Загружаем вакансии…
Чем предстоит заниматься: техническим лидерством в команде разработки и организацией работы продуктовой команды; реализацией интеграций на техплатформе (PlatformEco, Gravitee);
Зарплата не указана
- 5+ years in IT overall, including 2+ years hands-on building applications, agents, and automations on top of LLMs - applying generative AI to real products and business tasks — and demonstrated seniority owning solutions end to end. - Hands-on experience with RAG and retrieval: embeddings, vector databases, tuning retrieval quality.
Зарплата не указана
Задачи: — анализировать бизнес-процессы, системы и потребности партнеров; — проектировать интеграции: REST API, Webhooks, event-driven; — описывать AS-IS / TO-BE, BPMN и UML; — формировать функциональные и нефункциональные требования; — участвовать в технических переговорах с партнерами; — выявлять архитектурные риски и контролировать реализацию; — готовить техническую документацию. Требования: — 2–3+ года опыта в системном анализе в IT; — опыт с REST API, Use Cases, User Stories, UML/BPMN; — понимание LLM, AI-агентов и RAG; — уверенный SQL и понимание клиент-серверной архитектуры; — умение находить общий язык с бизнесом, продуктом и разработкой. Условия: — работа из офиса Astana Hub; — график 5/2, 09:00–18:30; — условия обсуждаются индивидуально.
Зарплата не указана
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
• Разрабатывать AI-агентов на Python. • Интегрировать модели и внешние API.
до 260 000 ₽
трансляция бизнес-потребностей в технические требования к функционалу и логике AI-агентов. проектирование интеграций: описание взаимодействия агентов с внешними API (входы/выходы, форматы данных, обработка ошибок, таймауты, retry-логика).
Зарплата не указана
Автоматизировать подготовку отчётов для заказчиков в Word и PowerPoint. Разрабатывать и внедрять чат-ботов в MAX для автоматизации аналитических процессов: организовывать формирование и отправку файлов с учетом прав доступа пользователей, настраивать сбор данных с помощью парсинга и реализовывать ответы на вопросы по базе знаний с использованием RAG.
Зарплата не указана
Задачи: — изучение инструментов и практик AI-driven разработки, включая автоматизацию продуктового цикла, разработку мультиагентских систем и работу с крупными проектами от 500 тысяч строк кода с контролем затрат токенов — разбор кейсов: автоматизированный цикл оптимизации конверсии сайта через симуляцию на базе реального поведения пользователей, создание RAG с нуля (от чанкинга до оценки качества через RAGAS), сборка мультиагентной системы на живом кейсе, архитектурная трансформация монолита в микросервисы через Domain-Driven Design и spec-driven ревью Условия: — программа длится три месяца — 17 онлайн-встреч от 2 до 3 часов — возможность общения с экспертами, разбор рабочих кейсов и задач для практики — все материалы доступны в записи 6 месяцев после покупки — старт третьего потока 6 октября — для подписчиков канала с промокодом GOLANG доступна скидка 20%
Зарплата не указана
Проект: Финтех На данную позицию рассматриваются кандидаты с официальным опытом в качестве тестировщика (по ТК). Требования: — Опыт работы от 2-х лет в тестировании. — Тест-дизайн и документация: разработка тест-кейсов, чек-листов и инструкций; работа в Jira, Confluence, Zephyr. — Типы тестирования: функциональное, интеграционное, E2E, регрессионное, API (REST), Kafka, тестирование AI/LLM-систем (проверка качества ответов, RAG-пайплайнов, мультиагентных систем, выявление галлюцинаций). — Автоматизация (Python – основной стек): PyTest, Requests/Httpx, async/await. — API & брокеры: Postman, Insomnia, SoapUI; опыт тестирования интеграций через Apache Kafka. — Базы данных: PostgreSQL, MySQL – продвинутые SQL-запросы (JOIN, подзапросы, агрегации). — CI/CD & DevOps: Jenkins, GitLab CI/CD, Git/GitLab; настройка пайплайнов для запуска тестов. — AI/ML специфика: понимание принципов работы LLM, RAG, промпт-инжиниринга, эмбеддингов; опыт оценки качества AI (метрики, LLM-as-a-judge). — Инструменты: Grafana, чтение логов (Kibana/ELK). — Процессы: анализ требований, баг-репортинг, взаимодействие с разработкой и бизнесом, демонстрации функциональности, локализация багов через чтение кода (Python/Java) и логи. — Понимание основ математической статистики и метрик машинного обучения. Условия: — Официальное трудоустройство; оплата больничного, отпуск 28 календарных дней. — Возможность карьерного роста. — Возможность участия в интересном проекте. — Опыт работы в команде профессионалов.
200 000 – 200 000 ₽
В рамках данной позиции предстоит заниматься проектированием и разработкой AI-агентов, включая реализацию сценариев, оркестрацию, вызов инструментов и интеграцию с внутренними сервисами. Необходимо преобразовывать прототипы и модели Data Science в стабильные промышленные решения, обеспечивая их упаковку, интеграцию в сервисы и пайплайны, версионирование и сопровождение. Работа включает разработку на Python сервисов, библиотек и пайплайнов, написание автотестов и участие в код-ревью. Также требуется проектировать, создавать и поддерживать витрины данных для ML-моделей и агентов, обрабатывать большие объемы данных с использованием SQL, Hadoop и Spark, оптимизировать запросы и вычислительные задачи. Важной частью является обеспечение качества и наблюдаемости решений через логирование, мониторинг, обработку ошибок и контроль качества данных. Кандидат должен иметь опыт промышленной разработки на Python не менее двух лет, уметь писать поддерживаемый код с типизацией, тестированием, обработкой ошибок и логированием, а также уверенно владеть SQL, включая сложные запросы, оконные функции и оптимизацию. Требуется опыт построения и сопровождения ETL/ELT-пайплайнов и витрин данных, а также опыт вывода сервисов, моделей или data-продуктов в промышленную эксплуатацию. Необходимо понимание принципов работы AI-агентов, включая оркестрацию, вызов инструментов, управление состоянием и интеграцию с API, а также жизненного цикла ML-модели от артефакта и данных до инференса, мониторинга и обновления. Будет преимуществом опыт разработки AI-агентов с использованием LangGraph, LangChain, LlamaIndex или собственного оркестратора, а также опыт работы с LLM, RAG и векторными хранилищами. Дополнительным плюсом считается опыт оркестрации пайплайнов в Airflow или аналогичных системах, работы с Kafka и событийными архитектурами, знание Docker, CI/CD и Kubernetes, практический опыт с Hadoop и Spark, внедрение ML- или LLM-сервисов во внутреннем контуре, а также опыт в банковском домене, продуктах для юридических лиц или документообороте. Формат работы — офис или гибрид в Москве.
Зарплата не указана
Задачи: — написание автотестов на Python с использованием pytest для backend и UI — использование подходов Playwright по аутентификации (Storage state, cookies, storage) — работа с базами данных через SQL и ORM — работа с брокерами сообщений Kafka — интеграционное тестирование, включая подготовку данных и мокирование — нагрузочное тестирование с использованием JMeter — параллельный запуск автотестов с Pytest XDist — валидация ответов с помощью Pydantic и JSON-схем, мокирование запросов через page.route — параметризация фикстур и тестов, multi-page сценарии в Playwright — мобильное тестирование — анализ утилизации ресурсов сервера при нагрузке Требования: — опыт работы в роли QA Automation Engineer (Python) от 3 лет — высшее IT-образование — уверенное знание SQL, опыт работы с Git — базовые знания по настройке CI для автотестов — понимание клиент-серверной архитектуры и HTTP-протокола — знание SOLID и DDD — понимание разницы между инженером по качеству и автоматизатором — понимание концепции мокирования Будет плюсом: — опыт работы с RabbitMQ — понимание RAG-систем — знание промт-инъекций — опыт тестирования LLM с подходом LLM-as-a-judge — понимание галлюцинаций в ответах LLM — написание пайплайнов CI/CD Условия: — формат работы: удалённо, в офисе или гибридно — на выбор
Зарплата не указана
Задачи: — Руководить проектированием и развитием масштабируемых распределённых систем на Go — Отвечать за интеграцию и конфигурацию AI — от выбора моделей и интеграции API до prompt engineering и развертывания в продакшене — Переводить бизнес-цели в технические дорожные карты и планы поставки — Проводить архитектурные и код-ревью, наставлять старших инженеров — Представлять инженерную команду на встречах с внешними заинтересованными сторонами и оспаривать нереалистичные требования — Улучшать процессы CI/CD, наблюдаемости и инженерные процессы — Балансировать между кодированием, руководством командой и архитектурным контролем Требования: — 5–6+ лет коммерческого опыта с Go — 2+ года в роли технического лидера или ведущего инженера — Глубокие знания распределённых систем, микросервисов и конкурентности в Go (goroutines, каналы, синхронизация) — Практический опыт внедрения, настройки или интеграции AI/ML решений в продакшн-бэкендах, включая работу с LLM, RAG pipeline, OpenAI API, LangChain или аналогичными фреймворками — Опыт с CI/CD, облачной инфраструктурой и современными DevOps практиками — Высшее образование в IT — Готовность работать по CEST и использовать корпоративный ноутбук — Готовность выполнить live coding на Go во время интервью Условия: — Работа над долгосрочным продуктом с реальным бизнес-эффектом — Международная распределённая команда с коллаборативной культурой — Возможность взять ответственность за зрелое приложение — Гибкие условия работы и удалёнка
4 500 – 4 500 $
Задачи: — Развивать платформу: работать над функционалом, стабильностью и производительностью; — Развивать AI-функционал: LLM-based сценарии, tool calling, RAG, работу с контекстом, кэширование и другие механики; — Разбираться со сложными production-инцидентами и устранять причины проблем; — Превращать пожелания клиента в дорожную карту запуска; — Проектировать архитектуру интеграции Sance.AI с инфраструктурой клиента; — Отвечать за техническую часть сложных клиентских запусков от discovery до production; — Менторить junior/middle-разработчиков, помогать с декомпозицией задач, архитектурой и сложными техническими вопросами; — Проводить code review и повышать качество решений команды. Требования: — Опыт от 4 лет в разработке, желательно с production-опытом в AI/LLM-продуктах; — Уверенные знания Python и backend: asyncio, очереди, кеширование, конкурентность; — Практический опыт создания production-функционала на базе LLM, а не только использование ChatGPT; — Опыт с OpenAI API или другими LLM API, prompt engineering, tool calling, RAG, caching, context management; — Опыт с embeddings, vector search, agentic workflows, тестированием и evals; — Понимание production-проблем: latency, стоимость, rate limits, hallucinations, retries, observability; — Уверенная работа с REST API сторонних сервисов, webhooks и внешними сервисами; — Опыт интеграций с CRM, особенно amoCRM и/или Bitrix24; — Самостоятельность и ownership: умение довести размытую бизнес-задачу до работающего production-решения, видеть системные проблемы и помогать команде расти. Будет плюсом: — Опыт B2B/Enterprise-внедрений, highload и event-driven систем; — Собственные AI-проекты и опыт работы в стартапах. Условия: — Работа в быстрорастущем AI-стартапе, влияние на продукт, архитектуру и процессы; — Разнообразные задачи, крупные клиенты и короткий путь от идеи до production; — Быстрый карьерный рост.
Зарплата не указана
Задачи: — Реагирование и разрешение инцидентов в продакшене (Sev1–Sev4) — Участие в ротации дежурств (1 неделя из 5, отдельная оплата) — Создание и поддержка runbook'ов (управляемых как код с CI валидацией) — Разработка автоматизации и изменений инфраструктуры для клиентских окружений — Настройка систем наблюдения (Datadog, Prometheus, Grafana) — Подготовка постмортемов и техническая коммуникация с клиентами — Внесение вклада в базу знаний — 30–40% времени уделяется инженерным проектам (автоматизация, AI-инструменты, наблюдение) — Участие в развитии AI-усиленного L1 слоя (триаж и автоматизация на основе RAG) Требования: — Опыт работы 5+ лет с Kubernetes, Terraform, AWS/GCP/Azure, Datadog, Prometheus, Grafana, PagerDuty, Linux, Python, Bash, ArgoCD, Helm, CI/CD (GitLab CI / GitHub Actions) — Опыт дежурств в продакшене — обязателен — Опыт Java-разработчика или SRE — Умение работать с AI-агентами (критическое мышление) — Чтение чужого кода и внесение мелких исправлений — Знание SQL — Управление инцидентами (Sev1–Sev4) — Продвинутый английский для прямого общения с клиентами — Внимательность, ответственность, хорошие коммуникативные навыки Условия: — Работа полностью удалённая, только для LATAM (AMER хаб, GMT-3…-6) — Стандартные часы работы 09:00–18:00 по местному времени — Дежурства 1 неделя в ротации с отдельной оплатой (стендбай + оплата за инциденты) — Нет ночных смен, обязательное время восстановления после дежурств — Возможность стать одним из основателей AMER хаба — Реальная автономия, не позиция обработки тикетов — 30–40% времени на инженерные проекты — Работа напрямую с техническим лидом и командой CEMEA
5 000 – 5 500 $
Обязанности Обеспечение стабильной работы внутренней IT-инфраструктуры компании и техническая поддержка полностью удаленной международной команды. Администрирование Microsoft 365, Google Workspace, ChatGPT Enterprise и других корпоративных сервисов.
1 500 – 2 500 ₽
Сбор, обработка и анализ данных Яндекс.Метрики и внутренних систем. Создание ETL-пайплайнов, витрин данных и регулярной отчётности.
Зарплата не указана
Задачи: — проектирование, реализация и оптимизация масштабируемых CI/CD-систем для нескольких команд разработчиков — автоматизация процессов разработки и управления инфраструктурой с использованием Python — применение подходов Infrastructure-as-Code, поддержка стандарта и контроль качества инфраструктурного кода — развитие облачных решений и управление контейнерами с Kubernetes, Helm и операторами — анализ корневых причин сбоев (RCA), обеспечение высокой доступности и надежности систем — наставничество коллег и передача экспертизы внутри команды Требования: — опыт работы DevOps-инженером или в смежных областях свыше 6 лет — глубокие знания Python и владение принципами ООП — продвинутые навыки настройки и эксплуатации CI/CD-конвейеров (GitLab CI, и др.) — свободная работа с операционными системами семейства Linux (Ubuntu, CentOS) и Bash-скриптами — уверенное использование практик Infrastructure as Code (Terraform, Ansible) — опыт работы с облачной инфраструктурой и оркестрацией контейнеров — практический опыт решения инженерных задач с LLM-агентами, настройка harness, написание собственных скиллов Дополнительные преимущества: — владение системами мониторинга и аналитики (Prometheus, Grafana, ELK Stack) — способность разрабатывать архитектуру программного обеспечения — опыт внедрения LLM-агентов и RAG в процессы разработки продукта, контроль качества и CI — высокий уровень владения английским языком (Upper Intermediate+) Условия: — комфортный современный офис в Москве - м. Кутузовская, либо Нижний Новгород - Тургенева 30. — ежегодный пересмотр зарплаты, годовой бонус — 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 — корпоративная пенсионная программа.
Зарплата не указана
Задачи: — Развитие рекомендательной системы на сайте kommersant.ru. — Создание и поддержка RAG-систем и ИИ-агентов (база знаний, умный поиск). — Оценка качества моделей, рекомендаций и ответов LLM. — Мониторинг качества, скорости и стоимости ML/LLM-сервисов. — Проведение A/B-тестов и анализ результатов. Требования: — Высшее образование (техническое, математическое или IT-направление). — Опыт работы в Data Science от 3 лет. — Уверенное знание Python и SQL. — Знание классического ML, статистики и продуктовых метрик. — Опыт разработки рекомендательных систем, общее понимание видов архитектур. — Знание RAG и опыт проектирования RAG-архитектур. — Опыт работы с LLM, эмбеддингами и векторными базами данных. — Умение превращать прототипы в стабильные production-сервисы. Будет преимуществом: — Опыт работы с LightRAG, GraphRAG или другими графовыми RAG-подходами. — Знание Qdrant, ClickHouse, PostgreSQL, Redis. — FastAPI, Docker. — Опыт создания систем оценки LLM и работы с несколькими провайдерами моделей. — Опыт разработки ИИ-агентов и MCP-интеграций. — Опыт работы с медиаконтентом и рекомендательными системами для издателей. Условия: — График работы: 5/2, гибрид. — Оформление по трудовому договору. — Стабильность и прозрачность в отношении заработной платы. — Испытательный срок 3 месяца с возможностью подключения к программе добровольного медицинского страхования и другим опциям социальной политики. — Обеспечение необходимым техническим оборудованием (ноутбук). — Работа в бизнес-центре класса А с развитой инфраструктурой (офис в 5 минутах от м. «Маяковская», кафе и магазины, зоны отдыха внутри здания).
Зарплата не указана
Задачи: — Разрабатывать и тестировать алгоритмы на базе LLM для генерации вопросов, ответов и кратких пересказов; — Работать с RAG-подходами: подготовка данных, индексация, поиск релевантного контекста, генерация ответа на его основе; — Участвовать в развитии виртуального ассистента и сценариев свободного диалога с пользователем; — Настраивать фактчекинг, фильтрацию и оценку качества ответов модели; — Разрабатывать пайплайны для суммаризации полезного контента; — Сравнивать результаты, подготовленные моделью, с редакционными версиями материалов, в том числе на примере «Картины дня»; — Создавать и развивать векторные поисковые индексы для задач RAG; — Тестировать промпты, гипотезы и подходы к улучшению качества ответов. Требования: — Опыт разработки на Python; — Опыт работы с задачами NLP: обработка текстов, классификация, генерация, суммаризация, NER, семантический поиск или похожие задачи; — Понимание принципов работы LLM и практический опыт их применения; — Опыт или хорошее понимание RAG-подходов; — Опыт работы с библиотеками и инструментами для ML/NLP: PyTorch, TensorFlow, Hugging Face, Transformers или аналогами; — Понимание fine-tuning/LoRA/prompt engineering на уровне, достаточном для прикладных задач; — Умение оценивать качество моделей и промптов: метрики, сравнение результатов, базовый benchmarking; — Знание SQL и опыт работы с базами данных; — Готовность разбираться в продуктовой задаче, а не только в модели. Условия: — Официальное трудоустройство; — ДМС со стоматологией, офисный врач, доплата больничного листа, корпоративные скидки; — Современный офис (Даниловская мануфактура, м. Тульская), бесплатный спорт в собственном спортзале от «Лиги Героев»; — Бесплатная подписка на сервисы партнеров; — Полный день в офисе, гибридный график или 100% дистанционный формат работы; — Льготные условия ипотеки в рамках зарплатного проекта; — Насыщенная корпоративная жизнь.
Зарплата не указана