Задачи:
— Проектировать, разрабатывать и обслуживать масштабируемые серверные системы для поддержки развертывания.
— Создавать надежные и эффективные API в платформу GotIt.
— Создавать системы хранения и поиска данных, оптимизированные для обработки больших объемов текстовых данных.
— Выявлять проблемные места в производительности и оптимизировать серверные службы.
— Внедрять передовые методы обеспечения безопасности для защиты конфиденциальных данных и соответствия стандартам.
Требования:
— Степень бакалавра или магистра в области компьютерных наук, инженерии или смежных областях.
— Минимум 5 лет опыта в серверной разработке с упором на проектирование и внедрение масштабируемых систем.
— Опыт серверной разработки на Kotlin или Java с переходом на Kotlin.
— Опыт продумывания архитектуры приложения и проработки ключевого функционала.
— Знание английского языка.
— Опыт работы с реляционными базами данных (PostgreSQL) и разработка эффективных моделей данных.
— Опыт проектирования и разработки RESTful API и использования WebSocket.
— Знание облачных платформ AWS, Azure или Google Cloud и опыт управления серверными службами в облаке.
— Понимание принципов DevOps и опыт работы с Docker, Kubernetes, CI/CD.
— Знания в области машинного обучения (TensorFlow, PyTorch) являются плюсом.
— Опыт работы с технологиями и платформами обработки естественного языка (NLP).
— Опыт работы в Agile.
— Вклад в проекты с открытым исходным кодом или участие в технических сообществах.
— Опыт работы с технологиями больших данных, такими как Apache Hadoop или Spark.
Условия:
— Удаленная работа.
— Частичная занятость.
— Возможность присоединиться к международной команде на полный день.
— Перспектива стать руководителем направления.
— Возможность путешествий и переезда в США.
Требования:
1) Коммерческий опыт работы от 3-х лет.
2) Опыт реализации и вывода в промышленную эксплуатацию решений на базе ИИ (обязательно в том числе AI агентов на базе LLM) в роли Data Scientist/AI Engineer.
3) Знание основ Classic Machine Learning, хорошее знание Deep Learning (NLP).
4) Глубокое понимание архитектуры Transformer.
5) Глубокое понимание подходов и методов проектирования AI-агентов.
6) Практический опыт fine-tuning языковых моделей (GPT-like, BERT-like и др.).
7) Работа со стеком Python - Torch, Transformers.
8) Опыт разработки интеграций с ИТ-системами.
9) Опыт промышленной работы с k8s.
Обязанности:
- Артефакты тестирования гипотез/экспериментов: описание подхода/модели, соответствующие значения метрик (выбранных для данного решения), тестовый сет/бенчмарк.
- Артефакты продукта в целом: описание проекта, архитектура (утвержденная и согласованная с архитекторами и информационной безопасностью (ИБ)), согласование от ИБ что решение может быть использовано в продакшн, код продукта и документация к нему, инструкция по разворачиванию решения в контуре компании.
- Все вышеперечисленные артефакты размещены в контуре заказчика (Gitlab, Confluence).
Задачи:
— Разработка и внедрение ML моделей на клиентской базе B2C и B2B для инвестиционных, страховых и сберегательных продуктов.
— Работа с рекомендательными системами и моделями отклика для СберБанк Онлайн и СберИнвестиций.
— Создание NLP-моделей на текстовых данных.
— Использование продвинутых подходов классического ML, включая uplift-моделирование, работу с несбалансированными классами, feature engineering на больших данных, SOTA-алгоритмы.
Обязанности:
— Построение ML моделей на основе табличных данных, последовательностей событий (кликстрим, транзакции и т.д.), текстовых данных.
— Написание production-ready кода и передача его в CI/CD пайплайн команды MLOps с ответственностью за качество кода и воспроизводимость.
— Улучшение процесса построения моделей, разработка прикладных модулей командного фреймворка для повышения производительности DS и улучшения качества кода в промышленной среде.
— Выдвижение data-driven гипотез и предложений для запуска новых механик, поиск инсайтов в данных.
Требования:
— Глубокое знание классического ML и опыт применения к реальным бизнес-задачам (градиентный бустинг, NLP алгоритмы).
— Понимание основных Deep Learning подходов.
— Продвинутое знание SQL (оконные функции, оптимизация плана запроса).
— Отличное знание Python, включая библиотеки catboost, pandas, numpy, sklearn, torch.
— Опыт работы с Hadoop, PySpark (оптимизация запросов, работа на общем кластере).
Условия:
— Комфортный современный офис рядом с м. Кутузовская.
— 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.
— Ипотека для сотрудников выгоднее до 4%.
— Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
— 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 AI-агентов и универсальных ассистентов: от идеи и проектирования до запуска в продакшн
— проводить эксперименты, тестировать гипотезы и исследовать новые подходы для создания агентских решений
— разрабатывать и внедрять LLM-пайплайны, чат-ботов и интеллектуальные системы
— обучать и дообучать NLP-модели под конкретные задачи продукта
— интегрировать разработанные модели и логику в бизнес-процессы
— мониторить качество работы моделей в продакшне, находить узкие места и оперативно вносить улучшения.
Требования:
— опыт в NLP и понимание технологий: от классических алгоритмов до трансформеров и генеративных моделей (LLM)
— практический опыт коммерческой разработки AI-агентов, чат-ботов и LLM-пайплайнов
— опыт обучения глубоких нейронных сетей
— уверенное владение PyTorch, NumPy, Pandas, а также фреймворками для работы с агентами: LangChain, LangGraph (или их аналогами)
— уверенное владение Python, Git, SQL, Bash, Docker. Умение писать чистый, поддерживаемый и тестируемый код
— навык перевода бизнес-требований в конкретные технические и алгоритмические решения.
Будет плюсом:
— понимание принципов микросервисной архитектуры и опыт проектирования REST API
— опыт разработки асинхронных и многопоточных приложений (asyncio, aiohttp, multiprocessing и др.)
— опыт взаимодействия с реляционными и нереляционными базами данных
— практический опыт настройки и поддержки CI/CD-пайплайнов (Jenkins, GitLab CI, ArgoCD или аналоги)
— опыт развёртывания и управления приложениями в Kubernetes.
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.
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:
• 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
Azumo is looking for a highly motivated Python Engineer to develop and enhance high performing and scalable software infrastructures in AI, NLP and data intensive software environments. This position will give you the opportunity to collaborate with a growing team and bright engineering minds in AI computing. You will enjoy the role if you love designing and developing scalable, high performant backend infrastructure using Python, React + Django / Flask / Eve / FastAPI open-source frameworks and connecting applications to modern cloud-based technologies.
Responsibilities:
— Design, develop and test server features and robust APIs
— Integrate existing applications with third party systems
— Evaluate multiple approaches and technologies to solving a problem
Requirements:
— BS or Master’s degree in Computer Science, related degree, or equivalent experience
— 5+ years experience with backend development, Python Django / Flask / Eve / FastAPI
— Deep expertise with Linux and hosted cloud environments (Heroku, AWS, App Engine or other)
— Practical experience with open source technologies, including SQL and NoSQL DBs
— Experience integrating solutions with 3rd party APIs (RESTful, OAuth, JSON)
— Self-driven and motivated, with a strong work ethic and a passion for problem solving
Preferred Qualifications:
— Love for coding and willingness to be agile
— Hacker spirit within a collaborative team
Benefits:
— The Python Engineer will be based remotely
— Compensation commensurate with experience and candidate potential
— 10 PTO
— Training Udemy free
— English Lessons
— Mentored career development
— U.S. Holidays
— Profit Sharing
— $US Remuneration
Задачи:
— строить ML модели на основе различных данных: табличные, графовые, NLP, GEO, последовательности событий (кликстрим, транзакции и т.д.)
— писать production код и выводить его в ПРОМ
— улучшать процесс построения моделей, разрабатывать собственные прикладные модули командного фреймворка разработки для повышения производительности DS и улучшения качества кода в промышленной среде
— выдвигать data-driven гипотезы/предложения для запуска новых механик, а также поиск инсайтов в данных.
Требования:
— глубокое знание классического ML
— понимание основных Deep Learning подходов
— продвинутое знание SQL
— отличное знание Python
— понимание и опыт АB-тестирования.
Будет плюсом:
— понимание специфики разработки ML-технологий, начиная с формулировки бизнес-проблемы, заканчивая выведением на регулярную основу в прод
— опыт решения задач ранжирования или Real Time Bidding
— опыт работы с Pyspark, Greenplum.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный 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.
Задачи:
— Проектировать и разрабатывать multi-agent системы.
— Интегрировать LLM с внутренними инструментами и сервисами.
— Разрабатывать backend-сервисы и API для agent workflows.
— Реализовывать RAG pipelines и tool/function calling.
— Создавать CLI-based agent workflows и инструменты автоматизации.
— Разрабатывать Computer Vision pipelines: object detection, multi-object tracking, person re-identification.
— Разрабатывать multi-camera multi-person tracking для сетей камер.
— Работать с видеопотоками в реальном времени и оптимизировать GPU inference.
Требования:
— Опыт работы с Node.js ecosystem и Express.js.
— Уверенное владение Python.
— Опыт работы с LLM APIs и prompt engineering.
— Опыт работы с RAG, tool calling или agent frameworks.
— Знакомство с Docker, Linux и Git.
— Опыт работы с PyTorch и OpenCV.
— Опыт в object detection и multi-object tracking.
— Опыт работы с YOLO, ByteTrack / BoT-SORT или аналогами.
— Понимание person re-identification и vector search.
— Опыт работы с Milvus / FAISS.
— Опыт обработки видео с ffmpeg / GStreamer.
— Работа с RTSP и hardware decoding.
Будет плюсом:
— Опыт в NLP и ML.
— Опыт развёртывания open-source LLM.
— Опыт оптимизации inference.
— Опыт работы с Vision-Language Models.
— TensorRT / ONNX Runtime.
Условия:
— Удалённый формат работы.
— Заработная плата: 1.600–3.200 USD net в месяц.
Задачи:
— Разработка и внедрение агентов на базе LLM, проектирование ML-компонентов платформы агентов.
— Создание агентов, способных обрабатывать сложные multi-turn и multi-modal запросы пользователей.
— Разработка систем маршрутизации задач, выбора инструментов и моделей, управление вызовами функций и оркестрация моделей внутри пайплайна.
— Замена традиционных классификаторов LLM-пайплайнами и RAG-системами, трансформация старых архитектур в современные пайплайны с LLM, вызовом функций, планированием и рассуждениями.
— Дообучение, настройка и интеграция моделей, оптимизация inference, работа с опенсорс-моделями и внутренними, включая fine-tuning, RL и адаптацию под платформу агентов.
— Обеспечение быстрой и устойчивой работы агентов на продакшене, оптимизация inference и взаимодействие с инфраструктурой (Eagle, FP8, дистилляция, multi-dimensional parallelism).
— Исследования и эксперименты с графами агентов и памятью, эксперименты с вызовами агентов, memory-подсистемами, симуляцией поведения, архитектурами reasoning и системами планирования.
— Участие в разработке RL-моделей для обучения диалоговых агентов, постановка и реализация экспериментов с multi-turn reinforcement learning в масштабах Яндекса и Алисы.
Требования:
— Глубокие знания в Deep Learning и NLP.
— Опыт работы с LLM и пайплайнами вокруг них (function calling, memory, RAG).
— Опыт внедрения ML-систем в продакшен.
— Системное мышление — от архитектуры до интеграции с инфраструктурой.
— Владение Python и знакомство с PyTorch.
— Готовность к кросс-функциональной работе с бэкендом и продуктовыми командами.
Задачи:
— Разработка и внедрение автономных ИИ-агентов и генеративных моделей (LLM, мультимодальные системы) для ускорения проектирования, разработки и развертывания ERP-систем, а также создания интеллектуальных интерфейсов автоматизации — от генерации кода до обработки естественно-языковых запросов пользователей.
— Создание ИИ-сервисов и автономных агентов для автоматизации бизнес-процессов.
— Обучение и тонкая настройка LLM (Large Language Models) и других ML-моделей под задачи компании.
— Анализ данных, разработка алгоритмов для прогнозирования, оптимизации и принятия решений.
— Интеграция ИИ-решений в существующие продукты компании.
— Участие в научно-исследовательских проектах, публикация результатов (при желании).
Требования:
— Опыт в работы в IT от 5-ти лет.
— Опыт работы в области Machine Learning, Deep Learning или Data Science от 3-ех лет.
— Знание Python и ряда библиотек для ML/DL таких как TensorFlow, Pandas, PyTorch, scikit-learn и др.
— Опыт работы с NLP, LLM (GPT, Llama, Mistral и т. д.), RAG, автономными агентами.
— Понимание принципов работы ERP-систем (желательно).
— Умение работать с большими данными (SQL, NoSQL).
— Знание методов обучения с подкреплением (RL) — будет плюсом.
— Английский язык (уровень для чтения технической документации).
Условия:
— Официальное оформление и стабильный доход по ТК РФ.
— Все льготы и преимущества работы в аккредитованной ИТ-компании.
— Программа ДМС с первых дней.
— Работа в офисе с гибким началом рабочего дня.
— Московский офис в шаговой доступности от м. Динамо, оборудованный всем необходимым для комфортной работы и отдыха.
ОфисМосква
Зарплата не указана
Все вакансии в одном месте — страница 3 · Job Hunters