Команда развивает технологии для городских сервисов и еком-направления, создавая решения для обработки больших массивов данных о товарах, улучшения поиска и рекомендаций, а также автоматизации рутинных процессов с помощью современных AI-инструментов.
Задачи:
— Участие в создании пайплайна автоматизации для проекта определения дублирующихся товаров по изображениям, включая проработку контекстной базы, настройку конвейеров обработки данных и оценку релевантности рекомендательной выдачи.
— Работа с платформой для разметки и применение знаний в области машинного обучения для улучшения качества моделей.
— Участие в создании и развитии сценариев (скилов) для AI-агентов, используемых в проектах по разметке данных, для повышения эффективности аналитики и разметки.
Требования:
— Базовое понимание принципов машинного обучения и искусственного интеллекта, интерес к автоматизации процессов.
— Владение основами алгоритмического мышления; знакомство с Python или другим языком программирования на уровне чтения кода и написания скриптов.
— Умение структурировать информацию и самостоятельно разбираться в новой предметной области для эффективной постановки задач AI-инструментам.
— Готовность взаимодействовать со смежными командами, включая ML-разработчиков, для дообучения моделей, а также с заказчиками для защиты предлагаемых решений и методов автоматизации.
Задачи:
- Сбор требований с бизнес-заказчиков и анализ источников данных
- Разработка, реализация и поддержка типовых потоковых интеграционных решений на стеке технологий: Trino, Iceberg, S3, Spark, Apache Airflow, Kafka, Cosmos, Flink
- Оперативное реагирование на информацию о проблемах в зоне ответственности, выполнение типовых задач в установленный срок
- Поддержание в актуальном состоянии документации типовых интеграционных решений платформы больших данных, предоставление отчетности руководителю
Требования:
- Общее представление о стеке технологий Lakehouse
- Понимание различия работы между BigData/Lakehouse и с данными обычного размера
- Знание SQL (индексы, функции, оптимизация, профилирование производительности)
- Опыт работы с любой реляционной БД (Oracle, Postgres, MySQL, MsSQL, DB2 и т.п.)
- Умение работать с Git (знание команд git pull/commit/push)
- Опыт работы с DBT, Cosmos
- Представление о работе с Trino
- Понимание устройства Iceberg, форматов данных
- Понимание работы с minio или любого другого хранилища на основе S3
- Опыт использования систем ведения проектов и документации
- Знания основ программирования (JAVA, Python)
Задачи:
— Работа с доменами (регистрация, DNS-настройки, Cloudflare) - основная часть работы;
— Техническая поддержка сотрудников, мониторинг состояния внутренних систем и сервисов;
— Разбираться с серверами, хостингом, аналитикой и трекерами;
— Настройка аналитики и автоматизации рабочих процессов, тестирование и отладка сервисов;
— Разработка и сопровождение небольших проектов на Python;
— Интеграции для сбора статистики, анализа горячих зон, обработки лидов.
Требования:
— Опыт работы с доменами (регистрация, DNS, Cloudflare);
— Техническая поддержка сотрудников и мониторинг состояния внутренних систем и сервисов;
— Работа с серверами и хостингом лендингов, домены/DNS, настройка технической инфраструктуры;
— Настройка аналитики, автоматизация рабочих процессов, тестирование и отладка сервисов;
— Разработка и сопровождение небольших проектов на Python;
— Интеграции для сбора статистики, анализа горячих зон (heatmap) и обработки лидов.
Будет плюсом:
— Опыт с Cloudflare, трекерами (Keitaro/Binom), API-интеграциями;
— Понимание сферы арбитража/adtech;
— Опыт работы с серверами/VPS, хостингом.
Условия:
— Наставничество: поддержка на всех этапах работы;
— Удалённая работа: можно работать из любого города и страны;
— Карьерный рост;
— Творческая свобода;
— Молодой коллектив, лояльное руководство.
Удалённо
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
В рамках данной позиции специалист будет заниматься автоматизацией процессов, отчетности и аудита, разрабатывать внутренние python-приложения для сбора данных из банковских IT-систем, сопровождать категорирование автоматизированных систем, агрегировать данные и рассчитывать показатели защищенности. В обязанности входит проведение внутреннего аудита безопасности, проверка соответствия процессов разработки и эксплуатации информационных систем требованиям регуляторов, моделирование угроз и оценка рисков, создание детальных моделей угроз по методике ФСТЭК, а также обеспечение соответствия законодательству, включая полный цикл управления объектами критической информационной инфраструктуры (КИИ). Специалист будет заниматься категорированием, отправкой сведений во ФСТЭК и НКЦКИ, актуализацией моделей угроз после изменений архитектуры сервисов, подготовкой отчетной документации для внешних проверок, разработкой внутренней нормативно-правовой базы и обновлением организационно-распорядительных документов в соответствии с изменениями законодательства. Также предусмотрена AI-поддержка бизнес-процессов с использованием технологий больших языковых моделей (LLM) для автоматизации анализа изменений в законодательстве, составления матриц применимости требований и подготовки аналитических материалов. Эксперт будет сопровождать команды разработки и поддержки, осуществлять постоянный мониторинг исполнения требований регулятора и консультировать команды банка по вопросам развития систем в соответствии с законодательством. Требования включают высшее профильное образование в области информационной безопасности, профессиональную переподготовку по программам, согласованным с ФСТЭК России, опыт работы с системой защиты объектов КИИ не менее двух лет, уверенное владение python с использованием библиотек pandas и numpy, знание фреймворков и инструментов SQLAlchemy, OpenPyXL, Django/Flask, навыки интеграции с внешними сервисами через RESTful API (SIEM, SOAR, Vulnerability Scanners), опыт работы с CI/CD и системами контроля версий (Git/GitLab), умение создавать дашборды и визуализации данных (Power BI, Tableau, Grafana). Кандидат должен хорошо разбираться в российском законодательстве в сфере КИИ, уметь самостоятельно отслеживать изменения в законодательстве и корректировать внутренние процессы, иметь опыт внедрения решений на основе больших языковых моделей (GPT, BERT и др.), уметь формулировать эффективные промпты для генерации текстов, вычитки документации, создания чек-листов и аналитики, а также понимать этические аспекты и ограничения применения искусственного интеллекта в вопросах безопасности.
Задачи:
— Проектировать и разрабатывать RESTful API с использованием FastAPI
— Проектировать, оптимизировать и поддерживать схемы и запросы PostgreSQL
— Писать unit и интеграционные тесты для обеспечения надежности и покрытия кода
— Создавать и поддерживать CI/CD пайплайны для автоматического тестирования и деплоя
— Контейнеризировать и оркестрировать сервисы с помощью Docker и Kubernetes
— Реализовывать аутентификацию, авторизацию и практики безопасного кодирования (валидация ввода, управление секретами, рекомендации OWASP)
— Интегрировать AI возможности в backend системы с использованием MCP
— Оптимизировать производительность приложений и эффективность запросов к базе данных
— Разворачивать и мониторить сервисы в облачной инфраструктуре
— Сотрудничать с frontend и продуктовыми командами для интеграции backend возможностей
— Поддерживать версионированные и хорошо документированные кодовые базы
Требования:
— Опыт backend разработки от 3 лет (middle и выше)
— Уверенное владение Python и FastAPI
— Опыт работы с PostgreSQL: проектирование схем, индексация, оптимизация запросов, миграции
— Опыт написания unit тестов (pytest или аналог) и следование TDD
— Опыт создания и поддержки CI/CD пайплайнов (GitHub Actions, GitLab CI или аналог)
— Опыт работы с Docker и Kubernetes для контейнеризации и деплоя
— Понимание принципов и лучших практик REST API
— Знания основ безопасности приложений: аутентификация/авторизация, шифрование данных, сканирование уязвимостей, безопасный дизайн API
— Владение Git и практики совместной разработки
— Владение языками: узбекский C1, английский B2 и выше
Будет плюсом:
— Опыт работы с MCP для интеграции AI инструментов/агентов в backend
— Async Python (asyncio, SQLAlchemy async или аналог)
— Очереди сообщений: RabbitMQ, Kafka или Redis
— Облачные платформы: AWS, GCP или Azure
— SQLAlchemy ORM и Alembic миграции
— Кэширование: Redis, Memcached
О проекте:
Мы строим Customer Intelligence & Personalization Platform для экосистемы бизнесов в Армении. В основе — Golden Record: единый профиль клиента, объединяющий данные банка, продуктов экосистемы и внешних источников. Поверх него строятся Customer 360, сегментация, scoring и персонализированные предложения.
Задачи роли:
Предстоит спроектировать слой между сырыми данными core banking системы и витринами платформы. Источник слабо документирован: часть значений закодирована, часть бизнес-логики реализована в коде и хранимых процедурах, две внешне одинаковые записи могут быть собраны разными алгоритмами из разных таблиц.
Нужен человек, который разберёт этот источник и превратит его в осознанную модель данных: что откуда берётся, что на что влияет, какое поле что означает.
Что предстоит делать:
— Исследовать core banking систему, legacy- и внешние источники, восстанавливать их семантику.
— Идти от целевой витрины к источнику: определять, из каких таблиц и по какой логике собирается каждый атрибут.
— Разделять случаи, когда одинаковые по виду данные получены разными путями, и фиксировать правила выбора.
— Описывать модель данных и метаданные: сущности, связи, grain, ключи, историчность.
— Формировать требования к витринам для сегментации, scoring и рекомендаций.
— Писать SQL-исследования и прототипы трансформаций, проверять гипотезы на данных.
— Выяснять смысл данных напрямую у сотрудников банка — это постоянная часть работы.
О бэкграунде:
Важно, какие задачи вы решали — приходили в незнакомую недокументированную систему и разбирались сами, восстанавливали бизнес-смысл данных, строили модель с нуля и доводили исследование до работающей витрины.
Если вы работали дата-инженером и значительную часть времени тратили на то, чтобы понять, что лежит в источнике, — это наш профиль. Если получали готовые чистые витрины — скорее нет.
AI-native подход:
Мы используем AI-native подход и ожидаем того же от кандидата: AI-инструменты применяются для разбора legacy, анализа схем, написания SQL и документирования.
Требования:
— Сильный SQL: оконные функции, сложные join-цепочки, анализ качества и распределений.
— Опыт реверс-инжиниринга плохо документированных источников.
— Понимание data modelling: сущности, grain, ключи, историчность, master entities.
— Опыт работы с банковскими или fintech-данными (Core banking (особенно ArmSoft) / legacy banking systems, Customer 360) или опыт разбора сырых банковских данных о клиентах и продуктах из плохо документированных систем с целью производства маркетинговой и финансовой аналитики.
— Python на уровне исследования данных.
— Способность самостоятельно довести задачу «вот сырьё, вот целевая витрина» до результата.
— Проактивность: готовность выяснять смысл данных у людей, а не ждать документации.
— Git, Linux, опыт работы в закрытых Dev/UAT-контурах.
Будет плюсом:
— Знание армянского языка
— Методологии матчинга и дедупликации
— Опыт с Data Vault 2.0
— Опыт с DBT или аналоги
— PII, маскирование, RBAC
— Опыт в регулируемом on-premise контуре
— Экспертиза в ML, ML Ops
Условия:
— Взаимодействие по ИП
— Локация - Армения
— Формат работы - гибрид, готовность работать из офиса банка до 3 раз в неделю.
Buymie — мобильная платформа, предоставляющая услуги по доставке продуктов по всей Ирландии. Компания была признана Deloitte самой быстрорастущей технологической компанией в Ирландии.
Требования:
— Опыт работы 5+ лет
— Владение SQL, Looker, Power BI, Tableau, Python
— Хорошее знание английского языка
Компания имеет команду из 51-200 человек и инвестиции в размере €17M.
Контактное лицо: CEO и ко-фаундер — Devan Hughes.
Ищем Lead Data Scientist, который будет развивать ML-решения для рекламной монетизации, персонализации и рекомендаций, а также вести и менторить Data Science-команду. • 5+ лет опыта в Data Science, желательно в consumer mobile-продуктах.
Задачи:
— Руководство и наставничество в командах Data Science
Требования:
— Опыт работы в Data Science не менее 5 лет, предпочтительно в мобильных потребительских продуктах
— Глубокие знания в области монетизации рекламы, оптимизации доходов или аналитики рекламы
— Опыт работы с системами рекомендаций, персонализации или ранжирования
— Продвинутые навыки Python и SQL
— Экспертиза в машинном обучении, предиктивном моделировании, прогнозировании и прикладной статистике
— Опыт работы с большими поведенческими наборами данных
— Опыт руководства или наставничества в командах Data Science
— Родной русский язык
Будет преимуществом:
— Знание AdMob, AppLovin, Unity Ads, ironSource
— Опыт с MLOps и облачными платформами AWS, GCP, Azure
— Знания в области LLM и генеративного ИИ
Задачи:
– проектирование и разработка слоев данных (Raw, Clean, Enriched/Presentation) с учетом лучших практик моделирования (Data Vault 2.0 / 3NF для хранилища, Star Schema для витрин);
– разработка и внедрение кастомных алгоритмов дедупликации и Entity Resolution (Fuzzy Matching) на Python;
– формализация бизнес-правил качества данных в код, настройка уровней доверия к источникам и правил выживания (survivorship rules);
– внедрение Data Contracts и механизмов карантина (quarantine) для некачественных данных с возможностью их последующего разбора;
– настройка автоматизированного тестирования данных (Data Quality checks) в пайплайнах.
Требования:
– Продвинутый уровень SQL и опыт работы с dbt (или аналогами) для построения слоев данных;
– уверенное владение PySpark и/или pandas для обработки больших объемов данных и реализации логики матчинга;
– практический опыт применения библиотек нечёткого поиска и связывания записей (Splink, recordlinkage, dedupe, theFuzz);
– понимание принципов работы алгоритмов сравнения строк (Левенштейн, Джаро-Винклер, косинусное сходство на TF-IDF/эмбеддингах);
– глубокое понимание 2-3NF, Data Vault 2.0 и различий между слоями сырых, очищенных и обогащенных данных;
– опыт внедрения инструментов тестирования данных (Great Expectations, Soda, dbt tests, deequ или аналоги);
– опыт работы с оркестраторами (Airflow, Dagster или Prefect), уверенное использование Git и базовые навыки CI/CD для дата-пайплайнов.
Задачи:
— исследование устройств различного назначения, бинарного кода (без исходного кода), программного обеспечения и внутреннего программного обеспечения (ВПО);
— исследование внутреннего ПО устройств на наличие уязвимостей и недокументированных возможностей;
— анализ защищенности программного обеспечения устройств;
— разработка PoC по результатам проведенного анализа;
— модификация внутреннего ПО для устранения ошибок.
Требования:
— опыт работы в качестве Team lead/Ведущий Reverse engineer от 2 лет;
— навыки управления командой, умение грамотно распределять задачи и нагрузку;
— понимание принципов обратного проектирования (исследования) программного обеспечения;
— владение инструментами обратной разработки (IDA Pro, Radare2 или др.);
— языки программирования: Python, C/С++, Assembler;
— понимание архитектуры ОС;
— опыт использования ОС Linux;
— знание английского языка на уровне чтения технической документации.
Плюсом будет:
— знакомство с аппаратной архитектурой и схемотехникой различных устройств;
— опыт исследования программного обеспечения на безопасность, поиска уязвимостей;
— опыт разработки низкоуровневого кода для x86, MIPS, ARM, RISC-V;
— опыт автоматизации исследования при помощи мультиагентной среды (MML).
Условия:
— официальное трудоустройство в аккредитованной IT-компании и возможность пользоваться соответствующими льготами;
— гибкое начало рабочего дня, гибридный график (офис + удаленка), полностью удаленный формат невозможен;
— офис в пешей доступности от метро Электрозаводская, Семеновская;
— полис ДМС с расширением ВЗР (страхование выезжающих за рубеж);
— премирование за высокие производственные показатели и результаты труда по итогам успешной работы Общества за год;
— предложение по заработной плате и условиям труда формируется по результатам собеседования, в зависимости от опыта и знаний.
Задачи:
— Подготовка ежемесячной и еженедельной отчетности;
— Выполнение ad-hoc задач, преимущественно от отдела retention;
— Построение и поддержание дашбордов в Metabase.
Требования:
— Опыт работы с BI-системами;
— Высокий уровень владения SQL (написание сложных запросов, CTE, оконные функции и т.п.);
— Базовые навыки программирования на Python (работа с данными, написание DAG для Airflow);
— Умение читать и понимать Python-код аналитических сервисов и моделей;
— Активность, самостоятельность и инициативность.
Преимущества:
— Опыт работы в iGaming.
Условия:
— Работа в офисе на Кипре, в Лимассоле;
— Официальное трудоустройство;
— Корпоративные завтраки и обеды;
— Развитая корпоративная культура;
— График работы 5/2 (выходные суббота и воскресенье);
— Гибкое начало рабочего дня с 8 до 11 часов;
— Конкурентная заработная плата, определяемая по итогам собеседования;
— Предоставление всех необходимых инструментов для работы.
We’re looking for a DevOps Engineer (Data Focus) to strengthen our Data Engineering team. This role is all about building and maintaining reliable, scalable, and observable data infrastructure that powers our trading research and production systems.
• Анализировать продуктовые метрики B2C-направления: воронки, retention, когорты пользователей. • Настраивать и поддерживать трекинг событий в Amplitude (или аналогичной системе).
Требования:
- Опыт TeamLead (управление командой) не менее 4 лет;
- Опыт разработки ETL/ELT-процессов, в которых значительная часть логики реализована на стороне СУБД;
- Опыт разработки и сопровождения хранимых процедур / функций в СУБД;
- Практический опыт использования SQL/PLSQL или аналогичных процедурных расширений SQL для реализации загрузок и трансформаций данных;
- Опыт участия в проектах миграции ETL-систем (Apache стек);
- Опыт разработки на Python (написание ETL-скриптов, работа с pandas, интеграция с API);
- Опыт написания и отладки DAG'ов в Apache Airflow (не только проектирование, но и разработка);
- Опыт работы с PySpark (трансформации, оптимизация, партиционирование);
- Опыт миграции ETL-процессов с Informatica PowerCenter на открытый стек (Airflow + Greenplum);
- Глубокое практическое знание NiFi и Airflow: проектирование потоков, подключение источников, обработка ошибок, мониторинг, отладка;
- Опыт работы с качеством данных: разработка правил валидации, анализ влияния на бизнес-процессы;
- Понимание архитектурных подходов к проектированию хранилищ, различие ETL и ELT;
- Опыт работы с Hive metastore (устройство, хранение на PostgreSQL) и форматами файлов (Parquet, ORC);
- Опыт работы с Оracle;
- Опыт применения сложных SQL-запросов (оконные функции, джоины);
- Умение оптимизировать запросы для highload-среды;
- Опыт проектирования интеграций Apache-стека с Kafka и BI-системами;
- Опыт настройки потоковой обработки данных;
- Опыт работы с Hadoop и Hive (знание версий, источников данных);
- Опыт работы с PostgreSQL, Greenplum, Clickhouse;
- Опыт работы с Grafana/Prometheus для отслеживания ETL-процессов;
- Опыт работы с биллингом;
- Опыт автоматической валидации и контроля качества данных после миграции (сравнение результатов, метрики);
Обязанности:
- Миграция ETL-процессов с Informatica PowerCenter на целевой стек: NiFi + Airflow + Greenplum + SQL/хранимые процедуры.
- Подготовка документации AS IS и TO BE;
- Написание SQL кода;
- Отслеживание метрик.
Anthropic Fellows Program overview:
The program is designed to foster AI research and engineering talent by providing funding and mentorship to promising technical talent regardless of previous experience. Fellows primarily use external infrastructure such as open-source models and public APIs to work on projects aligned with Anthropic's research priorities, aiming to produce a public output like a paper submission. Multiple cohorts run each year with rolling application reviews.
What to expect:
— 4 months of full-time research
— Direct mentorship from Anthropic researchers
— Weekly stipend of 3,850 USD / 2,310 GBP / 4,300 CAD plus benefits varying by country
— Funding for compute (~$15k/month) and other research expenses
Interview process:
Includes initial application and reference check, assessments and interviews, and a research discussion.
Compensation:
Expected base stipend is 3,850 USD / 2,310 GBP / 4,300 CAD per week for 40 hours per week over 4 months, with possible extension.
The Anthropic Institute Fellows (Economics & Policy):
Mentors and research areas include Economics (Maxim Massenkoff, Peter McCrory) and Policy, Security, and Society (Jack Clark, Marina Favaro, Jim Baker).
Projects may include:
— Designing and conducting empirical research on AI's economic effects using external data sources
— Developing new methodological approaches for studying AI's impact on labor markets, future of work, and society
— Analyzing offense–defense balance for AI-enabled cyber and bio capabilities as models scale
— Measuring model performance increases with custom harnesses
— Identifying market-driven mechanisms to improve societal resilience to AI threats
— Identifying AI R&D metrics as early warning signals for recursive self-improvement
Candidate criteria:
— Interest in economics or policy research; prior experience is a plus but not required
— Adaptable and collaborative, able to take direction and contribute to team priorities
— Skilled at writing and communicating results, including null or unexpected findings
— Passionate about translating research insights into actionable recommendations for AI systems and policy
Good fit if:
— Motivated to ensure AI is safe and beneficial for society
— Interested in transitioning into AI research and possibly a full-time role at Anthropic
— Strong track record of empirical research
— Thrives in fast-paced, collaborative environments
— Can implement ideas quickly and communicate clearly
Requirements:
— Fluent in Python programming
— Available full-time for the Fellows program
Logistics:
— Must have work authorization and be located in the US, UK, or Canada during the program
— Workspace available in San Francisco; remote fellows accepted in UK, US, or Canada
— No visa sponsorship available; candidates must have or obtain full-time work authorization independently
— Program duration is 4 months full-time; partial commitments considered case-by-case
Additional notes:
— The program encourages applications from underrepresented groups and those who may doubt their qualifications.
— Anthropic is a public benefit corporation headquartered in San Francisco offering competitive compensation, benefits, optional equity donation matching, generous vacation and parental leave, flexible working hours, and office space for collaboration.
— Candidates should be cautious of scams and only trust communications from @anthropic.com email addresses.
Anthropic Fellows Program is designed to foster AI research and engineering talent by providing funding and mentorship to promising technical talent regardless of previous experience. Fellows primarily use external infrastructure such as open-source models and public APIs to work on empirical projects aligned with Anthropic's research priorities, aiming to produce public outputs like paper submissions. The program runs multiple cohorts yearly with rolling application reviews, expecting a start in January 2027 but flexible start dates can be requested.
The program includes 4 months of full-time research, direct mentorship from Anthropic researchers, access to a shared workspace, connection to the AI safety and security research community, a weekly stipend of 3,850 USD / 2,310 GBP / 4,300 CAD plus benefits varying by country, and funding for compute (~$15k/month) and other research expenses.
The interview process involves an initial application and reference check, technical assessments and interviews, and a research discussion. Applicants are encouraged to apply even if they do not meet every qualification, with emphasis on diversity and inclusion.
There are two main fellow tracks:
ML Systems & Performance Fellows:
- Mentors include Alwin Peng and Zygi Straznickas.
- Projects may involve building CPU simulators for accelerator workloads, adding backends for accelerators on open source projects, building on-demand infrastructure, and creating complex synthetic data or environment pipelines.
- Candidates should have strong software engineering skills, experience with complex ML systems, ability to balance research and engineering rigor, comfort with large-scale distributed systems and high-performance computing, experience with training or evaluating large language models, and skills in analyzing and debugging model training.
- Fluency in Python and full-time availability are required.
Reinforcement Learning Fellows:
- Mentors include Ruhua Jiang, Kaidi Cao, Sunny Duan, David Brandfonbrener, Colt Steele, Dino Distefano, and Will Williams.
- Projects may include building model-based tools to understand and improve AI training data, research on generalization, creating RL environments to improve Claude models and safety-related tasks, and research and implementation of RL algorithms.
- Candidate criteria are similar to ML Systems Fellows.
Logistics:
- Participants must have work authorization and be located in the US, UK, or Canada during the program.
- Shared workspaces are available in San Francisco; remote participation is allowed in the UK, US, or Canada.
- Visa sponsorship is not provided; candidates must have or obtain full-time work authorization independently.
- The program duration is 4 months full-time, with possible extensions and flexibility for partial commitments.
Additional notes:
- No guarantee of full-time offers post-program, though strong performers may receive offers or continue impactful AI safety work elsewhere.
- Anthropic's full-time role policies do not apply to the Fellows Program.
- The company emphasizes collaborative, large-scale AI research with a focus on safety, interpretability, and steerability.
- Candidates must be fluent in Python and able to commit full-time.
- The program values diversity and encourages applications from underrepresented groups.
- Safety advice is provided regarding recruitment communications.
Apply at the provided link.
Описание проекта: платформа, которая превращает каждый разговор с клиентом в понятные инсайты
Ожидания:
— 4+ года DevOps / Platform / Backend-инфраструктуры, Kubernetes в проде: Helm, GitOps
— Опыт развёртывания в контуре заказчика (on-prem, закрытые сети)
— Практика с LLM-приложениями: RAG (векторные БД, эмбеддинги, чанкинг, оценка качества), работа с LLM API
— API-шлюзы и прокси: маршрутизация, аутентификация, rate limiting, логирование (Kong / Envoy / nginx или свои на Python)
— Python - уверенно: читать, дорабатывать и писать сервисы
— Linux, сети, TLS/PKI, ingress/egress
— Опыт прохождения требований ИБ крупной компании: опросники, согласования, аудит
— Умение писать понятную документацию и договариваться с инженерами и безопасниками заказчика
— Автономность: берёте задачу end-to-end и доводите до результата
Задачи:
— Установить в контуре заказчика сервис маскирования персональных данных: ПДн обезличиваются до того, как данные покинут периметр. Дальше - обратная подстановка в ответ, проверка полноты маскирования, журнал
— Развернуть и настроить сервис управления знаниями для RAG: загрузка и обновление документов, разбиение на фрагменты, эмбеддинги, векторный поиск, права доступа к источникам, контроль качества ответов
— Настроить шлюз: заказчик обращается к нам, мы проксируем запросы к внешнему провайдеру. Шлюз должен давать маршрутизацию, учёт запросов и др
— Подключить всё это к ИБ заказчика: TLS, аутентификация сервисов, сетевые доступы, журналы
— Собрать поставку под Kubernetes: Helm-чарты, Argo CD, зафиксированные версии образов, установка без интернета
— Развернуть GPU-инференс: vLLM и faster-whisper на узлах NVIDIA HGX H200
— Настроить хранилища: PostgreSQL, MongoDB, OpenSearch, Redis - бэкапы, проверка восстановления
— Встроиться в ИБ заказчика: SIEM, IDM/SSO, PKI, NGFW/WAF, закрытый egress, сегментация prod/test/dev
— Настроить наблюдаемость (Prometheus, Grafana, Loki) и журнал аудита
— Документация для заказчика: архитектура, установка и обновление, runbook, программа и методика испытаний
— Техсогласования и приёмка вместе с командой заказчика
Удалённо
180 000 – 220 000 ₽
ГибридseniorЕреван
300 000 – 400 000 ₽
Удалённо
Зарплата не указана
Удалённо
Зарплата не указана
Все вакансии в одном месте — страница 31 · Job Hunters