Задачи:
— разработка и развитие веб-интерфейсов для AI-ассистента на TypeScript/React
— разработка backend-сервисов на Node.js/TypeScript
— разработка механизмов взаимодействия AI-агентов с кодовой базой и инструментами разработки
— интеграция LLM / AI API
— проектирование и реализация RESTful API и GraphQL сервисов
— разработка механизмов контекстного анализа кода
— оптимизация производительности и UX взаимодействия AI-ассистента с разработчиком
— работа с WebSocket и Server-Sent Events для real-time коммуникации.
Требования:
— от 4 лет коммерческой разработки на TypeScript/JavaScript
— хорошее понимание асинхронного программирования и event-driven архитектуры
— опыт работы с Node.js
— глубокое понимание TypeScript (типы, дженерики, декораторы)
— понимание принципов работы AI / LLM систем
— опыт интеграции внешних API и сервисов
— понимание архитектуры веб-приложений и многоуровневой архитектуры
— опыт проектирования архитектуры сложных систем.
Будет плюсом:
— знание Rust/Golang
— создание Desktop приложений (tauri/electron)
— опыт разработки AI-ассистентов для программистов
— опыт разработки agentic AI-систем
— опыт работы с LLM (OpenAI / open-source модели / RAG / embeddings)
— понимание контекстного анализа кода
— опыт разработки IDE-плагинов на JavaScript/TypeScript
— опыт работы с Websocket и real-time системами
— инструментальное владение AI для анализа, генерации и автоматизации
— опыт создания AI-агентов и использования их в работе
— опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
Условия:
— работа над AI Developer Platform нового поколения
— разработка agentic AI-систем для программистов
— сложные инженерные задачи на стыке IDE, анализа кода, AI и веб-интерфейсов
— возможность влиять на архитектуру и развитие продукта
— работа с современными LLM и AI-инфраструктурой
— гибкий формат работы и конкурентную компенсацию
— годовой бонус и ежегодный пересмотр зарплаты
— расширенный ДМС с первого дня, страхование жизни, корпоративная пенсионная программа
— статус аккредитованной ИТ-компании со всеми преимуществами (отсрочка от срочной службы)
— льготная ипотека для сотрудников, подписка Прайм, скидки от партнеров и сервисов группы компаний
— корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях
— реферальная программа (бонус до 100 000 рублей).
Задачи:
— работа с ценообразованием
— uplift-моделирование
— задачи ранжирования
— модели склонности
— look-a-like модели
— response модели
— работа с регрессионными таргетами
— кластерный и факторный анализ
Требования:
— опыт в ML задачах не менее 3 лет
— глубокое понимание классического машинного обучения
— продвинутые знания статистики и машинного обучения
— опыт оценки качества результатов (DS и бизнес-валидация)
— опыт проведения A/B-тестов
— хорошие знания Python и SQL
Будет плюсом:
— опыт работы с Transformers
— успехи в ML-соревнованиях и хакатонах
— навыки работы с генеративными AI-моделями
— опыт создания AI-агентов и использования их в работе
— опыт использования GigaChat, Kandinsky и аналогов в продуктах
Условия:
— работа в современном офисе недалеко от метро Кутузовская
— ежегодный пересмотр зарплаты и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета
— расширенный ДМС, льготное страхование для семьи, 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
Задачи:
— разработка и развитие LLM-проектов в юридическом домене — от прототипов до продакшена
— проектирование и обучение агентов-экспертов, решающих задачи правового домена (RAG-пайплайны, классификация запросов, генерация ответов, оценка релевантности)
— исследование и настройка multi-agent orchestration (LangGraph, LangChain, schema guided reasoning pipelines)
— работа с GigaChat как основной моделью, а также эксперименты с ChatGPT, Gemini, Qwen
— дообучение малых моделей (instruction-tuning, adapters, LoRA) для повышения качества юридического рассуждения
— разработка метрик качества
— взаимодействие с инженерами и аналитиками права — внедрение моделей в реальные кейсы (алиментные, потребительские, трудовые и т.д.)
Требования:
— опыт работы DS/ML-инженером от 3х лет
— понимание архитектуры LLM и принципов prompt engineering
— опыт построения RAG-систем, fine-tuning и дообучения моделей
— умение проектировать пайплайны inference / retraining
Будет плюсом:
— опыт в LegalTech или смежных областях (финансы, документооборот, чат-боты)
— понимание структуры и логики российских нормативных актов
— опыт интеграции LLM с внешними API или базами знаний
Условия:
— формат работы офис на испытательном сроке, локация офиса ул Вавилова д.19
— ежегодный пересмотр зарплаты, 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.
ОфисmiddleМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— участвовать в полном цикле разработки моделей по рискам розничного бизнеса: постановка задачи, сбор данных, разработка ML-модели, подготовка артефактов для внедрения
— исследовать источники данных и современные архитектуры для повышения качества работы моделей
— написание алгоритмов для целей сегментации выдач по риск-доходности
— презентация результатов исследований бизнес-заказчикам.
Требования:
— опыт разработки моделей машинного обучения (классический стек)
— знание ключевых методов и алгоритмов в области Machine Learning
— знание Python и библиотек Pandas, Scikit-learn, XGBoost/LightGBM/CatBoost, Transformers
— навыки работы с базами данных, знание SQL, PySpark
— высокий уровень ответственности и самостоятельности
Будет плюсом:
— опыт стажировок
— опыт с LLM и AI-агентами
— учебные знания в области розничного кредитования, портфельного управления и математики кредитных рисков.
Условия:
— оплачиваемая стажировка
— возможность выбрать удобный график – офис или гибрид (локация: м. Кутузовская)
— корпоративный спортзал и зоны отдых.
Продукт — AI-агент, который общается с клиентами в текстовом и голосовом каналах, помогает подобрать релевантные продукты и решения, ведёт диалог на естественном языке, работает на входящей и исходящей линиях, использует разные голоса и подстраивается под тональность и тип клиента, учитывая контекст общения.
Дополнительные продукты команды:
Робот-оператор — автоматизация обработки звонков и типовых сценариев.
DIVR — интеллектуальная маршрутизация обращений.
Voice — готовые голосовые решения для массовых коммуникаций.
Текстовые коммуникации — шаблоны и отправка SMS, push-уведомлений, email, бумажных писем.
Задачи:
— Разработка, актуализация и поддержка автоматизированных тестов на Java с использованием Selenium, Cucumber, Allure
— Проведение функционального и интеграционного тестирования
— Запуск автотестов, анализ результатов, формирование отчётов о качестве и метриках
— Внедрение и развитие технологий ИИ для решения бизнес задач
— Взаимодействие с командой разработки, аналитиками и заказчиками в рамках Agile/Scrum
— Ведение документации по тестированию (Confluence и Jira)
— Обеспечение высокого уровня качества продукта и сервисов, своевременное выявление и устранение дефектов
Требования:
— Опыт работы автоматизатором тестирования на Java не менее 1 года
— Опыт разработки технологий и реализации ИИ в финансовом секторе
— Опыт работы в финтех и банковской сфере
— Опыт функционального и интеграционного тестирования
— Опыт автоматизации с Java, Selenium, Cucumber, Allure
— Опыт работы с багтрекерами и системами управления тестированием (HP ALM, Atlassian Jira)
— Опыт командной разработки с Confluence и Jira
Условия:
— Конкурентная зарплата (обсуждается на собеседовании)
— Официальное оформление в российскую ИТ-компанию с аккредитацией
— Бонусы: бесплатная подписка «СберПрайм+», скидки на изучение английского, бесплатный фитнес или скидки на абонементы, скидки от партнёров Сбера, корпоративная пенсионная программа
— Удобный формат работы: удалённо или гибрид, «короткая» пятница
Наша команда развивает POS и BNPL‑кредитование, помогая компаниям по всей России предлагать клиентам удобные рассрочки и кредитные решения. Развиваем партнерские отношения, обучаем агентов и постоянно улучшаем качество обслуживания клиентов.
Мы предлагаем:
Средний доход — 144 000 ₽ (оклад + квартальная премия по результатам работы)
Работу из дома + выезды к клиентам для проведения встреч
График 5/2 с 10:00 до 19:00
ДМС: от онлайн-консультаций и расширенного медицинского обследования до стационарного лечения, включая стоматологию и поддержку семьи
Оформление по ТК РФ
Чем предстоит заниматься:
— Привлекать юридических лиц и индивидуальных предпринимателей на обслуживание по продуктам банка, проводить переговоры и презентации
— Готовить коммерческие предложения и консультировать потенциальных клиентов и партнеров по условиям сотрудничества
— Взаимодействовать с подразделениями банка и регионами для повышения эффективности продаж и качества сервиса
— Выполнять личный план продаж
— Находить решения в сложных ситуациях
Кого мы ищем:
— Опыт работы в POS/BNPL продажах или B2B от 3 месяцев
— Умение работать в MS Office: готовить документы, вести таблицы и формировать отчеты
— Умение вести переговоры с лицами, принимающими решения
— Аналитические способности: умение собирать данные и готовить рекомендации
Требования:
• Агентная разработка (vibe coding)
• Опыт продуктовой разработки от 4 лет, уровень senior fullstack
• Агентные CLI-инструменты (Claude Code, Codex CLI, Cursor agent mode, Aider) как основной способ работы
• Spec-driven development: формулирование функциональных и нефункциональных требований до первого промпта; умение писать инженерные спецификации и контекстные файлы (правила, схемы, markdown)
• Модульность: слабая связанность, доменные границы, нарезка проекта на небольшие изолированные файлы
• Управление контекстным окном для предотвращения дрейфа и галлюцинаций
• Умение сбросить сессию агента и начать заново с более жёсткими ограничениями
• Разработка в несколько потоков, менеджмент репозитория под агентную работу, опыт коллаборативной AI-разработки
• Ревью и аудит AI-кода: слабые имена, дублирование, отсутствующие проверки, небезопасная работа с данными
• Тесты как способ управления агентом: юнит- и интеграционные тесты пишутся до логики фичи
• Инфраструктура и восстановление: версионирование, снапшоты БД, бэкапы, CI, процедуры восстановления данных
• Готовность писать код руками при необходимости и ответственность за результат, включая код, сгенерированный агентом
• Современный типизированный backend-язык с асинхронностью, моделью ошибок, управлением зависимостями, воспроизводимым окружением
• HTTP API и realtime-транспорт: REST, двусторонние соединения, стриминг, протокол сообщений, переподключения, валидация схем
• Автотесты: юнит- и интеграционные, изоляция внешних сервисов и зависимостей, поддержание тестовых данных
• Реляционные БД: схема, миграции, индексы, нетривиальные запросы, понимание пределов БД
• Разрешение конфликтов зависимостей, включая бинарную несовместимость библиотек
• Компонентный SPA-фреймворк и типизированный JavaScript; готовность сменить фреймворк за неделю
• Компонентные тесты в браузерном окружении
• Realtime-клиент: переподключения, стриминг, рантайм-валидация сообщений
• Медиа в браузере: доступ к устройствам ввода, работа с аудиопотоком, кодирование и передача
• Состояние на клиенте и ограничения браузера: защищённый контекст, сертификаты в dev, хранилище
• Умеренность в UI: простой интерфейс без тяжёлых фреймворков и дизайн-систем
• Классические CV-задачи: детекция, эмбеддинги, кластеризация, обработка изображений и метаданных, дедупликация
• Локальные LLM: форматы весов и квантизации, размер контекста, латентность, стоимость запроса; умение измерять
• Речевые модели: распознавание и синтез речи, баланс качества и ресурсов, ограничения по задержке и длине входа
• Мультимодальные модели: генерация описаний по изображению, оценка качества генерации
• Эмбеддинги и векторный поиск: семантический поиск, гибридные схемы, переранжирование, метрики качества
• Ресурсы и эксплуатация inference: одна модель на процесс, память ускорителя, батчинг, прогрев, поведение под нагрузкой
• Не требуется: обучение моделей с нуля, MLOps, распределённое обучение
• Пайплайны обработки как идемпотентные стадии с фиксацией состояния
• Понимание разницы между инкрементальным и полным пересчётом и цены ошибки
• Целостность данных при деплое, сведение расходящихся баз, миграции данных
• Границы сервисов: процессы, владение данными, поведение при отказах
• Контейнеризация: образы с тяжёлыми зависимостями, тома для данных и весов моделей, политики перезапуска, диагностика падений
• Linux и сеть: удалённый доступ, проброс портов, разрешение конфликтов, чтение логов
• Скриптование рутины: деплой, синхронизация данных, ротация логов
• Уверенное владение Git, включая нетривиальные операции; чтение истории
• Базовая безопасность: сервис без аутентификации локален, секреты не в репозитории, dev/prod режимы разведены
• Автоматические smoke-проверки интерфейса после изменений
• 4+ года разработки, из них 2+ года бэкенда в продакшене
• 1+ год реального фуллстека: разработка клиента и сервера
• Проект с LLM/ML как частью продукта
• Запуск моделей локально или on-premise
• 2–3+ месяца ежедневной работы через агентные инструменты
Задачи:
• Подключение и настройка USB-камеры: интеграция с ПО, захват видеопотока, детекция лиц, распознавание жестов
• Реализация стереоскопического режима 2D→3D на телевизоре без специализированной 3D-панели
• Разработка клиентских интерфейсов для телевизора и мобильного устройства по дизайн-макетам, адаптация вёрстки, интеграция с бэкендом, двустороннее realtime-взаимодействие
• Разработка технической документации, инженерных спецификаций и контекстных файлов, используемых при агентной разработке
Задачи:
— сопровождение и развитие аналитической отчетности с фокусом на работу с данными, SQL-логикой и корректностью бизнес-показателей;
— автоматизированный отчет, который обращается к данным витрины с использованием PySpark, обработка данных на Python и Pandas, формирование итоговой HTML-страницы;
— анализ и доработка источников данных;
— контроль корректности показателей, актуальности бизнес-логики, качества данных и стабильности формирования отчета;
— доработка SQL-логики, обработки данных, структуры отчета и итоговой HTML-страницы.
Дополнительно:
— участие в развитии AI-агента по отчетности, автоматизирующего text2sql-задачи: перевод пользовательских запросов в SQL, сбор данных, проверка показателей, подготовка структурированных ответов для руководства банка;
— понимание SQL, аналитического контекста, структуры витрин данных;
— проверка корректности сгенерированных запросов и результатов;
— участие в настройке логики взаимодействия агента с данными.
Требования:
— опыт работы в разработке на Python от 3 лет;
— уверенное владение Python, Pandas, SQL, PySpark (Hadoop/Spark);
— знание matplotlib/seaborn, Jupyter Notebook;
— знание HTML;
— навыки работы с Git, умение читать код DS и приводить его к инженерным стандартам production.
Условия:
— график работы 5/2, офисный формат (м. Кутузовская);
— оформление по ТК РФ, оплачиваемые больничные листы;
— спортивные и корпоративные мероприятия;
— программа обучения;
— добровольное медицинское страхование;
— и многое другое.
Задачи:
— Повышение качества RAG-агентов по трём направлениям: поиск по технической документации, нормативной базе, бухгалтерской документации;
— Промпт-инжиниринг и контекст-инжиниринг для всех агентов команды;
— Подготовка эталонных наборов оценки качества;
— Реализация LLM-as-a-judge для автоматических регрессионных проверок;
— Настройка защит для production-агентов: фильтры от инъекций в промпт, валидация структуры и контента выходов, защита от утечек персональных данных, anti-hallucination механизмы;
— A/B-тестирование промптов и моделей для подбора лучших конфигураций;
— Тюнинг качества по сигналам обратной связи пользователей и трассировкам из Langfuse.
Требования:
— Python от 2 лет коммерческой разработки;
— Практический опыт RAG-систем в продакшене: эмбеддинги, векторные базы (Qdrant, FAISS или pgvector), переранжирование, чанкинг;
— Опыт построения и поддержки как минимум одного RAG-решения от начала до конца, не прототип;
— Практический опыт оценки качества LLM-систем: подготовка эталонных наборов, offline-метрики, LLM-as-judge, регрессионные проверки;
— Опыт работы с фреймворками оценки (Ragas, DeepEval или аналоги);
— Практический опыт настройки защит для LLM-приложений: защита от инъекций в промпт, валидация структуры и контента выходов, защита от утечек персональных данных;
— Опыт промпт-инжиниринга и контекст-инжиниринга в реальных проектах: итеративная настройка промптов, structured output, function calling;
— Понимание архитектуры RAG: стратегии нарезки документов, метаданные, выбор моделей эмбеддингов, переранжирование, точность ссылок на источник;
— Практический опыт работы хотя бы с одним LLM-фреймворком: LangChain, LangGraph, PydanticAI, OpenAI API или аналоги;
— Практический опыт A/B-тестирования промптов и моделей в продакшене;
— Опыт работы с агентскими протоколами (MCP) или собственным tool-layer для агентов;
— SQL и работа с реляционными базами на базовом уровне.
Ищем Senior GenAI-разработчика на проект крупной компании из сферы добывающей промышленности.
Основная задача - разработка и внедрение корпоративных GenAI-решений: AI-агентов, мультиагентных систем, RAG-конвейеров и автоматизаций в закрытом защищённом контуре.
Задачи:
— Разработка AI-агентов и субагентов с использованием tool-calling
— Построение мультиагентных систем и управление цепочками вызовов
— Создание автоматизаций и workflow в n8n, Flowise, Dify, Langflow или аналогичных платформах
— Разработка бизнес-логики и кастомных функций на JavaScript, TypeScript и Python
— Построение RAG-конвейеров: подготовка данных, embeddings, поиск и работа с векторными базами
— Интеграция с внутренними сервисами и витринами данных через REST API и OAuth2
— Парсинг, сбор, нормализация и трансформация данных из внешних источников
— Проектирование промптов для суммаризации и генерации структурированных отчётов
— Развёртывание и эксплуатация open-source и on-prem LLM в закрытом корпоративном контуре
— Работа со структурированными данными, PostgreSQL и JSON
— Участие в анализе и формализации бизнес-требований
Требования:
— Опыт коммерческой разработки GenAI-решений на уровне Senior
— Уверенное владение JavaScript, TypeScript и Python
— Практический опыт создания AI-агентов и мультиагентных систем
— Опыт хотя бы с одним из стеков: LangChain / LangGraph, LlamaIndex, Semantic Kernel, CrewAI / AutoGen, n8n / Flowise / Dify / Langflow
— Опыт разработки RAG-решений и работы с векторными хранилищами: PGVector, Qdrant, Milvus или аналогами
— Уверенная работа с PostgreSQL, JSON, REST API и OAuth2
— Опыт работы с LLM и prompt engineering
— Опыт развёртывания локальных моделей в закрытом контуре
— Готовность вести разработку и эксплуатацию решения в ОС Windows
— Понимание принципов защиты чувствительных и корпоративных данных
Будет преимуществом:
— Опыт работы с MCP — Model Context Protocol
— Разработка кастомных нод и sub-workflows в n8n
— React
— GraphQL
— FastAPI
— Опыт работы с веб-поиском, парсингом и внешними API
— Опыт участия в корпоративных или промышленных проектах
Требования:
• Агентная разработка (vibe coding)
• Опыт продуктовой разработки от 4 лет, уровень senior fullstack
• Агентные CLI-инструменты (Claude Code, Codex CLI, Cursor agent mode, Aider) как основной способ работы — поставленные и поддерживаемые продуктовые фичи, а не прототипы; ключевым является методика, а не знание конкретного инструмента
• Spec-driven development: функциональные и нефункциональные требования формулируются до первого промпта; спецификация → план → код; умение писать инженерные спецификации и контекстные файлы (правила, схемы, markdown), удерживающие агента в рамках задачи
• Модульность как условие агентной работы: слабая связанность и доменные границы, нарезка проекта на небольшие изолированные файлы вместо монолита
• Управление контекстным окном: осознанный подбор того, что попадает в контекст, для предотвращения дрейфа и галлюцинаций на устаревшем коде
• Умение вовремя сбросить сессию: остановить зациклившегося агента, очистить рабочее дерево и начать заново с более жёсткими ограничениями
• Разработка в несколько потоков, менеджмент репозитория под агентную работу, опыт коллаборативной AI-разработки
• Ревью и аудит AI-кода: слабые имена, дублирование, отсутствующие проверки, небезопасная работа с данными
• Тесты как способ управления агентом: осмысленные юнит- и интеграционные тесты пишутся до логики фичи
• Инфраструктура и восстановление: версионирование, снапшоты БД, бэкапы, CI, готовая процедура восстановления данных
• Готовность писать код руками, когда агент упёрся, и ответственность за результат, включая код, сгенерированный агентом
• Современный типизированный backend-язык: асинхронность, модель ошибок, управление зависимостями, воспроизводимое окружение
• HTTP API и realtime-транспорт: REST и двусторонние соединения — стриминг, протокол сообщений, переподключения, валидация схем на границе
• Автотесты как норма: юнит- и интеграционные, изоляция внешних сервисов и тяжёлых зависимостей, поддержание тестовых данных
• Реляционные БД руками: схема, миграции, индексы, нетривиальные запросы, понимание пределов выбранной БД
• Разрешение конфликтов зависимостей, включая бинарную несовместимость библиотек (характерно для окружений с ML-пакетами)
• Компонентный SPA-фреймворк и типизированный JavaScript; конкретный фреймворк не принципиален, принципиальна готовность сменить его за неделю
• Компонентные тесты в браузерном окружении, а не только ручная проверка
• Realtime-клиент: переподключения, стриминг, рантайм-валидация входящих сообщений
• Медиа в браузере: доступ к устройствам ввода, работа с аудиопотоком, кодирование и передача
• Состояние на клиенте и ограничения браузера: защищённый контекст, сертификаты в dev, хранилище
• Умеренность в UI: простой интерфейс без тяжёлых фреймворков и дизайн-систем
• Классические CV-задачи: детекция, эмбеддинги и кластеризация объектов, обработка изображений и метаданных, дедупликация
• Локальные LLM: форматы весов и квантизации, размер контекста, латентность и стоимость запроса; умение измерять, а не предполагать
• Речевые модели: распознавание и синтез речи, размен качества на ресурсы, ограничения по задержке и длине входа
• Мультимодальные модели: генерация описаний по изображению, оценка качества генерации
• Эмбеддинги и векторный поиск: семантический поиск, гибридные схемы с полнотекстовым, переранжирование, метрики качества выдачи
• Ресурсы и эксплуатация inference: одна модель на процесс, память ускорителя, батчинг, прогрев, поведение под нагрузкой
• Не требуется: обучение моделей с нуля, MLOps-платформы, распределённое обучение
• Пайплайны обработки как идемпотентные стадии с фиксацией состояния: перезапускаемость, докат, инкрементальность
• Понимание разницы между инкрементальным и полным пересчётом и цены ошибки (полный пересчёт обычно уничтожает ручную разметку)
• Целостность данных при деплое, сведение расходящихся баз, миграции данных, а не только схемы
• Границы сервисов: как процессы общаются, кто владеет данными, что происходит при отказе одного из них
• Контейнеризация: образы с тяжёлыми зависимостями, тома для данных и весов моделей, политики перезапуска, диагностика падений
• Linux и сеть: удалённый доступ, проброс портов, разрешение конфликтов портов, чтение логов как основной способ разбирательства
• Скриптование рутины: деплой, синхронизация данных, ротация логов
• Уверенное владение Git, включая нетривиальные операции; чтение истории как источника проектных решений
• Базовая безопасность: сервис без аутентификации не выходит за пределы локального интерфейса, секреты не попадают в репозиторий, dev- и prod-режимы разведены явно
• Автоматические smoke-проверки интерфейса после изменений
• 4+ года разработки, из них 2+ года бэкенда в продакшене
• 1+ год реального фуллстека: разработка и клиента, и сервера к нему
• Проект, где LLM/ML были частью продукта, а не демонстрационным примером
• Запуск моделей локально или on-premise, а не только вызовы облачных API
• 2–3+ месяца ежедневной работы через агентные инструменты
Задачи:
• Подключение и настройка USB-камеры на целевом устройстве: интеграция камеры с ПО устройства и захват видеопотока; детекция лиц и определение пользователя, находящегося перед устройством; распознавание управляющих жестов
• Реализация стереоскопического режима 2D→3D: поиск и реализация способа вывода стереоскопического изображения на произвольном телевизоре, не требующем специализированной 3D-панели (приоритетный вариант — пассивное 3D)
• Разработка клиентских интерфейсов для телевизора и мобильного устройства: реализация экранов по предоставляемым Заказчиком дизайн-макетам; адаптация вёрстки под особенности вывода на телевизоре и под мобильные экраны; интеграция с существующим бэкендом Заказчика, включая двустороннее realtime-взаимодействие
• Разработка технической документации по всем перечисленным блокам работ, включая инженерные спецификации и контекстные файлы, использованные при агентной разработке
Задачи:
— развёртывать ML-модели и AI-сервисы, локальные модели (LLM, ML-модели) в различных средах;
— заниматься управлением версиями моделей и их хранением (NFS/MinIO);
— заниматься подготовкой окружений для инферейса и тестирования моделей;
— развёртывать сервисы AI-агентов, чат-ботов и ML-сервисов в Kubernetes и docker compose;
— работать с большими моделями и GPU в kubernetes и docker CI/CD для ML-сервисов и инфраструктуры;
— заниматься сборкой Docker-образов, npm пакетов, артефактов;
— заниматься написанием и рефакторингом пайплайнов в Azure DevOps;
— участвовать в разработке Dockerfile для ML-сервисов, консультации;
— осуществлять сборку базовых образов;
— работать с docker-compose, рантаймами: containerd, Docker, podman;
— контролировать отсутствие секретов в docker слоях;
— заниматься эксплуатацией и сопровождением Kubernetes-кластеров;
— заниматься разработкой и рефакторингом Helm charts;
— работать с TLS/SSL сертификатами и их ротацией, в т.ч. через nginx;
— собирать логи контейнеров;
— производить интеграцию логов с Elastic/Logstash, с VictoriaMetrics/Prometheus;
— управлять секретами Kubernetes и HC Vault;
— интеграция ML pipeline с CI/CD; подготавливать инфраструктуру для обучения моделей;
— диагностировать проблему запуска моделей и сервисов;
— осуществлять отладку Kubernetes workload;
— оптимизировать использование ресурсов (CPU/GPU/RAM);
— заниматься подготовкой технической документации.
Требования:
— опыт работы DevOps/MLOps инженером;
— опыт работы с Kubernetes;
— опыт контейнеризации (Docker, docker-compose);
— опыт работы с CI/CD.
Условия:
— удаленный формат работы, 5/2, гибкое начало рабочего дня;
— официальное оформление со всеми социальными гарантиями;
— возможность работы в гибридном формате;
— комфортный офис в шаговой доступности от м. Войковская и МЦК «Балтийская» с компенсацией питания;
— ДМС с телемедициной и стоматологией с первого дня работы; льготное подключение родственников;
— выгодный зарплатный проект с доступом к масштабной экосистеме сервисов;
— внешнее обучение и участие в конференциях, митапы, хакатоны и обмен практиками;
— полис путешественника и льготные программы страхования;
— свободный дресс-код и никакой бюрократии.
Задачи:
— Координировать миграцию (Entry/Temporary/Visitor Permit, Yellow Slip) через агентов и юристов.
— Помогать сотрудникам с релокацией, адаптацией и арендой жилья.
— Контролировать КДП (договоры, отпуска, регистрация в Social Insurance и GESY).
— Вести полный цикл подбора, развивать онбординг и проводить Exit-интервью.
Требования:
— Опыт в HR и знание миграционных процедур Кипра (GESY, Social Insurance).
— Опыт работы с внешними провайдерами и госструктурами Кипра.
— Умение самостоятельно закрывать вакансии и адаптировать новичков.
Условия:
— Официальное оформление.
— Офис в Лимассоле (гибкое начало/конец дня).
— Конкурентная зарплата (обсуждается индивидуально).
— Компенсация обедов.
— Реальные перспективы карьерного и финансового роста.
Задачи:
— Координировать миграцию (Entry/Temporary/Visitor Permit, Yellow Slip) через агентов и юристов.
— Помогать сотрудникам с релокацией, адаптацией и арендой жилья.
— Контролировать кадровое делопроизводство (договоры, отпуска, регистрация в Social Insurance и GESY).
— Вести полный цикл подбора, развивать онбординг и проводить Exit-интервью.
Требования:
— Опыт в HR и знание миграционных процедур Кипра (GESY, Social Insurance).
— Опыт работы с внешними провайдерами и госструктурами Кипра.
— Умение самостоятельно закрывать вакансии и адаптировать новичков.
Условия:
— Официальное оформление, офис в Лимасоле с гибким началом и концом рабочего дня.
— Конкурентная зарплата, обсуждаемая индивидуально, плюс компенсация обедов.
— Перспективы карьерного и финансового роста.
Задачи:
— Улучшение текущих моделей и обучение новых, включая классификаторы, генеративные модели, сложные сценарии на основе агентов и пайплайнов.
— Сбор и анализ данных для дообучения, обучение с использованием SFT- и RL-подходов.
— Быстрая разработка прототипов и MVP для новых проектов, с фокусом на агентах и RAG для обработки большого контекста.
— Автоматизация валидации ML-моделей, внедрение систем автоматической оценки качества моделей в продакшен.
Требования:
— Опыт в машинном обучении.
— Хорошее знание Python.
— Уверенное владение классическими алгоритмами и моделями.
— Глубокие знания в NLP и LLM.
Будет плюсом:
— Опыт работы с агентами и RAG-пайплайнами.
Условия:
— Расширенная медицинская страховка с первого месяца, включая стоматологию, ежегодные чекапы, неотложную помощь за рубежом, лечение критических заболеваний и страхование от несчастных случаев.
— Психотерапия в офисе или онлайн.
— Лазерная коррекция зрения через год работы.
— Ведение беременности и роды через два года.
— Страховка для родственников по системе 80/20 (80% оплачивает компания).
— Внутренняя образовательная платформа, менторство, программы для руководителей.
— Оплата участия в профильных конференциях.
— Внутренние проекты для обмена экспертизой.
— Гибкий график без фиксированного времени начала и конца рабочего дня.
— Льготные жилищные займы для сотрудников российских офисов.
— Программы поддержки для детей: страхование, детские дни в офисе, подарки на рождение, чекапы при планировании беременности.
Bitmanager.ai — AI-стартап в категории conversational AI agents, создающий платформу для голосовых и текстовых AI-агентов в клиентских коммуникациях. Вакансии: AI Data Operations Lead, ML / LLM Engineer – AI Agents, Senior Voice Engineer / Ведущий войс-инженер.
Bitmanager.ai — AI-стартап в категории conversational AI agents, создающий платформу для голосовых и текстовых AI-агентов в клиентских коммуникациях. Вакансии: AI Data Operations Lead, ML / LLM Engineer – AI Agents, Senior Voice Engineer / Ведущий войс-инженер.
lead
Зарплата не указана
Удалённоsenior
272 000 – 300 000 ₽
Удалённоsenior
272 000 – 300 000 ₽
Все вакансии в одном месте — страница 17 · Job Hunters