Location: Москва
Мы ищем опытного Java разработчика, готового принять участие в создании современной системы IT Service Management (ITSM) с нуля.
Наш продукт - это возможность внести существенный вклад в эффективность и автоматизацию IT процессов в нашей компании, а пользователем является каждый сотрудник Сбера.
Обязанности
### **Чем предстоит заниматься:**
* разработка высокопроизводительной и масштабируемой ITSM системы
* проектирование, разработка и масштабирование микросервисов
* работа в тесном сотрудничестве с другими членами команды разработки, devops, QA инженерами и аналитиками.
Требования
### **Наш стэк:**
* Java 21, Spring Boot 3, Maven, Docker, Openshift, Hibernate, PostgreSQL.
### **Требования:**
* опыт коммерческой разработки на Java от 6 лет
* знание Java Core, основных фреймворков и инструментов
* опыт разработки надежных, масштабируемых и высоконагруженных систем
* понимание принципов объектно-ориентированного программирования и
* проектирования
* знание и опыт работы с базами данных
* навыки работы с генеративными AI-моделями.
Условия
* офис: г Москва, проезд 2-й Южнопортовый, 12Ак1стр1
* гибридный формат работы на территории Москвы и МО
* более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
* 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.
• Own features end-to-end from concept to production for 500M+ users. • Thrive in a high-speed dynamic environment, adapting quickly to user data and AI breakthroughs.
Задачи:
— Повышение эффективности утилизации GPU: формирование гипотез, исследование способов повышения эффективности, участие в реализации и внедрении решений.
— Формирование рекомендаций и лучших практик по повышению производительности GPU-инфраструктуры.
— Оптимизация и профилирование: поиск узких мест в производительности и их устранение с помощью профилировщиков, оптимизация доступа к памяти, ядрам, времени ожидания и пропускной способности.
— Развитие инструментов диагностики: создание и улучшение инструментов для выявления и устранения инфраструктурных проблем, влияющих на эффективность утилизации, стабильность и скорость GPU-вычислений для обучения и инференса.
— Исследование и внедрение современных решений: изучение новейших подходов к организации инфраструктуры для обучения и инференса, оценка их эффективности и внедрение в проекты.
— Анализ архитектуры, тестирование, интеграция: взаимодействие с разработчиками, ML-инженерами и системными архитекторами, участие в оценке аппаратных решений, предложение улучшений для будущих поколений GPU, разработка планов тестирования, формирование бенчмарков, анализ регрессий производительности.
Требования:
— Знание Python и опыт системного программирования, разработка библиотек или фреймворков.
— Опыт работы с PyTorch и распределённым обучением через torch.distributed.
— Применение подходов параллелизации (data parallelism, tensor parallelism, pipeline parallelism, expert parallelism) для распределённого инференса или обучения.
— Интерес к LLM и MLOps, понимание задач и вызовов эксплуатации больших моделей в продакшене.
— Опыт работы с GPU (NVIDIA) и CUDA: понимание архитектуры GPU, разработка или оптимизация алгоритмов под CUDA, использование Nsight, nvprof или аналогов.
— Умение оптимизировать производительность GPU-приложений и повышать эффективность утилизации GPU.
— Способность анализировать профили и метрики производительности.
— Навыки чтения и оптимизации сложного кода.
— Эффективная командная работа и готовность делиться знаниями.
Будет плюсом:
— Уверенное владение C/C++ или аналогичными низкоуровневыми языками.
— Опыт работы с библиотеками RL-обучения для LLM: veRL, slime, NeMo-RL, SkyRL и другими.
— Опыт работы с библиотеками инференса: vLLM, SGLang, TRTLLM.
— Опыт оптимизации под реальные продакшен-нагрузки, работа с low-latency- или real-time-системами.
• Проектировать и развивать identity-сервисы (SSO, MFA, управление сессиями, федерация). • Писать чистый, конкурентный и высокопроизводительный код на Go.
Задачи:
— Вести технические и предподключенческие звонки с командами разработки и ИТ брокеров, структурировать обсуждение, уточнять требования и согласовывать дальнейшие шаги.
— Участвовать в технических предпродажных обсуждениях для оценки требований интеграции и ответов на технические вопросы.
— Объяснять техническим командам клиентов процесс SSO Signal Codex и требования к интеграции.
— Помогать разработчикам брокеров реализовывать вход на основе JWT и устранять ошибки аутентификации.
— Проверять логику генерации токенов и выявлять распространённые проблемы реализации.
— Тестировать интеграции от начала до запуска, включая аутентификацию, брендинг и ссылки WebTrader.
— Отслеживать блокирующие факторы, ответственных и следующие шаги, активно продвигать интеграции к запуску.
— Координировать работу с разработчиками клиентов во время реализации и помогать эффективно решать технические проблемы.
— Поддерживать технические вопросы после запуска при необходимости.
— Документировать повторяющиеся проблемы и предлагать практические улучшения процесса онбординга и интеграции.
Требования:
— Опыт 2+ года в веб-приложениях, SaaS продуктах, технических интеграциях, внедрении, инженерии решений или аналогичной технической роли.
— Хорошее понимание HTTP, редиректов, JWT и веб-аутентификации/SSO.
— Знание концепций валидации JWT, таких как iat, exp, алгоритмы подписи и идентификаторы пользователей.
— Умение читать бэкенд-код на PHP, Node.js или Python для выявления проблем в генерации токенов и потоках аутентификации.
— Уверенное использование инструментов разработчика браузера, логов, API и базовых командных утилит для отладки.
— Базовый практический опыт с Python или аналогичными скриптовыми инструментами для тестирования и отладки.
— Понимание основ безопасности аутентификации и безопасного обращения с секретами.
— Умение совместно с разработчиками устранять неполадки во время живых звонков.
— Свободное устное и письменное владение английским и русским языками.
— Способность работать самостоятельно, брать ответственность и проактивно поднимать блокеры, риски и неясные требования.
— Уверенность и профессионализм в коммуникации с клиентами, умение вести технические обсуждения и ясно объяснять сложные темы.
— Проактивность и самостоятельность с сильным чувством ответственности за прогресс интеграций и результаты для клиентов.
— Не требуется быть штатным разработчиком.
Желательно:
— Опыт работы с B2B SaaS онбордингом, внедрением или инженерией решений.
— Опыт интеграций SSO.
— Опыт в финтехе, брокерах Forex/CFD или торговых платформах.
— Опыт работы напрямую с внешними техническими командами клиентов.
— Опыт участия в технических предпродажных или интеграционных звонках.
Условия:
— Полностью удалённая работа, независимый подрядчик.
— Требуется NDA.
— Типичная нагрузка: 10–20 часов в месяц, в зависимости от активных интеграций.
— Некоторые недели могут требовать мало или совсем не требовать участия.
— Нагрузка может увеличиваться с ростом числа интеграций.
— Большая часть работы проходит в рабочие часы CET с заранее запланированными звонками.
— Во время активной интеграции ожидается ответ в течение одного рабочего дня.
— Вне активных интеграций постоянная доступность не требуется.
— Оплата €40–50 в час, в зависимости от опыта.
— Оплата за фактически затраченное время на звонки, поддержку интеграций, тестирование, устранение неполадок и документацию.
🕹 Список обязанностей: — Проектирование, разработка и поддержка автотестов для мобильных приложений (iOS/Android) и веб-платформ; — Создание и развитие системы автоматизации тестирования с использованием Appium, WDIO и Playwright;
We are looking for Senior Software Engineers with strong knowledge of the following stacks: Angular & PHP, Angular & .NET & TypeScript, Angular & Node, Angular & TypeScript, React & PHP, Vue & PHP, Symfony & any front-end, and PHP & Laravel. Requirements for Senior Angular & PHP Developer experience:
Location: Москва
Наша команда занимается амбициозной и стратегически важной задачей – построение единого хранилища данных блока B2C - централизованное и эталонное место хранения данных. Мы ищем сильного инженера данных для работы с крупными распределенными системами. Наш стек строится вокруг экосистемы Hadoop, и мы активно развиваем платформу в сторону Data Lakehouse на базе Apache Iceberg и Data Streamhouse на базе Kafka и Apache Flink. Вам предстоит работать с высоконагруженными системами, потоковой обработкой и участвовать в построении единого хранилища данных компании.
Обязанности
* **разработка и оптимизация витрин данных:** Проектирование и реализация эффективных **ETL** и **ELT** процессов для витрин данных с использованием **Apache Spark** и **Greenplum**. Обеспечение высокой производительности и отказоустойчивости пайплайнов.
* п**отоковая обработка данных (RT и NRT):** Разработка и поддержка стриминговых пайплайнов. Построение NRT пайплайнов обработки данных из **Kafka** в **Apache Iceberg** (**Kafka2Iceberg**) и RT пайплайнов между **Kafka** (**Kafka2Kafka**) с использованием **Apache Flink** и **Spark Structured Streaming**.
**Архитектура данных:**
* активное участие в разработке архитектуры **решения потоковой обработки данных Data Streamhouse** данных для обеспечения
* разработка предложений по развитию **Data Lakehouse**, внедрение best practices работы с **Apache Iceberg** (оптимизация партиционирования, compaction, time travel).
**Инженерные практики:**
* реализация механизмов **инкрементальной загрузки** данных для минимизации времени обработки и нагрузки на источники
* разработка и документирование **API** (на **Java** или **Scala**) для доступа к данным витрин и сервисам семантического слоя
**Производительность и качество:**
* глубокая **оптимизация Spark-приложений**, включая использование векторного движка **Gluten/Velox** для ускорения рабочих нагрузок
* разработка решений для **сверки и контроля качества данных** (**Data Quality**) с использованием **Spark** и **Python**.
**DevOps и CI/CD:** Внедрение разработанных решений в продуктовую среду. Настройка пайплайнов сборки и деплоя в **Jenkins**, управление зависимостями задач в **Oozie** или современных оркестраторах.
**Коммуникация:** Взаимодействие с внутренними бизнес заказчиками для уточнения и согласования требований, презентация доработок сервиса.
Требования
· Уверенное владение языками: **SQL**, **Java** (или **Scala**), **Python** (как вспомогательный для **ad-hoc** анализа и **DQ**).
· Глубокое понимание экосистемы **Apache Hadoop** (HDFS, YARN) и опыт работы с ней в продакшене.
· Опыт разработки пайплайнов на **Apache Spark** (Core, SQL, Structured Streaming) уровня не ниже middle.
· Опыт работы с потоковыми данными: **Apache Kafka** (как источник/приемник) и хотя бы одним фреймворком стриминговой обработки (**Apache Flink** или **Spark Streaming**).
· Понимание форматов хранения данных (**Parquet, ORC, Avro**) и современных подходов к управлению Data Lakehouse (обязательно знание **Apache Iceberg**).
· Опыт оптимизации производительности **Apache Spark** (настройка ресурсов, устранение перекосов данных, работа с memory, оптимизация shuffle).
**Будет большим плюсом:**
· Опыт внедрения промышленных пайплайнов пакетной передачи данных.
· Опыт внедрения промышленных пайплайнов потоковой передачи данных.
· Опыт внедрения **Gluten/Velox** или аналогичных векторизованных движков.
· Навыки сборки и развертывания **Doker**\-образов приложений.
Условия
* офисный формат работы (м Кутузовская ул. Поклонная 3)
* годовая премия
* корпоративный спортзал и зоны отдыха
* более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
* регулярные митапы и развитое DS-community
* 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 Сбер.
Задачи:
— настраивать игровые параметры, балансные таблицы и внутриигровые офферы
— считать акции и спецпредложения под разные сегменты игроков
— проектировать и сопровождать механики и системы
— анализировать, как изменения влияют на экономику и игровой опыт
— проверять корректность настроек и ловить несоответствия до релиза
— вести документацию и синхронить работу между отделами
Требования:
— сильный STEM (профильный университет) без опыта в индустрии (физика, математика, инженерия, точные/естественные науки) или геймдизайнер с опытом 1–3 года на близких задачах — баланс / экономика / системный дизайн, уверенный Excel
— внимание к деталям в цифрах и критическое мышление
— системность и самостоятельность в решении задач
— играешь (хотя бы иногда) в мобильные или другие игры
Условия:
— формат работы: удалёнка, фуллтайм
Инструменты:
— Excel / Google Sheets. Данные достаём с помощью ИИ — писать SQL не нужно.
Задачи:
— Дизайн и построение LLM пайплайнов, AI агентов и RAG-систем с функциями вызова инструментов и структурированным выводом (JSON schema)
— Разработка production-grade Python сервисов с использованием Django, Celery, Redis
— Валидация продуктовых гипотез на основе реальных данных и аналитики
— Измерение и оптимизация качества, производительности и стоимости LLM
— Тесное сотрудничество с продакт-менеджерами и инженерами для превращения идей в масштабируемые решения
Требования:
— Опыт создания production LLM приложений
— Практические знания RAG, embeddings, векторного поиска, prompt engineering и оценки LLM
— Опыт работы с LangGraph, LangChain или аналогичными фреймворками
— Сильный опыт Python backend (Django, PostgreSQL, асинхронное программирование)
— Навыки работы с SQL и Pandas, ориентированность на данные
— Владение английским языком на уровне B2-C1, русским на уровне C1
— Локация: любой город, кроме России и Беларуси
Будет плюсом:
— Опыт работы с векторными базами данных (Qdrant, pgvector и др.)
— Опыт дообучения, классификации текста или работы с embedding моделями
— Опыт с Kubernetes, gRPC или Go
Условия:
— Удалённая работа
— Гибкий график
— Профессиональное развитие
Компания Mad Devs занимается решением сложных задач и созданием инновационных решений в области AI, проекты охватывают Европу, США и Юго-Восточную Азию. Вакансия направлена на революцию в юридической индустрии с помощью AI.
You will be working day to day on AWS, our infrastructure-as-code, our CI/CD setup, observability, and the on-call rotation. A meaningful part of the work is automation: when we find ourselves doing the same thing twice, we usually invest in tooling rather than writing another runbook.
Looking for a strong Lead QA Engineer to take ownership of QA for a manufacturing management platform, with the current focus on a production line scheduling application.
💎 Разработка и поддержка backend-сервисов в микросервисной архитектуре для системы защиты от мошенничества: обработка транзакций в реальном времени, ответственность за производительность, мониторинг и разбор инцидентов, работа с инженерами, продактами и дизайнерами.
Location: Москва
Данные — главный рычаг качества фронтирной модели. Станьте тем, кто его держит
------------------------------------------------------------------------------
GigaChat обучает одна из крупнейших ML-команд страны. Мы знаем то же, что знают OpenAI и Anthropic: качество следующей версии модели определяют претрейн-данные. Поэтому мы ищем не «инженера по датасетам», а исследователя, который будет владеть данными как рычагом роста модели — от стратегии сбора до измеримого прироста на бенчмарках.
Контур влияния короткий и прямой: ваша гипотеза → эксперимент → обучающий прогон → прирост метрик модели, которой пользуются миллионы людей.
Обязанности
* Вести программу экспериментов с данными.
* Планировать, запускать и анализировать ablation-эксперименты: сравнивать версии смеси данных, фильтров и порядка обучения при фиксированном вычислительном бюджете. Вы автор эксперимента, а не исполнитель.
* Оптимизировать смесь и порядок использования данных.
* Отвечать на главный вопрос претрейна: какие данные, в какой пропорции и в каком порядке должна видеть модель. Применять интуицию scaling laws к распределению токенов.
* Измерять качество данных.
* Превращать расплывчатые «хорошие данные» в конкретные измеримые сигналы: классификаторы для отбора документов, насыщенных рассуждениями, кодом и знаниями.
* Курировать корпус на масштабе триллионов токенов.
* Проводить точную и fuzzy-дедупликацию, фильтрацию, очистку от утечек бенчмарков, html2text.
* Собирать данные для agentic-pretrain.
* Проводить поиск, сбор и генерацию траекторий использования инструментов, многошаговых рассуждений и взаимодействия со средой — чтобы агентные способности закладывались в модель уже на этапе претрейна, а не только в пост-обучении.
* Создавать рецепты подготовки синтетических данных.
* Генерировать синтетику под дефицитные способности модели (длинный контекст, рассуждения, код) — с количественной проверкой через эксперименты.
* Замыкать петлю: «данные → обучение → оценка».
* Развивать контур бенчмарков и сетапов экспериментов для измерений, чтобы каждое изменение данных имело измеримый ответ.
Требования
* Нам нужны сильные исследователи, а не исполнители. Главное — умение самостоятельно задавать правильные вопросы, проектировать эксперименты и доводить гипотезы до измеримого результата.
* Опыт именно с LLM не обязателен, если у вас сильная экспериментальная практика в любой области ML — компьютерное зрение, рекомендательные системы, классический ML, наука — специфике больших языковых моделей мы научим.
* Сильные основы ML и статистики, культура контролируемого эксперимента: гипотеза → дизайн → измерение → вывод.
* Уверенный Python и опыт обучения моделей на PyTorch или аналогах.
* Самостоятельность в исследованиях: умение вести направление от вопроса до результата, а не ждать постановки задачи.
* Понимание цикла обучения LLM хотя бы на уровне теории: токенизация, scaling laws, влияние состава данных на качество.
* Знакомство с распределённой обработкой данных (Spark, Dask, Airflow, Kubernetes) и открытыми data-проектами (FineWeb, OLMo, Dolma) — как минимум представление о том, как это устроено.
Не обязательно закрывать все вышеперечисленные пункты. Если вы сильный экспериментатор и хотите дорасти до владения всем циклом данных фронтирной модели — давайте поговорим.
Условия
* Вычислительные ресурсы под ваши эксперименты.
* Один из крупнейших GPU-кластеров в стране.
* ablation-эксперименты — это обучающие прогоны, и вы сможете запускать их регулярно, а не «раз в квартал, если повезёт».
* Претрейн с нуля, а не дообучение чужих весов.
* Мы обучаем собственную модель с первого токена — это значит, что ваши решения по данным определяют фундамент модели, а не косметику поверх чужого претрейна. Сейчас мы учим модели размером 400–700B параметров, и у нас есть амбиции выйти на масштаб 1.5–2T.
* Опенсорс и мировая планка. Мы выкладываем модели в открытый доступ, и наша цель — достичь мирового уровня среди опенсорс-моделей. Ваша работа будет видна всему сообществу и будет сравниваться с лучшими открытыми моделями мира.
* Полная ориентация на результат.
* Минимум бюрократии, максимум ответственности и свободы. Работу меряем не количеством задач, а приростом модели на бенчмарках при том же бюджете. Подтверждённая гипотеза попадает в обучение следующей модели.
* Развитая инфраструктура.
* Зрелый стек для работы с данными и экспериментами: S3, YTsaurus, Airflow, DataLens, GitLab CI, wandb.
* Вы приходите не строить платформу с нуля, а исследовать — пайплайны, оркестрация, трекинг экспериментов и визуализация уже работают.
Lead the team that architects, builds, and operates the Notifications Platform/Foundations at Reddit. Set technical direction for shared platform capabilities spanning notification APIs, eventing and workflow orchestration, delivery pipelines, user preferences, templates, experimentation, and observability.
УдалённоГеография найма не уточнена
УдалённоmiddleГеография найма не уточнена
leadМосква
Москва; Проводить поиск, сбор и генерацию траекторий использования инструментов, многошаговых рассуждений и взаимодействия со средой — чтобы агентные способности закладывались в модель уже на этапе претрейна, а не только в пост-обучении
