Вакансии

Вы будете создавать и внедрять решения на базе генеративного ИИ: мультиагентные системы, RAG-конвейеры, интеграции с внутренними сервисами и автоматизацию бизнес-процессов. Строить и сопровождать RAG-решения: векторные хранилища, пайплайны, ретривал.

Зарплата не указана

- Minimum 3 years of experience building and maintaining production-level AI applications powered by LLMs. - At least 3 years of practical experience in Agentic Engineering, covering the entire process from solution design and implementation to integration, deployment, and ongoing support of AI agents.

Зарплата не указана

Key Responsibilities: Develop and improve RAG applications: chunking, embeddings, retrieval and reranking. Build LLM workflows and agents with LangChain, LangGraph, LlamaIndex, CrewAI or similar.

Зарплата не указана

• Проектировать, разрабатывать и внедрять LLM/AI агентов и AI-ассистированные инструменты для процессов команды ИБ (анализ инцидентов, threat intelligence, vulnerability management, автоматизация рутинных операционных задач и др.). • Выстраивать новые рабочие процессы команды на базе AI-решений — от пилотов и MVP до продуктивной эксплуатации.

Зарплата не указана

Our Client Advisors turn inbound interest from small- and medium-sized businesses into Toptal clients. You will be the first conversation a prospective client has with Toptal.

Зарплата не указана

— разрабатывать концепции AI-новелл; — прорабатывать сюжет, главы, сцены, персонажей и эмоциональные арки;

Зарплата не указана

AI / LLM Engineer (Go + Python) IT Вакансии Разработка и развитие production LLM/AI-систем и AI-агентов, построение agentic workflows, работа с prompt- и context-engineering, реализация structured output и function/tool calling, создание RAG-пайплайнов и интеграция LLM с API, базами данных и сервисами. Понимание RAG, embeddings, retrieval и reranking.

Зарплата не указана

Уверенное владение C#: типы и их размещение в памяти, generics, LINQ, async/await и модель асинхронности, работа с исключениями, IDisposable и управление ресурсами. Понимание платформы .NET: устройство CLR, сборка мусора и её поколения, отличия .NET Framework от .NET (Core), понимание того, как устроена публикация и запуск приложения.

до 200 000 ₽

Ищем AI/LLM Engineer, который будет проектировать и развивать production-системы на базе LLM. Ищем инженера, который умеет собрать LLM-систему целиком: от prompt/context logic и агентных сценариев до backend-сервисов, интеграций, тестирования и запуска в production.

Зарплата не указана

➡️ Ищем AI/LLM Engineer, который будет проектировать и развивать production-системы на базе LLM. Ищем инженера, который умеет собрать LLM-систему целиком: от prompt/context logic и агентных сценариев до backend-сервисов, интеграций, тестирования и запуска в production.

Зарплата не указана

• Resolve customer technical issues end-to-end (Helpdesk + Slack) within SLA. • Conduct root cause analysis with Grafana, Datadog (logs, metrics, traces).

Зарплата не указана

- Разработка и оптимизация Python-бэкенда. - Архитектура микросервисов и API (LLM, OCR/CV, клиент и админки).

6 000 – 10 000 $

• Проектировать и разрабатывать AI-агентов; • Разрабатывать и оптимизировать промпты, учить агентов взаимодействовать с продуктами компании;

Зарплата не указана

Задачи: — проектировать архитектуру микросервисных систем и интеграций — разрабатывать высоконагруженные сервисы на Python — проектировать и разрабатывать API (REST, gRPC) — работать с асинхронными и event-driven подходами (Kafka) — обеспечивать отказоустойчивость, масштабируемость и наблюдаемость сервисов — оптимизировать производительность и работать с узкими местами — участвовать в code review и развитии инженерных практик команды. Требования: — опыт коммерческой разработки на Python от 4-х лет — опыт проектирования и разработки микросервисной архитектуры — навык разработки высоконагруженных и отказоустойчивых систем — уверенное знание PostgreSQL/ Redis (индексы, транзакции, оптимизация) — опыт работы с Kafka или другими брокерами сообщений, а также разработки асинхронных приложений — понимание CI/CD процессов и практик — опыт работы с Kubernetes/ OpenShift. Будет плюсом: — опыт промышленной разработки на Go — опыт работы с observability (метрики, логи, трейсы) — знание инфраструктурных решений (виртуализация, storage, сети) — опыт работы с security-протоколами (TLS, mTLS) — понимание принципов работы LLM и AI-ассистентов — понимание работы с контекстом, prompt design, MCP — опыт использования AI-инструментов в разработке. Условия: — комфортный современный офис рядом с м. Кожуховская по адресу: 2-й Южнопортовый проезд,12А, к1 — формат работы офис на время адаптации, далее гибрид — 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 — 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.

Зарплата не указана

работать с таргетами, полученными из анкет и интервью с помощью экспертной и LLM-разметки. подбирать постановку задачи в зависимости от объема и качества данных: supervised learning, weak supervision, few-shot и другие подходы.

Зарплата не указана

We are looking for a Staff Compensation & Data Analyst (IC4) to serve as the subject matter expert at the intersection of quantitative analysis, compensation strategy, HR technology, and AI-assisted analytics.

Зарплата не указана

- Разрабатывать концепции AI-новелл. - Прорабатывать сюжет, структуру глав, сцены, персонажей и эмоциональные арки.

от 200 000 ₽

Задачи: — Разработка генеративных ИИ-моделей для синтеза визуального и проектного контента на основе структурированных данных товарного каталога в рамках проверки гипотез (PoC) внутри корпоративной платформы по оценке ИИ-инициатив — Разработка архитектуры агентов: управление состоянием диалога и контекстом, динамический выбор инструментов (tool calling), настройка уровней автономности и сценариев human-in-the-loop — Построение системы метрик: разработка офлайн- и онлайн-показателей, кросс-валидация, прямая оценка бизнес-эффекта — Непрерывный мониторинг дрейфа моделей и качества данных в продакшене — Построение пайплайнов оценки (LLM Evals): контроль галлюцинаций, релевантности ответов и мониторинг поведения системы — Обеспечение безопасности: защита от prompt injection, предотвращение утечек персональных данных (PII/privacy) и аудит прав доступа агента — Оценка стоимости, latency и масштабируемости LLM-решений Требования: — Глубокое понимание жизненного цикла ML-модели: от подготовки признаков до интерпретации результатов — Знание методов борьбы с переобучением, data leakage, регуляризации — Уверенный выбор алгоритмов под задачу — Владение матстатистикой для проверки гипотез, расчета доверительных интервалов и самостоятельного дизайна A/B-тестов — Опыт работы хотя бы в одном из направлений: классическое машинное обучение, временные ряды и прогнозирование — Языки и библиотеки: Python (pandas/polars, NumPy, scikit-learn, CatBoost/XGBoost/LightGBM, PyTorch), продвинутый SQL — Написание поддерживаемого production-кода: модульная архитектура, юнит-тесты, логирование, документация, работа с GitFlow и код-ревью — Практический опыт работы с API языковых моделей, платформой Hugging Face и orchestration-фреймворками — Опыт работы в e-commerce, retail или других продуктовых highload-системах — Инфраструктура и оркестрация: Airflow, MLflow, Kafka, Redis, Kubernetes — Мониторинг и наблюдаемость: Prometheus, Grafana, OpenTelemetry — Опыт эксплуатации GPU-инфраструктуры и оптимизации inference — Адаптация моделей через fine-tuning (LoRA/PEFT) — Опыт проектирования agentic workflows или multi-agent-систем — Понимание принципов информационной безопасности, privacy и работы с персональными данными

260 000 – 300 000 ₽