Задачи:
— Проектировать и развивать LLM/AI-системы и AI-агентов;
— Строить многошаговые agentic workflows: routing, tool calling, state management;
— Работать с Prompt Engineering и Context Engineering;
— Управлять контекстом, памятью и состоянием диалога;
— Реализовывать structured output и function/tool calling;
— Строить RAG-пайплайны: chunking, embeddings, retrieval, reranking;
— Интегрировать LLM с API, базами данных и внутренними сервисами;
— Разрабатывать backend-сервисы на Go и AI-компоненты на Python;
— Исследовать новые модели и подходы, быстро проверять гипотезы;
— Выбирать модели с учетом качества, latency и стоимости;
— Строить систему оценки качества: evals, regression tests, golden datasets, LLM-as-a-judge;
— Анализировать логи и traces, улучшать качество и стабильность агентов;
— Реализовывать retries, fallbacks, timeouts и обработку ошибок;
— Доводить решения от прототипа до стабильного production.
Требования:
Go:
— production-сервисы;
— REST/gRPC API;
— concurrency;
— работа с БД;
— микросервисная архитектура.
Python:
— AI-сервисы и backend;
— async;
— API;
— обработка данных;
— быстрое прототипирование.
Также важно:
— Практический опыт разработки production-приложений с LLM;
— Понимание архитектуры современных AI-систем: prompt → context → tools → agent → state → evaluation;
— Опыт Prompt Engineering: system prompts, few-shot, prompt chaining, structured output;
— Опыт Context Engineering: memory, summarization, динамическая сборка контекста;
— Опыт создания AI-агентов и agentic workflows;
— Работа с LLM API и понимание особенностей разных моделей;
— Понимание RAG: embeddings, vector search, retrieval, reranking, hybrid search;
— Понимание evals, regression testing и анализа production-логов;
— Опыт с PostgreSQL, MongoDB, Redis, Docker, Git, CI/CD;
— Понимание production-подходов: observability, scalability, latency, retries, fallbacks и контроль стоимости.
Задачи:
— Решать технические проблемы клиентов от начала до конца (Helpdesk + Slack) в рамках SLA
— Проводить анализ корневых причин с использованием Grafana и Datadog (логи, метрики, трассировки)
— Создавать дашборды мониторинга и проактивные оповещения
— Писать скрипты на Python для автоматизации и массовых операций
— Активно использовать AI-инструменты (Claude, Cursor, ChatGPT) для ускорения устранения проблем
Требования:
— Опыт ежедневной работы с LLM и prompt engineering
— Практические навыки работы с Grafana и Datadog (создание дашбордов и оповещений)
— Скриптинг на Python и хорошее понимание распределённых систем
— Опыт 2+ года в TechOps/технической поддержке (приветствуется опыт в FinTech/Forex/Crypto)
— Отличное владение английским языком (C1+)
Условия:
— Удалённая работа (предпочтительно в часовом поясе GMT+5 - GMT+8)
— Командный язык — английский
работать с таргетами, полученными из анкет и интервью с помощью экспертной и LLM-разметки. подбирать постановку задачи в зависимости от объема и качества данных: supervised learning, weak supervision, few-shot и другие подходы.
We are looking for a Staff Compensation & Data Analyst (IC4) to serve as the subject matter expert at the intersection of quantitative analysis, compensation strategy, HR technology, and AI-assisted analytics.
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.
You'll own a strategic AI product area end-to-end: strategy, roadmap, discovery, delivery, and business outcomes. Working closely with Engineering, Clinical, and Operations teams, you'll shape AI behavior in production, run experiments, and improve product quality, safety, and reliability.
Задачи:
— контролировать качество AI-генераций и готовых роликов;
— давать обратную связь AI-артистам;
— разбирать ТЗ и планировать необходимые шоты;
— поддерживать консистентность персонажей, окружения и стиля;
— на старте самостоятельно создавать ролики полного цикла;
— разрабатывать и внедрять production-пайплайны;
— обучать команду;
— сокращать количество итераций и время производства.
Требования:
— глубокий практический опыт AI-video production;
— Kling, Seedance, Veo или аналогичные модели;
— генерация и редактирование изображений;
— prompt engineering;
— сильное монтажное мышление;
— Premiere Pro, DaVinci Resolve или аналог;
— понимание motion design и compositing;
— опыт управления или обучения команды.
ComfyUI, LoRA, open-source модели и создание воспроизводимых AI-workflows будут большим преимуществом.
Условия:
— полностью удалённая работа;
— full-time;
— оформление в штат;
— 1 200–1 500 € с перспективой роста;
— график 5/2 с гибким началом дня;
— 20 рабочих дней оплачиваемого отпуска;
— 3 оплачиваемых sick days.
Задачи Развитие платформы Работать над функционалом, стабильностью и производительностью. Развивать AI-функционал: LLM-based сценарии, tool calling, RAG, работу с контекстом, кэширование и другие механики.
💎 Сбор и документирование требований для e-learning платформы с 15M пользователей: написание user stories с критериями приёмки, gap- и конкурентный анализ, визуализация бизнес-процессов и UML-диаграммы, работа со стейкхолдерами на этапе пресейла, использование AI-инструментов в ежедневном workflow аналитика.
Задачи:
— Разработка и внедрение ML/NLP решений для реальных продуктовых задач.
— Работа с LLM: fine-tuning, prompt engineering, повышение качества ответов.
Требования:
— Опыт работы Data Scientist от 2 лет.
— Уверенный Python.
— Практический опыт с ML/NLP стеком (PyTorch, TensorFlow, Hugging Face).
Задачи:
— Разработка и внедрение ML/NLP решений для реальных продуктовых задач.
— Работа с LLM: fine-tuning, prompt engineering, повышение качества ответов.
Требования:
— Опыт работы Data Scientist от 2 лет.
— Уверенный Python.
— Практический опыт с ML/NLP стеком (PyTorch, TensorFlow, Hugging Face).
Задачи:
— Руководить проектированием и развитием масштабируемых распределённых систем на Go
— Отвечать за интеграцию и конфигурацию AI — от выбора моделей и интеграции API до prompt engineering и развертывания в продакшене
— Переводить бизнес-цели в технические дорожные карты и планы поставки
— Проводить архитектурные и код-ревью, наставлять старших инженеров
— Представлять инженерную команду на встречах с внешними заинтересованными сторонами и оспаривать нереалистичные требования
— Улучшать процессы CI/CD, наблюдаемости и инженерные процессы
— Балансировать между кодированием, руководством командой и архитектурным контролем
Требования:
— 5–6+ лет коммерческого опыта с Go
— 2+ года в роли технического лидера или ведущего инженера
— Глубокие знания распределённых систем, микросервисов и конкурентности в Go (goroutines, каналы, синхронизация)
— Практический опыт внедрения, настройки или интеграции AI/ML решений в продакшн-бэкендах, включая работу с LLM, RAG pipeline, OpenAI API, LangChain или аналогичными фреймворками
— Опыт с CI/CD, облачной инфраструктурой и современными DevOps практиками
— Высшее образование в IT
— Готовность работать по CEST и использовать корпоративный ноутбук
— Готовность выполнить live coding на Go во время интервью
Условия:
— Работа над долгосрочным продуктом с реальным бизнес-эффектом
— Международная распределённая команда с коллаборативной культурой
— Возможность взять ответственность за зрелое приложение
— Гибкие условия работы и удалёнка
Задачи:
— Развивать платформу: работать над функционалом, стабильностью и производительностью;
— Развивать AI-функционал: LLM-based сценарии, tool calling, RAG, работу с контекстом, кэширование и другие механики;
— Разбираться со сложными production-инцидентами и устранять причины проблем;
— Превращать пожелания клиента в дорожную карту запуска;
— Проектировать архитектуру интеграции Sance.AI с инфраструктурой клиента;
— Отвечать за техническую часть сложных клиентских запусков от discovery до production;
— Менторить junior/middle-разработчиков, помогать с декомпозицией задач, архитектурой и сложными техническими вопросами;
— Проводить code review и повышать качество решений команды.
Требования:
— Опыт от 4 лет в разработке, желательно с production-опытом в AI/LLM-продуктах;
— Уверенные знания Python и backend: asyncio, очереди, кеширование, конкурентность;
— Практический опыт создания production-функционала на базе LLM, а не только использование ChatGPT;
— Опыт с OpenAI API или другими LLM API, prompt engineering, tool calling, RAG, caching, context management;
— Опыт с embeddings, vector search, agentic workflows, тестированием и evals;
— Понимание production-проблем: latency, стоимость, rate limits, hallucinations, retries, observability;
— Уверенная работа с REST API сторонних сервисов, webhooks и внешними сервисами;
— Опыт интеграций с CRM, особенно amoCRM и/или Bitrix24;
— Самостоятельность и ownership: умение довести размытую бизнес-задачу до работающего production-решения, видеть системные проблемы и помогать команде расти.
Будет плюсом:
— Опыт B2B/Enterprise-внедрений, highload и event-driven систем;
— Собственные AI-проекты и опыт работы в стартапах.
Условия:
— Работа в быстрорастущем AI-стартапе, влияние на продукт, архитектуру и процессы;
— Разнообразные задачи, крупные клиенты и короткий путь от идеи до production;
— Быстрый карьерный рост.
Обязанности:
• Разработка и внедрение ML/NLP решений для реальных продуктовых задач.
• Работа с LLM: fine-tuning, prompt engineering, повышение качества ответов.
Требования:
• Опыт работы Data Scientist от 2 лет.
• Уверенный Python.
• Практический опыт с ML/NLP стеком (PyTorch, TensorFlow, Hugging Face).