Вакансии

Разрабатывать кластеризованный on-premise build ClickHouse для собственной cloud-инфраструктуры. Внедрять, масштабировать и поддерживать ClickHouse-кластеры в production.

Location: Москва Мы — команда GenBI and Agentization, разрабатывающая AI-ассистента для платформы Navigator BI — ключевой бизнес-аналитической системы банка. Наш проект уже решает задачи, значимые для всей экосистемы Сбера. Наша цель — создать интеллектуального помощника, который помогает пользователям: * находить нужные дашборды и отчёты * получать статистику и динамику показателей естественным языком * генерировать новые визуализации (графики, виджеты, таблицы) на основе сырых данных * отвечать на вопросы, касающихся бизнес-показателей. Обязанности * повышать метрики качества AI-сервиса: дообучать и адаптировать модели, улучшать пайплайны обработки запросов * лидировать выделенное направление в команде: проводить code review, предлагать архитектурные решения * тестировать гипотезы по улучшению пользовательского опыта — от качества поиска до точности генерации визуализаций * интегрировать LLM в существующие процессы, развивать RAG-компоненты и агентную логику * взаимодействовать с командой разработки и бизнес-заказчиками для уточнения требований и постановки задач. Требования * опыт разработки LLM-приложений и/или агентных систем * глубокое понимание современных NLP-архитектур (трансформеры, механизмы внимания) * уверенное владение PyTorch и LangChain Будет плюсом: * опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных * опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов * знание MLOps-практик (CI/CD для ML, мониторинг моделей) * понимание архитектуры агентных систем * умение самостоятельно вести задачи от гипотезы до внедрения * опыт использования GigaChat, Kandinsky и аналогов в продуктах. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты. 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.

Location: Москва Наша CV команда создает лучший в Сбере продукт для автоматического распознавания документов, используя самые передовые технологии. Главными задачами для нас являются разработка и улучшение OCR-модели на базе VLM, сбор обучающих данных с использованием кастомного agentic harness, и развёртывание клиентского сервиса внутри банка. Мы ищем Middle/Senior инженера, который будет заниматься полным циклом обучения и деплоя продукта. Обязанности * изучать SOTA подходы к OCR: чтение свежих пейперов в сфере e2e OCR, адаптация подходов data mining, SFT/RL, гипотезы * ставить эксперименты по обучению VLM-моделей: проверка гипотез на multi-node сетапе, замер метрик на внешних и внутренних бенчмарках. * дорабатывать пайплайн обучения: улучшение репозитория на текущем стеке (accelerate, TRL) - ускорение обучения, добавление аугментаций, адаптация под новые модели * собирать обучающие данных: агрегация существующих и новых данных в требуемом формате MarkDown, поиск новых доменов, написание скриптов по загрузке * размечать датасеты: запуск процесса разметки для вновь собранных или существующих данных при помощи кастомного agentic harness сборщика разметки (а также его улучшение), или внутренней платформы разметки асессорами * адаптировать сервис: интеграция обученных моделей в сервис на основе vLLM для сёрвинга клиентам внутри банка. Требования * высшее образование: математика, информатика или профильный data science * 3+ лет в ML, из них не меньше года лет с LLM/VLM в проде * английский для чтения статей и документации * Fine-tuning: SFT, LoRA/QLoRA, RL (DPO, GRPO) * современные движки инференса: vLLM, sgLang, triton * опыт работы с VLM: понимание принципов работы, дообучения, основных ограничений * агентные пайплайны: вызовы моделей, обработка исключений, ограничение стоимости * опыт в разметке датасетов асессорами, или автоматическими инструментами * Python: пишете код, который уходит в прод. Тесты, ревью, код-стайл * специфика банка: много контрагетов, с ними нужно иногда коммуницировать \*\*Будет плюсом\*\*   * опыт python-бэкендера: FastAPI, асинхронность, очереди, PostgreSQL, векторные хранилища * работа с разметчиками и контрагентами * публикации, доклады, open source. Условия * комфортный современный офис - м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты, годовой бонус * корпоративный спортзал и зоны отдыха * 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 * корпоративная пенсионная программа.

• Talabalarga Sun'iy Intellekt (AI) va Generative AI bo'yicha amaliy darslar o'tish; • ChatGPT, Claude, Gemini kabi ilg'or AI vositalari hamda Prompt Engineering'ni mukammal o'rgatish;

• 3+ years of Python development. • Production GenAI / LLM experience • Diffusion models & LoRA.

— проводить функциональное, регрессионное, smoke, UAT и негативное тестирование; — тестировать API через Postman / Insomnia;

Lead test strategy and quality standards across multiple projects, deciding what warrants automated coverage versus focused manual and exploratory testing. Build and maintain automated test suites in Playwright, and use BrowserStack to validate compatibility across browsers, devices, and platforms.

Build and support execution-engine components: Implement, test, debug, and maintain well-defined changes to query operators, expression evaluation, execution scheduling, and resource management.

The Cloud Engineer designs, secures, and supports mission-critical cloud infrastructure that enables reliable services for users worldwide. The successful candidate demonstrates strong technical judgment, operational discipline, and the ability to apply practical solutions to complex cloud engineering challenges.

Участие в разработке и развитии SIEM-системы KUMA: разработка контента и поставка экспертизы в решение; Работа с обращениями пользователей: проработка новых требований на основе фидбека заказчиков;

Задачи: — построение ETL-процессов: разработка и настройка конвейеров по сбору и трансформации данных из различных источников; — работа с современным стеком трансформации: освоение и применение DBT для превращения «сырых» данных в чистые аналитические витрины; — оркестрация данных: настройка и поддержка рабочих процессов (pipelines) в Dagster для своевременного и безошибочного обновления данных в отчетах; — управление хранилищами: работа с Postgres и высокопроизводительной колончатой базой данных Clickhouse для обеспечения скорости работы отчетов; — визуализация смыслов: разработка интерактивных BI-отчетов в Apache Superset для поддержки принятия бизнес-решений; — оптимизация выборок: анализ и ускорение тяжелых запросов для повышения производительности системы отчетности. Требования: — уверенное владение SQL (сложные выборки, агрегатные функции, оптимизация запросов); — понимание устройства реляционных баз данных, в частности PostgreSQL, и принципов построения аналитических хранилищ; — базовые знания Python, умение писать скрипты для обработки данных и автоматизации простых задач; — аналитический склад ума, способность работать с большими массивами данных, выявлять закономерности и структурировать информацию. Желательный опыт: — создание дашбордов в BI-инструментах (Apache Superset, Tableau, Power BI или аналогичных); — понимание концепций ETL/ELT; — понимание архитектуры данных, разницы между OLTP и OLAP системами (например, использование Clickhouse для аналитики); — интерес к современным инструментам DBT и оркестраторам данных (Airflow, Dagster). Условия: — срочный трудовой договор на 3 месяца; — график 5/2, не более 30 часов в неделю; — возможность работы удаленно, в офисе или в гибридном формате; — стажировка открыта для студентов любых ВУЗов и форм обучения, включая заочную и магистратуру.

— Разработка и поддержка AI-архитектуры: интеграция API (OpenAI, Anthropic), создание кастомных RAG-систем, оптимизация промптов и пайплайнов данных. — Быстрое UI/UX прототипирование: самостоятельное создание аккуратного, чистого фронтенда/интерфейса для разработанной вами AI-логики (работаем без лишних звеньев, напрямую в продукт).

• Resolve customer technical issues end-to-end (Helpdesk + Slack) within SLA. • Conduct root cause analysis with Grafana, Datadog (logs, metrics, traces).

Требования: — Наличие или получение степени бакалавра в области электротехники, компьютерной инженерии или смежной инженерной области.

‼️ Qo`shimcha: Biz jamoamizga full stack mobile engineer qidirmoqdamiz, backend + ios/android ilovalarni mustaqil yuritish, optimizatsiya qilish va rivojlantirish.

Требования: — Степень бакалавра в области электротехники, электронной технологии, электротехнической технологии, электротехники и компьютерной инженерии или в смежной области.

• Leverage AI to design and build features across backend, web, Android, and iOS. • Collaborate with product managers to shape goals into solutions and own the end-to-end development.

Location: San Francisco; New York Workplace: Hybrid ABOUT BASETEN Baseten powers mission-critical inference for the world's most dynamic AI companies, like Cursor, Notion, OpenEvidence, Abridge, Clay, Gamma, and Writer. By uniting applied AI research, flexible infrastructure, and seamless developer tooling, we enable companies operating at the frontier of AI to bring cutting-edge models into production. We're growing quickly and recently raised our $1.5B Series F https://www.baseten.co/blog/announcing-our-series-f/, led by Altimeter Capital, Conviction Partners, and Spark Capital. Join us and help build the platform engineers turn to ship AI products. THE ROLE We're looking for an Engineering Manager to lead part of our Inference Performance team. This team makes the world's most demanding AI workloads run faster and more efficiently on GPUs. You'll manage and grow a team of inference performance engineers working across the inference engine and runtime: kernels, scheduling, batching, KV-cache management, speculative decoding and prefill/decode disaggregation. This is a hands-on technical leadership role. You'll set direction, unblock hard problems and earn the team's trust by going deep on GPU performance, while also hiring, developing and supporting the people doing the work. Your team's output directly affects how fast our customers' models run and how efficiently we serve them. The team is scaling quickly, so you'll help shape how it is structured as it grows. EXAMPLE INITIATIVES Your team will work on these types of projects as part of our Inference Runtime team: - Agentic inference optimization: 50-90% faster engines https://www.baseten.co/blog/agentic-inference-optimization-faster-than-sota/ - Agentic Kernels in Production https://www.baseten.co/blog/agentic-kernels-in-production/ - Live draft model training for speculative decoding https://www.baseten.co/blog/live-draft-model-training-for-speculative-decoding/ - The Baseten Inference Stack https://www.baseten.co/resources/guide/the-baseten-inference-stack/ RESPONSIBILITIES - Lead, mentor and grow a team of inference performance engineers through regular 1:1s, clear feedback, career development and performance reviews. - Hire top GPU and inference engineering talent, and build a strong, collaborative team culture as the runtime team scales. - Own the technical roadmap and execution for runtime performance work, balancing customer needs, new model launches and long-term platform investments. - Stay close to the technical work. Review designs, guide profiling and optimization efforts, and help the team reason from first principles about where time and memory go. - Drive the productionization of inference techniques such as quantization, speculative decoding, KV-cache reuse, chunked prefill and custom scheduling. - Turn performance wins into measurable outcomes: tokens per GPU-hour, utilization, latency and cost. - Help the team bring up and tune new model architectures on new hardware quickly, often in the same week they're released. - Partner with Infrastructure, Inference Platform, Kernels, Model APIs and customer-facing teams to set priorities, coordinate launches and ship wins. - Set high standards for engineering quality, benchmarking, operational excellence and incident response. REQUIREMENTS - Bachelor's, Master's, or Ph.D. degree in Computer Science, Engineering, Mathematics, or a related field. - Experience managing engineers, including hiring, mentoring, giving feedback and running performance reviews. - Experience leading or closely supporting GPU optimization teams in training, inference or recommendation systems. - Strong technical depth in GPU workloads, with a solid understanding of GPU architecture and performance tradeoffs. - Familiarity with ML libraries such as PyTorch, TensorRT or TensorRT-LLM. - A track record of driving roadmaps and shipping complex technical projects with a team. - Clear written and verbal communication, including the ability to align stakeholders across teams. NICE TO HAVE - Familiarity with inference engines such as vLLM, SGLang or TensorRT-LLM. - Experience with LLM optimization techniques (e.g., quantization, speculative decoding, continuous batching) in production. - Experience with GPU kernels (CUDA, Triton, CUTLASS, or similar). - Experience scaling a team through rapid growth at a startup. - A background as a hands-on performance or systems engineer before moving into management. BENEFITS - Competitive compensation, including meaningful equity - (U.S. only) 100% coverage of medical, dental, and vision insurance for employee and dependents - Flexible PTO policy including company wide Winter Break (our offices are closed from Christmas Eve to New Year's Day!) - Paid parental leave - Fertility and family-building stipend through Carrot - (U.S. only) Company-facilitated 401(k) - Exposure to a variety of ML startups, offering unparalleled learning and networking opportunities. Apply now to embark on a rewarding journey in shaping the future of AI! If you are a motivated individual with a passion for machine learning and a desire to be part of a collaborative and forward-thinking team, we would love to hear from you. At Baseten, we are committed to fostering a diverse and inclusive workplace. We provide equal employment opportunities to all employees and applicants without regard to race, color, religion, gender, sexual orientation, gender identity or expression, national origin, age, genetic information, disability, or veteran status. We are an Equal Opportunity Employer and will consider qualified applicants with criminal histories in a manner consistent with applicable law (by example, the requirements of the San Francisco Fair Chance Ordinance, where applicable).