Вакансии

Описывать и систематизировать процессы; Анализировать процессы и находить точки для их оптимизации;

Задачи: — Описывать и систематизировать процессы; — Анализировать процессы и находить точки для их оптимизации; — Предлагать, проектировать и защищать решения с опорой на экспертизу, лучшие практики и фреймворки; — Внедрять изменения и работать с сопротивлением со стороны заказчиков и команд; — Писать автоматизации и собирать прототипы, в том числе с помощью AI-агентов; — Искать точки внедрения AI в процессы; — Помогать командам в сборе отчетности; — Организовывать кросс-командные проекты; — Самостоятельно принимать, уточнять и обрабатывать запросы внутренних заказчиков. Требования: — 3+ года опыта работы Project Manager, Business Analyst или System Analyst; — Опыт оптимизации процессов и внедрения изменений; — Опыт полного цикла внедрения решений: от сбора и уточнения требований до запуска и начала использования; — Знание систем и фреймворков проектного управления; — Понимание BPMN; — Готовность самостоятельно проектировать решения и аргументированно защищать их перед заказчиками; — Готовность изучать новые методологии и технологии; — Умение работать с критикой, корректирующей обратной связью и сопротивлением изменениям. Будет плюсом: — Знание JavaScript, Python, Claude Code, Copilot, Codex или аналогичных инструментов; — Опыт работы с Docker, RAG и SQL; — Опыт работы с системами построения дашбордов: Tableau, NeoDash, SuperSet; — Опыт работы с N8N или другими no-code/low-code оркестраторами; — Сертификация в области Project Management; — Образование в области математики, инженерии, программирования или физики; — Английский язык от уровня Pre-Intermediate. Условия: — Формат работы 5/2 с гибким началом рабочего дня с 8:00 до 10:00; — Отпуск - 21 рабочий день; — 4 day off в году; — Годовой бонус по результатам работы; — Частичная компенсация аренды жилья; — Частичная компенсация занятий английским языком; — Внешнее и внутреннее профессиональное обучение; — Реферальная программа; — Готовые обеды и завтраки; — Заработная плата обсуждается по итогам личной встречи.

Ищут специалиста, который соберёт LLM, RAG-компоненты и агентов в единую систему для бизнес-задач. Будете писать промпты под сценарии, внедрять метрики качества и A/B-тесты, разворачивать сервисы в Docker.

Location: Москва Ищем опытного Python-инженера, который любит ML, понимает его силу и ограничения, и хочет делать «настоящий» production-backend: надёжный, масштабируемый, с чёткой инженерной культурой. Стек технологий: Python 3.12+, FastAPI, gRPC/HTTP, Kafka, PostgreSQL, PyTorch/Lightning, инструменты для LLM-оркестрации, LangGraph, Grafana/OpenTelemetry, OpenShift, Jenkins. Обязанности * проектировать и разрабатывать backend-сервисы на Python для LLM-агентов и ML-пайплайнов (низкие задержки, высокая надёжность, observability) * выстраивать и развивать архитектуру агентских систем (оркестрация инструментов, память, планирование, безопасные guardrails, оценка качества) * внедрять ML System Design подходы: искать и применять передовые идеи и мировой опыт в области архитектур агентских систем * работать с данными и интеграциями: очереди/стриминг, базы, кэш, внешние API * проводить технические исследования (R&D), быстро прототипировать, измерять, масштабировать в прод * развивать платформу: тестирование, CI/CD, мониторинг, трассировка, расходы. Требования * от 4 лет промышленной backend-разработки на Python с акцентом на надёжность и производительность * опыт проектирования распределённых систем и высоконагруженных сервисов * уверенная математическая база (вероятность/статистика/оптимизация), инженерный вкус и привычка мерить всё метриками. * практика работы с ML-системами в проде: фичи, офлайн/онлайн-оценка, A/B, наблюдаемость качества * навык разбираться в новых подходах (LLM-агенты, инструменты, память, RAG, оценка), критически их проверять и доводить до результата * готовность брать ответственность за продуктовые эффекты, а не только за код. Будет плюсом: * опыт построения agentic-архитектур (планировщики, многoшаговые цепочки, инструментализация, безопасность). * опыт реализации высокоэффективного инференса LLM моделей, глубокое понимание работы kernel для инференса * вклад в open-source или публикации/доклады * знание домена рисков. Условия * рабочее место в современном офисе по адресу г. Москва, проспект Кутузовский, 32 * режим работы: гибрид, удаленного формата нет * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС с первого дня работы для сотрудников и льготная медицинская страховка для близких * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: United Kingdom, London Why Sony Interactive Entertainment? Sony Interactive Entertainment isn’t just the Best Place to Play — it’s also the Best Place to Work. Sony Interactive Entertainment (SIE) is the company behind the PlayStation brand. As a subsidiary of Sony Group Corporation, we’re part of a proud legacy of innovation and excellence. SIE is a dynamic technology company, delivering cutting-edge hardware and network services to more than 100 million people and an entertainment leader, home to some of the most beloved and recognizable intellectual properties (IP) in the world. Our role at SIE is to create and nurture the experiences under the PlayStation brand, a name synonymous with entertainment excellence and creativity. Sony Interactive Entertainment Security Architecture | Cloud | AI Security | Enterprise Platforms We are seeking a Staff Security Architect to help shape and secure the next generation of enterprise, cloud, platform, and AI-enabled technology. This role combines deep security architecture expertise with strong engineering judgment and the ability to influence technical direction across complex, global environments. The successful candidate will partner with engineering, infrastructure, product, and security teams to identify systemic risk, develop scalable security patterns, and guide secure adoption of emerging technologies, including generative AI and agentic systems. Key Responsibilities Design, review, and approve security architecture for enterprise, cloud, SaaS, platform, and application environments, balancing business objectives, engineering constraints, and risk. Lead cloud security architecture across AWS, Google Cloud, and hybrid environments, including identity, network security, data protection, logging and monitoring, key management, workload isolation, security posture management, and the effective use of native and third-party cloud security controls. Define and review security architecture for SaaS and PaaS platforms, including identity federation, privileged access, tenant configuration, data protection, API and integration security, logging, third-party risk, and secure adoption of enterprise SaaS services. Drive security throughout the software delivery lifecycle, including source control, CI/CD pipelines, build systems, artifact repositories, infrastructure as code, secrets management, code and artifact signing, software provenance, deployment automation, and security controls for developer platforms. Lead security architecture for AI-enabled systems, including generative AI, large language models, retrieval-augmented generation, AI agents, model-serving platforms, and AI-assisted developer workflows. Design mitigations for risks such as prompt injection, insecure tool use, excessive agency, sensitive-data disclosure, model or supply-chain compromise, unsafe output handling, and abuse of AI services. Define security requirements for AI data, models, prompts, embeddings, vector stores, APIs, tools, and agent identities, including least-privilege access, secrets management, encryption, isolation, provenance, logging, monitoring, and lifecycle controls. Architect and improve identity, authentication, authorization, network security, key management, cryptography, application security, and production security controls across complex environments. Identify security design gaps in existing and proposed systems; translate findings into practical architecture improvements, reference patterns, hardening standards, preventative controls, and responsible automation that improves repeatability and operational effectiveness. Provide technical leadership across multi-disciplinary teams, clearly articulating risks, tradeoffs, and recommended solutions to engineering leaders, business stakeholders, and audiences without a security background. Required Qualifications 15+ years of relevant experience in security architecture, security engineering, product security, cloud security, infrastructure security, or related disciplines, with demonstrated leadership at senior or staff level. Deep knowledge of security architecture principles across cloud, application, network, identity, platform, infrastructure, and enterprise environments. Hands-on experience designing or securing cloud-based and containerized environments, including major cloud platforms such as AWS or Google Cloud. Strong understanding of modern identity and access management, PKI, OAuth/OIDC, SAML, TLS, VPNs, secrets management, key management systems, cloud KMS, and HSMs. Expertise in network and application security controls such as WAFs, NGFWs, segmentation, DMZ design, DDoS mitigation, load balancing, proxies, intrusion detection/prevention, and host-based controls. Experience with secure software development, threat modeling, CI/CD and developer platforms, application security, and engineering mitigations across the software lifecycle. Working knowledge of AI/ML security concepts and the ability to evaluate security risks in generative AI, LLM, and agentic system architectures, including data flows, trust boundaries, model access, and tool integrations. Strong critical thinking, risk prioritization, communication, and influence skills, with the ability to lead through ambiguity and work effectively across global, cross-functional teams. Bachelor's degree in Computer Science, Mathematics, Engineering, Information Security, or equivalent practical experience. Preferred Qualifications Experience securing AI/ML platforms, generative AI applications, model gateways, RAG architectures, vector databases, or agentic workflows in production environments. Experience with AI security evaluation, red teaming, adversarial testing, model abuse testing, or control validation for AI-enabled systems. Experience securing large-scale Linux, distributed, multi-tenant, or high-availability production environments. Development or automation experience in Python, C++, Java, or similar languages. Recognized technical leadership through patents, publications, open-source contributions, conference participation, teaching, or security community involvement. Penetration testing, adversarial security, or attacker-minded design experience. Master's degree or Ph.D. in Computer Science, Mathematics, Engineering, Information Security, or a related field. Please note, Sony Interactive Entertainment conducts background checks at the offer stage for all new employees (which may include criminal background checks for some roles) and will need to process personal information to support these checks. Please refer to our Candidate Privacy Notice (where applicable) for more information about what personal information we collect, how we use it, who we share it with, and your data protection rights. Equal Opportunity Statement: Sony is an Equal Opportunity Employer. All persons will receive consideration for employment without regard to gender (including gender identity, gender expression and gender reassignment), race (including colour, nationality, ethnic or national origin), religion or belief, marital or civil partnership status, disability, age, sexual orientation, pregnancy, maternity or parental status, trade union membership or membership in any other legally protected category. We strive to create an inclusive environment, empower employees and embrace diversity. We encourage everyone to respond. Sony Interactive Entertainment is a Fair Chance employer and qualified applicants with arrest and conviction records will be considered for employment.

Требования: — 3+ года коммерческой разработки на Python (FastAPI / Django). — Опыт с PostgreSQL, ORM, REST API и вебхуками. — Уверенные навыки работы с Docker Compose, Linux и самостоятельного деплоя. — Опыт применения LLM API (OpenAI / Anthropic / OpenRouter) в продакшене. — Понимание RAG, function calling, промпт-инжиниринга и рисков LLM (галлюцинации, injection). — Свободный русский язык, узбекский, английский-B1+ (чтение технической документации). — Будет плюсом: Опыт с LangGraph, pgvector, MCP, Voice AI (STT/TTS, Asterisk), Redis, а также базовый React/TypeScript. Локация: Ташкент, офис.

Задачи: — Анализ рынка, поиск товарных возможностей, расчёт экономики, поиск поставщиков, создание товара и контента, размещение, реклама, аналитика, операционное управление. — Поиск участков, требующих человека и повторяющихся действий, и превращение их в автоматизированные процессы, сервисы или AI-агентов. — Создание систем, которые выполняют 70–90% работы, передавая человеку только спорные решения. — Совместный выбор приоритетных задач с бизнесом по ожидаемому эффекту и сложности внедрения. — Анализ новых маркетплейсов и категорий, поиск быстрорастущих товаров и ниш. — Сбор и нормализация данных из маркетплейсов и внешних источников, конкурентная аналитика. — Поиск аналогов товара и поставщиков, создание AI-агентов для запросов цен и коммуникации с фабриками. — Расчёт полной стоимости поставки и потенциальной прибыльности товара. — Анализ отзывов и поиск возможностей для улучшения продукта. — Генерация и локализация карточек товара под разные страны и площадки. — Автоматизация рекламы и регулярной операционной работы. — Интеграция маркетплейсов, ERP, CRM и аналитических систем, внутренних инструментов и AI-интерфейсов для сотрудников. — Разработка систем Product Hunter для поиска перспективных товаров, оценки экономики и помощи в принятии решений о запуске. Требования: — Опыт работы 3–6 лет. — Знание Python и SQL/PostgreSQL. — Опыт работы с API и интеграциями со сторонними сервисами. — Навыки асинхронной разработки, работы с очередями и фоновыми задачами. — Опыт построения data pipelines. — Владение Docker, Git/CI/CD и работа с облачной инфраструктурой. — Практический опыт работы с LLM API. — Умение оценивать качество AI-систем, обрабатывать ошибки и контролировать стоимость их работы. — Знание structured output, tool calling, агентов и agentic workflows. — Опыт с RAG и embeddings. — Знание MCP, browser automation и мультимодальных моделей. — Навыки мониторинга и отладки AI-систем (например, Langfuse или аналоги). — Product thinking: понимание проблемы бизнеса перед выбором технологии. — Ownership: самостоятельный поиск и обоснование задач, прохождение полного цикла от проблемы до результата. — Скорость разработки: предпочтение быстрому созданию рабочей версии. — Умение работать с неопределённостью, исследовать новые рынки и находить рабочие решения. — Business curiosity: интерес к работе маркетплейсов, структуре прибыли, закупкам, рекламе и ручному труду. Условия: — Полная занятость. — График 5/2. — Удалённый формат работы.

Задачи: — Планировать и сопровождать релизы AI‑агентов и связанных сервисов — Анализировать требования и технические постановки, оценивать тестовое покрытие — Проводить ручное функциональное, интеграционное, регрессионное и E2E‑тестирование AI‑агентов и их интеграций — Тестировать API агентов и вспомогательных сервисов (REST, WebSocket/Socket.io) — Разбирать логи, локализовать ошибки, взаимодействовать с разработкой и аналитикой для быстрого фикса — Вести тестовую документацию: чек‑листы, тест‑кейсы, тест‑планы, сценарии E2E (в Jira/TM4Jira) — Автоматизировать рутинные проверки на Python (pytest + requests), постепенно наращивая долю автотестов в готовом фреймворке автотестирования в CI/CD (GitLab CI / GitHub Actions) — Участвовать в оценке качества ML/LLM‑компонентов: проверка ответов, выявление галлюцинаций, базовые метрики (BLEU/ROUGE, LLM‑as‑judge), регрессионные проверки поведения агентов Требования: — Опыт тестирования 2–4 года: веб‑приложения + API, уверенное ведение тест‑кейсов/чек‑листов, работа в Jira — Опыт участия хотя бы в одном проекте с ML/LLM: тестирование качества ответов, галлюцинаций, базовых метрик (BLEU/ROUGE, LLM‑as‑judge) — будет большим плюсом — Навыки автоматизации на Python: pytest (фикстуры, параметризация), requests для API — Понимание, как встраивать автотесты в готовый фреймворк и запускать в CI/CD — Опыт тест‑дизайна: позитив/негатив/пограничные сценарии, классы эквивалентности, граничные значения — Умение проектировать сложные E2E для микросервисных и диалоговых ML‑продуктов — Понимание ML/LLM‑концепции: классификация, ранжирование, векторизация, поиск, RAG, мультиагентные/агентные системы — Понимание SDLC для ML (data → train → deploy → monitor) — Понимание микросервисной архитектуры: REST, очереди, базовое представление о WebSocket/Socket.io, Redis, Kibana — на уровне чтения логов и понимания, где искать проблему Будет плюсом: — Опыт backend‑автотестов и тестирования Edge сценариев — Опыт настройки тестового окружения, работы с Docker/K8s на базовом уровне — Желание развиваться в сторону SDET / QA‑инженера в AI‑направлении: eval‑фреймворки для LLM, автоматизация оценки агентов, метрики качества Условия: — Гибридный формат работы 3 дня в неделю в офисе и 2 дня дома для Москвы, Санкт-Петербурга, Казани, Ярославля, Рыбинска, Нижнего Новгорода, Воронежа, Краснодара, Самары, Екатеринбурга, Новосибирска, Владивостока — Удалённый формат работы в других регионах РФ — Опыт работы в аккредитованной IT-компании над социально значимыми уникальными проектами — Стабильный доход и квартальные премии — Гибкое начало рабочего дня — ДМС со стоматологией и международной страховкой — Интересная программа внутреннего и внешнего обучения — Прозрачные условия для развития и карьерного роста

Задачи: — Разработка backend для AI-агентов — Интеграция с API существующих автоматизированных систем — Реализация RAG-пайплайнов — Оптимизация производительности — Code review Требования: — Опыт backend-разработки от 3 лет — Знание Python (FastAPI, Django), Java или Go — Опыт работы с LLM-фреймворками LangChain, LlamaIndex — Опыт работы с PostgreSQL, Redis, MongoDB — Знание микросервисной архитектуры и event-driven архитектуры Условия: — Комфортный современный офис рядом с метро Кутузовская — Официальное оформление, срочный трудовой договор до 01.07.2027 с последующим переводом на бессрочный — Гибридный формат работы — Ежегодный пересмотр зарплаты — Корпоративный спортзал и зоны отдыха — Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — Программа адаптации и помощь руководителя на старте (для Junior позиций) — Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — Подписка СберПрайм с возможностью совместного использования на трёх близких — Вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы (индексация, ретривал, ранжирование, генерация) — разрабатывать автономных AI-агентов с использованием планирования, вызова инструментов (function calling) и мультиагентной оркестрации — обучать и дообучать NLP-модели (classification, embeddings) и современные LLM под бизнес-задачи (SFT, LoRA/QLoRA) — строить системы оценки качества генерации, внедряя продуктовые и ML-метрики (RAGAS, DeepEval, кастомные LLM as a judge) — переводить бизнес-задачи в ML-постановку и реализовывать решения полного цикла от гипотезы до интеграции в продакшен. Требования: — опыт работы в Deep Learning от 3 лет, включая обучение моделей на PyTorch — продвинутое понимание архитектуры современных LLM, включая механизмы attention, MoE, принципы инференса (KV-cache, batching) и методы alignment — практический опыт построения AI-агентов и LLM-пайплайнов с использованием LangChain, LangGraph или аналогичных фреймворков — уверенная база в классическом ML и NLP, знание статистики, алгоритмов поиска и векторизации (от TF-IDF до эмбеддингов) — опыт работы с фреймворками для оценки и мониторинга LLM-решений, такими как Arize, LangSmith или Weights & Biases — владение техниками промпт-инжиниринга и опыт их применения на практике для оптимизации работы моделей — уверенное владение Git и Linux-окружением. Будет плюсом: — базовое понимание принципов проектирования архитектуры микросервисов — опыт опромышливания AI-агентов и знание принципов LLMOps, включая CI/CD, оркестрацию и управление версиями промптов — глубокое понимание архитектуры масштабируемых RAG-систем и опыт работы с векторными базами данных — опыт разработки асинхронных сервисов (asyncio) и интеграции ML-моделей в высоконагруженные системы. Условия: — комфортный современный офис рядом с м. Кутузовская — гибридный формат работы — 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: Denver, CO, United States About Us Fanatics is a leading global sports platform redefining how fans connect with the teams, players and moments they love. Our businesses — Fanatics Commerce, Fanatics Collectibles, Fanatics Betting & Gaming, Fanatics Events, Fanatics Advertising, Fanatics Markets and Fanatics Studios — maximize the presence and reach for hundreds of partners globally and create a one-stop experience that allows fans to buy, bet, collect, and earn, while engaging with sports in deeper, more immersive ways. This includes licensed fan gear and lifestyle products, sportsbook and iGaming, physical and digital trading cards, live events, premium sports entertainment content, credit card offerings and more. Together, they form a powerful, integrated ecosystem — connected by the Fanatics ONE loyalty program and FanCash, the currency of sport — delivering personalized experiences to over 100 million fans worldwide. Fanatics holds partnerships with over 900 sports properties, from professional leagues and players’ associations to teams, colleges and retail partners; over 7,000 athletes and celebrities; and over 2,000 retail locations, including all Lids stores. Backed by a team of more than 22,000 employees, Fanatics is committed to relentlessly enhancing the fan experience. About the Team Launched in 2021, Fanatics Betting and Gaming is the online and retail sports betting subsidiary of Fanatics, a global digital sports platform. The Fanatics Sportsbook is available to 95% of the addressable online sports bettor market in the U.S. Fanatics Casino is currently available online in Michigan, New Jersey, Pennsylvania and West Virginia. Fanatics Betting and Gaming operates twenty-two retail sports betting locations, including the only sportsbook inside an NFL stadium at Northwest Stadium. Fanatics Betting and Gaming is headquartered in New York with offices in Denver, Leeds and Dublin. Overview: Fanatics Betting & Gaming (FBG) is hiring a Senior Analyst, Operations Automation to dig into the customer experience inside our AI agent conversations. Containment and resolution are the numbers you'll live in, and you'll work them at a level of detail nobody else here has time for: one case type, then one subtype, then the next one. In practice that means picking up a subtype with your manager, reading through a stack of real conversations, and working out what's actually going wrong. Sometimes customers get stuck in the same spot over and over. Sometimes a live agent clears the same contact in two minutes because they can check something the AI can't reach yet. Sometimes the AI is doing roughly the right thing badly: the tone is off, the knowledge article behind it is thin, or the prompt is pushing it down the wrong path. Finding the problem is half the job. The other half is making the case for the fix — what it's costing us now, what the fix is worth, and a story clear enough that a Product partner can act on it. You'll build that case and bring it into intake alongside your manager. We would rather hire someone solid at both halves than someone brilliant at one. This is a role where you learn the craft of AI customer experience with real ownership of the analysis from day one. You'll sit on the team that owns FBG's AI customer experience and work with Data, Quality, Product, and CX week to week. Responsibilities: Maintain and report the key metrics for our customer-facing AI agent — containment, resolution, deflection, escalation rate, repeat contact, and customer satisfaction at a case and subtype level. Be part of the team that stands up measurement for each new AI surface as it launches, so no surface goes live without a definition of success and the instrumentation to track it. Build and maintain the BI views and dashboards your team and Product partners use to read AI performance, and keep them accurate as products, policies, and promotions change. Write the data requirements — event definitions, tagging, table structures, and data quality checks — the metrics depend on, and partner with Data to get them built. Flag it early when a number stops being trustworthy. Knowing when your own data is wrong matters as much as reporting it. Find where customers get stuck Run deep dives at the case type and subtype level to find the stall points inside the AI interaction — where customers rephrase the same question, loop, go silent, abandon, or ask for a human, and what preceded it. Quantify each stall point so it can be ranked: how often it happens, which subtypes and markets it concentrates in, and what it costs in escalations, repeat contacts, and resolution loss. Pull together signals from more than one place — conversation data, interaction quality scores, customer and associate feedback, behavioral data, and operational metrics — into one view of what's actually driving the number. Distinguish issues worth fixing from noise, and be candid about which is which. Compare the AI to how live agents handle it Compare how live agents resolve a contact type to how the AI agent handles the same contacts, and identify what agents are doing that the AI cannot do yet — the lookups they run, the tools they touch, the actions they take. Write up each gap as a clear, specific finding: what the AI would need to close it, and the containment or resolution upside if it did. Pay attention to the escalation boundary. Where the AI hands off, look at whether it had to. Point to the right fix Sort root causes well enough to route them to the right owner and the right lever — grounding and knowledge content, prompt and instruction design, tone, tool access, handoff timing, or underlying policy ambiguity. Where the AI is already doing the right thing badly, describe the change specifically: what the grounding should say, where the tone misses, which instruction is producing the wrong behavior. Work with content, grounding, and engineering partners to get your finding specified tightly enough to be built and tested. Run recurring performance reviews on the case types you own, and keep a ranked, evidence-backed list of the opportunities in them. Build the story Turn a pile of conversations and queries into a clear, evidence-backed narrative — the pattern, the representative examples, the size of the problem, and the specific ask. Quantify the impact of a proposed fix — contacts avoided, resolution lift, handle time, cost, customer experience — with assumptions you can walk someone through. Package findings into business cases and recommendations a Product partner can act on without a translation layer, and bring them into intake with your manager. Follow what you handed off through to delivery, then measure whether it did what you said it would. Report back on what shipped, what moved, and what didn't, so the next prioritization conversation starts from evidence. Partner and communicate Work closely with Data, Product, Quality, and CX, and build the relationships that make your findings land. Translate your analysis into clear language for technical and non-technical audiences alike. Write up findings and recommendations clearly, and contribute to the leadership-facing materials your team produces. Share what you learn. Much of what you find will be new to the people around you, and writing it down so the team can use it is part of the work. Required Qualifications: 2+ years in business analytics, data analysis, business operations, customer experience analytics, or a closely related role. Strong SQL. You can independently pull, join, and validate data across large datasets without waiting on someone else to write the query. Experience owning the recurring reporting and analysis behind a metric, and being accountable for the quality of it. Experience building BI views and dashboards (Tableau, Looker, Power BI, Sigma, or similar) that other people actually use to make decisions. Ability to move from "the number moved" to "here's the specific root cause, here's roughly what it's worth, and here's what I'd fix." Diagnostic instinct matters more here than modeling sophistication. Comfort working directly in unstructured conversation data — reading transcripts at volume, spotting the pattern, and then proving it quantitatively rather than stopping at anecdote. Experience writing up findings and recommendations for partners who don't report to you, and seeing some of them acted on. Conceptual understanding of how LLM-powered systems behave — prompting, retrieval-augmented generation (RAG), knowledge grounding, and evaluation — enough to tell a grounding problem from a prompt problem from a tool gap. Clear written and verbal communication. You can write a one-pager someone reads once and understands. High intellectual curiosity and an AI-first approach to your own work. Preferred Experience: Experience analyzing conversational data from chatbots, voice systems, or agent-assist tools in production. Comfort with Snowflake, Databricks, or a comparable cloud data platform, and with dbt or similar transformation tooling. Python or R for analysis beyond what SQL handles cleanly. Background in customer experience, contact center, or support operations analytics — particularly anything that involved understanding how human agents actually resolve contacts. Hands-on experience writing or editing knowledge content, groundings, or prompts for an AI system. Experience in sports betting, gaming, fintech, payments, or another high-growth, regulated consumer industry. Experience partnering with ML or Data Science teams on evaluation frameworks, A/B testing, or experiment design. Familiarity with knowledge base architecture and how content quality drives AI answer quality. Depending on the role, your interview and onboarding experience may include in-person components, such as onsite interviews or Launching into Better: LIVE—a multi-day cultural immersion in New York City for full-time, non-seasonal hires. These sessions are designed to build connection and bring our culture to life, though specific travel and participation requirements will be confirmed based on your role and location. Your recruiter will provide clear guidance at each stage of the process. For information about our benefits, please visit https://benefitsatfanatics.com/ Ranges will change based on country and state of residence, which are reflected in Geographical Zones defined by Fanatics Betting and Gaming. The range incorporates all of our Geographical Compensation Zones and is subject to change as the Zone associated with the actual offer is confirmed. In addition to the base and bonus, full-time employment, and more. For information about our benefits, please visit https://benefitsatfanatics.com/ Salary Range $86,000 — $115,000 USD By submitting your application, you agree to our terms of service and acknowledge you have read our Candidate Privacy Policy. Fanatics will never ask candidates for money, banking information, or other sensitive personal information as part of the interview process. If you receive a suspicious message claiming to be from Fanatics recruiting, please do not respond and report it here .

О компании Looksy Tech — B2B SaaS-платформа AI-продуктов для e-commerce: виртуальная примерочная, AI-чатботы, умный поиск и рекомендации. Работаем с fashion- и retail-брендами в СНГ и за рубежом. Компания зарегистрирована в Дубае (IFZA), команда распределённая. Работаем с большими e-commerce клиентами в РФ, СНГ и ОАЭ. Формат Парт-тайм, удалённо. Гибкий график, но с обязательной доступностью в рабочие часы команды и оперативной реакцией на задачи (ежедневные синки на 10-15 минут + присутствие на звонках по типу демо/брейншторм). Задачи: — Разворачивать с нуля аджентик AI-чатботов для клиентов: подключение к данным каталога, настройка поведения, интеграция на сайт. — Полный цикл — от архитектуры до деплоя. — Настраивать клиентам AI-поиск по каталогу и систему умных рекомендаций. — Работать с локальными моделями, адаптировать под специфику каждого клиента. — Внедрять скрипт виртуальной примерочной на сайты клиентов, поддерживать и дорабатывать интеграции, дорабатывать рекомендательную систему по дополнению образа клиентов. — Вносить правки в клиентские и собственные интерфейсы, дорабатывать виджеты, оперативно чинить баги на фронте. — Работать с данными клиентов, анализировать метрики использования продукта, предлагать улучшения. Требования: — Опыт коммерческой разработки от 2+ лет (уровень middle и выше). — Уверенный fullstack: бэкенд (Python / Node.js), фронтенд (React / Vue / vanilla JS). — Опыт или сильное понимание работы с LLM: промпт-инжиниринг, RAG-пайплайны, аджентик-архитектуры, работа с API OpenAI / Anthropic / open-source моделями. — Способность развернуть и настроить локальные ML-модели для поиска и рекомендаций. — Опыт работы с данными: парсинг каталогов, подготовка датасетов, базовая аналитика. — Умение интегрировать JS-скрипты и виджеты на сторонние сайты. — Принципиально не берут чистых вайбкодеров, важно понимать и писать код самостоятельно. — Продуктовое мышление: не просто писать код по ТЗ, а думать о ценности для клиента и предлагать улучшения. Будет плюсом: — Опыт работы в стартапах или продуктовых командах. — Знакомство с e-commerce (фиды товаров, интеграции с CMS). — Опыт деплоя и поддержки продакшн-сервисов (Docker, cloud). Условия: — Парт-тайм, удалённо. — Гибкий график с обязательной доступностью в рабочие часы команды. — Оплата обсуждается индивидуально. — Прямая работа с фаундером, минимум бюрократии, максимум влияния на продукт.

Задачи: — Участие в проектах заказной разработки и пресейлах, включая направление искусственного интеллекта. — Полный цикл аналитических работ: от сбора и формализации требований до функционального тестирования, приёмки и демонстрации решений заказчику. — Ежедневное использование LLM-ассистентов (YandexGPT, GigaChat и аналогов) для решения рабочих задач. Требования: 1. Анализ и проектирование — Моделирование бизнес-процессов: BPMN 2.0. — Проектирование систем: UML (диаграммы классов, последовательностей, активности), Use Case. — Сбор требований: User Story, Use Case, техники интервьюирования. — Проектирование баз данных: ER-модели, нормализация, понимание транзакционности. — Прототипирование интерфейсов: Figma (базовая работа с макетами), Miro (схемы, майндмэпы). 2. Работа с данными и API — Уверенное владение SQL (PostgreSQL, MySQL): сложные JOIN, оконные функции, CTE, оптимизация запросов. — Работа с форматами данных: JSON, XML, YAML. — Интеграции: REST API, SOAP. — Понимание принципов работы брокеров сообщений на уровне producer/consumer. — OpenAPI (Swagger): чтение спецификаций, внесение изменений. 3. Инструменты и процессы — Jira: создание и декомпозиция задач, ведение спринтов. — Confluence: оформление ТЗ, архитектурных решений, ведение базы знаний. — Методологии разработки: Agile (Scrum, Kanban), понимание Waterfall. — Git: ветвление, merge/pull requests в GitLab или GitHub. — Postman: коллекции, переменные, скрипты для тестирования API. 4. Искусственный интеллект и векторные данные — Ежедневное применение LLM-ассистентов (YandexGPT, GigaChat и аналоги). — Использование ИИ для написания SQL-запросов, генерации и рефакторинга кода. — Применение LLM для подготовки документации, анализа требований, проектирования API и моделей данных. — Понимание принципов работы векторных баз данных. — Опыт работы с Qdrant, pgvector или аналогами: хранение эмбеддингов, базовый векторный поиск. 5. Личностные качества — Проактивность и самостоятельное доведение задач до результата. — Умение принимать решения при неполных вводных. — Способность быстро погружаться в новую предметную область. — Стрессоустойчивость при сжатых сроках и параллельной загрузке. Дополнительные требования (будет плюсом): 1. Разработка ИИ-решений — LangChain, LangGraph: построение цепочек (chains), агентов и RAG-пайплайнов. — Понимание протоколов MCP (Model Context Protocol) и A2A (Agent-to-Agent). 2. Обработка неструктурированных данных — Интеграция SpeechKit, Whisper или аналогов для распознавания речи. — Работа с Tesseract, Yandex Vision или аналогами для OCR и извлечения данных из документов. 3. Инфраструктура и архитектура — Архитектурное моделирование: C4 Model. — Docker, Kubernetes: понимание YAML-конфигураций, Helm. — Yandex Cloud, AWS: S3/Object Storage, Managed Databases, IAM. — RabbitMQ, Kafka: настройка, топики, партиции, гарантии доставки. 4. Разработка и хранение данных — Python для написания ETL/ELT-скриптов, работы с Pandas и автоматизации. — Опыт построения DWH. — Моделирование данных: Data Vault, Star Schema, Snowflake Schema. — Работа с BI-инструментами.

Задачи: — Выстроить конвейер внедрения AI-решений: от заявки до поддержки; — Развивать Doc AI и автоматизацию обработки документов; — Внедрять AI-агентов, MCP-коннекторы и автоматизацию бизнес-процессов; — Управлять командой AI-инженеров; — Контролировать качество решений, метрики, SLA и ROI; — Обеспечивать внедрение LLM-решений. Требования: — практический опыт с LLM, RAG и AI-агентами от 3 лет, опыт управления командой и внедрения AI-решений. Условия: — Совокупный доход: оклад + годовой бонус.

Требования: — умеешь писать чистый и понятный код на современном Python; — хорошо ориентируешься в классическом ML и соответствующих библиотеках (scikit-learn, CatBoost); — имеешь опыт разработки систем на базе LLM: написание агентных систем, RAG-пайплайнов…

Location: Remote - United States Workplace: Remote Qdrant is an open-source vector search engine powering the next generation of AI applications, from semantic search and retrieval-augmented generation (RAG) to AI agents and real-time recommendations. Trusted by global leaders like Canva, HubSpot, Tripadvisor, Bosch, and Deutsche Telekom, we’re building the retrieval infrastructure layer for modern AI. Recently raising $50M in Series B funding, we are growing rapidly and committed to transforming how AI understands and interacts with data. As a remote-first company, we believe diverse backgrounds, perspectives, and experiences fuel innovation. Here, you’ll own meaningful work, tackle challenges, and grow alongside passionate individuals dedicated to shaping the future of AI. THE TEAM AND YOUR IMPACT As a Growth Marketing Manager, you’ll build the systems that make our marketing fast and agile. The tools and tactics in the age of AI change constantly, but what lasts is the underlying system: clean signal data, a scoring model that routes it, and reusable workflows the team can build on. You’ll own that system, using automation and AI to turn a week of work into an hour. You’ll own the end-to-end demand generation engine that translates market signals and buyer intent into measurable pipeline and revenue impact. You’ll connect audience intelligence, multi-channel campaigns, lifecycle engagement, and sales activation into scalable, repeatable growth motions. You should be able to pull the data, architect a target list, generate the creative, and ship a multi-channel campaign using AI tools and systems, while ensuring every campaign, data point, and automation strengthens the broader growth engine. WHAT YOU WILL OWN - The Core Growth Motion: Build reusable campaign systems: templates, automations, and workflows to spin up integrated campaigns without rebuilding from scratch each time. Run priority campaigns end to end, from targeting and messaging through multi-channel execution and pipeline accountability. - Build the Warming Engine: Architect cohort-based nurture journeys (including content-download, post-event, post-onboarding, and always-on nurture programs) that move contacts from first touch through consideration toward sales readiness, rather than sending high-intent accounts directly into cold sales outreach. Improve the new-user onboarding sequence, own the monthly newsletter, and manage the startup program. - Work at the Intersection of Data, AI, and Marketing: Use signals, scoring, AI tools, and connected workflows to identify who to target, determine the next best action, and execute campaigns efficiently. Get ahead of agent-driven discovery: make content and signals legible to the tools buyers now use to choose vendors. - Product Fluency and Technical Storytelling: develop a deep understanding of our product, its technical capabilities, use cases, and competitive differentiation. Partner with Product Marketing for relevant, value-driven campaigns. WHO YOU ARE - Demand Gen Experience: 3-5+ years in demand generation, growth marketing, or lifecycle marketing, running campaigns end to end in B2B tech, ideally toward technical audiences or for open-source products. - Lifecycle Expertise: hands-on experience building, measuring, and optimizing cohort-based nurtures via email and in-app. - Builder Mindset: you're not just an operator. You build the workflows instead of relying on an existing machine, pull and shape data yourself to build lists and scoring, and you're fluent in signal and scoring tools. - Systems-Level Thinking: you execute the task in front of you while understanding how each campaign, workflow, and data point feeds the broader growth engine. - Technical Workflow Fluency: you're familiar with agentic approaches and think in connected tools and automated workflows, not manual steps. - Problem Solving: you work from a goal and can identify the steps and systems needed to get there. NICE TO HAVE - Familiarity with tools such as Common Room, Inflection, HubSpot, Salesforce, and Amplemarket. - Experience with open-source-to-paid or product-led growth motions. WHY JOIN US - A remote-first, international team working on cutting-edge AI infrastructure. - A competitive salary with additional perks. - Flexible working hours and async-friendly culture. - High ownership and real impact. - Open-source, engineering-driven culture. - Choose your own laptop equipment. For US-based full-time employees, we also offer a comprehensive benefits package including 401k match, health, dental, and vision insurance, plus flexible PTO policy. Qdrant is an equal-opportunity employer. We believe the best ideas come from diverse teams, and we actively welcome applicants from all backgrounds. If this role excites you but you don't check every single box, we'd still love to hear from you! We don't want to miss out on great people because of a checklist. Come build with us! FOR INFORMATION ON HOW WE HANDLE YOUR PERSONAL DATA, PLEASE REFER TO OUR RECRUITMENT PRIVACY POLICY https://qdrant.tech/legal/recruitment-privacy-policy/ #LI-REMOTE

Location: Москва В нашей компетенции — создание, тестирования и вывод в промышленную среду моделей для бизнеса с корпоративными клиентами и финансовыми институтами Департамента глобальных рынков Сбера. Мы помогаем внутренним и внешним клиентам увеличивать доходность, создаем информационную платформу, проводим анализ финансовых рынков, работаем с разными форматами данных, в том числе, занимаемся текстовой аналитикой. Обязанности * исследование данных с использованием state-of-the-art (SOTA) подходов * разработка моделей машинного обучения в области NLP и NER * автоматизация и оптимизация процесса продаж инструментов глобальных рынков * осуществление fine-tuning’a LLM * имплементация RAG’ов на основе данных Банка * развитие платформы по использованию и развитию LLM * интеграция LLM в бизнес-процессы подразделения * интеграция API, сервисов, построение пайплайнов моделей. Требования * высокий уровень математического аппарата - математический анализ, линейная алгебра, теория вероятностей * предпочтителен опыт в финансовой сфере, финтехе или области анализа данных (от 3- х лет) * детальное понимание моделей машинного обучения и алгоритмов * опыт управления проектами и взаимодействия со смежными командами * уверенное владение Python * опыт в разработке NLP моделей или компьютерной лингвистике * инструментальное владение AI для анализа, генерации и автоматизации. Будет плюсом: * глубокое понимание инструментов финансового рынка. Условия * формат работы - офис (ст.м. Ленинский проспект) * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Задачи: — Build RAG pipelines, semantic/vector search, conversational AI, and intelligent assistants. — Develop recommendation, ranking, classification, and predictive ML models. — Own end-to-end ML pipelines from data processing and training to deployment and monitoring. — Build MLOps / GenAIOps workflows, CI/CD, GPU inference, and cloud-native AI infrastructure. — Work with Product and Engineering to measure business impact through KPIs and experiments. — Improve AI system scalability, reliability, cost, governance, and performance. Требования: — 4–5+ years in AI, ML, or Data Science. — Strong Python, SQL, and production ML experience. — Hands-on experience with LLMs, Transformers, embeddings, RAG, and prompt engineering. — Experience with PyTorch/TensorFlow, Hugging Face, LangChain/LlamaIndex. — Strong knowledge of Docker, Kubernetes, MLflow/W&B, CI/CD, AWS, and Terraform. — Experience with Kafka, ETL pipelines, vector databases, and search systems. — Ability to independently take AI projects from idea to production. Плюсом будет: — Experience with A/B testing, responsible AI, recommendation systems, regulated environments, or team leadership. — Candidate should be able to work on US time schedule. — Good English conversation skill is much much preferred.