Загружаем вакансии…
• Проектировать и разрабатывать AI-агентов; • Разрабатывать и оптимизировать промпты, учить агентов взаимодействовать с продуктами компании;
Зарплата не указана
You'll lead the team that builds the intelligence every ZoomInfo AI agent reasons over — what's true about companies and the people in them, how they relate, and what they're buying. You'll set the technical bar for a team of senior engineers while staying close to the code, shipping alongside the people you lead.
233 100 – 366 300 $
• Улучшать базовую самостоятельность модели. Продумывать решения, методы оценки и ревардинга модели, подходы к агентности и интеграции с сервисами, улучшать качество ответов как таковое.
Зарплата не указана
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
👉🏻 Вести AI-проєкти від збору вимог до запуску готового рішення. 👉🏻 Аналізувати бізнес-потреби та знаходити можливості для автоматизації.
Зарплата не указана
We are looking for a Middle / Strong Middle NLP / LLM Engineer to develop production AI solutions across RAG, LLM applications, AI assistants, document processing and multilingual NLP, working closely with senior engineers. -Develop and improve RAG applications: chunking, embeddings, retrieval and reranking.
Зарплата не указана
Зарплата не указана
Зарплата не указана
В рамках данной позиции предстоит заниматься проектированием и разработкой AI-агентов, включая реализацию сценариев, оркестрацию, вызов инструментов и интеграцию с внутренними сервисами. Необходимо преобразовывать прототипы и модели Data Science в стабильные промышленные решения, обеспечивая их упаковку, интеграцию в сервисы и пайплайны, версионирование и сопровождение. Работа включает разработку на Python сервисов, библиотек и пайплайнов, написание автотестов и участие в код-ревью. Также требуется проектировать, создавать и поддерживать витрины данных для ML-моделей и агентов, обрабатывать большие объемы данных с использованием SQL, Hadoop и Spark, оптимизировать запросы и вычислительные задачи. Важной частью является обеспечение качества и наблюдаемости решений через логирование, мониторинг, обработку ошибок и контроль качества данных. Кандидат должен иметь опыт промышленной разработки на Python не менее двух лет, уметь писать поддерживаемый код с типизацией, тестированием, обработкой ошибок и логированием, а также уверенно владеть SQL, включая сложные запросы, оконные функции и оптимизацию. Требуется опыт построения и сопровождения ETL/ELT-пайплайнов и витрин данных, а также опыт вывода сервисов, моделей или data-продуктов в промышленную эксплуатацию. Необходимо понимание принципов работы AI-агентов, включая оркестрацию, вызов инструментов, управление состоянием и интеграцию с API, а также жизненного цикла ML-модели от артефакта и данных до инференса, мониторинга и обновления. Будет преимуществом опыт разработки AI-агентов с использованием LangGraph, LangChain, LlamaIndex или собственного оркестратора, а также опыт работы с LLM, RAG и векторными хранилищами. Дополнительным плюсом считается опыт оркестрации пайплайнов в Airflow или аналогичных системах, работы с Kafka и событийными архитектурами, знание Docker, CI/CD и Kubernetes, практический опыт с Hadoop и Spark, внедрение ML- или LLM-сервисов во внутреннем контуре, а также опыт в банковском домене, продуктах для юридических лиц или документообороте. Формат работы — офис или гибрид в Москве.
Зарплата не указана
Задачи: — проектирование и реализация единой корпоративной агентной платформы, предоставляющей пользователю единую точку взаимодействия с информационными системами и бизнес-процессами; — разработка главного агента-оркестратора, специализированных агентов, реестра инструментов; — управление контекстом и состоянием, межагентное взаимодействие; — интеграция с корпоративными системами; — обеспечение безопасности, наблюдаемости, тестирование качества и отказоустойчивости; — hands-on участие в разработке. Требования: — от 3 лет коммерческой backend-разработки; — опыт технического проектирования распределённых систем; — практический опыт работы с LLM и агентными системами; — желательно наличие хотя бы одного агентного или LLM-продукта, доведённого до пилотной либо промышленной эксплуатации; — опыт технического лидерства или владения архитектурой крупного модуля; — умение работать в условиях неполных требований и формировать целевую архитектуру; — способность общаться с разработчиками и владельцами бизнес-процессов; — практический опыт разработки LLM-агентов и agentic workflows; — понимание различий между агентом, инструментом, workflow, multi-agent системой и чат-ботом; — опыт реализации supervisor/orchestrator-архитектуры; — планирование и декомпозиция сложных пользовательских задач; — выбор специализированного агента или инструмента; — реализация взаимодействия между агентами, параллельное выполнение независимых задач; — управление состоянием долгоживущих сценариев, работа с краткосрочной и долгосрочной памятью; — контроль циклов, timeout, retry и fallback; — разрешение конфликтующих результатов нескольких агентов; — реализация human-in-the-loop и запрос подтверждения перед критичными действиями; — защита от бесконтрольного поведения агентов; — межагентское взаимодействие: типизированные сообщения, контракты задач и результатов, делегирование задач, общий и изолированный контекст агентов, очереди и приоритеты задач, синхронное и асинхронное взаимодействие, передача управления, трассировка цепочки выполнения, предотвращение зацикливания, повторное выполнение и идемпотентность, обработка частичной недоступности агентов и инструментов; — сильное знание Python, async/await и конкурентное выполнение; — опыт работы с FastAPI, Pydantic, pytest; — проектирование API и типизированных контрактов; — модульная и гексагональная архитектура; — интеграция нового функционала в существующие системы; — опыт работы с REST, gRPC, WebSocket или Server-Sent Events; — работа с очередями сообщений и фоновыми задачами; — опыт работы с долгоживущими и асинхронными процессами; — понимание микросервисной архитектуры и модульных монолитов; — умение проектировать систему без жёсткой зависимости от конкретной LLM или фреймворка. Условия: — комфортный современный офис в Москве, ул. Вавилова 19; — офисный формат работы на период испытательного срока, после возможен гибрид; — ежегодный пересмотр зарплаты, структура дохода: оклад + годовая премия; — корпоративный спортзал и зоны отдыха; — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития; — программа адаптации и помощь руководителя на старте (для Junior позиций); — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа; — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ; — подписка Прайм с возможностью совместного использования на трёх близких; — вознаграждение за рекомендацию друзей в команду Сбера.
Зарплата не указана
Зарплата не указана
Компания "Урал Логистика" приглашает AI-инженера для участия в создании собственной системы обработки документов и данных для грузовых железнодорожных перевозок и связанных услуг. Задачи: — Проектировать и разрабатывать конвейер обработки документов: загрузку, нормализацию, сегментацию, определение структуры и подготовку контекста — Извлекать структурированные данные из договоров, приложений, дополнительных соглашений, актов и других связанных документов — Работать с длинным контекстом, таблицами, пересекающимися формулировками и изменениями условий во времени — Обеспечивать атрибуцию результата к документу, странице и исходному фрагменту — Строить гибридный поиск: полнотекстовый и векторный retrieval, фильтрацию, реранкинг и сбор контекста — Развивать графовое представление документов, сущностей и связей для поисковых и аналитических сценариев — Проектировать агентные и workflow-сценарии: управление состоянием, инструментальные вызовы, повторы, fallback-механизмы и обработку отказов — Создавать эталонные наборы, метрики по полям и регрессионные тесты для оценки извлечения, поиска и генерации — чтобы при смене модели, промпта или retrieval-стратегии было видно, что улучшилось, а что деградировало — Разрабатывать Python-сервисы, API, фоновые задачи и интеграции с внутренними источниками — Участвовать в выборе моделей, постановке экспериментов, fine-tuning и оптимизации локального inference Требования: — Уверенная промышленная разработка на Python уровня middle+ и выше — Опыт с FastAPI или аналогичным фреймворком, асинхронным исполнением, очередями и фоновой обработкой — PostgreSQL и SQL на рабочем уровне — Практический опыт вывода LLM-решений в production — Понимание RAG, structured output, tool calling и многошаговых модельных сценариев — Умение измерять качество: строить эталонные наборы, выбирать метрики, классифицировать ошибки и проводить регрессионное тестирование — Опыт с Docker, Kubernetes и CI/CD — Готовность доводить вертикальную задачу от спецификации и эксперимента до эксплуатации Условия: — Полная занятость и возможность трудоустройства через российское юридическое лицо в штат или через согласованную аутстафф-модель — Основной формат — офис или гибрид — Для самостоятельных специалистов возможна распределённая работа из России Итоговый грейд и масштаб ответственности определяются по результатам собеседования.
Зарплата не указана
Задачи: — разработка и внедрение LLM моделей для решения NLU задач бизнеса (SFT, RAG (Retrieval Augmented Generation), Agents, Summarization, Text Ranking, Text Matching, Language Modeling) — дообучение LLM моделей — разработка подходов и процессов разметки данных для оценки качества работы LLM — формирование и работа с ML пайплайнами: работа с данными, обучение/дообучение NLP моделей, оценка качества решений, поддержка/автоматизация решений — оптимизация работы моделей для промышленного контура на CPU/GPU — работа с командой бизнес-представителей, DS-разработчиками — организация проверки и генерация гипотез для решения технических и бизнес-задач. Требования: — опыт разработки на python, numpy, sklearn, pandas + библиотеки обработки текстовых данных — опыт работы с Pytorch для построения DL текстовых моделей — опыт работы с библиотеками LangChain/LangGraph — опыт практической работы с LLM через API — отличные теоретические знания классического и нейросетевого NLP, в тч LLM — опыт дообучения классических трансформеров и LLM — практический опыт, эксперименты, внедрение в ПРОД LLM решений — опыт prompt-engineering Будет плюсом: — работа с инструментами Hadoop (HDFS, Hive), Spark — опыт постановки и проведения a/b тестов — опыт работы с распределенным обучением, глубокое знание GPU архитектуры. Условия: — комфортный современный офис рядом с м. Кутузовская — возможен гибридный формат работы — ежегодный пересмотр зарплаты, квартальная и годовая премия — корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.
Зарплата не указана