градиентного бустинга - Опыт с текстовыми нейросетевыми моделями: BERT-подобные трансформеры, LLM API, промпт-инжиниринг, eval-сеты - Практический опыт MLOps: пайплайны данных, оркестрация (Airflow, Kubeflow или аналоги), трекинг экспериментов - Инфраструктурный бэкграунд: Docker, CI/CD, Kubernetes, логирование и мониторинг — понимание высоконагруженных сервисов - Умение мыслить P&L: перевод метрик моделей (F1, ROC-AUC) в конверсии и деньги, защита технических решений перед бизнесом финансовыми аргументами - Опыт менторства или лидерства и желание этим заниматься

Задачи: — Разработка ИИ-решений для образовательных систем — Разработка автоматизированных пайплайнов для проверки и оценки ответов — Проведение экспериментов с большими языковыми моделями (LLM), промптами и методами дообучения — Подготовка, обработка и анализ данных Требования: — Опыт работы в Data Science, Machine Learning или NLP от 2 лет — Хорошее знание основ машинного и глубокого обучения — Уверенное владение Python — Продвинутый уровень SQL — Опыт работы с библиотеками для анализа данных и машинного обучения: NumPy, pandas, scikit-learn Условия: — Работа в офисе в Астане

Задачи: — Проектировать микросервисы и API (REST/gRPC); — Создавать RAG и AI-агенты: разрабатывать системы генерации ответов на основе документов, цепочек рассуждений и логики Tool Calling (LangChain/LangGraph/LlamaIndex); — Работать с данными и текстом: парсинг, очистка и чанкинг текстов, извлечение сущностей (NER), классификация, реализация гибридного семантического и полнотекстового поиска; — Проектировать базы данных: работать с реляционными (PostgreSQL), векторными (Qdrant/Milvus/pgvector) и графовыми (Neo4j) базами под задачи GraphRAG; — Заниматься оптимизацией производительности, покрытием кода тестами (Pytest), написанием асинхронного кода на Python (FastAPI/Django); — Проводить code review и контейнеризацию приложений (Docker). Требования: — Опыт коммерческой разработки на Python от 2 лет для выпускников профильных факультетов ведущих вузов (МФТИ, НИУ ВШЭ, МГУ, ИТМО, МГТУ им.— Уверенное знание Python, асинхронного программирования, веб-фреймворков (FastAPI) и принципов проектирования микросервисной архитектуры (REST, Swagger, gRPC); — Практический опыт работы с LangChain, LlamaIndex, LangGraph, современными LLM (GPT, open-source модели) и фреймворками для создания AI-агентов; — Опыт обработки и классификации документов различных форматов (PDF, сканы), извлечения сущностей (NER, гибридный поиск) с использованием Transformers, BERT, SpaCy, Natasha; — Опыт работы с реляционными БД (PostgreSQL), NoSQL/кэшированием (Redis), векторными БД (Qdrant/Milvus/pgvector) и графовыми системами (Neo4j); — Опыт работы с брокерами сообщений (RabbitMQ, Kafka); — Владение инструментами контейнеризации и CI/CD (Docker, Git, S3); — Понимание полного жизненного цикла разработки ПО (SDLC); — Опыт работы по ТЗ с чтением схем (UML, BPMN).

Задачи: - Участвовать в разработке моделей для продуктивной среды; - Строить модели машинного обучения, улучшать качество; - Писать код, проводить code-review; - Предлагать способы оптимизации и совершенствования существующих инструментов. Требования: - Знание Python; - Опыт работы в рекомендательных системах/поиске; - Опыт работы в роли mle/ds от 5ти лет; - Знание теоретических и практических продвинутых методов машинного обучения; - Знание SQL, знакомство с hadoop-стэком; - Опыт работы с docker, kubernetes, pyspark, kafka, postgres, airflow; - Наличие опыта вывода разработанных решений в прод.

Location: New York; San Francisco Workplace: OnSite ABOUT US: AI NEEDS A NEW INFRASTRUCTURE LAYER. WE'RE BUILDING IT AT MODAL. Every era of computing brought new workloads that previous infrastructure couldn't support: mainframes, databases, and the cloud. Each time, the company that rebuilt the layer underneath defined the decade. AI is no different, except it touches everything instead of one slice, and the window to build the layer underneath it is open right now. Our customers include category-defining companies like Ramp https://modal.com/blog/how-ramp-built-a-full-context-background-coding-agent-on-modal, Cognition, DoorDash, and Suno. They rely on Modal for instant GPU access, sub-second container starts, and native storage, so it's simple to serve low-latency inference, fine-tune models, and access production-ready sandboxes at scale. We've passed $1B in annualized run rate, up 15x from a year ago. In October 2026 we raised a $750M Series D led by Accel at a $15.75B valuation. Our team includes creators of popular open-source projects (e.g.,Seaborn https://github.com/mwaskom/seaborn,Luigi https://github.com/spotify/luigi), academic researchers, international olympiad medalists, and experienced engineering and product leaders with decades of experience. THE ROLE: We are looking for PhD research interns with strong research experience in reinforcement learning, machine learning, and foundation models, including large language and multimodal models, to join our research team. WHAT YOU’LL WORK ON: - Improve existing methods and develop new techniques for large-scale model training, optimization, and inference - Extend models to long-context and long-horizon tasks - Improve inference-time efficiency, reliability, and robustness in high-stakes real-world deployments YOU MAY BE A FIT IF: - You’re currently pursuing a PhD in computer science, machine learning, or a related field - You have a demonstrated record of research in reinforcement learning, machine learning, foundation models, or related areas - You have experience developing and evaluating large-scale models or machine learning systems - You’re familiar with distributed training, large-scale inference, or multi-GPU environments - You have publications at leading venues such as NeurIPS, ICML, ICLR, CVPR, CoRL, UAI, JMLR, or TMLR - You have strong programming and engineering skills and can translate research ideas into working implementations - You have a collaborative, mission-driven mindset and can work effectively across research and engineering teams

Задачи: - Разработка co-pilot решения на базе данных RAG и применении LLM - Разработка и интеграция AI-агентов, исследование новых поверхностей взаимодействия с AI - Разработка микросервисов на Python в качестве MCP инструментов - Анализ требований, формализация функционала, проектирование архитектуры взаимодействия агентов и сервисов - Участие в планировании, декомпозиции задач и оценке сложностей, планировании спринтов на основе SCRUM церемоний - Проведение код-ревью, поддержание высокого стандарта качества и чистоты кода - Тесное взаимодействие с командой на всех этапах разработки - Участие в подготовке и выпуске релизов, взаимодействие со смежными подразделениями - Документирование своей работы и менторство джуниор-разработчиков Требования: - Опыт коммерческой разработки на Python от 4 лет - Уверенное знание Python 3.7+ (в проекте используется 3.12+) - Понимание и успешный опыт применения паттернов проектирования (GoF, SOLID, GRASP) - Опыт проведения код-ревью и работы по GitFlow - Опыт разработки агентных систем с помощью langchain, langgraph и успешное внедрение в промышленную среду - Опыт разработки приложений, основанных на микросервисной архитектуре - Уверенное знание SQL и понимание принципов работы реляционных СУБД (PostgreSQL) - Опыт написания unit-тестов - Опыт разработки асинхронных приложений на Python - Понимание жизненного цикла разработки приложений в контексте Agile - Опыт и желание работать в команде, умение аргументировать свои решения и договариваться Условия: - Возможность участия в интересном проекте - Возможность профессионального и карьерного роста в компании - Опыт работы в команде профессионалов - Уровень заработной платы обсуждается индивидуально - Удаленный формат работы и офисный формат в Москве

Задачи: - Поддержка и развитие существующих AI-модулей системы онлайн-прокторинга - Определение отсутствия лица и нескольких лиц в кадре - Реализация Face ID и проверки личности пользователя - Разработка Liveness-проверки (моргание, улыбка, движения головы, контроль дистанции до камеры) - Определение поворотов головы и направления взгляда - Анализ положения тела и правильности посадки пользователя - Выявление ухода пользователя из кадра и поворота от рабочей зоны - Обнаружение посторонних людей и объектов в кадре - Детекция смартфонов, наушников, часов и других гаджетов - Распознавание мониторов, ноутбуков, клавиатур, мышей и других объектов рабочего места - Определение посторонних движений и плохого освещения - Снижение количества ложных срабатываний моделей - Обучение, дообучение и замена AI-моделей - Оптимизация моделей с использованием CUDA - Интеграция AI-модулей через API - Развертывание локальных LLM на собственных серверах - Работа с моделями Qwen, Llama, Mistral, Gemma и другими open-source LLM - Интеграция GPT, Claude, Gemini и других LLM через API - Подбор и оптимизация AI-моделей под задачи продукта - Внедрение новых AI-библиотек и технологий Требования: - Уверенное владение Python - Практический опыт работы с Computer Vision - Практический опыт работы с LLM - Опыт локального развертывания open-source LLM - Опыт интеграции облачных LLM через API - Умение работать с существующим кодом и готовыми моделями - Опыт запуска и оптимизации моделей на GPU - Готовность поддерживать существующие AI-модули и разрабатывать новые - Самостоятельность и умение доводить решения до production - Проживание в Астане Будет плюсом: - Опыт работы с Hugging Face и Ollama/vLLM - Опыт использования TensorRT, ONNX и OpenVINO - Опыт разработки систем реального времени - Опыт создания AI-продуктов для Computer Vision Условия: - Полная занятость - Возможна стажировка - Официальное трудоустройство - Формат работы: удаленно - График 5/2 или свободный - Рабочий день — 8 часов или по договоренности - Заработная плата от 400 000 до 600 000 ₸ до вычета налогов - Долгосрочная работа над действующим AI-продуктом - Формат работы и уровень оплаты обсуждаются индивидуально

Задачи: — Разработка и внедрение AI агентов и моделей машинного обучения — Создание и экспериментирование с GenAI моделями и агентными рабочими процессами Требования: — Владение Python и другими релевантными языками программирования — 3 года практического опыта с фреймворками и библиотеками машинного обучения (TensorFlow, PyTorch или аналогичные) — 2 года практического опыта в разработке и развертывании AI агентов и моделей машинного обучения — Глубокие знания облачных технологий, с акцентом на Microsoft Azure, включая платформы Azure Data и AI (Databricks, Fabric, AI Foundry)

Обязанности: - Разрабатывать и обучать модели машинного обучения, включая генераторы кандидатов - Улучшать модели оценки стоимости автомобилей - Разрабатывать решения для антифрода и модерации контента - Подготавливать и трансформировать данные для обучения и продакшена моделей - Упаковывать модели в сервисы и внедрять их в продакшен Требования: - Опыт оркестрации ML‑пайплайнов с помощью Airflow или Luigi - Умение программировать на Python или C++ - Навыки работы с SQL и NoSQL для подготовки и трансформации данных - Умение разворачивать решения в виде микросервисов с использованием FastAPI, gRPC или Docker - Хорошие теоретические знания в области машинного обучения - Понимание устройства и принципов работы одного из ML‑фреймворков или библиотек, например CatBoost или PyTorch

Ищу в штат джун ML инженера

Location: Spain; Serbia; Poland; Ukraine; Portugal; North Macedonia; Bosnia and Herzegovina; Romania Workplace: remote About Provectus Provectus is an AWS Premier Partner and an Anthropic Strategic Partner, working at the frontier of applied AI. We help enterprises turn Claude, agentic systems, and their own data into measurable business outcomes — through bespoke applications, managed services, and advisory engagements. With offices in North America, LATAM, and EMEA, we partner with clients worldwide.   Our work centers on two verticals — Financial Services & Insurance and Healthcare & Life Sciences — where we deploy five pre-built AI Blueprints: Submission Flow, Portfolio Lens, Asset Flow, Revenue Flow, and Evidence Lens. Each Blueprint rebuilds a critical business process front to back, shipped from working code and tuned to a client's specific book, regulators, and operating posture.   Our team holds 100+ AWS certifications, is Claude Code certified, and co-delivers Anthropic's Agentic SDLC program, Cowork Activation, and AI Blueprint engagements. Where this role sits You will work in a small, senior pod alongside an FDE and an FDX, Forward Deployed Executives (FDX) own the commercial relationship and the business outcome. Works alongside the client's leadership or C-suite level to move the client's KPIs. Forward Deployed Engineers (FDE) embed with a client, map the client workflow, identify the business problem underneath it, design and build a working AI solution, present to the client, and transfer the knowledge to the client's team. Owns technical direction of the whole solution. Senior AI Engineer. When an FDE comes back from the client with the business problem, you will help turn that into an agentic system that runs in production and will be responsible for evaluation, observability, and guardrails.  You'll have real ownership of components and of the technical decisions inside them. Requirements: Mindset Proactive and self-directed; you push for clarity rather than waiting for a ticket Excellent communication and problem-solving skills Comfort with ambiguity and ownership. B2+ English, comfortable collaborating across distributed, multicultural teams. Technical depth 5+ years in software or ML engineering, with production systems you were accountable for . Solid AI/ML foundations. You understand what the models do well enough to reason about failure modes. Shipped to production LLM applications and agentic workflows — not demos, not POCs, not notebooks. Agentic orchestration: multi-step workflows, graph-based orchestration, tool use, state management, and recovery from partial failure Experience with LLM APIs (Anthropic, AWS Bedrock, or OpenAI) and agent frameworks. Experience building and optimizing RAG systems in production. Strong engineering fundamentals. Full-stack mindset, comfortable across AI, backend development, and cloud infrastructure. Python and/or TypeScript proficiency; depth matters more than stack. Dropped into an unfamiliar codebase, you're productive. Hands-on AWS in production: Bedrock, Bedrock AgentCore, Lambda, ECS, S3, SQS, ECR, or similar. GCP or Azure is a plus. Cloud-native delivery: containers, ECS or Kubernetes, IaC, and CI/CD applied to AI pipelines. You evaluate. You have built or owned an eval suite for a non-deterministic system, and you can explain what you measured, how you produced ground truth, and what gated a release. Model and agent monitoring, drift detection. Cost and latency discipline: model tiering, caching, and the ability to say what a workload costs to run before it runs. Hands-on production experience with the Claude ecosystem —  Claude Code, CLAUDE.md, hooks, skills files.  Spec-driven development — writing the intent, constraints, and acceptance criteria before you let an agent build — is a strong plus. MCP: you can say why an agent would prefer it to a REST integration. Having authored a server is a plus. Responsibilities: Work in a pair with an FDE and an FDX. Build and ship production GenAI systems into the customer’s environment (cloud-native data, LLM-based, and agentic AI solutions). Build and optimize RAG systems for production use cases Build the evaluation harness before you build the feature. Write production code across the stack — AI, backend services, data pipelines. We choose tools to fit the customer. Integrate AI components into backend services and RESTful APIs Take systems to production on AWS (GCP or Azure where the customer requires it): containerised, CI/CD. Implement LLMOps and AgentOps practices: agent tracing, prompt and version management, cost and latency monitoring, regression testing, drift detection Start from the blueprint, contribute to enablement and handover: clear documentation, runbooks, and pairing with the client engineers who will inherit the system. Feed reusable components and lessons back into the Provectus Blueprints Participate in technical discussions and architectural decisions Conduct model evaluation, improve failure modes you find, optimize model performance, efficiency, and reliability Mentor junior and mid-level AI engineers, conduct code reviews and share knowledge across the team through documentation, presentations, and workshops. Nice to Have: Experience in one of the industries: financial services, insurance, healthcare. Consulting, professional services, or other embedded customer-facing delivery. AWS and Claude Code Certifications A2A: you can explain agent-to-agent interoperability CI/CD pipeline experience (GitHub Actions, GitLab CI) Practical experience with one or more use cases from the following: NLP, LLMs, and Recommendation engines. Experience in an additional language (Go, TypeScript, or Rust). Experience with Apache Spark, Apache Airflow, Kafkа What We Offer: The chance to shape how leading enterprises across LATAM, Europe, and North America adopt AI, from strategy through first deployment A forward-deployed model working in small, senior teams alongside FDE and FDX A growing AI delivery practice where you help build the tooling and frameworks, not just use them Remote-friendly culture Internal training programs with full support for Claude, AWS, and other professional certifications, conference attendance Career growth; we actively develop our engineers Access to the latest AI tools and premium subscriptions Long-term B2B collaboration Private medical insurance or a budget for your medical needs Paid sick leave, vacation, and public holidays Equipment and all the tech you need for comfortable, productive work How we hire:   Intro conversation. The role, your background and aspirations, tech questions. Technical interview with live engineering sessions. Real problems, your own editor, you may use an LLM assistant  HR Interview. Soft skills and expectations HM interview. Tech questions; a live engine

Задачи: - Разрабатывать бэкенд LLM-агента для автоматизации поддержки - Учиться строить LLM-продукты и участвовать в формировании платформы для их развития - Следить за надежностью и качеством решений — агент будет работать под нагрузкой и решать проблемы миллионов пользователей - Решать задачи на стыке с Data Science, собирать легкие прототипы новых фич для проверки на пользователях - Следить за надежностью и качеством решений — внутренние инструменты работают с теми же гарантиями, что и внешние: мониторинг, алертинг, SLA Требования: - Опыт разработки на Python с использованием FastAPI, Pydantic, LangChain, LangGraph, LangFuse, punq - Опыт разработки распределенных систем: Kafka, PostgreSQL, Redis, Elastic - Опыт разработки сложных распределенных систем - Способность быстро выполнять задачи без критических ошибок - Приветствуется опыт работы с ML-продуктами и интерес к ML, NLP, LLM