Вакансии

We're looking for a Senior Content Marketing Specialist to shape and create impactful, thought-leadership led content across our 6 monthly brand campaign cycles, plus additional ICP tracks as needed, while owning customer advocacy content - e.g. case studies.

Location: Москва Команда исследований занимается проведением аналитических исследований в блоке «Люди и Культура», связанных с сотрудниками банка. Исследования охватывают весь жизненный цикл сотрудника — от приёма на работу до оценки эффективности, мотивации и других аспектов. Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности * проведение аналитических исследований и формирование отчётов * работа с BI-инструментами для визуализации данных * формирование гипотез и их подтверждение или опровержение через исследования * самостоятельное курирование исследования от сбора бизнес-требований до формирования итоговых отчётов * взаимодействие с заказчиками исследований * подготовка прототипов для тестирования и пилотирования аналитических решений. Требования * знание SQL и Python * опыт работы с BI-системами (Power BI, Qlik Sense, Tableau) * методы статистического анализ * опыт проведения аналитических исследований и проверки гипотез * статистика и математическое моделирование * высшее образование (технические или физико-математические науки) * английский язык на уровне B1/Intermediate * умение пользоваться LLM-инструментами. Будет плюсом: * знание основ ML * опыт работы с большими данными * навыки работы с генеративными AI-моделями * опыт создания AI-агентов и использования их в работе будет преимуществом * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов * инструментальное владение AI для анализа, генерации и автоматизации. Условия * гибридный формат работы, адрес офиса Кутузовский проспект 32 к 1 * ежегодный пересмотр зарплаты, квартальная и 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 GigaCode -  AI-продукт для разработчиков. Мы создаём AI-агентов, которые помогают писать, анализировать, тестировать и сопровождать код. Ищем технически сильного Backend Team Lead (Java), который возглавит команду backend-разработки GigaCode. Обязанности ### Задачи: * управлять командой backend-разработчиков: планирование, развитие, найм. * проектировать архитектуру и развивать backend GigaCode * разрабатывать новые продуктовые возможности и API для CLI, Desktop и IDE-плагинов * развивать интеграции с LLM, агентные сценарии и взаимодействие клиентских приложений сbackend * обеспечивать производительность, отказоустойчивость и масштабируемость продукта * принимать технические решения, участвовать в разработке и code review. Требования ### Мы ожидаем: * опыт backend-разработки от 5 лет, управление командой — от 2 лет * глубокая экспертиза в Java, Spring Boot * опыт проектирования распределённых и высоконагруженных систем * знание PostgreSQL, Redis, Kafka, Docker, Kubernetes * понимание микросервисной архитектуры, observability и CI/CD * умение самостоятельно принимать технические решения и доводить их до production. **Будет плюсом:** * опыт разработки на Rust и JavaScript / TypeScrip * опыт разработки AI-продуктов, LLM-интеграций и агентных систем * Знакомство с MCP, OpenTelemetry и архитектурой AI coding assistants. Условия ### Мы предлагаем: * годовой бонус и ежегодный пересмотр зарплаты * расширенный ДМС с первого дня, страхование жизни, корпоративная пенсионная программа * льготная ипотека для сотрудников, подписка Прайм с возможностью шеринга (совместного использования) на трёх близких, скидки от партнеров и сервисов группы компаний * корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях * офис с видом на набережную, зонами отдыха и спортзалом * 90 дней удаленной работы из любого региона РФ * реферальная программа (бонус до 100 000 рублей).

Location: Москва Workplace: гибкий Мы — группа мультимодальных контентных моделей в отделе экспериментальных технологий AI VK. Мы разрабатываем технологии глубокого понимания контента и применяем их для развития рекомендательных систем ВКонтакте. Мы строим модели, которые извлекают содержательные представления из постов, клипов, длинных видео и музыкальных треков, объединяя информацию из текста, изображения, видеоряда, речи и звука. Эти представления используются для поиска похожего контента, построения признаков, классификации и улучшения качества рекомендаций в продуктах VK. Основные направления нашей работы — базовые embedding-модели для представления контента, мультимодальные модели и контентные классификаторы. Мы исследуем современные архитектуры, обучаем собственные модели на больших внутренних датасетах и доводим их до применения в продуктовых рекомендательных системах. Позиция находится на стыке ресёрча и инженерии: от чтения статей, построения датасетов и постановки экспериментов до масштабного обучения, оптимизации инференса и проверки моделей в A/B-тестах. Стек: PyTorch YT (YTsaurus), YQL NVIDIA Triton Inference Server, TensorRT, vLLM Распределённое обучение и multi-GPU inference Python, C++, Go Задачи Разрабатывать и обучать базовые embedding-модели для текста, изображений, видео, речи, звука и музыки Разрабатывать мультимодальные модели и контентные классификаторы Исследовать архитектуры и методы обучения представлений: metric learning, contrastive learning, self-supervised и supervised learning Строить датасеты и бенчмарки для оценки качества моделей и проводить масштабные экспериментальные исследования Адаптировать модели под задачи retrieval и рекомендательных систем Интегрировать модели в продуктовые механики рекомендаций постов, клипов, видео и музыки Оптимизировать и масштабировать обучение и инференс моделей Деплоить модели и сопровождать их в продакшене: проводить A/B-тесты, анализировать метрики и мониторить качество Постоянно разбирать свежие статьи и идеи из индустрии и академической среды, воспроизводить перспективные подходы и проверять их на наших задачах Настраивать пайплайны сбора и разметки данных, работать с асессорами и синтетическими данными: проектировать инструкции, контролировать качество и проводить калибровки Требования Опыт разработки, обучения и внедрения DL-моделей Уверенное знание теории машинного и глубокого обучения Хорошее понимание алгоритмов и структур данных, линейной алгебры, теории вероятностей и статистики Умение проектировать корректные эксперименты, выбирать метрики и интерпретировать результаты Навык написания чистого и поддерживаемого кода, понимание принципов проектирования ПО Владение современными практиками совместной разработки с кодовыми агентами: умение эффективно декомпозировать задачи для агентных инструментов, контролировать и ревьюить сгенерированный код Умение самостоятельно разбираться в новых предметных областях, быстро ставить эксперименты и проверять гипотезы Готовность работать как с исследовательской частью задачи, так и с её инженерной реализацией Открытость, ответственность, самостоятельность и проактивность Будет плюсом Опыт разработки поисковых или рекомендательных систем в индустриальном масштабе Опыт работы с embedding-моделями, metric learning, contrastive learning или representation learning Опыт работы с мультимодальными моделями, VLM, audio-language моделями, video encoders или foundation-моделями Опыт обучения моделей для аудио, музыки, речи, изображений или видео Опыт self-supervised learning и обучения на больших слабоструктурированных датасетах Опыт распределённого обучения на нескольких GPU или нескольких узлах Опыт оптимизации DL-моделей: профилирование, квантизация, дистилляция, уменьшение размерности представлений Опыт построения больших датасетов и систематических бенчмарков для ML-моделей Публикации на профильных ML-конференциях или сильный исследовательский бэкграунд

Location: Москва Workplace: Офисный Мы — отдел экспериментальных технологий в AI VK, который решает широкий спектр ML- и DL-задач. Наша команда анализирует, как наши разработки можно переиспользовать и где применить, а затем масштабировать. Мы строим LLM-команду, ищем людей с опытом алаймента, RAG-сценариями, ресёрч-бэкграундом в RL, умеющих рассуждать, быстро ставить эксперименты и проверять гипотезы. Позиция на стыке ресёрча и инженерии. У нашего отдела есть огромный накопленный опыт обучения и релизов Frontier мультимодальных моделей, VLM/MMLM. Стек: YT (YTsaurus), YQL NVIDIA Triton Inference Server, TensorRT, vLLM PyTorch, verl Python, C++, Go Задачи Разработка новых и улучшение существующих RAG-сценариев Оценка качества моделей и интеграция в продуктовые механики Деплой и оптимизация инференса моделей Сопровождение релизов: A/B-тесты, мониторинг Постоянный разбор свежих статей и идей в индустрии Настройка пайплайнов разметки, работа с асессорами и синтой: инструкция, контроль качества, калибровки Требования Опыт внедрения и сопровождения DL-моделей в продакшен Уверенное знание теории DL, алгоритмов и структур данных, линейной алгебры, теории вероятности и статистики Навык написания чистого кода, глубокое понимание принципов проектирования (SOLID, coupling & cohesion, etc...) Умение рассуждать, быстро ставить эксперименты и проверять гипотезы Открытость, ответственность, самостоятельность и проактивность Будет плюсом Опыт в построении поисковых или рекомендательных систем в индустриальном масштабе, бэкграунд разработки или кванты Публикации в научной среде Опыт профилирования DL-моделей, квантизация, дистилляция Опыт работы с распределённым обучением Опыт алаймента LLM, SFT, DPO/RLHF/GRPO, scaling laws, работа с агентами, синтетическими данными

Location: Москва Workplace: гибкий ML Media — продукт ML R&D: единый gateway для различных AI-технологий. Продуктовые команды VK интегрируются с платформой один раз и получают доступ ко всему спектру речевых и мультимедийных ML-моделей: ASR — распознавание речи: синхронное, асинхронное (длинные аудио) и realtime-стриминг TTS — синтез речи CV — компьютерное зрение: детекция лиц, оценка качества видео, deepfake-детекция, OCR VQE — улучшение качества речи: шумоподавление, определение голосовой активности Диаризация — разметка аудио по спикерам Суммаризация — краткое содержание аудио и видео на базе LLM: главные тезисы длинных записей за секунды, а не часы прослушивания За единым API платформа скрывает всю инженерную обвязку: маршрутизацию и балансировку нагрузки на GPU-парк с моделями на NVIDIA Triton Inference Server и vLLM, квоты и рейт-лимиты, асинхронную обработку длинных медиа, защиту GPU-парка от перегрузки и наблюдаемость всего контура. ML Media уже интегрирована с ключевыми продуктами VK: MAX, VK Мессенджер, VK ID, VK Звонки и VK Видео. Наши пользователи — миллионы людей, которые каждый день распознают и синтезируют речь, общаются с голосовыми ассистентами и смотрят видео. Сейчас мы проходим трек платформизации существующих технологий: ASR, TTS, CV и другие сервисы уже работают в production по отдельности — мы объединяем их в единую платформу с общим API, единой плоскостью управления и общей инфраструктурой. Отдельная инженерная задача — сделать так, чтобы подключение новой технологии к платформе занимало дни, а не месяцы. Команда интеграции технологий разрабатывает компоненты платформы — API-шлюз (gRPC, REST и MCP для LLM-агентов), плоскость управления (пользователи, токены, квоты), асинхронный контур обработки задач и клиентский инструментарий (CLI, MCP) — и отвечает за то, чтобы research-модели становились надёжными production-API. Задачи Разработка платформы: API-шлюз (gRPC, REST, MCP), плоскость управления (пользователи, токены, квоты), асинхронный контур обработки задач, клиентский инструментарий (CLI, MCP) Поддержка существующих интеграций: сопровождение интеграций продуктовых команд (MAX, VK Мессенджер, VK ID, VK Звонки, VK Видео), помощь в подключении, разбор инцидентов Балансировка и роутинг запросов к ML-бэкендам: кастомные gRPC balancer'ы, health-probing реальными inference-запросами, теговый роутинг моделей Admission control на основе утилизации GPU: метрики throughput, гистерезис throttle/reject, сигналы автоскейлеру Асинхронная обработка длинных медиа: Kafka-воркеры, outbox, ретраи и восстановление задач, партиционирование таблиц PostgreSQL Наблюдаемость и эксплуатация: Prometheus-метрики, Sentry, структурированные логи, поиск узких мест Взаимодействие с ML-командами и продуктовыми заказчиками, участие в проработке архитектуры Требования Опыт коммерческой разработки на Go Уверенное владение конкурентностью: goroutines, context, errgroup, graceful shutdown Опыт проектирования отказоустойчивых высоконагруженных систем Опыт с gRPC (streaming, interceptors), PostgreSQL, Redis, Kafka или другими брокерами сообщений Навыки диагностики production-проблем: метрики, логи, профилирование Системное мышление Будет плюсом Опыт с NVIDIA Triton Inference Server, vLLM или другими платформами ML-сервинга Понимание метрик ML-инференса: real-time factor, throughput, latency, утилизация GPU Опыт разработки кастомных gRPC balancer'ов или resolver'ов Опыт с admission control, capacity planning, автоскейлингом Понимание agentic AI: MCP, tool calling Опыт с sqlc, testcontainers, codegen-пайплайнами Знание Python — для взаимодействия с ML-кодом бэкендов

Location: Санкт-Петербург Workplace: Комбинированный Наша команда занимается внедрением AI в разработку на уровне всей компании VK. Наши клиенты — продуктовые команды из разных бизнес-юнитов компании. Сейчас мы активно развиваем свою платформу для создания автономных AI агентов-разработчиков, а также внедряем общие AI-решения для автономизации различных этапов цикла разработки. Ищем талантливого разработчика, которому интересны Agentic AI-системы, чтобы усилить нашу команду. Примеры задач: Улучшение облачной системы Sandbox'ов, предоставляющих безопасное изолированное окружение для работы автономных AI-агентов Разработка, улучшение и внедрение различных мультиагентных пайплайнов для автономизации SDLC Создание системы бенчмарков для оценивания эффективности автономных AI-агентов для разработки Улучшение качества работы автономных AI-агентов для разработки У нас интересно: Наша команда участвует в ключевых проектах компании Внутренние пользователи всегда рядом, сами приносят обратную связь и открыты к общению Разнообразные задачи и отсутствие рутины Широкие зоны ответственности и простор для творчества Нет лишней бюрократии Задачи Разработка платформы для создания автономных AI-агентов разработчиков Разработка и внедрение мультиагентных пайплайнов для автономизации SDLC Улучшение качества работы автономных AI-агентов разработчиков Требования Опыт коммерческой разработки production ready AI-систем Опыт или интерес к созданию инструментов для разработчиков: анализаторы кода, компиляторы, IDE-плагины, SWE AI-агенты и так далее Уверенные навыки по работе с AI-агентами в разработке и их применению в реальных задачах Понимание внутреннего устройства AI-агентов и базовых принципов agentic AI: prompt и context engineering для современных LLM, MCP, tool calling, etc. Опыт разработки и поддержки кода на Go (основной язык), Python или переход на них за испытательный срок Понимание принципов разработки ПО: подходы к тестированию и его виды, модели работы с Git, современные практики в CI/CD и всё остальное, с чем разработчики разных специализаций сталкиваются каждый день

Location: Москва Workplace: гибкий Наша команда отвечает за базу знаний и агентов — это ядро платформы, с которым напрямую работают клиенты. Мы строим RAG-системы для корпоративных данных: от загрузки и индексации документов до поиска и генерации ответа. Мы также разрабатываем самих агентов, которые используют эти знания в рабочих сценариях. Задачи Руководить командой разработки направления RAG: отвечать за delivery, качество и стабильность сервисов команды Совмещать управление командой с разработкой — ориентировочно 50% времени работать hands-on Планировать работу команды, декомпозировать и оценивать задачи, управлять выполнением roadmap, багами и техническим долгом Осуществлять техническое лидерство команды: проводить технические проработки, определять архитектуру и технические решения внутри сервисов RAG, проводить code review Участвовать в проработке архитектурных решений на уровне платформы совместно с главным архитектором Разрабатывать и развивать сервисы на Python в области RAG и баз знаний Провести декомпозицию существующих компонентов RAG, реализованных на Ray.io, на отдельные сервисы и участвовать в переходе от текущей архитектуры на Ray к целевой сервисной архитектуре Развивать контур работы с данными и знаниями: загрузку и индексацию данных, парсинг и разбиение документов, embeddings, retrieval, reranking, vector DB, базы знаний и evaluation Отвечать за инженерное качество сервисов команды: тестирование, наблюдаемость, производительность, отказоустойчивость и стабильность в production Участвовать в L4-поддержке сервисов команды и инцидент-менеджменте Проводить people management команды: 1:1, performance review, развитие сотрудников, наём, проведение испытательных сроков Синхронизироваться с продуктовыми и техническими командами платформы по зависимостям и совместным задачам Требования Сильный опыт backend-разработки на Python и опыт самостоятельной разработки production-сервисов Опыт управления командой разработки и ответственность за её delivery Опыт технического лидерства: проектирование сервисов, проведение технических проработок, принятие архитектурных решений, code review Готовность совмещать роль Team Lead с активной разработкой руками Уверенное знание Python, asyncio и FastAPI Опыт работы с PostgreSQL и проектирования схем хранения данных Понимание принципов построения распределённых backend-систем, асинхронной обработки и взаимодействия сервисов Опыт проектирования и декомпозиции сервисной архитектуры, выделения отдельных сервисов из существующих крупных компонентов Опыт работы с брокерами сообщений, желательно NATS Опыт эксплуатации и развития production-сервисов, понимание требований к качеству, стабильности, наблюдаемости и производительности Умение организовывать работу команды: планирование, декомпозиция, оценка задач, управление техническим долгом и багами Опыт people management: развитие сотрудников, обратная связь, performance review и наём Будет плюсом Практический опыт разработки RAG-систем и сервисов баз знаний Опыт работы с retrieval, reranking, embeddings, индексацией, chunking и оценкой качества RAG Опыт работы с Ray/Ray.io и системами, построенными на нём Опыт работы с Qdrant или другими векторными базами данных Опыт работы с Elasticsearch/OpenSearch Опыт работы с Kubernetes Знание Go, опыт разработки сервисов на Go или желание его получить в будущем

Location: Москва Workplace: Комбинированный VK AI Space — платформа для создания и запуска мультиагентных ИИ‑систем в защищённом контуре. Позволяет бизнесу быстро разрабатывать и внедрять ИИ‑агентов для анализа данных, автоматизации процессов и интеграции с корпоративными системами. Решение подходит компаниям с повышенными требованиями к безопасности и контролю доступа. Задачи Работать с гипотезами. Формулировать продуктовые гипотезы, тестировать через создание прототипов, сбор обратной связи и так далее Взаимодействовать с командами. Тесно сотрудничать с разработчиками, ML-инженерами, аналитиками, дизайнерами, бизнес-аналитиками Управлять бэклогом. Собирать требования, ставить задачи, контролировать реализацию Оценивать результат. Отслеживать метрики (ROI, экономия времени, рост ключевых показателей), анализировать влияние фич на продукт Обосновывать решения. Рассчитывать бизнес-эффект (ROI), презентовать инициативы руководству и стейкхолдерам Следить за трендами. Изучать новые AI-технологии, оценивать их применимость Требования Опыт: от 2-3 лет в продуктовом или проектном менеджменте, из них минимум 2 года с внедрением AI-решений Понимание AI: базовые знания ML, работы нейросетей (LLM, диффузионные модели), принципов RAG, ограничений технологий Навыки: умение переводить бизнес-задачу в техническое задание, работа с метриками, проведение исследований, приоритизация Коммуникация: навыки презентации, работы с кросс-функциональными командами

Location: Москва; Санкт-Петербург; Ташкент Workplace: Удалённый, Офис, Гибридный Мы создаём условия, чтобы команды, разрабатывающие суперапп Яндекс Go и интегрируемые SDK, работали продуктивно: строим процессы для обмена опытом, задаём общие практики и т. д. Приходите к нам, если уверенно владеете Swift, UIKit, SwiftUI и готовы много общаться с другими командами. Команда DevEx — платформенная команда супераппа Яндекс Go с фокусом на опыте разработки. Мы отвечаем за архитектуру, базовые модули, производительность, обновление технологий, частично за CI. Главное, чем мы занимаемся, — создаём условия, в которых множество команд, разрабатывающих суперапп и интегрируемые SDK, работают продуктивно. Мы выступаем своеобразным клеем для других команд: строим процессы для обмена опытом, задаём общие практики (ревью кода, покрытие тестами и т. д.). Обязанности Трансформация кодовой базы Вы будете участвовать в формировании видения архитектуры приложения и приводить кодовую базу к целевому состоянию с помощью AI-агентов (есть инфраструктура для запуска на CI). Развитие платформы Понадобится работать над базовыми модулями (сеть, дизайн-система) и общей инфраструктурой, улучшать производительность и стабильность приложения, обновлять технологический стек. Больше о мобильной разработке в Яндексе — в канале Yandex for Mobile Требования * Уверенно владеете Swift, UIKit, SwiftUI * Умеете эффективно работать с AI-агентами: ставить задачу, проверять, дорабатывать и отвечать за итоговый результат * Писали или активно применяли переиспользуемые модули/SDK * Умеете договариваться: значительная часть работы — на стыке с другими командами

Location: Москва Workplace: Офис, Гибридный Автономный транспорт постоянно развивается. Наша команда обеспечивает финансовую основу для создания новых технологий — транспорта, который без управления человека двигается по улицам городов. Вы будете вести учёт расчетов с поставщиками, включая сложные операции в рублях и валюте. Мы создаём то, что завтра перевернёт мир, — технологии автономного транспорта. Наша команда обеспечивает финансовую основу для транспорта, который без управления человека двигается по улицам городов. Ваша работа будет не абстракцией, а реальным вкладом в развитие будущего. Вы будете вести учёт расчётов с поставщиками, включая сложные операции в рублях и валюте. Это ключевая роль для поддержки бесперебойной работы всех процессов — от закупки компонентов до обеспечения логистики. Ваша точность и экспертный опыт помогут нам сфокусироваться на главном: создании нового типа транспорта с нуля. Вы станете частью команды, где важны результат и смысл, а не бюрократия. Обязанности Ведение бухгалтерского учёта Вам предстоит вести полный цикл учёта расчётов с поставщиками товаров, работ и услуг в рублях и валюте в соответствии с законодательством РФ, учёт расчётов с агентами, учёт и распределение расходов при формировании себестоимости продукции. Вы будете создавать отчёты комитенту, проверять первичные документы, отражение операций в 1С ERP, контролировать соответствие данных. Работа с внешнеэкономической деятельностью (ВЭД) Вашими задачами станут контроль приёмки импортных инвойсов, таможенных деклараций, начисление транспортных и сопутствующих расходов, а также учёт расчётов с нерезидентами, отражение оплат и зачёт авансов. Учёт НДС и курсовых разниц Вы будете формировать книги покупок, делать ежемесячные сверки с поставщиками по НДС, контролировать особый порядок учёта курсовых разниц на период 2023–2027 гг. Подготовка отчётности Нужно будет готовить данные для закрытия отчётного периода, формировать сводные отчёты, работать с запросами внутренних аудиторов и контролирующих органов. Взаимодействие с подразделениями Вам предстоит консультировать отделы по работе с поставщиками по оформлению документов, решать вопросы документооборота и расчётов со смежными командами. Требования * Получили высшее образование в области бухгалтерского учёта, финансов или экономики * Работали бухгалтером по расчётам с поставщиками от трёх лет * Уверенно работаете с 1С ERP, ЭДО, Excel, Word * Знаете бухгалтерский учёт расчётов с контрагентами и правила оформления первичной документации * Глубоко понимаете ПБУ 3/2006, Федеральный закон № 164-ФЗ, Инкотермс 2020 * Умеете обрабатывать большой объём первичной документации * Умеете расставлять приоритеты в режиме многозадачности, соблюдать сроки * Внимательны, усидчивы, хорошо работаете в команде * Способны принимать решения по вверенному участку в отсутствие руководителя

Location: Москва; Санкт-Петербург Workplace: Офис, Гибридный Яндекс Смена — сервис, который помогает людям находить подработку, а компаниям закрывать дефицит кадров. Ищем разработчика бэкенда. Вы будете делать продукт, через который проходит каждый пользователь от первого захода в приложение до выхода на смену. Яндекс Смена — сервис, который помогает людям в поиске подработки, а компаниям — закрыть дефицит кадров: например, найти комплектовщиков, грузчиков, сортировщиков. Мы связываем тех, кто хочет подработать на гибком графике, с бизнесом, которому срочно требуются сотрудники. Сервис активно растёт: мы уже представлены в десятках городов, сотрудничаем с крупными ритейлерами, и объёмы работ продолжают увеличиваться. Сейчас особенно интересный этап — мы переходим из стартапа в большой бизнес и строим для него платформу. Обязанности Платформа исполнителей Вы будете создавать продукт, который сопровождает каждого пользователя — от первого захода в маркетплейс до выхода на смену. Задача — построить самую большую и сильную платформу исполнителей: ведь без людей на сменах не будет и бизнеса. Рынок подработки и линейного персонала очень конкурентный, и только такая платформа поможет стать лидером. Вам предстоит проработать витрину смен, чтобы пользователи быстро находили подходящую работу, настроить механики подбора и отображения: ранжирование, фильтры, персональные предложения — они повысят конверсию. Вы будете реализовывать систему динамических надбавок для баланса спроса и предложения, а также выстраивать воронку привлечения — от первого захода в приложение до подтверждённой смены. Каждый шаг в воронке напрямую влияет на выручку. Разбиение монолита Сейчас ядро системы написано на Python и представляет собой монолит, из-за чего мы сталкиваемся с серьёзными ограничениями. Чтобы построить большой бизнес, нужно разбить монолит на микросервисы с чёткими границами. Вы будете решать, как это сделать, и выстраивать архитектуру, рассчитанную на масштаб. AI-native-разработка Вы будете внедрять подход, при котором агенты полностью реализуют и запускают некритичные фичи «под ключ». Для этого нужно подготовить инженерный контекст, изменить процесс разработки и обеспечить агенту самостоятельный путь от задачи в Трекере до продакшена с минимальным участием человека. Больше о бэкенде в Яндексе — в канале Yandex for Backend Требования * Уверенно используете AI-инструменты в разработке * Способны брать на себя ответственность за результат — от обсуждения задачи до выбора решений и их реализации Будет плюсом * Работали над внедрением AI-ассистентов и агентов в процесс разработки * Знаете Go/Python

Location: Москва Workplace: Офис В Фантехе новое направление — персональные AI-продукты. люмен — это ИИ-компаньон для миллионов пользователей. Мы придумываем нового агента, который запускает первые LLM-сценарии на Яндекс Афише, Музыке, Кинопоиске и Книгах. Приходите разрабатывать и развивать нового ИИ-помощника. Мы создаём ИИ-компаньона для миллионов пользователей. Люмен — не просто эксперимент, а стратегическое направление для нас. Это агент первого выбора, который со временем поможет пользователю принимать решения не только в сфере развлечений, но и в других жизненных ситуациях. Мы ведём работу в режиме стартапа внутри крупной компании: быстро проверяем гипотезы, обсуждаем продуктовые решения и формируем команду. Обязанности Развитие AI-агента Вы будете анализировать сценарии общения с люменом, находить слабые места в рекомендациях и диалогах, предлагать решения, чтобы агент стал более полезным. Цель — превратить люмена из простого AI-агента в ИИ-компаньона, с которым захочется делиться впечатлениями и эмоциями. Продуктовые разработки Вы будете детально прорабатывать новые функции и сценарии для люмена, участвовать в исследованиях пользовательского опыта, проверять гипотезы, защищать решения перед стейкхолдерами и адаптировать продукт для разных сервисов экосистемы — от Музыки и Кинопоиска до Яндекс Афиши и Яндекс ID. Кросс-командное взаимодействие и разработка персонализации Вы будете договариваться с командами сервисов (Музыка, Кинопоиск, Книги, Яндекс Афиша) о том, какие функции включить в люмена, а также разрабатывать критерии персонализации и брендирования — такие, чтобы пользователь ощутил, что агент понимает именно его. Больше о создании продуктов в Яндексе — в канале Yandex for Products Требования * Работали менеджером продукта 3–5 лет, желательно с AI/ML * Запускали продукты с нуля или на раннем этапе — важна готовность работать в условиях высокой неопределённости * Понимаете специфику ML-разработки: умеете работать с командой, для которой качество результата — предмет постоянных итераций, а не гарантированный дедлайн * Умеете работать с метриками: выстраивать воронки, формулировать гипотезы, защищать решения цифрами * Имеете опыт кросс-командного взаимодействия: умеете договариваться с несколькими продуктовыми командами одновременно * Умеете переводить сложный контекст на понятный язык для разных аудиторий — от инженеров до руководителей

Location: Москва Workplace: Офис, Гибридный Наша служба занимается внедрением AI в бизнес Яндекс Лавки. Ищем руководителя команды. Приходите, если запускали направления с нуля, обладаете ML-бэкграундом и умеете разговаривать с бизнесом. Наша служба занимается внедрением AI в бизнес Яндекс Лавки — сейчас это один из главных приоритетов компании. Год назад мы запустили первых агентов, которые автоматизируют отдельные процессы. К лету мы создали для Лавки более 100 виртуальных сотрудников. После десятков циклов e2e‑разработки мы пришли к выводу, что эффект от точечных агентов имеет верхний предел. Поэтому мы сменили подход — перешли к «космолётам». Теперь мы берём целую бизнес‑функцию (операции, коммерция, маркетинг, финансы и так далее), описываем все процессы в текущем виде (as‑is), а потом проектируем, как эта функция выглядела бы, если бы её создавали с нуля в мире, где в основе всего — AI. Затем поэтапно движемся к этой картине. С технической точки зрения мы работаем с агентскими системами. У них есть общий контекст и знания. Часть систем — мультиагентные, в некоторых используются ReAct‑агенты на мощных моделях, а в других — детерминированные StateGraph‑агенты. Все системы работают на нашей собственной платформе агентов (в основе — Python и lang*). Сейчас на платформе уже более 50 агентов. В нашей службе нет разделения на разработчиков, тестировщиков и аналитиков — все работают фуллстеком. Команды сформированы по доменам: есть несколько «космолётных» команд, команды сквозных AI‑инструментов и команда платформы. Мы ищем лидов в новые направления: * «Космолёты» маркетинга * «Космолёты» финансов * «Космолёты» учётного центра * Команду сквозных AI‑инструментов (проджект‑менеджмент, документооборот) Это позиции играющего тренера: в команде будет 3–4 разработчика, и 30–50% времени вам нужно будет писать код самостоятельно. Команды пока формируются — вам предстоит вместе с нами достроить их. Обязанности Проектирование космолёта Вы будете вместе с продакт‑менеджером описывать текущие бизнес‑функции, представлять, как они могут измениться с использованием ИИ, и разбивать план работы на этапы и кварталы — так, чтобы каждый шаг сразу давал бизнесу результат. Техлидство Вам предстоит принимать архитектурные решения для агентской системы направления, распределять задачи и спринты, следить за тем, чтобы команда двигалась в правильном техническом направлении. Разработка Вы станете выступать в роли играющего тренера: 30–50% времени посвятите написанию собственного кода, в том числе работе с самыми сложными и неопределёнными частями системы. Развитие команды Вы будете добирать команду, ставить цели и способствовать росту сотрудников — заниматься классическим people management в компактной команде. Бизнес-эффект Вы будете отвечать за прирост FTE в своём направлении перед бизнесом и вместе с представителем бизнес‑функции решать, какие процессы и в какой очерёдности автоматизировать с помощью AI. По мере достижения результатов зона ответственности может расширяться — к направлению будут добавляться смежные домены. Больше о бэкенде в Яндексе — в канале Yandex for Backend Требования * Руководили инженерной командой или были техлидом: умеете декомпозировать большие неопределённые цели в план, который команда способна поставлять итерациями * Работали с LLM и агентами: имеете собственное мнение о том, как строить такие системы в проде * Остаётесь сильным инженером: роль предполагает регулярную разработку, а не только менеджмент, поэтому на собеседовании будет секция с кодом * Умеете разговаривать с бизнесом: погружаетесь в чужой домен, выстраиваете доверие с нетехническими стейкхолдерами и защищаете перед ними картину будущего * Ищете динамичное направление: вас скорее заряжает, чем пугает работа в условиях high risk, high reward, когда курс корректируется по мере развития индустрии * Следите за AI‑индустрией: не ограничиваетесь новостями, пробуете новое руками и можете отличить хайп от применимого Будет плюсом * Запускали направление или команду с нуля: нанимали, выстраивали процессы, доводили до первых результатов * Внедряли изменения в живые бизнес‑процессы и знаете, как переводить людей на новые инструменты * Имеете ML‑бэкграунд и опыт построения метрик качества для недетерминированных систем

Location: Москва Workplace: Офис Мы помогаем клиентам Yandex Cloud внедрять AI/ML-решения, которые дают измеримый бизнес-результат. Ищем Solution Sales Manager, который будет развивать территорию медиум-сегмента, формировать бизнес-сценарии и проводить демонстрации продуктов. Ждём, что вы работали в B2B-продажах IT-решений. Мы помогаем клиентам Yandex Cloud находить и внедрять AI/ML-решения, которые дают измеримый бизнес-результат. Работаем на стыке продаж, продуктов и технологий: разбираемся в задачах клиента, подбираем оптимальный стек, показываем продукты в деле и доводим перспективные сценарии до пилота, сделки и промышленного использования. Нашей команде нужен Solution Sales Manager для работы с клиентами медиум-сегмента финансовой и страховой индустрий, ритейла и логистики. Флагманский продукт направления — Yandex AI Studio, платформа для создания AI-приложений и агентов. В продуктовом стеке есть также AI-продукты и решения Яндекса: Yandex Search API, SpeechKit, SpeechSense, Нейроюрист. Основной фокус роли — рост облачного потребления AI-продуктов. При этом часть клиентов рассматривает гибридные и on-premises-решения, поэтому важно уметь работать с разными моделями поставки. Обязанности Развитие AI-бизнеса в медиум-сегменте Вы будете развивать большую территорию медиум-сегмента (сотни клиентов): находить перспективные компании и бизнес-сценарии, определять приоритетные аккаунты и формировать план развития AI-направления. Поиск бизнес-сценариев и подбор AI/ML-решений Вам предстоит погружаться в процессы клиента и находить задачи, в которых AI способен дать измеримый эффект: повысить качество клиентского сервиса, автоматизировать работу с обращениями и документами, ускорить поиск по корпоративным знаниям, помочь сотрудникам принимать решения, создать нового цифрового помощника. Демонстрации продуктов и подготовка пилотов Вы будете самостоятельно проводить демонстрации Yandex AI Studio и других продуктов по готовым сценариям, адаптировать их под отрасль и задачу клиента, объяснять возможности решения технической и бизнес-аудитории. Взаимодействие с продуктовой и технической командами Вы будете работать с техническими экспертами, архитекторами, продуктовыми командами, BizDev, Professional Services и партнёрами; передавать обратную связь рынка, рассказывать о потребностях клиентов и помогать совершенствовать продукты и материалы для продаж. Больше о том, что под капотом платформы Yandex Cloud, — в канале Inside Yandex Cloud Требования * Работали в B2B-продажах сложных IT-, cloud- или SaaS-решений более пяти лет * Применяли подход Solution Selling: можете пройти путь от бизнес-задачи клиента до предлагаемого решения, его ценности, экономики и следующего коммерческого шага * Можете развивать большую клиентскую территорию: сегментировать портфель, выбирать приоритетные аккаунты и вести несколько возможностей одновременно * Умеете проводить discovery, презентации и демонстрации продуктов для технической и бизнес-аудитории * Ориентируетесь в современном стеке для создания AI-приложений: LLM, tool calling и function calling, RAG, embeddings, vector search, MCP и т. д. * Понимаете основы речевых технологий: ASR, TTS, потоковую обработку речи, речевую аналитику и архитектуру голосовых агентов

Workplace: Гибридный Ищем ML-аналитика, который возьмёт на себя оценку качества продуктовых ИИ-функций и агентов. Такие решения уже появляются в Почте, Диске, Документах и других сервисах Яндекс 360. Для каждого сценария нужно понимать, насколько хорошо он работает на реальных запросах и что меняется после обновлений. Мы ищем ML-аналитика, который возьмёт на себя оценку качества продуктовых ИИ-функций и агентов. Такие решения уже появляются в Почте, Диске, Документах, Таблицах, Календаре, Телемосте и других сервисах Яндекс 360. ИИ-функции ищут информацию, готовят документы, пересказывают встречи и выполняют действия через инструменты. Для каждого сценария нужно понимать, насколько хорошо он работает на реальных запросах и что меняется после обновления модели, промпта, агента или тулов. Обязанности Построение системы оценки качества моделей и агентов Вам предстоит разработать и внедрить LLM-as-a-judge для автоматической оценки ответов моделей, а также построить eval-систему для оценки качества агентов. С её помощью команда будет проверять, насколько хорошо агенты решают пользовательские задачи и работают с тулами на каждом шаге. Создание пайплайнов обработки данных Вы будете работать с текстовыми и мультимодальными данными, создавая надёжные и эффективные пайплайны для сбора данных обучения и оценки. Ваша задача — автоматизировать процессы, чтобы данные были всегда актуальными и качественными. Разработка end-to-end-метрик для агентов Яндекс 360 Вы поможете разработать систему офлайн-метрик для агентов Яндекс 360: определить критерии качества, построить пайплайны и подобрать данные для оценки. Встраивание решений в продакшн Созданные вами инструменты и метрики не должны оставаться в виде прототипов. Важной частью работы будет интеграция ваших решений в продовые процессы команды ML-разработчиков и аналитиков. Больше об ML в Яндексе — в канале Yandex for ML Требования * Уверенно работаете с Python и SQL, анализируете данные с помощью pandas или похожих инструментов * Пишете поддерживаемый аналитический код и умеете доводить пайплайны до регулярной работы * Хорошо знаете теорию вероятностей и математическую статистику * Понимаете, как работают ML-модели и как оценивать их качество * Умеете ставить эксперименты, собирать репрезентативные выборки и находить смещения в данных * Можете связать качество модели с продуктовым сценарием и поведением пользователей * Самостоятельно разбираетесь в новой области и умеете договориться с разработчиками и продуктовыми командами о критериях качества Будет плюсом * Оценивали LLM, RAG-системы или агентов, которые работают с инструментами * Работали с экспертной или краудсорсинговой разметкой * Проводили онлайн-эксперименты и анализ продуктовых метрик * Знакомы с NLP или мультимодальными моделями * Запускали новую аналитическую или ML-практику

Location: Москва; Санкт-Петербург Workplace: Офис, Гибридный Яндекс Практикум помогает людям развивать карьеру: осваивать новые профессии, изучать английский язык и пользоваться ИИ-инструментами. Ищем старшего аналитика данных, которому предстоит самостоятельно решать сложные задачи на стыке маркетинга, продукта и продаж. Яндекс Практикум помогает людям развивать карьеру: осваивать новые профессии, изучать английский язык и пользоваться ИИ-инструментами. Мы развиваем образовательные сервисы — курсы по обучению профессиям с нуля и с опытом, «Луми», «Английский», «Грейд» и другие продукты. Команда аналитики привлечения способствует росту бизнеса: ищет точки роста в маркетинговых каналах, продуктовых механиках и продажах, проверяет гипотезы и оценивает, как изменения влияют на результаты. Мы активно экспериментируем, автоматизируем процессы и прямо влияем на выручку сервисов. Ищем старшего аналитика данных, которому предстоит самостоятельно решать сложные задачи на стыке маркетинга, продукта и продаж. Обязанности Оценка эффективности привлечения Вы будете анализировать путь пользователя — от первого контакта с Практикумом до покупки. Нужно оценивать, насколько эффективны каналы привлечения, скидки, ценовые механики и коммуникации. Вам предстоит находить зоны роста, выдвигать гипотезы и предлагать решения, которые помогут увеличить выручку. Эксперименты в продуктах Вам предстоит вместе с командами сервисов, маркетинга и прямых продаж прорабатывать и запускать эксперименты: определять, каких показателей нужно достичь; оценивать, какой эффект может дать изменение; анализировать итоги и помогать решать, стоит ли внедрять изменения дальше. Стандарты аналитической работы Вы будете вместе с командой развивать общие подходы к работе с данными: создавать ИИ-скилы и инструменты, которые можно использовать повторно, автоматизировать рутинные задачи, описывать лучшие практики и помогать коллегам применять их в новых задачах. Больше о бэкенде в Яндексе — в канале Yandex for Backend Требования * Работали в маркетинговой, продуктовой или коммерческой аналитике: занимались привлечением, ценообразованием, воронками продаж, CRM-коммуникациями или смежными задачами * Владеете SQL и умеете писать сложные запросы * Знаете Python для анализа данных: можете обрабатывать данные, проверять гипотезы и создавать воспроизводимые расчёты * Хорошо понимаете статистику: умеете проектировать и проводить A/B-тесты, интерпретировать результаты и оценивать эффект изменений * Используете ИИ-инструменты в работе с данными и кодом: можете применять их для автоматизации и критически проверять результат * Умеете понятно объяснять результаты анализа нетехническим заказчикам * Хотите развиваться в экспертном треке: самостоятельно вести аналитические проекты и влиять на решения бизнеса Будет плюсом * Работали с BI-инструментами и создавали отчётность для бизнес-пользователей * Оценивали инкрементальный эффект маркетинговых каналов или механик продаж * Создавали внутренние инструменты, скилы, библиотеки или автоматизации для аналитиков * Имеете опыт работы с LLM, агентами или другими ИИ-инструментами для решения аналитических задач

Location: Москва; Санкт-Петербург Workplace: Офис, Гибридный Yandex Cloud Security — это подразделение в публичной облачной платформе Yandex Cloud, которое отвечает за обеспечение безопасности всей экосистемы. Ищем инженера, который возьмёт на себя создание и развитие детектирующего контента для собственных продуктов безопасности Yandex Cloud. Yandex Cloud — это облачная платформа, которая объединяет вычислительные ресурсы, сети, хранилища, базы данных, контейнерные и другие управляемые сервисы. В её основе — множество распределённых высоконагруженных систем и API собственной разработки, которыми пользуются компании и разработчики для создания и эксплуатации своей инфраструктуры и приложений. Команда Yandex Cloud Detection and Response развивает технологии обнаружения и реагирования на угрозы в облачных и гибридных инфраструктурах. Мы исследуем способы улучшения разработки и сопровождения детектирующего контента. Одно из направлений — создание AI-агентов, которые помогают исследовать данные, разрабатывать и тестировать правила, анализировать результаты их работы и автоматизировать повторяемые задачи detection engineering. Мы ищем инженера, который будет отвечать за создание и развитие детектирующего контента для собственных продуктов безопасности Yandex Cloud. В вашей зоне ответственности будет полный жизненный цикл детекта: исследование техники атаки, определение требований к телеметрии, разработка и тестирование правила и последующий контроль качества. Обязанности Разработка детектирующего контента Вы будете создавать и развивать правила обнаружения угроз для продуктов безопасности Yandex Cloud и команды SOC, работать с нормализацией и таксономией событий, тестировать детекты и контролировать их качество после выпуска. Исследование угроз и работа с инцидентами Вам предстоит исследовать техники атакующих, проводить Threat Hunting, участвовать в расследовании сложных инцидентов, превращать полученные результаты в новые способы обнаружения угроз. Отдельное направление работы — endpoint detection для Linux и контейнерных сред, включая телеметрию на основе eBPF. R&D и автоматизация Вы будете автоматизировать разработку, тестирование и выпуск детектирующего контента, а также развивать AI-агентов для анализа данных и проверки детектов. Больше о том, что под капотом платформы Yandex Cloud, — в канале Inside Yandex Cloud Требования * Работали в detection engineering, threat hunting, incident response либо на второй или третьей линии SOC * Разрабатывали и отлаживали правила в SIEM или EDR, работали с Git и CI/CD * Понимаете полный жизненный цикл детекта: гипотеза, требования к данным, реализация, тестирование, внедрение, мониторинг качества * Знаете сетевые протоколы, устройства современных операционных систем и основные техники атак на Active Directory * Понимаете модели безопасности облачных платформ: IAM, ресурсную иерархию и облачные API * Знаете принципы виртуализации, контейнеризации * Разбираетесь в Linux: процессы, системные вызовы, файловая и сетевая подсистемы * Понимаете принципы eBPF и его применения для наблюдаемости и безопасности Linux-систем * Умеете писать код или скрипты для автоматизации — прежде всего на Python или Go * Способны самостоятельно доводить исследование до работающего результата и сопровождать его Будет плюсом * Работали с Yandex Cloud, AWS, Azure или GCP и их событиями безопасности * Разрабатывали детектирующий контент для EDR * Работали с purple teaming, adversary emulation или проверяли детекты воспроизведением техник атак * Использовали eBPF, Falco, Tetragon, Tracee или другие средства runtime security и сбора endpoint-телеметрии * Знаете Sigma, YARA, Suricata или другие форматы детектирующего контента * Разбираетесь в ClickHouse, YDB или других SQL-подобных аналитических системах