Вакансии

Требуется специалист на позицию SDET / QA Automation Architect (Framework & Tooling) в компании YADRO. Вакансия открыта в городах: Москва, Санкт-Петербург, Нижний Новгород. Возможна удалённая работа. Требуемые навыки: — senior уровень — Linux — Python — Pytest — Asyncio — FastAPI

Требования: — Коммерческий опыт разработки на Python от 3 лет, уверенное владение FastAPI и asyncio. — Опыт построения пайплайнов пакетной обработки: очереди и фоновые задачи (RabbitMQ, Kafka, Celery), ретраи, обработка ошибок и т.д. — Интеграции со смежными системами через REST, gRPC и вебхуки, авторизация; опыт работы с телефонией, контакт-центром будет плюсом. — PostgreSQL: проектирование схем, оптимизация запросов. — Фронтенд: React и TypeScript. — Docker, CI/CD, опыт деплоя коммерческих решений в Kubernetes. — Логирование и мониторинг (Prometheus, Grafana) и тесты. — Опыт работы в связке с ML/AI-командой. Обязательные технологии/инструменты: • Python, FastAPI, asyncio, RabbitMQ, Kafka, Celery, REST, gRPC, вебхуки, PostgreSQL, React, TypeScript, Docker, CI/CD, Kubernetes, Prometheus, Grafana, тесты.

Neoai IT Center izlayapti mutaxassislarni bir nechta yo'nalishlarda: backend dasturlash (python, Django, Fastapi, Node.js, Express.js, Java, Spring Boot, PHP, Laravel, Rest API, Postgresql, Mysql, Mongodb, Git, Docker), frontend (HTML, CSS, JavaScript, TypeScript, React, Next.js, Vue.js, Angular, Tailwind CSS, Bootstrap, Git), mobil dasturlash (Dart, Flutter, Kotlin, Java, Swift, React Native, Firebase, Android Studio, Xcode, Git), UX/UI dizayn (Figma, Adobe XD, Photoshop, Illustrator, Figjam, UI Design, UX Research, Wireframing, Prototyping, Design System), kiberxavfsizlik (Linux, Python, Bash, Networking, TCP/IP, Wireshark, Nmap, Burp Suite, Metasploit, OWASP, Git, Docker), data science (Python, Numpy, Pandas, Matplotlib, Seaborn, Scikit-learn, TensorFlow, PyTorch, SQL, Jupyter Notebook, Git), data analitika (Python, Pandas, Numpy, SQL, Excel, Power BI, Tableau, Matplotlib, Seaborn, Jupyter Notebook), sun'iy intellekt (Python, PyTorch, TensorFlow, Keras, Scikit-learn, Hugging Face, OpenAI API, Langchain, Numpy, Pandas, Git, Docker), robototexnika (Python, C++, Arduino, ESP32, Raspberry Pi, ROS, Matlab, Arduino IDE, OpenCV, Sensors, Git). Ish joyi Toshkent shahrida, ish vaqti 3 soat, maosh 4-5 million so'm. Vazifalar: o'quvchilarga zamonaviy IT texnologiyalarini nazariya va amaliyot asosida o'rgatish, darslarni amaliy loyihalar va real vazifalar bilan tashkil etish, o'quvchilar bilan individual ishlash va ularning rivojlanishini kuzatib borish, dars materiallari va amaliy topshiriqlar tayyorlash. Nomzodlar mas'uliyatli, kommunikativ bo'lishi, o'z yo'nalishi bo'yicha amaliy tajribaga ega bo'lishi, yangi texnologiyalarni muntazam o'rganib borishi talab etiladi. Shuningdek, tajribali mutaxassislar bilan birga professional muhitda rivojlanish imkoniyati mavjud.

СберЗдоровье — аккредитованная IT-компания и одна из крупнейших Digital Health платформ в России. Компания развивает новое направление AI-native продуктов: мобильное приложение, ИИ-помощник, персонализированный риск-профиль и сервисы для улучшения понимания здоровья пользователя. Ищут Middle / Senior Python Backend Developer. Основной фокус роли — backend-сервисы, API, интеграции, работа с данными пользователя и production-контур для AI-сценариев. Роль не связана с ML Engineer или research, а требует сильной backend-инженерии с использованием FastAPI, Pydantic, PostgreSQL, Redis, интеграций, надежности, безопасности и observability. Работа в кросс-функциональной команде с ML, Mobile, Frontend/PWA, QA, SA и Product. Задачи: — Разрабатывать и проектировать backend-сервисы на Python / FastAPI. — Проектировать и поддерживать REST API для мобильного приложения, PWA, риск-профиля и ИИ-помощника. — Описывать и поддерживать контракты API: request/response schemas, validation, error model, versioning. — Работать с Pydantic, PostgreSQL, Redis и при необходимости S3-compatible storage. — Интегрироваться с AI/ML-слоем: n8n-прототипы, FastAPI/FastMCP-сервисы, LLM API, RAG/context, Qdrant, traces. — Строить observability: structured logs, trace/request id, metrics, dashboards, error tracking. — Писать поддерживаемый код, покрывать критичную логику тестами, участвовать в code review и технических обсуждениях. Требования: — Опыт backend-разработки на Python от 3 лет. — Хорошая база в технологиях веба: HTTP, контейнеры, хранение, веб-серверы. — Практический опыт разработки production API на FastAPI, Django, Flask или аналогичном backend-фреймворке; FastAPI будет сильным плюсом. — Уверенное владение Python. — Здравый смысл в использовании ИИ-агентов. — Хорошее понимание PostgreSQL: схемы, связи, индексы, транзакции, миграции, профилирование запросов. — Опыт проектирования REST API и умение договариваться о контрактах с mobile/frontend/SA/QA. — Опыт работы с микросервисами. — Умение писать тесты для критичной backend-логики. — Готовность работать в продуктовой команде с быстро меняющимися требованиями, где API влияет на mobile, PWA и AI-сценарии. Будет плюсом: — Опыт работы с очередями: Kafka/RabbitMQ, Celery. — Понимание зоны ответственности AI/ML и классического Python-сервиса. — Знание AI/ML инструментов и подходов. — Опыт в MedTech, HealthTech, FinTech или других доменах с чувствительными данными. Требуется инженер, который понимает продуктовый сценарий, умеет уточнять требования, думает контрактами, состояниями, ошибками и edge cases, строит надежные интеграции с backend, mobile, PWA и AI-слоем, пишет поддерживаемый код, умеет работать с логами, trace id и production-инцидентами, аккуратно относится к медицинским и персональным данным. Условия: — Возможность строить AI-native health-продукт с нуля. — Быстрый путь от backend-решения до мобильного пользовательского сценария. — Сложные задачи на стыке backend, AI, медицинского контекста и пользовательских данных. — Работа в кросс-функциональной команде с Product, TL, ML, Mobile, Frontend/PWA, QA, SA, DevOps/MLOps и медицинскими экспертами. — Удаленный формат внутри РФ или офис в Москве. — Корпоративная техника. — Медицинская программа с телемедициной, очными приемами, психологами, стоматологией, лабораторными и инструментальными диагностиками. — Оплачиваемые курсы английского языка. — СберУниверситет и оплата профильного обучения и курсов. — Поддержка спорта и wellbeing-программы.

Location: Indianapolis, United States; Chicago, United States; Cincinnati, United States; Columbus, United States; West Lafayette, United States; Bloomington, United States Location: Indianapolis, IN Metro (Hybrid / 3-Day Onsite) (Open to Regional/EST Candidates with Onsite Travel) Contract Type: Contractor Full-Time / Enterprise Project Engagement (Outsourced via Xenon7) About Xenon7 Where elite tech talent meets world-class opportunities! At Xenon7, we work with leading enterprise clients and innovative startups on high-impact projects across Data, AI, Cloud, and Software Engineering. Our expertise in AI solution architecture and specialized technical talent allows us to partner with enterprise leaders on transformative initiatives, driving innovation and business growth. Job Summary We are seeking a Senior Machine Learning Engineer with extensive experience in production MLOps, model deployment, and system scaling to drive ML engineering initiatives for a top-tier life sciences client. This role sits at the critical intersection of production ML infrastructure, life science research, and manufacturing process engineering. In this position, you will own the architectural design and hands-on execution of production ML systems, model integration APIs, and scalable MLOps pipelines. You will bridge complex domains—from computational biology, small and large molecule research, and clinical trial analytics to active pharmaceutical ingredient (API) manufacturing processes, batch optimization, and industrial automation ML. Operating in a 3-day onsite hybrid capacity in Indianapolis, you will collaborate directly with process engineers, life science researchers, and platform engineering teams to build robust, low-latency ML systems that scale across the enterprise. Key Responsibilities Production MLOps & Systems Architecture Design, deploy, and maintain robust, production-grade MLOps pipelines and infrastructure for continuous model training, deployment, versioning, and monitoring. Implement automated model drift detection, performance monitoring, and self-healing inference pipelines in high-reliability environments. Process Engineering & Manufacturing ML Integration Operationalize and integrate production ML models into operational technology (OT), API manufacturing workflows, and chemical process control systems. Deploy predictive models for batch processing, process control optimization, real-time quality assurance, and facility automation use cases. Scalable Inference & System Integration Build low-latency, high-throughput microservices and serving architectures (FastAPI, Triton Inference Server, TorchServe) for model deployment into live production applications. Containerize and orchestrate ML workloads across distributed cloud and edge systems using Kubernetes, Docker, and modern pipeline engines (Kubeflow, MLflow). Technical Leadership & Domain Alignment Partner directly with chemical engineers, computational biologists, and software architects to translate operational friction into production-ready ML engineering solutions. Establish enterprise MLOps standards, model governance, and CI/CD best practices across the full machine learning operational lifecycle. Requirements Experience & Mindset Experience: Senior-level proficiency (10–20+ years) in software engineering, MLOps, production ML system deployment, and infrastructure scaling. Domain Adaptability: Demonstrated ability to deploy and maintain production ML systems across non-standard, highly specialized domains (e.g., transition between process/chemical engineering ML and clinical/scientific research applications). Location & Work Auth: Must hold unrestricted US Work Authorization (no sponsorship available) and be able to work 3 days per week onsite in the Indianapolis, IN area. Culture & Communication: Pragmatic problem-solving mindset, strong collaborative drive, and the ability to articulate complex MLOps architecture to cross-functional engineering teams. Must-Have Technical Stack Languages & Frameworks: Advanced Python, C++, and deep proficiency with PyTorch, TensorFlow, or Scikit-learn. MLOps & Serving: Proven expertise with Triton Inference Server, TorchServe, MLflow, Kubeflow, or Databricks ML runtime. Infrastructure & Orchestration: Hands-on expertise with Kubernetes, Docker, CI/CD pipelines, FastAPI/gRPC, and cloud platform ecosystems (AWS/Azure). Monitoring & Integration: Experience building real-time model monitoring, feature stores, drift detection systems, and integration with enterprise data pipelines. Domain Competency (Scientific & Process Focus) Deep exposure to applying ML models in either scientific/clinical domains (drug discovery, small/large molecule, computational biology) OR chemical/process engineering environments (API manufacturing, batch processing, SCADA/MES integration, process optimization). Nice-to-Haves & Certifications Academic background in Chemical Engineering, Bio-process Engineering, Computer Science, or a related STEM discipline. Direct experience operationalizing ML models inside regulated GxP environments in the Life Sciences or Specialty Chemicals sectors. Certifications: AWS Certified Machine Learning – Specialty, Databricks Certified Machine Learning Professional, or equivalent MLOps credentials. What This Role Is NOT Not a Data Scientist or Exploratory R&D Specialist: You will not be focusing on exploratory data analysis, academic algorithms, or standalone Jupyter notebook modeling; you are building, scaling, and maintaining production MLOps pipelines, inference engines, and model integration code. Not a non-coding Architect: This is a 100% hands-on MLOps and software engineering lead role requiring direct model deployment, infrastructure creation, and technical execution. Not a Fully Remote Position: This role requires a steady hybrid commitment of 3 days onsite per week at the client site in Indianapolis.

Задачи: — Развивать LLM-гейтвей: роутинг между собственным инференсом (vLLM) и внешними моделями (OpenRouter), fallback, feature flags, квоты по командам и доменам. — Реализовывать Data Governance: права доступа к документам (RBAC/ABAC), детекция и маскировка персональных данных на входе и выходе. — Строить интеграции: корпоративный SSO, OAuth для Atlassian, MCP-коннекторы (почта, календарь, корп. портал), Telegram-бот. — Развивать сервисы тиража: подписки сотрудников, квоты на пользователя, API для бизнес-проектов. — Проектировать хранение: PostgreSQL, Redis, векторный поиск (Marqo), Minio. — Отвечать за качество: тесты, CI/CD в GitLab, наблюдаемость, SLO сервисов. Требования: — Уверенное знание Python: ООП, типизация, asyncio. — Опыт разработки сервисов на FastAPI (или Flask / Django с готовностью перейти на FastAPI). — Опыт проектирования архитектуры сервисов: модульность, API-контракты, версионирование, обработка ошибок. — Опыт работы с REST API, желательно — gRPC. — Знание SQL и PostgreSQL: индексы, транзакции, оптимизация запросов. — Понимание принципов работы NoSQL-решений и Redis, умение выбирать подходящие инструменты под задачу. — Опыт работы с брокерами сообщений (Kafka / RabbitMQ), асинхронными интеграциями и идемпотентностью. — Опыт написания unit- и интеграционных тестов, использования моков для внешних API. — Понимание SLO, нагрузочных характеристик и метрик производительности сервисов. — Опыт контейнеризации приложений (Docker) и работы с CI/CD. Будет плюсом: — Опыт интеграции с LLM API: стриминг, управление токенами, лимиты, fallback-механизмы. — Опыт работы с API Gateway и решениями для API Management: маршрутизация, квоты, аудит. — Опыт работы с Kubernetes. — Опыт настройки наблюдаемости сервисов: Prometheus, Grafana, трейсинг. — Опыт кросс-функционального взаимодействия с ИТ-командами при реализации интеграционных решений. Условия: — Официальное оформление в соответствии с ТК РФ в IT-аккредитованную компанию. — Совокупный доход: оклад + годовой бонус. — График работы: 5/2 (гибридный формат работы/ удаленный). — Вакансия открыта для кандидатов, проживающих в РФ, удалённый формат работы из других стран не рассматривается. — Техника для работы. — Полис ДМС. — Программа Best Benefits. — Внутреннее обучение. — Спортивные и развлекательные мероприятия, участие в корпоративной жизни компании.

Задачи: — Разработка и поддержка full-stack приложений с использованием Laravel, React и Next.js. — Интеграция AI-решений с использованием LLM и FastAPI. — Настройка и поддержка DevOps процессов, включая CI/CD, Docker и автоматизацию релизов. — Управление пользовательским контентом и файлами через S3 хранилище MinIO с использованием Laravel Spatie Media Library. — Организация безопасного хранения и выгрузки данных из Postgres, Surreal и S3 с шифрованием. — Реализация полнотекстового поиска с защитой данных. Требования: — Опыт работы 7 лет в full-stack разработке, DevOps и AI-интеграциях. — Уверенное владение Laravel, React, Next.js, FastAPI. — Опыт работы с базами данных PostgreSQL и Surreal. — Навыки настройки CI/CD, Docker, работы с S3 и MinIO. — Знание методов шифрования данных и безопасности. Условия: — Возможность работы full-time, part-time или по B2B. — Удалённый формат работы. — Зарплата от $2500 в месяц на руки (примерно $15 в час), обсуждаемо. Дополнительно: — Резюме доступно по ссылке: https://docs.google.com/document/d/1681p8QLtPeoIzDwnPKgVVHfL51F2Y1CsS_l73OQchBE/ — Контакт для связи: Telegram @ekangash — Примеры проектов и портфолио доступны на https://unstock.net и GitHub/GitLab.

Требуется Python разработчик для работы над крупными финтех/телеком/ритейл проектами. Задачи: — Работа над крупными финтех/телеком/ритейл проектами Требования к кандидату: — Опыт разработки не менее 3х лет — Опыт разработки на FastApi не менее 2х лет — Сложность алгоритмов — Структуры данных — Уметь читать и работать с UML, BPMN, диаграммы запросов — RESTful — Asyncio — FastAPI — SQL — Алхимия — PyTest — Postgres — Redis — Flake8 — SonarQube — Docker — Ci/Cd — Redis — Kafka/RabbitMQ — принципы SOLID Условия работы: — full-time

Location: Москва **ИТ B2C** — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее. Ждем именно тебя! Мы — команда экспертов, объединённых общей страстью к искусственному интеллекту и рекомендательным системам. Наша главная задача — создание современной масштабируемой рекомендательной платформы, способной предвосхищать ожидания пользователей и предлагать персонализированные рекомендации на каждом этапе их взаимодействия с экосистемой Сбер. Наши решения охватывают широкий спектр отраслей: от финансов и e-commerce до индустрии развлечений и здравоохранения. Мы следим за развитием технологий, экспериментируем с новыми ML-подходами, внедряем их в платформу и доводим до конкретного применения в бизнесе. Мы ищем **Lead ML Engineer**, который будет отвечать за технологическое развитие направления рекомендательных систем и формирование единой инженерной и операционной среды для DS- и MLE-команд. В зоне ответственности — скорость и воспроизводимость проверки DS-гипотез, качество разработки и вывода моделей в production, а также надёжная эксплуатация ML-решений с предсказуемыми качеством и стоимостью. Обязанности * формировать технологическое видение и roadmap развития ML Engineering и MLOps в направлении рекомендательных систем, определяя ключевые инженерные приоритеты и точки роста * развивать единый жизненный цикл ML-решений — от формулирования и воспроизводимой проверки DS-гипотез до запуска моделей в production, мониторинга и дальнейшего сопровождения * создавать инженерные стандарты и практики, которые помогают командам выпускать качественные и надёжные модели: требования к коду и данным, тестированию, версионированию, документированию, релизам * управлять портфелем технологических инициатив, находя баланс между развитием новых возможностей, повышением надёжности и устранением архитектурных ограничений * повышать производительность DS/MLE команд за счёт автоматизации, стандартизации, переиспользуемых компонентов и упрощения пути от эксперимента до production * развивать применение GenAI в процессе создания ML-решений: находить наиболее перспективные сценарии, запускать пилоты и оценивать их влияние на скорость и качество разработки * повышать масштабируемость, надёжность и экономическую эффективность ML-инфраструктуры * развивать ML-инженеров и технических лидеров направления. Требования * опыт технического лидерства в крупном ML-направлении не менее двух лет: умение формировать технологическое видение и roadmap, а также доводить системные изменения до результата * глубокое понимание полного жизненного цикла ML-решений — от эксперимента и обучения модели до production, мониторинга, масштабирования и дальнейшего сопровождения * опыт проектирования и развития высоконагруженных ML-систем, включая batch-, streaming- и real-time-сценарии * опыт взаимодействия с продуктовыми, платформенными и инфраструктурными командами, включая согласование приоритетов и защиту потребностей своего направления * умение принимать решения в условиях конфликтующих приоритетов, объяснять компромиссы и доводить выбранные инициативы до результата * опыт people management в DS/MLE командах: найм и адаптация сотрудников, постановка целей, регулярная обратная связь, performance review, развитие и удержание специалистов, а также формирование среды для обмена знаниями и распространения сильных инженерных практик * опыт внедрения GenAI-инструментов в процессы разработки и оценки их влияния на скорость и качество работы команд. **Будет большим плюсом:** * опыт работы с рекомендательными системами, поиском, ранжированием, персонализацией или рекламными технологиями * практический опыт работы в роли Data Scientist: формулирование и проверка ML-гипотез, оценка качества моделей и участие в A/B-тестах. * опыт эксплуатации real-time ML-систем на масштабе миллионов пользователей и при строгих требованиях к latency и availability. **Стек технологий:** Python, PySpark, PyTorch, RePlay, GigaChat, Airflow, MLflow, Kubernetes, Redis, Kafka, S3, FastAPI и другие инструменты для разработки, обучения, внедрения и мониторинга ML-моделей. Условия * комфортный современный офис рядом с м. Кутузовская * 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

Задачи: — Проектирование и разработка сервисов с применением DDD. — Формирование культуры тестирования: unit/integration тесты и поддержание покрытия. — Обеспечение наблюдаемости: метрики, структурные логи и сквозная трассировка. — Защита архитектурных решений и ведение ADR. — Развитие платёжного/заказного контура: асинхронное взаимодействие, идемпотентность, transactional outbox, retry и отложенные срабатывания. Требования: — Коммерческий опыт backend от 4 лет на Go или Python. — Уверенные знания алгоритмов и структур данных. — PostgreSQL: оптимизация запросов, транзакции, уровни изоляции, EXPLAIN, миграции; опыт работы с GORM. — Проектирование API (REST, gRPC), версионирование и контрактное тестирование. — Опыт работы с Linux, Docker, Kubernetes и настройкой CI/CD. — Принципы чистого кода, SOLID, DDD, микросервисная архитектура; опыт с брокерами сообщений (RabbitMQ, Kafka или аналоги), обработка ошибок, DLQ и идемпотентность; опыт AI-assisted development и готовность нести ответственность за код. — Вывод Python-сервисов в продакшен (FastAPI, Django/DRF). — Опыт работы с платёжным/финансовым контуром. — Интеграции с LLM-провайдерами. Условия: — Удалённо, только для резидентов РФ (часовой пояс ±3 к МСК). — Полная занятость, оформление по ТК РФ.

Задачи: – Разрабатывать и проектировать backend-сервисы на Python / FastAPI. – Проектировать и поддерживать REST API для мобильного приложения, PWA, риск-профиля и ИИ-помощника. – Описывать и поддерживать контракты API: request/response schemas, validation, error model, versioning. – Работать с Pydantic, PostgreSQL, Redis и, при необходимости, S3-compatible storage. – Интегрироваться с AI/ML-слоем: n8n-прототипы, FastAPI/FastMCP-сервисы, LLM API, RAG/context, Qdrant, traces. – Строить observability: structured logs, trace/request id, metrics, dashboards, error tracking. – Писать поддерживаемый код, покрывать критичную логику тестами, участвовать в code review и технических обсуждениях. Требования: – Опыт backend-разработки на Python от 3 лет. – Хорошая база в технологиях веба: HTTP, контейнеры, хранение, веб-серверы. – Практический опыт разработки production API на FastAPI, Django, Flask или аналогичном backend-фреймворке; FastAPI будет сильным плюсом. – Уверенное владение Python. – Здравый смысл в использовании ИИ-агентов. – Хорошее понимание PostgreSQL: схемы, связи, индексы, транзакции, миграции, профилирование запросов. – Опыт проектирования REST API и умение договариваться о контрактах с mobile/frontend/SA/QA. – Опыт работы с микросервисами. – Умение писать тесты для критичной backend-логики. – Готовность работать в продуктовой команде, где требования меняются быстро, а API влияет на mobile, PWA и AI-сценарии.

Требуется специалист на позицию Senior AI/ML Engineer. Требуемые навыки: — Python — OpenCV — Deep Learning — Компьютерное зрение — Agentic systems — FastAPI — Langgraph — DeepEval — Langfuse — vLLM Вакансия предполагает полный рабочий день с возможностью удалённой работы.

Задачи: — развивать и рефакторить оркестрацию агентов на LangGraph — разрабатывать скиллы и инструменты (tools) для агента — интегрировать LLM (писать и оптимизировать system/user-промпты, проектировать Pydantic-схемы для структурированного вывода, настраивать параметры моделей) — подключать внешние системы (HTTP API, Kafka, поисковые движки) — строить RAG-пайплайн — покрывать код unit-тестами — участвовать в проектировании архитектуры агентских систем. Требования: — опыт разработки AI агентов от 1 года — опыт разработки python от 3 лет — опыт с веб-фреймворками (FastAPI и/или aiohttp) и проектировали REST API; опыт работы с WebSocket/SSE для real-time коммуникаций — опыт интеграции LLM через API (GigaChat, аналоги) — опыт с LangGraph/LangChain или похожими оркестраторами агентов — опыт с PostgreSQL (проектирование схем, миграции, транзакции) и асинхронным доступом к БД — умеете доводить LLM-фичи до стабильной работы в проде. Будет плюсом: — опыт работы с AEF — опыт с RAG — опыт с Kafka и событийными интеграциями — опыт работы с Docker / Kubernetes, Helm, CI/CD пайплайнами — 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 (2-3 дня в офисе). Офис по адресу: г.Москва офис Кутузовский проспект 32 — 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.

Задачи: — разработка LLM агентов — создание логики работы и взаимодействия агентов — дообучение NLP моделей — создание RAG систем — вывод и сопровождение моделей — написание API для выводимых моделей. Требования: — знания в области математики, data science — владение Python (pandas, numpy, torch, fastapi, langchain, etc) — знание SQL, spark — приветствуется опыт работы с git, docker — опыт работы с NLP пайплайнами. Условия: — комфортный современный офис рядом с м. Кутузовская — возможность выбрать удобный график – офис/гибрид — ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования) — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) — 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.

Задачи: — Отвечать за часть системы целиком в области Web Scraping, Data Engineering, AI и автоматизации для зарубежных клиентов. Требования: — Опыт продакшн-разработки на Python не менее 3 лет. — Уровень Middle, способный самостоятельно вести часть системы. — Ежедневная работа с LLM и агентами. — Проактивность и умение дебажить чужой код в продакшене. Условия: — Зарплата до 2500 долларов США на B2B. — Полная удалённая работа (кроме России). — Гибкий график. — Оплата AI-тулинга. — Процесс найма: интро-звонок, технический разговор, оффер. Технологический стек: Python 3.12, FastAPI, Celery, RabbitMQ, Redis, PostgreSQL, Playwright, Docker, Kubernetes, OpenTelemetry.

Задачи: • Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости • Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию • Определение ML SysDes решения с учетом разрешенного технологического стека • Участие в валидации и автомониторинге моделей, проведение A/B тестирования Требования: • Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.) • Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов • Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений • Умение переводить бизнес-постановку задачи в ML-постановку • Высокий уровень владения Python и SQL • Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers • Знание принципов построения RAG, VisionRAG и AgenticRAG систем • Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5) • Знание агентных архитектур (ReAct, Multi-agent и др.) • Знание фреймворков для работы с LLM (LangChain, LangGraph и др.) • Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker) • Понимание жизненного цикла моделей (CRISP-DM) Условия: • Гибкий гибрид (обсуждаем индивидуально) • Современный IT-офис вблизи Москва-Сити с фитнес-залом • Ипотека с выгодой для сотрудника и льготные условия кредитования • Бесплатная подписка СберПрайм+ • Скидки на продукты компаний-партнеров • ДМС с первого дня и льготное страхование для близких • Корпоративная пенсионная программа • Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию • Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

Задачи: — Проектирование и разработка сервисов с применением принципов DDD. — Формирование культуры тестирования: написание unit/integration тестов, обеспечение необходимого уровня покрытия и тестируемости кода. — Наблюдаемость на стороне кода: метрики, структурные логи и сквозная трассировка запросов в сервисах. — Принятие и защита архитектурных решений в команде (контексты С3-С4 из модели C4), ведение ADR (Architecture Decision Records). — Развитие сделочного контура (заказы и платежи): асинхронное межсервисное взаимодействие, идемпотентность денежных операций, транзакционный outbox, повторные попытки и отложенные срабатывания. Требования: — Опыт коммерческой бэкенд-разработки от 4-х лет на Go или Python. — Владеть вторым языком с первого дня не требуется: вход обеспечивается онбордингом и ревью внутри команды. — Уверенное знание алгоритмов и структур данных, умение применять их для решения практических задач. — Уверенный опыт работы с PostgreSQL: оптимизация запросов, индексы, транзакции, уровни изоляции и блокировки, понимание планов выполнения (EXPLAIN), опыт ведения миграций. — Работа с ORM (GORM) с пониманием генерируемого SQL. — Умение проектировать и реализовывать API (REST, gRPC), понимание версионирования и контрактного тестирования. — Уверенный опыт работы с Linux, Docker, Kubernetes (базовое понимание/опыт написания манифестов), настройка CI/CD пайплайнов. — Глубокое понимание принципов чистого кода, SOLID, DDD, микросервисной архитектуры и паттернов распределенных систем. — Уверенный опыт работы с брокерами сообщений (RabbitMQ, Kafka или аналоги): понимание гарантий доставки, обработка ошибок и dead-letter queues, идемпотентность и транзакционный outbox. — Плюсом: опыт вывода Python-сервисов в продакшен (FastAPI, Django/DRF), опыт платёжного или финансового контура, интеграции с LLM-провайдерами. — Опыт AI-assisted development: использование AI-ассистентов разработки (Cursor, GitHub Copilot, Claude Code, Codex) для декомпозиции задач, подготовки черновиков кода, рефакторинга, написания тестов, поиска дефектов и работы с документацией. — Умение критически проверять результаты AI: валидировать бизнес-логику, соответствие архитектуре и кодстайлу, покрытие тестами, производительность, безопасность и лицензионные риски. — Готовность нести персональную ответственность за код и технические решения, независимо от использования AI-инструментов.

Задачи: - Проектирование и разработка высоконагруженных микросервисных систем с нуля (архитектура, выбор стека, декомпозиция). - Развитие существующего функционала: рефакторинг, оптимизация узких мест, миграция данных. - Интеграция и контрактное взаимодействие: разработка и документирование API (REST/AsyncAPI/gRPC), обеспечение бесшовного взаимодействия между десятками сервисов. - Code Review и менторство: повышение качества кода в команде, внедрение best practices. - Работа с инфраструктурой: участие в настройке CI/CD, оптимизация Docker-образов, взаимодействие с оркестрацией (Kubernetes/Swarm). Требования: - Опыт коммерческой разработки на Python от 4 лет (в идеале от 5 лет), участие в полном жизненном цикле крупных проектов. - Глубокое понимание асинхронности: работа event loop, конкурентность, параллелизм, специфика GIL. - Уверенное знание FastAPI, асинхронного SQLAlchemy, Pydantic. - Экспертный уровень работы с СУБД: написание и оптимизация сложных запросов (EXPLAIN, индексы, партиционирование), проектирование схем данных с учетом нагрузок. - Опыт построения Event-Driven Architecture поверх RabbitMQ или Kafka, понимание гарантий доставки (at-least-once, exactly-once), работа с DLQ. - Инфраструктурный кругозор: уверенная работа с Linux (bash, сеть, процессы), опыт контейнеризации (Docker). - Архитектурное мышление: понимание SOLID, паттернов микросервисной архитектуры (API Gateway, Circuit Breaker, Saga), умение аргументировать технологический выбор. Будет плюсом: - Опыт в финтехе или высоконагруженных проектах. - Навыки настройки мониторинга и логирования (Prometheus, Grafana, ELK). Условия: - Оформление по договору ГПХ или ИП (РФ) с компенсацией налога. - Оплачиваемые отпуска и больничные. - Горизонтальная культура управления и отсутствие микроменеджмента. - В процессе отбора предусмотрено небольшое неоплачиваемое тестовое задание.