Вакансии

Location: Almaty, Kazakhstan Workplace: OnSite Almaty, Kazakhstan · Trust & Safety Engineering Why this role exists Higgsfield builds tools for AI creators: creative workflows, collaborative projects in Cinema Studio, and a community for sharing work. We need a backend engineer who combines deep database and architecture expertise with the initiative to own product outcomes, from the first idea to production. What you'll actually do - Build AI creation workflows, Cinema Studio collaboration, and community features: sharing, discovery, contests, profiles, and follows. - Own features and bugs through release and follow-up. Define API contracts and coordinate frontend work to deliver the complete feature. - Deliver responsive UX: live progress, timely updates, and clear failure recovery, even when it takes more engineering effort. - Remove database and service bottlenecks under high traffic; improve correctness, latency, and reliability. - Define success metrics, build dashboards and alerts, and track adoption and system health after launch. Must-haves 1. Deep database expertise: data modeling, indexes, query plans, partitioning, transactions, and locking. You diagnose production bottlenecks and understand the trade-offs behind your fixes. 2. Strong architecture judgment: service boundaries, APIs, asynchronous workflows, caching, and failure handling. Hands-on Kubernetes and CI/CD experience, from design and testing to deployment and debugging. 3. A track record of shipping and operating backend systems across multiple projects, including high-traffic workloads. You can explain your decisions and measurable results. 4. API security: authentication, object-level authorization, and tenant isolation. You prevent IDOR in reads and writes, including resource IDs in request bodies, and test access across users and workspaces. 5. You've built or studied social networks and collaborative tools, and can explain design trade-offs in feeds, follow graphs, notifications, sharing permissions, real-time sync, and concurrent edits. 6. High agency and ownership: you find worthwhile problems, propose improvements, remove blockers, and follow through without waiting for assignments. 7. Low ego: you welcome direct feedback, admit mistakes, change your mind with evidence, and help wherever the team needs you. 8. Ambition and optimism: hard goals and rapid growth energize you. You challenge assumptions constructively and commit to making ambitious ideas work. 9. Energy for an intense pace, shifting priorities, and urgent launches or production issues that can require work outside regular hours. Our tech stack - Languages and frameworks: Python (FastAPI), Go (Gin), and TypeScript (React/Next.js on the frontend). - Data: PostgreSQL and Redis; analytical databases such as BigQuery or ClickHouse. - Messaging: Kafka, Amazon SQS, and RabbitMQ; event-driven services and asynchronous workers. - AWS: S3, DynamoDB, ECR, and Secrets Manager. - Infrastructure: Docker, Kubernetes on Amazon EKS, Helm, Argo CD, and GitHub Actions. - Observability: Prometheus, Grafana, OpenTelemetry, and Sentry. Interview process 1. Recruiter screen: role expectations, logistics, and fit. 2. Technical interview: a difficult system you shipped, what you personally decided and built, and how your work made the team more capable without leaving it dependent on you. 3. Additional technical interview, if needed: a deeper discussion of technical skills and open questions. 4. Product fit interview: turn a user problem into a small first release, decide what to leave out, and explain how feedback would change the solution. 5. Offer. What we offer Competitive base in USD, equity, relocation support, and ownership of product experiences that directly shape how people create with AI.

— Поддержка и развитие AI-сервиса на Python и LangChain. — Интеграция LLM-моделей, разработка AI-агентов и RAG-систем.

-Разработка и поддержка административного портала на React/TypeScript: приложения, роли и доступы, секреты, пространства, ресурсы, репозитории и базовые образы, модели, мониторинг и отчёты. -Разработка и доработка REST API на Python/FastAPI в сервисах портала, шаблонизатора и нотификаций: эндпоинты, схемы Pydantic, сервисный слой, доступ к PostgreSQL.

В качестве старшего бэкенд разработчика в Zentist ваша работа напрямую влияет на развитие бизнеса. Каждый ваш коммитмент, направленный на автоматизацию ручных процессов, экономит много часов и долларов специалистам в стоматологических клиниках, отвечающих за процесс оплаты лечения через страховые компании.

– Опыт разработки на Python от 3 лет. – Опыт работы с Django и FastAPI.

Задачи: — Создавать новую информационную систему «с чистого листа» — Развивать и поддерживать существующий ландшафт систем — Участвовать в проектировании архитектуры, которая выдержит федеральные нагрузки — Менторить команду и формировать стандарты обмена знаниями — Управлять технической частью проектов: оценка, делегирование, принятие решений Требования: — 5+ лет в промышленной разработке на Python — Экспертиза в Python 3.8+, Django 3+, FastAPI — Понимание алгоритмов и структур данных (не просто «знаю», а «применяю») — Свободное владение SQL и опыт работы с PostgreSQL, Redis — Опыт настройки *nix окружения — Понимание принципов REST, HTTP — Лидерские качества: опыт распределения задач и выработки технических решений — AI-грамотность: понимание, как использовать AI в разработке, не создавая «когнитивный долг» и не жертвуя надёжностью — Технологический стек: Python, TypeScript, Django, FastAPI, Flask, VueJS 3, PostgreSQL, Redis, Elastic Search, AirFlow Условия: — Формат работы: Офис / Гибрид

Задачи: — Работа над платформой безопасной разработки TRAIO, сканирующей код, библиотеки и приложения. — Работа с банками и госсектором Центральной Азии. Требования: — Опыт работы в стартапе или небольшой команде. — Умение выявлять и предлагать улучшения. — Уверенное владение Linux и Docker. — Опыт работы с Claude Code или Cursor, понимание их ограничений и умение проверять результат ИИ. — Стек: React + TypeScript, Python (FastAPI), PostgreSQL, Docker, GitLab CI. Условия: — Ноутбук и Claude Max за счет компании. — Работа в области AppSec. — График: 5/2, 10:00–18:00.

• От 2 лет коммерческой разработки. • Хороший опыт с Go и Python.

-Разработка и поддержка сервисов на Python. -Интеграция и дообучение ML-моделей: WhisperX, GigaChat, T2 Pro, OpenAI/Qwen.

• Быстро создавать и запускать новые мобильные приложения и MVP; • Разрабатывать frontend на React + TypeScript и mobile на React Native;

• Разработка нового проекта федерального масштаба (информационная система) с нуля; • Поддержка и развитие существующих информационных систем;

Location: Москва AI HUB SberWorks — это флагманское направление по созданию мультиагентной среды. Мы разрабатываем платформу, где AI агенты автономно решают задачи разработки, аналитики, тестирования и развертывания. Мы ищем инженера, который не просто пишет код, а погружается в контекст применения сервисов, предлагая лучшие архитектурные решения. Обязанности * Проектирование и разработка высоконагруженных backend-сервисов на Python (FastAPI/AsyncIO). * Участие в создании и развитии инфраструктуры для мультиагентных систем (оркестрация, обмен сообщениями, интеграция с LLM). * Проектирование API (REST/gRPC) и интеграция с внутренними и внешними сервисами. * Обеспечение качества кода: написание unit/integration-тестов, участие в код-ревью. * Оптимизация производительности и отказоустойчивости сервисов. * Активное взаимодействие с продуктом и инженерами смежных команд для трансформации требований в технические решения. Требования * Уверенное знание Python 3.x и опыт коммерческой разработки от 3 лет. * Опыт работы с современными веб-фреймворками (FastAPI, Django, aiohttp). * Глубокое понимание принципов асинхронного программирования. * Опыт работы с реляционными (PostgreSQL) и нереляционными (Redis, MongoDB) базами данных. * Опыт работы с брокерами сообщений (Kafka, RabbitMQ). * Понимание микросервисной архитектуры и паттернов распределенных систем. * Опыт работы с Docker и Kubernetes. Приветствуется (Будет плюсом): * Активное использование AI-инструментов в повседневной работе (Copilot, Cursor, ChatGPT/Claude для код-ревью и генерации тестов). * Опыт разработки агентов (LangChain, LangGraph, AutoGen) или интеграции LLM в продукты. * Наработанные промпт-инженерные навыки для решения рутинных задач. Мы ценим: * Готовность к высокому темпу разработки и быстрой итеративности. * Глубокое погружение в бизнес-логику: мы ждем, что вы понимаете, _зачем_ пользователю нужен ваш сервис. Условия * комфортный современный офис рядом с м. Тульская * возможность выбрать удобный график – офис/гибрид * ежегодный пересмотр зарплаты и годовая премия * 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

Если совсем ничего неизвестно — — 🕹 Список обязанностей: Быстро создавать и запускать новые мобильные приложения и MVP; Разрабатывать frontend на React + TypeScript и mobile на React Native;

Location: Москва Команда управления развития искусственного интеллекта (блок «Развитие клиентского опыта B2C») ищет NLP/LLM-инженера для развития AI-copilot премиальных клиентских менеджеров. Мы переходим от классических NLP-решений к адаптивным мультиагентным системам, способным самостоятельно решать задачи в контуре бизнеса: поиск по базе знаний, суммаризация профиля, извлечение инсайтов из звонков, управление графиком, проактивные подсказки на звонке. Ищем Senior-инженера, который возьмет на себя архитектурную ответственность за решения с LLM под капотом, выстроит процессы оценки качества и будет писать чистый, поддерживаемый код, готовый к интеграции в продакшн выделенной бэкенд-командой. Обязанности * архитектура и разработка: проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы и автономных AI-агентов с использованием планирования, function calling и мультиагентной оркестрации * дообучение и адаптация: SFT/RLHF/DPO, LoRA/QLoRA под специфичные бизнес-задачи. Принимать решения о том, когда дообучение необходимо, а когда достаточно промпт-инжиниринга или RAG * система оценки (Eval): поддерживать культуру качества, внедряя продуктовые и ML-метрики (RAGAS, DeepEval, кастомные LLM-as-a-Judge), автоматизировать регрессионное тестирование, связывать технические метрики с бизнес метриками * качество кода и интеграция: писать чистый, хорошо документированный и тестируемый python-код, который легко интегрируется и поддерживается бэкенд командой. Формировать стандарты разработки в рамках DS экспериментов и проектировать API-контракты для ML-компонент * менторство и влияние: участвовать в код-ревью, формировать технические стандарты команды, декомпозировать бизнес-задачи и предлагать оптимальные ML-решения. Работать напрямую с продуктом и стейкхолдерами. Требования * опыт в DL/NLP от 4 лет включая обучение/дообучение моделей на PyTorch, из них не менее года практического опыта с LLM * практический опыт построения AI-агентов и LLM-пайплайнов с использованием LangChain/LangGraph * глубокое понимание архитектуры современных LLM, включая механизмы attention, MoE, RoPE, KV-cache, методы alignment (RLHF/DPO), принципы эффективного инференса * сильная инженерная культура: Python (asyncio, pydantic, fastapi), написание чистого тестируемого кода (pytest), опыт разработки асинхронных микросервисов. Понимание Docker/K8s, CI/CD для ML * оценка и мониторинг: уверенное владение инструментами LLMOps (Arize, LangSmith, W&B, Phoenix). Опыт создания кастомных eval-пайплайнов и понимания того, как метрики влияют на продукт * работа с данными: опыт предобработки сложных данных для подготовки датасетов, знание SQL * автономность и коммуникация: Умение переводить неопределённые бизнес-задачи в технический план, аргументированно отстаивать архитектурные решения, работать без микроменеджмента. будет плюсом: * опыт опромышливания AI-агентов и знание принципов LLMOps, включая CI/CD, оркестрацию и управление версиями промптов * опыт интеграции ML-решений в высоконагруженные системы * понимание безопасности LLM-приложений. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы после испытательного срока * 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 Ищем опытного Python-инженера, который любит ML, понимает его силу и ограничения, и хочет делать «настоящий» production-backend: надёжный, масштабируемый, с чёткой инженерной культурой. Стек технологий: Python 3.12+, FastAPI, gRPC/HTTP, Kafka, PostgreSQL, PyTorch/Lightning, инструменты для LLM-оркестрации, LangGraph, Grafana/OpenTelemetry, OpenShift, Jenkins. Обязанности * проектировать и разрабатывать backend-сервисы на Python для LLM-агентов и ML-пайплайнов (низкие задержки, высокая надёжность, observability) * выстраивать и развивать архитектуру агентских систем (оркестрация инструментов, память, планирование, безопасные guardrails, оценка качества) * внедрять ML System Design подходы: искать и применять передовые идеи и мировой опыт в области архитектур агентских систем * работать с данными и интеграциями: очереди/стриминг, базы, кэш, внешние API * проводить технические исследования (R&D), быстро прототипировать, измерять, масштабировать в прод * развивать платформу: тестирование, CI/CD, мониторинг, трассировка, расходы. Требования * от 4 лет промышленной backend-разработки на Python с акцентом на надёжность и производительность * опыт проектирования распределённых систем и высоконагруженных сервисов * уверенная математическая база (вероятность/статистика/оптимизация), инженерный вкус и привычка мерить всё метриками. * практика работы с ML-системами в проде: фичи, офлайн/онлайн-оценка, A/B, наблюдаемость качества * навык разбираться в новых подходах (LLM-агенты, инструменты, память, RAG, оценка), критически их проверять и доводить до результата * готовность брать ответственность за продуктовые эффекты, а не только за код. Будет плюсом: * опыт построения agentic-архитектур (планировщики, многoшаговые цепочки, инструментализация, безопасность). * опыт реализации высокоэффективного инференса LLM моделей, глубокое понимание работы kernel для инференса * вклад в open-source или публикации/доклады * знание домена рисков. Условия * рабочее место в современном офисе по адресу г. Москва, проспект Кутузовский, 32 * режим работы: гибрид, удаленного формата нет * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС с первого дня работы для сотрудников и льготная медицинская страховка для близких * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

проектировать архитектуру, разрабатывать API и бэкенд-приложения, оптимизировать производительность, тестировать, документировать и вместе с командой доводить продукт до результата.

-Развитие существующих backend-сервисов. -Разработка новых сервисов для внутренней инфраструктуры.

Предстоит: Проектировать и внедрять ML-решения (от классического регрессионного анализа до Time Series и Uplift-моделей); Строить высокопроизводительные пайплайны обработки данных и генерации признаков на PySpark;