About Delinea:
Delinea is a pioneer in securing human and machine identities through intelligent, centralized authorization, empowering organizations to seamlessly govern their interactions across the modern enterprise. Leveraging AI-powered intelligence, Delinea’s leading cloud-native Identity Security Platform applies context throughout the entire identity lifecycle – across cloud and traditional infrastructure, data, SaaS applications, and AI. It is the only platform that enables you to discover all identities – including workforce, IT administrator, developers, and machines – assign appropriate access levels, detect irregularities, and respond to threats in real-time. With deployment in weeks, not months, 90% fewer resources to manage than the nearest competitor, and a 99.995% uptime, Delinea delivers robust security and operational efficiency without compromise.
What You Will Own:
— Price and packaging architecture across the portfolio: tiering, licensing metrics, add-on structure, bundling.
— Proposal quality into the monthly Price Committee: analysis, financial model, recommendation, and action register through to closure.
— Discount governance, including band policy and guardrails.
— Monetization for new categories: NHI governance, AI agent identity, StrongDM, consumption-based licensing.
— Commercial readiness at launch, ensuring packaging and pricing ship with the product.
— The single source of truth for pricing, packaging and quoting guidance, partnering with Product Marketing on seller enablement.
— Price realization, attach rate and competitive position, informed by competitor pricing, market benchmarks and win/loss data.
What We Are Looking For:
— 12+ years across pricing strategy, monetization, product management or product marketing, including 5+ years owning pricing as a named function.
— Experience building a monetization function where none existed: cadence, governance, documentation, analytical bench.
— Experience preparing and defending recommendations to a formal pricing committee or equivalent decision body.
— Demonstrated design of tiered packaging for enterprise software, strong financial modeling (pricing impact, ARR and expansion, discount optimization).
— Credibility with executive peers, holding a position on pricing under pressure without direct authority over sales or finance.
Strongly preferred:
— Cybersecurity or identity security (PAM, IAM, SIEM, endpoint); exposure to NHI, machine identity or secrets management.
— Consumption-, usage-, or outcome-based pricing models alongside seat-based subscription.
— Working knowledge of CPQ (Salesforce CPQ, Apttus); pricing through M&A integration or a major commercial model transition. MBA a plus.
Why Now:
Pricing at Delinea has been carried by people doing it well alongside a full portfolio, and the surface area keeps growing. The opportunity is to make monetization a professional discipline, with a decision forum that already works. This role is built for owning monetization end-to-end rather than managing an approval queue.
Why work at Delinea?
— Meaningful work, a culture of innovation and great career progression.
— Core values: Spirited, Trust, Respect, Ownership, Nimble, Global.
— Competitive salaries, meaningful bonus program, excellent benefits including healthcare insurance, pension/retirement matching, life insurance, employee assistance program, time off plans, and paid company holidays.
Delinea is an Equal Opportunity and Affirmative Action employer prohibiting discrimination and harassment of any type.
Candidates are required to complete comprehensive criminal background check, verification of education, and employment, and social media sites may be reviewed upon conditional offer of employment.
About LawnStarter
LawnStarter is the nation's leading on-demand marketplace for lawn care and outdoor services, with over $100M in annual bookings. The company is expanding beyond lawn care to become a one-stop shop for all home services, operating across three brands (LawnStarter, Lawn Love, Home Gnome) on a single shared platform.
About Analytics at LawnStarter
The analytics team supports the entire company including product, marketing, operations, and finance. The data platform includes a centralized Redshift data warehouse, modeled in dbt and orchestrated by Airflow, with Segment feeding event data. The team is mid-migration to Lightdash as the single BI platform, replacing Tableau and Metabase. Currently, data quality, tracking standards, and platform hygiene are side tasks handled by analysts.
The Role
The Analytics Engineering Manager will be the first dedicated person for data governance, responsible for data trustworthiness and the roadmap to improve it quarterly. Responsibilities include ensuring quality and freshness of source data, pipelines, reports, metric definitions, Segment event tracking standards, Lightdash workspace health, data feeding ML models, and data security. The role involves collaborating with product, marketing, ops, and finance to prioritize platform work. It is a hands-on role starting solo, building automation, checks, fixing issues, and establishing scalable processes. Eventually, the manager will hire a Lead Analytics Engineer and grow the function as needed.
Key differentiators of the role:
- First dedicated governance role, reshaping existing standards.
- Owns the data roadmap, discovering business needs and prioritizing work.
- Whole-stack ownership from source data to ML models.
- Leading the migration to Lightdash, setting up permissions and norms.
Responsibilities:
- Develop and manage the data roadmap balancing business needs and platform health.
- Automate monitoring of data quality and freshness, resolve incidents.
- Maintain data lineage and impact analysis to assess downstream effects of changes.
- Administer Lightdash workspace, permissions, and rollout.
- Extend and guard the semantic layer with governed metric definitions.
- Govern Segment event tracking catalog, standards, and drift detection.
- Ensure AI data readiness for internal AI tools querying the warehouse.
- Manage data security, privacy, access controls, and compliance with US state laws.
- Maintain governance documentation, ownership models, and review processes.
Challenges to solve:
- Convert business requests into a prioritized data roadmap.
- Ensure Lightdash migration improves platform usability without dashboard sprawl.
- Complete and maintain a trustworthy semantic layer.
- Manage event-tracking standards and prevent entropy.
- Proactively detect and prevent data pipeline breakages with automation and lineage.
Success metrics for year 1:
- Zero pipeline incidents from unannounced data changes.
- Zero freshness incidents; stakeholders never see stale dashboards.
- All business areas use official, well-maintained metrics and dashboards.
- Every Segment event has an owner and meets standards.
- Governance operates as a documented, sustainable system.
Requirements:
- Passion for data governance as a craft.
- Daily use of AI tools for automation, anomaly triage, and documentation.
- Hands-on manager who codes, debugs, and configures personally.
- Product-minded, able to translate vague requests into prioritized plans.
- Automation-first approach to quality checks.
- Ability to enforce standards with clear rules and good tooling.
Role exclusions:
- Not a large-team leadership role; starts solo with potential to hire one lead.
- Not a policy or committee role; hands-on fixing with code and conversations.
- Not a BI analyst role; focuses on platform and guardrails, not dashboard building.
- Not a mature system babysitting role; involves building and evolving the platform.
Technologies involved:
- Warehouse & pipelines: Redshift, dbt, Airflow
- Ingestion: Fivetran, custom Airflow pipelines
- Event tracking: Segment
- BI tools: Lightdash (primary), Tableau and Metabase (sunsetting)
- AI tooling: Claude Code, Codex, Brain (internal AI toolkit)
- Observability: AI-powered Analytics Engineer agent for monitoring and anomaly detection
Benefits:
- Base salary $75k-$120k/year
- Fully remote with asynchronous collaboration
- Flexible PTO
Equal employment opportunity statement included.
Задачи:
— Проводить security review AI/LLM-решений: LLM-приложений, AI-агентов, RAG, векторных БД, интеграций с внешними API и облачными LLM;
— Участвовать в threat modeling AI-решений: prompt injection, jailbreak, утечки данных, небезопасные tool calls, избыточные привилегии AI-агента, RAG/data poisoning;
— Проверять наличие и корректность защитных механизмов: guardrails, фильтры персональных данных, ограничения длины prompt/response, rate limiting, валидация ответов, контроль вызовов tools;
— Оценивать безопасность работы с данными: персональные данные, конфиденциальная информация, источники данных для RAG, embeddings, индексы векторных БД;
— Проверять, что AI-агенты работают по принципу минимально необходимых привилегий и не выполняют чувствительные операции без ручного подтверждения;
— Проверять изоляцию пользовательских сессий, контекстов и памяти AI-решений;
— Участвовать в проверке безопасности локального запуска LLM в Kubernetes: контейнеры, RBAC, secrets, network policies, ingress, resource limits;
— Формировать требования к логированию, аудиту и трассировке AI-решений: trace ID, логи prompt/response, вызовы модели, вызовы tools, действия AI-агента;
— Разрабатывать тестовые сценарии для проверки AI-решений на prompt injection, утечки данных, обход ограничений и небезопасное поведение агента;
— Помогать командам разработки и эксплуатации безопасно использовать локальные и облачные LLM.
Требования:
— Опыт в кибербезопасности от 2–3 лет в одной или нескольких областях: Application Security, DevSecOps, Cloud Security, Kubernetes Security, API Security, Product Security;
— Понимание принципов security review, threat modeling и безопасной разработки;
— Понимание web/API-безопасности: аутентификация, авторизация, OAuth2/OIDC, SAML, JWT, RBAC, service-to-service-взаимодействие;
— Базовое понимание AI/LLM-стека: LLM, prompt, system prompt, context window, embeddings, RAG, vector database, AI-agent, agent memory, tools/function calling;
— Понимание основных рисков LLM-приложений: prompt injection, indirect prompt injection, jailbreak, утечка чувствительных данных, раскрытие system prompt, небезопасная обработка ответа модели, excessive agency;
— Понимание особенностей безопасности RAG и векторных БД: например, Milvus, Qdrant, Weaviate, pgvector, Chroma, Elasticsearch/OpenSearch vector search;
— Понимание рисков работы с персональными и конфиденциальными данными при использовании локальных и облачных LLM;
— Базовое понимание Kubernetes и контейнерной безопасности: secrets, service account, RBAC, network policy, resource limits;
— Умение формулировать понятные и проверяемые требования безопасности для продуктовых команд.
Что мы ищем в кандидатах:
— Опыт security review AI/LLM, RAG, чат-ботов, AI-ассистентов или агентских решений;
— Знакомство с OWASP Top 10 for LLM Applications, OWASP Agentic AI Threats, MITRE ATLAS, NIST AI RMF;
— Понимание безопасности agent tools/function calling: allowlist tools, схемы входных параметров, контроль прав, human-in-the-loop;
— Опыт работы с SIEM/security logging: проектирование событий безопасности, аудит действий, расследование инцидентов;
— Понимание подходов к безопасному исполнению кода, сгенерированного моделью: sandbox, изоляция контейнеров, запрет доступа к secrets, ограничения сети и ресурсов;
— Базовые навыки Python, работы с JSON/YAML, API-тестирования или автоматизации security checks.
Будет плюсом:
— Опыт с OpenAI/Azure OpenAI, AWS Bedrock, Google Vertex AI, Anthropic или другими LLM-провайдерами;
— Опыт с локальными open-source LLM и inference-сервисами;
— Опыт настройки или проверки guardrails, фильтров персональных данных, DLP-подходов, content moderation;
— Опыт участия в AI red teaming или разработке тестов на prompt injection и data leakage.
Условия:
— Формат: Гибридный (от 2-х дней в неделю, м. Технопарк);
— Бесплатный доступ к телемедицине и очным приемам в частных клиниках (включая стоматологию и сессии с психологами);
— Условия ипотечного кредитования от Сбербанка;
— Индивидуальный план развития;
— Английский язык с корпоративным преподавателем и скидки на курсы в Skyeng, компенсация обучения от ведущих платформ;
— Официальное оформление, стабильные выплаты, оплата больничного и отпуска, современная техника;
— Частичная компенсация спортивного абонемента, бесплатные занятия сквошем и футболом.
О проекте: Международный проект в области AI Security, связанный с разработкой сред, которые помогают LLM-моделям проходить обучение с подкреплением для задач, связанных с кибербезопасностью. Эти среды содержат задания в различных областях кибербезопасности (пентестинг, реагирование на инциденты, эксплуатация, вредоносное ПО и т.д.), цель — создавать достаточно сложные задачи, чтобы модель допускала ошибки, но которые остаются решаемыми для профессиональных специалистов. Это не классическая позиция Pentester или Red Team Engineer. Основная задача — создавать сложные, но реалистичные и проверяемые security-сценарии, в которых LLM-модели совершают ошибки из-за недостатков в рассуждении (reasoning), а не из-за неоднозначных инструкций или ограничений среды.
Задачи:
— Проектировать security-сценарии для оценки и обучения LLM-моделей
— Создавать environments с использованием GitHub, Slack и других инструментов, встречающихся в реальной разработке
— Разрабатывать задачи, требующие сложного многошагового reasoning
— Моделировать реальные offensive security-сценарии (supply chain attacks, malicious pull requests, exploitation через GitHub Actions и другие техники)
— Проверять сценарии на нескольких frontier-моделях и анализировать причины ошибок
— Формулировать ожидаемое поведение модели и описывать, почему ошибка считается reasoning failure
— Автоматизировать создание и проверку задач с использованием Python и других инструментов
Требования:
— 5+ лет практического опыта в Offensive Security, Application Security или Web Penetration Testing
— Глубокое понимание современных техник атак и поверхности атаки веб-приложений, API, GitHub, CI/CD и связанных экосистем
— Практический опыт penetration testing и исследования безопасности приложений
— Опыт разработки на Python и/или JavaScript
— Навыки статического и динамического анализа кода (Python, JavaScript, Java)
— Умение самостоятельно исследовать новые направления, проектировать сложные сценарии и объяснять результаты
— Свободный английский язык (Upper-Intermediate / B2+)
— Практический опыт работы с современными LLM-моделями
— Понимание особенностей работы LLM, ограничений и типичных failure modes
— Интерес к AI Security и исследованию поведения LLM
Будет плюсом:
— Практический опыт AI Red Teaming или LLM Security
— Опыт работы с Agentic AI, AI Agents или Model Evaluation
— Опыт исследований безопасности GitHub Actions, CI/CD, Supply Chain Security
— Сертификаты OSWE, eWPTXv2, OWEE, OSWA или аналогичные
— Публикации, write-ups, участие в Bug Bounty, HackTheBox, TryHackMe, Pwn2Own или других проектах
Условия:
— B2B-контракт (с ИП)
— Оплата в долларах США
— Part-time: ориентировочно 5–20 часов в неделю
— Минимальный объем — 1–2 задачи в неделю
— На выполнение одной задачи обычно требуется 5–10 часов
— Локация — строго вне РФ (либо уже за пределами РФ, либо готовность к релокации)
— Старт — ASAP
О проекте: Международный проект в области AI Security, связанный с разработкой сред, которые помогают LLM-моделям проходить обучение с подкреплением для задач, связанных с кибербезопасностью. Эти среды содержат задания в различных областях кибербезопасности (пентестинг, реагирование на инциденты, эксплуатация, вредоносное ПО и т.д.), цель — создавать достаточно сложные задачи, чтобы модель допускала ошибки, но которые остаются решаемыми для профессиональных специалистов. Это не классическая позиция Pentester или Red Team Engineer. Основная задача — создавать сложные, но реалистичные и проверяемые security-сценарии, в которых LLM-модели совершают ошибки из-за недостатков в рассуждении (reasoning), а не из-за неоднозначных инструкций или ограничений среды.
Задачи:
— Проектировать security-сценарии для оценки и обучения LLM-моделей
— Создавать environments с использованием GitHub, Slack и других инструментов, встречающихся в реальной разработке
— Разрабатывать задачи, требующие сложного многошагового reasoning
— Моделировать реальные offensive security-сценарии (supply chain attacks, malicious pull requests, exploitation через GitHub Actions и другие техники)
— Проверять сценарии на нескольких frontier-моделях и анализировать причины ошибок
— Формулировать ожидаемое поведение модели и описывать, почему ошибка считается reasoning failure
— Автоматизировать создание и проверку задач с использованием Python и других инструментов
Требования:
— 5+ лет практического опыта в Offensive Security, Application Security или Web Penetration Testing
— Глубокое понимание современных техник атак и поверхности атаки веб-приложений, API, GitHub, CI/CD и связанных экосистем
— Практический опыт penetration testing и исследования безопасности приложений
— Опыт разработки на Python и/или JavaScript
— Навыки статического и динамического анализа кода (Python, JavaScript, Java)
— Умение самостоятельно исследовать новые направления, проектировать сложные сценарии и объяснять результаты
— Свободный английский язык (Upper-Intermediate / B2+)
— Практический опыт работы с современными LLM-моделями
— Понимание особенностей работы LLM, ограничений и типичных failure modes
— Интерес к AI Security и исследованию поведения LLM
Будет плюсом:
— Практический опыт AI Red Teaming или LLM Security
— Опыт работы с Agentic AI, AI Agents или Model Evaluation
— Опыт исследований безопасности GitHub Actions, CI/CD, Supply Chain Security
— Сертификаты OSWE, eWPTXv2, OWEE, OSWA или аналогичные
— Публикации, write-ups, участие в Bug Bounty, HackTheBox, TryHackMe, Pwn2Own или других проектах
Условия:
— B2B-контракт (с ИП)
— Оплата в долларах США
— Part-time: ориентировочно 5–20 часов в неделю
— Минимальный объем — 1–2 задачи в неделю
— На выполнение одной задачи обычно требуется 5–10 часов
— Локация — строго вне РФ (либо уже за пределами РФ, либо готовность к релокации)
— Старт — ASAP
Typeform is a form builder helping over 150,000 businesses collect data with forms, surveys, and quizzes. The company is fully remote and hires candidates based in the UK, Ireland, Germany, Portugal, or The Netherlands.
Product Operations is central to how Product and R&D teams work, creating systems and practices to focus on solving the right problems and delivering products. AI is increasingly important, with teams experimenting with tools like Glean and Claude, automations, agents, and AI usage throughout product development.
The role of AI Product Operations Lead involves building and operating internal AI Operations capability for R&D. It requires turning ambiguous opportunities into reliable solutions by identifying high-value AI problems, understanding workflows, designing solutions, building or coordinating delivery, and being accountable for performance after launch.
Responsibilities include:
— Building and improving a backlog of AI opportunities across R&D, prioritizing impactful AI jobs.
— Taking ambiguous problems from discovery to delivery: understanding users and workflows, exploring options, designing systems, implementing, testing, documenting, launching, measuring, and improving.
— Designing simple AI-native solutions fitting naturally into workflows, deciding when prompts, automations, integrations, agents, databases, or custom apps are appropriate.
— Helping R&D get value from enterprise AI tools like Glean and Claude, partnering with IT and InfoSec on access, configuration, connectors, enablement, and support.
— Owning the lifecycle of AI systems including automations, skills, agents, and internal web apps.
— Establishing evaluation, testing, reliability, observability, security, and maintenance practices, improving systems over time.
— Partnering across R&D to uncover needs, unblock delivery, clarify ownership, and involve experts.
— Running and evolving R&D AI governance and enablement practices, providing leaders visibility into work, risks, adoption, and outcomes.
— Participating in broader AI governance efforts as an R&D contributor.
— Working with Finance and partners to improve visibility into AI tool usage, spend, and value to inform investments.
— Exploring and supporting autonomous agents to improve planning, discovery, design, build, evaluation, and management across product development.
Requirements:
— Strong practical experience applying AI to real-world problems, building usable solutions.
— Proven track record taking ambiguous problems from discovery through implementation, testing, adoption, and improvement.
— Excellent systems thinking to understand people, processes, tools, data flows, integrations, permissions, and constraints, making trade-offs.
— Strong user and workflow discovery skills to understand real jobs and simplify solutions.
— Hands-on technical fluency building, modifying, troubleshooting internal workflows, automations, agents, or apps.
— Practical experience with modern development tools like GitHub, repositories, pull requests, application hosting, deployment, logging, and troubleshooting.
— Ability to manage work independently: prioritizing backlog, handling dependencies and risks, documenting decisions, communicating with stakeholders.
— Strong approach to evaluation and reliability, defining "good", testing, collecting feedback, and improving live systems.
— Ability to work effectively across technical and non-technical teams, asking questions, challenging assumptions, seeking expert input, and progressing without close supervision.
— Good judgment on responsible AI, security, access, governance, and knowing when to involve partners.
The role reports to VP of Product Operations and collaborates with Product, Engineering, Design, Research, Data Science, IT, InfoSec, and AI practitioners across Typeform.
Требуется специалист на позицию Senior AI/ML Engineer.
Требуемые навыки:
— Python
— OpenCV
— Deep Learning
— Компьютерное зрение
— Agentic systems
— FastAPI
— Langgraph
— DeepEval
— Langfuse
— vLLM
Вакансия предполагает полный рабочий день с возможностью удалённой работы.
Задачи:
• Формировать AI-стратегию и roadmap бизнес-направления.
• Находить наиболее перспективные точки применения AI.
• Самостоятельно запускать первые прототипы и AI-пилоты.
• Быстро проверять гипотезы и показывать первые измеримые результаты.
• Создавать AI-агентов, RAG-решения и AI-автоматизации.
• Формировать и приоритизировать портфель AI-инициатив.
• Совместно с FDE и AI-командой доводить успешные пилоты до production и масштабирования.
• Переосмысливать бизнес-процессы с учетом возможностей AI.
• Работать с руководителями бизнес-направлений и защищать AI-инициативы.
• Следить за развитием AI-технологий и применять новые подходы в реальных бизнес-кейсах.
Требования:
• 7+ лет профессионального опыта в технологиях, AI/ML, разработке продуктов или digital transformation.
• Практический опыт запуска AI/ML или технологических продуктов.
• Сильное понимание LLM, Generative AI, AI Agents и RAG.
• Способность самостоятельно собрать работающий AI-прототип.
• Product mindset и ориентация на быстрый результат.
• Стратегическое мышление и способность формировать AI-roadmap.
• Умение связывать технологии с конкретным бизнес-эффектом.
• Опыт работы с руководителями и топ-менеджментом.
• Высокая самостоятельность и ответственность за результат.
AI-инструменты и технические навыки:
• Практический опыт работы с OpenAI, Claude, Gemini, Llama, Qwen или аналогичными LLM.
• Работа с LLM API, Prompt Engineering, Tool/Function Calling.
• Создание AI-агентов с использованием LangChain, LangGraph, LlamaIndex или аналогов.
• Практическое понимание RAG, embeddings, vector databases.
• Использование AI coding-инструментов: Codex, Cursor, Claude Code или аналогов.
• Python, REST API, SQL — на уровне, достаточном для самостоятельного создания прототипов.
• Опыт работы с n8n, Make или другими инструментами автоматизации.
• Понимание принципов работы и ограничений LLM, стоимости моделей и вопросов безопасности корпоративных данных.
Кого мы ищем:
• Не классического бизнес-аналитика или координатора.
• Нужен человек, который способен: понять бизнес → увидеть возможность применения AI → самостоятельно собрать первый пилот → показать результат → сформировать roadmap → масштабировать решение вместе с командой.
Главный результат:
• Быстрые первые победы и последующая системная AI-трансформация бизнес-направления.
Arango delivers a unified, natively multimodel contextual data platform that powers AI agents, assistants, and applications with the unified, current, and trusted business context needed to reason, decide, and act at scale. The Arango Contextual Data Platform connects...
Задачи:
— Переводить бизнес-задачи в архитектурные и технические решения
— Развивать AI-продукты, интеграции, новые каналы и источники данных
— Определять затрагиваемые компоненты, API, контракты, модели данных и бизнес-семантику
— Декомпозировать разработку на проверяемые задачи для AI coding agents
— Проверять сгенерированный код, проводить code review, тестирование и выпуск изменений
— Отвечать за стабильность, безопасность и конечный результат
Требования:
— Опыт промышленной разработки от 3 лет
— Бэкграунд в аналитике данных, BI или системном анализе
— Умение работать с бизнес-требованиями, метриками, моделями данных и интеграционными контрактами
— Практический опыт промпт-инжиниринга: проектирование, тестирование и оптимизация промптов для LLM, построение многошаговых AI-флоу и достижение стабильного качества ответов
— Практический опыт с LLM, AI-агентами, RAG, tool calling, structured outputs и MCP
— Уверенное знание TypeScript или Python, API, SQL, Git, CI/CD и автоматизированного тестирования
— Понимание принципов работы современных языковых моделей, ограничений LLM и способов повышения качества генерации
— Системное мышление, самостоятельность и ответственность за продукт целиком
Будет преимуществом:
— Опыт создания и оптимизации сложных промптов для различных AI-сценариев (reasoning, extraction, generation, classification)
— Опыт создания evals, guardrails и контроля качества AI-ответов
— Опыт работы с React, Telegram-ботами, BI-платформами и семантическими слоями
Условия:
— Конкурентную заработную плату (обсуждается индивидуально)
— Профессиональный рост и участие в масштабных проектах
— Работу в крупном холдинге с активной цифровой трансформацией
— Сильную ИТ-команду и поддержку руководства
— Необходимость краткосрочного приезда в солнечный Ташкент для оформления
Задачи:
— Переводить бизнес-задачи в архитектурные и технические решения
— Развивать AI-продукты, интеграции, новые каналы и источники данных
— Определять затрагиваемые компоненты, API, контракты, модели данных и бизнес-семантику
— Декомпозировать разработку на проверяемые задачи для AI coding agents
— Проверять сгенерированный код, проводить code review, тестирование и выпуск изменений
— Отвечать за стабильность, безопасность и конечный результат
Требования:
— Опыт промышленной разработки от 3 лет
— Бэкграунд в аналитике данных, BI или системном анализе
— Умение работать с бизнес-требованиями, метриками, моделями данных и интеграционными контрактами
— Практический опыт промпт-инжиниринга: проектирование, тестирование и оптимизация промптов для LLM, построение многошаговых AI-флоу и достижение стабильного качества ответов
— Практический опыт с LLM, AI-агентами, RAG, tool calling, structured outputs и MCP
— Уверенное знание TypeScript или Python, API, SQL, Git, CI/CD и автоматизированного тестирования
— Понимание принципов работы современных языковых моделей, ограничений LLM и способов повышения качества генерации
— Системное мышление, самостоятельность и ответственность за продукт целиком
Будет преимуществом:
— Опыт создания и оптимизации сложных промптов для различных AI-сценариев (reasoning, extraction, generation, classification)
— Опыт создания evals, guardrails и контроля качества AI-ответов
— Опыт работы с React, Telegram-ботами, BI-платформами и семантическими слоями
Условия:
— Конкурентную заработную плату (обсуждается индивидуально)
— Профессиональный рост и участие в масштабных проектах
— Работу в крупном холдинге с активной цифровой трансформацией
— Сильную ИТ-команду и поддержку руководства
— Необходимость краткосрочного приезда в солнечный Ташкент для оформления
Задачи:
• Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости
• Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию
• Определение ML SysDes решения с учетом разрешенного технологического стека
• Участие в валидации и автомониторинге моделей, проведение A/B тестирования
Требования:
• Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.)
• Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов
• Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений
• Умение переводить бизнес-постановку задачи в ML-постановку
• Высокий уровень владения Python и SQL
• Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers
• Знание принципов построения RAG, VisionRAG и AgenticRAG систем
• Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5)
• Знание агентных архитектур (ReAct, Multi-agent и др.)
• Знание фреймворков для работы с LLM (LangChain, LangGraph и др.)
• Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker)
• Понимание жизненного цикла моделей (CRISP-DM)
Условия:
• Гибкий гибрид (обсуждаем индивидуально)
• Современный IT-офис вблизи Москва-Сити с фитнес-залом
• Ипотека с выгодой для сотрудника и льготные условия кредитования
• Бесплатная подписка СберПрайм+
• Скидки на продукты компаний-партнеров
• ДМС с первого дня и льготное страхование для близких
• Корпоративная пенсионная программа
• Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию
• Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
Компания AI research lab 42 — лаборатория, разрабатывающая автономного AI Scientist — систему, способную самостоятельно формулировать гипотезы, проводить эксперименты и находить решения.
Задачи:
— TradFi Research Lead: построить и возглавить research-направление в traditional markets, разрабатывать MFT-стратегии, строить портфели и risk/execution models, выводить стратегии в production
— AI Researcher — Autonomous Research: перейти от ручного quant research к автономной agent-driven системе, генерировать гипотезы, тестировать и оптимизировать стратегии
— Quantitative Researcher — Crypto MFT: полный цикл разработки medium-frequency crypto strategies, поиск alpha и backtesting, production и мониторинг live performance
Требования к кандидату:
— TradFi Research Lead: 5+ лет в systematic quant research, подтверждённый track record прибыльных MFT-стратегий, опыт с equities / futures / options / FX, опыт лидерства
— AI Researcher — Autonomous Research: MFT/HFT researcher, сильное понимание market microstructure, статистики и Python/ML, способность формализовать research-процесс для автоматизации
— Quantitative Researcher — Crypto MFT: 2+ лет в systematic trading, опыт запуска стратегий в live, глубокое понимание crypto market structure (spot, perps, funding), сильные Python, statistics и ML/DL
Условия:
— B2B контракт
— помощь с релокацией в Амстердам по high skilled migrant visa
— оформление в голландскую компанию с 30%ным налоговым рулингом
AI Research Lab 42 разрабатывает автономного AI Scientist — систему, способную самостоятельно формулировать гипотезы, проводить эксперименты и находить решения.
Первый фокус лаборатории — финансовые рынки: AI-система работает как автономный трейдер, а полученный капитал финансирует дальнейшие исследования. Параллельно лаборатория ведёт исследования в области биологии человека, нейротехнологий и фундаментальной физики.
В trading research открыто 3 позиции:
TradFi Research Lead
Задача — построить и возглавить research-направление в traditional markets: разрабатывать MFT-стратегии, строить портфели и risk/execution models, выводить стратегии в production.
Требования: 5+ лет в systematic quant research, подтверждённый track record прибыльных MFT-стратегий, опыт с equities / futures / options / FX, опыт лидерства обязателен.
AI Researcher — Autonomous Research
Задача — перейти от ручного quant research к автономной agent-driven системе, которая сама генерирует гипотезы, тестирует и оптимизирует стратегии.
Требования: MFT/HFT researcher с сильным пониманием market microstructure, статистики и Python/ML, способный формализовать research-процесс для автоматизации.
Quantitative Researcher — Crypto MFT
Задача — полный цикл разработки medium-frequency crypto strategies: от поиска alpha и backtesting до production и мониторинга live performance.
Требования: 2+ лет в systematic trading, опыт запуска стратегий в live, глубокое понимание crypto market structure (spot, perps, funding), сильные Python, statistics и ML/DL.
Условия:
— Работа удалённо по B2B контракту
— Через полгода релокация в Амстердам по high skilled migrant visa
— Оформление в голландскую компанию с 30% налоговым рулингом
Компания Top Selection приглашает на позицию Senior Python Developer для работы в финансовом секторе (банк) в формате полного рабочего дня удаленно из России, Беларуси или Казахстана. Оформление предполагается через ИП, заработная плата составляет 250-270 тысяч рублей в месяц до вычета налогов. Кандидат должен иметь не менее 4 лет коммерческого опыта разработки на Python, владеть хотя бы одним из фреймворков FastAPI или Litestar (Starlite), а также иметь опыт работы с AsyncIO, concurrency и multiprocessing. Требуется знание Kafka и Redis PubSub, опыт работы с PostgreSQL (с использованием sqlalchemy) и Redis. Важным является понимание и опыт реализации наблюдаемости систем (трейсинг, логи, метрики). Опыт работы с Event-Driven архитектурами, включая проектирование и разработку таких систем с нуля, будет преимуществом, как и знание других архитектурных подходов. Необходимо умение работать с Git, Docker и CI/CD, а также опыт тестирования собственных решений без поддержки команды тестирования. Дополнительным плюсом считается опыт работы с Coding Agents.
DomainTools is looking for a Principal Product Manager to join its Product team. This role is responsible for growing and refining data products that drive threat intelligence solutions, with API-first delivery and integration into UI, AI, and third-party experiences and workflows. It is a strategic role with high impact and visibility inside and outside the company.
The ideal candidate is a strong leader and successful product manager with a track record of delivering market-leading data products, based on insights from direct customer interaction and big-data analysis.
The product manager is expected to contribute solid knowledge of business constraints and prioritize opportunities, deep knowledge of users and customers, and understanding of platforms customers use to engage with products. They must track industry trends and competitive landscape relevant to their products.
The product manager collaborates closely with engineering, marketing, sales, and solutions engineering teams to deliver world-class solutions. This is an individual contributor role requiring influence through data and logic.
Basic Qualifications:
— Minimum 7 years in cybersecurity or data-related product management, delivering data-driven analytics and products
— Deep knowledge of business and customers, understanding data product usage and value
— Experience with threat intelligence products, threat feeds, APIs, and related technologies
— Experience interacting with customers using data warehousing, data science, and Big Data technologies
— Experience integrating data products into third-party environments (customer and partner ecosystems)
— Experience working with Agile (kanban/scrum) development teams and processes
— Excellent people skills working cross-functionally from ideation to market
— Excellent writing, communication, and presentation skills
— US-based with willingness to accommodate core hours overlapping 9am-3pm US Pacific time
Preferred Qualifications:
— Experience in cybersecurity investigations, threat defense, incident response, or related activities
— Solid understanding of cybersecurity market and modern security architectures
— Familiarity with cybersecurity data domains including DNS, IP, TLS/SSL certificates, web crawl, BGP, NetFlow data
— Experience with real-time data collection, processing, and delivery
— Experience with large language models (LLMs) and agentic workflows
— Experience with data products leveraging predictive analytics / machine learning (ML)
— Experience with distributed systems and cloud computing
Bitmanager.ai is an AI startup operating in the fast-growing area of conversational AI agents.
Languages required: Russian and English (professional proficiency).
Work format: On-site in Moscow.
Задачи:
— Разработка сервисов ИИ платформы для создания функциональных агентов и ИИ ассистентов.
— Подготовка бэк части для функциональных агентов, включая среду разработки агентов: тестирование фреймворков, opensource агенты.
— Разработка сервиса управления реестром и скиллами агентов.
— Создание отдельного единого сервиса для всех баз знаний, интеграция крупных корпоративных источников.
Требования:
— Понимание архитектуры, возможностей и ограничений современных языковых моделей.
— Опыт работы с embeddings, vector search, RAG, structured output и tool calling.
— Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop.
— Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы.
— Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента.
— Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков.
— Умение оценивать стоимость, latency и масштабируемость LLM-решений.
— Опыт работы в e-commerce, retail или других продуктовых highload-системах.
— Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.
— Опыт эксплуатации GPU-инфраструктуры и оптимизации inference.
— Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT.
— Опыт проектирования agentic workflows или multi-agent-систем.
— Понимание принципов информационной безопасности, privacy и работы с персональными данными.
Условия:
— full-time
Удалённоsenior
174 000 – 215 000 ₽
Удалённо
75 000 – 120 000 $
ГибридmiddleМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Настройте подбор, и подходящие вакансии будут приходить в Telegram.
