Вакансии

Задачи: — Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования. — Встраивать псевдоанонимизацию и проверки качества в потоки данных. — Готовить признаки и версионируемые train/validation/test-выборки. — Обеспечивать прослеживаемость и воспроизводимость ML / LLM-экспериментов. — Вместе с ML-командой развивать оценку моделей, подготовку данных для RAG и дообучения. Требования: — Уверенные Python и SQL, поддерживаемый код за пределами ноутбуков. — Практический опыт ETL / ELT: оркестрация, инкрементальная обработка, повторные запуски. — Опыт с S3, Parquet, pandas / Polars / PyArrow. — Понимание жизненного цикла ML: выборки, baseline, метрики, проверка утечек. — Опыт с MLflow, ClearML или аналогами. — Linux, Git, Docker, CI/CD. — Умение работать с чувствительными данными. Условия: — Занятость: full-time — Формат работы: гибридный / удаленный по РФ

Задачи: — Отвечать за всю AI-часть продукта: архитектура AI-системы от выбора LLM-моделей до построения RAG-pipeline и интеграции компьютерного зрения, принимать все ключевые технические решения — Обеспечивать качество рекомендаций, повышая конверсию на каждой итерации — Проводить быстрые итерации с выкатыванием изменений каждую неделю, сбором метрик, анализом и улучшением — Проводить эксперименты: A/B тесты промптов, гибридный поиск (текст + визуал + отзывы), мультимодальные модели, быстро проверять гипотезы на реальных пользователях — Масштабировать систему с 2000 туров на Мальдивы до 50,000+ туров по трём направлениям с тысячами запросов в день — Строить продукт с нуля, быстро экспериментировать и влиять на архитектуру Требования: — Опыт с продакшен LLM-приложениями, построение RAG-систем или чат-ботов на основе GPT/Claude — Экспертный уровень промпт-инжиниринга: правильная структура промптов, few-shot examples, chain-of-thought — Опыт работы с эмбеддингами и векторным поиском, понимание similarity search, hybrid search, reranking — Python на уровне продакшена: чистый, быстрый, поддерживаемый код Будет плюсом: — Опыт с компьютерным зрением и мультимодальными моделями (CLIP, GPT-4o, Claude 4.5 Sonnet) — Опыт с high-load системами и оптимизацией latency — Понимание рекомендательных систем — Понимание MLOps: мониторинг моделей, версионирование, A/B тестирование — Опыт построения recommendation систем и MCP для LLM систем — Личный опыт использования LLM для автоматизации задач Софт-скиллы: — Продуктовое мышление: AI как инструмент решения бизнес-задач — Умение работать с метриками: конверсия, время сессии, escalation rate — Быстрота принятия решений: выкатывать несовершенное решение и тестировать — Умение объяснять сложное простым языком для команды и бизнеса Условия: — Официальное оформление по ТК РФ — График 5/2, офис, сокращённый рабочий день по пятницам до 15:30 — Корпоративные программы обучения и развития — Медицинское обслуживание: ДМС и собственная медсанчасть — Специальные предложения от компаний-партнеров (рестораны, магазины, отдых, мероприятия) — Организация отдыха сотрудников и их детей, оплата детского сада — Аккредитованная IT компания — Офис на станции м. Курская — Корпоративные условия на приобретение туров — Дополнительный оплачиваемый отпуск 3 дня, оплата больничного — ДМС для членов семьи по корпоративным условиям — Корпоративные условия на изучение английского и занятия спортом

О компании OperAI — интерактивная система на базе ИИ для управления операционной деятельностью компании. Цель — создать «второй мозг для CEO», сделать процессы прозрачными и управляемыми, помочь руководителям видеть риски, договорённости и реальное состояние компании. Сейчас запускают пилоты с первыми командами и проверяют продуктовые гипотезы. Требования: — Опыт в продуктовой или data-аналитике от 3 лет — Опыт проектирования архитектуры данных и построения аналитической инфраструктуры с нуля — Умение создавать модели, схемы и пайплайны для сбора, обработки и хранения структурированных и неструктурированных данных, в том числе с AI — Практический опыт работы с неструктурированными данными: переписками, расшифровками встреч, документами и корпоративными коммуникациями — Опыт построения процессов разметки данных: разработка схем разметки, критериев качества и инструкций для разметчиков — Уверенное владение SQL и Python для анализа и обработки данных — Понимание ETL/ELT-процессов, требований к качеству данных и принципов Data Governance — Глубокое понимание принципов работы LLM, embeddings, RAG и AI-агентов — Умение проектировать метрики и системы оценки AI-функций: точность, полнота, галлюцинации и реальная польза для пользователя — Готовность брать на себя ответственность и строить аналитическую функцию продукта с нуля Задачи: — Проектировать систему внутренней аналитики — Проектировать структуру хранения данных: события, встречи, задачи, решения, коммуникации и связи между ними — Помогать формировать единую модель данных для AI-функций продукта — Оценивать качество работы LLM: точность извлечения фактов, полноту, галлюцинации и полезность результатов — Разрабатывать подходы к разметке данных и созданию датасетов для тестирования AI-системы — Участвовать в проектировании AI-пайплайнов, RAG, embeddings и систем поиска по корпоративным данным — Находить закономерности в операционных процессах клиентов и превращать их в продуктовые решения — Определять ключевые продуктовые метрики и строить дашборды для команды и фаундеров — Анализировать поведение пользователей, пилотные запуски и продуктовые гипотезы — Вместе с разработчиками улучшать качество, наблюдаемость и надёжность продукта Будет большим плюсом: — Опыт проектирования архитектуры AI- или ML-систем — Работа с LLM API, векторными базами, LangChain/LangGraph или аналогичными инструментами — Опыт построения систем мониторинга и оценки качества LLM — Понимание операционной деятельности компаний: задач, встреч, решений, ответственности, сроков и отчётности — Опыт работы с BI-инструментами и продуктовыми системами аналитики — Опыт в B2B SaaS, стартапах или продуктах для руководителей и команд — Опыт взаимодействия с data engineering, ML и backend-командами Условия: — Equity-модель компенсации на начальном этапе — опцион — Возможность с нуля построить аналитику AI-продукта — Высокое влияние на архитектуру, продуктовые решения и развитие компании — Прямая работа с фаундерами — Пилотные клиенты и реальные данные для проверки гипотез — Гибкий формат работы и быстрый цикл принятия решений — Возможность вырасти в Head of Data / AI Analytics по мере развития проекта

Компания Evo AI ищет бизнес-аналитика уровня Middle или Senior для удалённой работы в России. В команде занимаются проектами в области искусственного интеллекта, включая LLM, машинное обучение, компьютерное зрение и RAG, а также другими автоматизационными решениями для бизнеса. Вакансия предполагает не просто работу с готовыми техническими заданиями, а активное участие в выявлении и анализе бизнес-проблем клиентов: проведение discovery, сбор требований, определение границ решения и подготовка постановки задачи для технической команды.

Задачи: — разработка классических LLM агентов — разработка tools для агентов, а также skills-инструкций для LLM — воспроизведение основных паттернов разработки в продуктовой парадигме — участие в обсуждении требований с бизнес-заказчиками — контроль качества agent-pipeline — декомпозиция верхнеуровневых задач на исполнимые в рамках разработки — вывод в production llm-приложений, agent'ских систем. Требования: — знания в области: математических анализ, линейная алгебра, Deep Learning, Classic ML, Python (async, fastapi, Semaphore) — высшее образование (МГУ, Физтех, ВШЭ, РЭШ и тд) — понимание построенных целевых решений, предложения по внесению изменений в архитектуру — опыт работы в open-source LLM (GLM5.2, qwen 3.5, etc) — знание фреймворков LangChain, LangGraph, fastapi, huggingface, а также regex и иных библиотек по обработке текста — vanilla RAG, Advanced RAG, работа с контекстом llm — базовое знание принципов промышленной разработки на python (SOLID, Singleton) — базовый MLops (работа с version control, CI/CD) Будет плюсом: — опыт работы с openclaw, его форками — использование llm GigaChat, Kandinsky — опыт работы в финтехе — опыт использования и доработки OCR. 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: — Развивать архитектуру модульного backend-приложения, REST API и бизнес-логику, включая валидацию, обработку ошибок и документацию; — Проектировать модели данных и миграции, оптимизировать запросы и кеширование; — Развивать аутентификацию, авторизацию и ролевую модель; — Контролировать доступ к внешним данным и управлять подключениями; — Программно управлять контейнерными средами: от создания и ожидания готовности до обработки сбоев и освобождения ресурсов; — Развивать AI-функции: потоковые диалоги, хранение истории, сокращение контекста, агентные инструменты и RAG — от подготовки данных до использования найденного контекста в ответах; — Обеспечивать проверку прав, согласованность состояния и обработку ошибок при выполнении удалённых операций и вызовах инструментов; — Писать тесты, диагностировать production-проблемы, развивать наблюдаемость, согласовывать API с frontend-разработчиками. Требования: — Уверенное владение Java, опыт production-разработки на Spring Boot и готовность работать с Java 21 и Spring Boot 3.5; — Опыт проектирования архитектуры и REST API, самостоятельного принятия технических решений и развития существующей кодовой базы; — Знание Spring MVC, Spring Security, Spring Data JPA/Hibernate, валидации запросов и документирования API через OpenAPI; — Практический опыт PostgreSQL, SQL и Liquibase; — Понимание транзакций, индексов, оптимизации запросов, кеширования и пулов подключений; — Опыт подключения внешних реляционных источников, включая MS SQL Server, и разграничения доступа к данным; — Опыт реализации аутентификации и авторизации с JWT, OAuth2 и OIDC/SSO; — Владение Maven и Git; — Опыт OpenFeign для HTTP-интеграций, JGit для работы с репозиториями, MapStruct для преобразования объектов и Ehcache для кеширования; — Практический опыт Docker и программного управления контейнерами через docker-java; — Знание Docker Compose, Docker Swarm, Traefik и GitLab CI на уровне настройки окружения, понимания сборки и развёртывания, диагностики проблем; — Практический опыт LLM API и LangChain4j: потоковые ответы через SSE, история диалогов и управление контекстом; — Опыт построения RAG, работы с эмбеддингами и векторным поиском в Qdrant; — Опыт агентных сценариев, вызова инструментов и MCP-интеграций с проверкой прав и обработкой ошибок; — Опыт модульного и интеграционного тестирования с JUnit и Testcontainers, включая проверки с базами данных; — Навыки диагностики по логам, метрикам и трассировкам с использованием Actuator, Micrometer, OpenTelemetry и OTLP; — Понимание трассировки AI-вызовов; — Понимание React и TypeScript на уровне согласования API-контрактов и совместной диагностики frontend/backend; — Понимание специфики корпоративного ПО для внешних заказчиков: ролевой модели и безопасности, интеграций с их ИТ-ландшафтом, требований к надёжности и влияния изменений на процессы пользователей. Что важно: — Уметь общаться с бизнес-заказчиками, выявлять реальную потребность за первоначальным запросом, уточнять требования, объяснять варианты решения и переводить бизнес-задачи в техническую реализацию; — Готовность работать итерационно: сформулировать гипотезу, обсудить ее, проверить, скорректировать и двигаться дальше; — Самостоятельно прорабатывать задачи, проверять гипотезы и учитывать обратную связь; — Декомпозировать работу, оценивать сроки, согласовывать приоритеты и своевременно сообщать о рисках и необходимости помощи; — Отвечать за результат до эксплуатации, учитывать пограничные сценарии и последствия изменений; — Аргументировать решения, слышать коллег, конструктивно давать и принимать обратную связь; — Проводить code review, делиться знаниями и помогать другим разработчикам; — Находить баланс между пользой для пользователя, качеством, сложностью реализации, техническим долгом и сроками. Условия: — Работа над корпоративным продуктом, объединяющим backend, интеграции, контейнерные среды и AI; — Развитие экспертизы в AI-инженерии и агентных системах; — Оформление по ТК РФ, после испытательного срока подключение к ДМС, компенсация спортивных программ; — Работа в аккредитованной IT-компании (льготы IT ипотеки, отсрочки); — Возможность работы в одном из офисов или удаленно, преимущественно по желанию сотрудника; — График работы 5/2, гибкое начало рабочего дня, отсутствие дресс-кодов и только полезная бюрократия; — Интересные корпоративные мероприятия, клубы по интересам; — Система профессионального, карьерного и финансового развития.

Location: British Columbia Workplace: Hybrid Safe Software is looking for an experienced developer to join our Cloud Applications team and take a leading technical role in our FME AI Service, AI Assist Plugin, and future AI product offerings. This is deliberately a hybrid role. We need the software engineering depth to build and operate production services, alongside the experimental instinct to determine empirically what makes an LLM-based agentic system work. Many of the problems don't have standard solutions yet, so you'll be the person who designs the experiment, measures the result, and turns the finding into a shipped improvement. We have an immediate opening and are excited to find the right candidate to join our team. ABOUT THE TEAM As a member of our Cloud Applications development team, you will take technical leadership of designing and developing new features, as well as maintaining existing functionalities in our products. You will primarily work in Python (FastAPI and LangChain), with a willingness to learn new languages and technologies as needed. You will also contribute to support our live applications. The team practices agile development and utilizes Kanban boards to manage their backlog, epics and stories. As a Staff Software Developer - AI Products, you will regularly participate in team meetings (stand-ups, planning), lead technical decision-making processes, and work closely with our Product Managers, UX Designers, and QA, as well as Customer Experience team members who review live traces from AI applications. WHAT YOU’LL BE DOING As a Staff AI Developer, you will: - Design and build server-side services and APIs (FastAPI). - Design and build modular agentic workflows to augment the FME platform capabilities. - Stay up to speed with developments in AI and LLM tooling, and incorporate relevant ideas into our products. - Participate in every aspect of the development cycle, including shaping specifications with the product owner, developing clean and maintainable code, writing unit and integration tests, doing code reviews, and maintaining and improving existing code. - Collaborate, support, and share expertise with other team members. - Work closely with the product owner and design team to deliver a high quality and consistent user experience. - Maintain and continuously improve the building and delivery of our AI service to reduce query latency and improve assistant response quality. - Investigate, evaluate the impact, and resolve anomalies and bugs in live applications. - Participate in the team’s light on-call rotation to support live applications. QUALIFICATIONS, SKILLS, AND COMPETENCIES Safers come from a variety of backgrounds with a diversity in skills and knowledge. That said, we find that those who are most successful in this role have experience with the following areas. Background - Bachelor's degree in Computer Science or a related field, or equivalent experience. - Typically, at least 7 years of experience working on production backend systems. - A track record of leading technically ambiguous projects and raising the capability of the engineers around you. Technical skills - Project or work experience with agentic LLM-based applications, including techniques such as RAG, prompt and context engineering, and tool calling. - Demonstrated experience evaluating LLM systems: building eval sets, defining quality metrics, and tracing and debugging non-deterministic behaviour. - Depth in at least one modern backend language, and the ability to pick up others as the work demands. - Experience with a modern backend web framework such as FastAPI. How you Work - An empirical mindset — comfort designing and running experiments to reach a decision, rather than reasoning about which approach should be best. - Strong interest in the craft, a curious mind, and eagerness to learn new tools and technologies. - Able to explain technical tradeoffs clearly to teammates and stakeholders. - Excellent organizational skills, with the judgment to prioritize your own work efficiently. - Resourcefulness and the ability to work well in a team-based environment. DESIRED SKILLS / BONUS POINTS We don't expect any single candidate to have all of these. Evaluation and experimentation: - Familiarity with LLM evaluation libraries such as Ragas, DeepEval, openevals, promptfoo, Inspect, or TruLens. - Experience with LLM observability and tracing tooling such as LangSmith, Langfuse, Braintrust, or Arize Phoenix. - Statistical literacy: A/B testing, significance, and sample sizing for model and prompt comparisons. - A background in machine learning or data science, or experience collaborating closely with those who do. - Experience with the problem domain: FME, other ETL tools, spatial data processing, or data integration. Retrieval and infrastructure: - Working knowledge of embeddings, vector databases (e.g. pgvector), and chunking and retrieval strategy. - Experience with Docker and deploying applications on Kubernetes. - Experience working with services from a cloud provider, such as AWS, GCP, or Azure. - Understanding of common client and server side vulnerabilities (e.g. OWASP Top 10) as well as security vulnerabilities specific to LLM–based applications. WHAT YOU CAN EXPECT When you choose a career with Safe Software, you’re also choosing… - Meaningful Work: Make a profound impact across our business, workplace and data integration product. - A Supportive Environment: Feel empowered to share your ideas and implement them with high autonomy and team support. - Social Responsibility: Become part of a team that finds meaningful ways to give back https://www.safe.com/about/community-initiatives/. Take paid time off to volunteer for one of our Safe-organized opportunities that align with our core community initiatives. - Learning & Career Development: We believe in your continuous learning and growth. Take advantage of an annual learning budget and training programs paid for by Safe. - Flexible Working Hours: Flexible and remote-friendly work arrangements to fit your lifestyle. Work when you want, and how you want to. - Work-Life Balance: There's no place for burnout at Safe. Maintain a healthy balance of your personal and work life without splitting yourself in two. Enjoy 3 weeks of vacation to recharge, plus an additional paid 6 seasonal days off per year. - Health & Wellness: Extended health, dental, health or lifestyle spending, and counseling benefits from day 1. That’s right, no waiting period. - Family is important: We are dedicated to supporting our employees through parenthood and offer a Parental Leave Top-Up Program for new parents through childbirth or adoption. - Shared Success: Share in Safe’s success with our bi-annual profit sharing and RRSP/TFSA matching program. - An Accessible Commute: Regardless of your commute method, we’re located close to public transit, and provide complimentary parking and bike storage for our team! ABOUT SAFE SOFTWARE Safe Software transforms organizations with FME, the only All-Data Any-AI Enterprise Integration Platform connecting all your data, anywhere, at any velocity. With over 30 years of expertise and 25,000+ enterprise customers across 125+ countries, we simplify your data journey, wherever it leads. Founded in 1993, Safe is headquartered in Surrey, BC with over 300 team members and counting. We’re always looking for talented individuals with diverse backgrounds who are determined to learn and grow. Are you ready to join the team? OUR COMMITMENT TO DIVERSITY AND INCLUSION Safe Software is an equal opportunity employer and we truly believe that innovation and strength begin with diversity and inclusion. We welcome all candidates regardless of race, gender identity or expression, sexual orientation, age, ability, disability, national or ethnic origin, political belief, religion, or family status. Should you require accommodations during the recruitment process, please contact hr_dept@safe.com. NOTICE REGARDING USE OF AUTOMATED TOOLS IN HIRING At Safe Software, we use automated tools to help us process applications and identify qualified candidates. These tools may assist in screening resumes and summarizing interview content based on the information you provide. This helps our team review applications efficiently while ensuring every candidate is considered based on the requirements of the role. Please be assured that the final hiring decision is always made by a member of our team. For more information on how we protect your privacy, please see our policy https://www.safe.com/legal/#applicant-privacy-policy. If you have questions about this process, please contact us at hr_dept@safe.com.

О вакансии: Главный PHP-разработчик в команду MAGNIT TECH. Формат работы: гибрид или офис (Москва, Краснодар), удалённо из других городов РФ. График 5/2 с гибким началом. Оформление в аккредитованную ИТ-компанию. Обязанности: — Разрабатывать backend на Laravel — Проектировать и описывать отказоустойчивую бизнес-логику на PHP 8.x с использованием возможностей Laravel — Оркестрировать ИИ через Dify; — разворачивать, конфигурировать и интегрировать Dify (Workflow, Agents, RAG); — связывать backend приложения с Dify API — Проектировать и разрабатывать API (RESTful, gRPC) — Создавать чистые, документированные RESTful/gRPC контракты для мобильных и веб-клиентов — Управлять асинхронными процессами, оптимизировать тяжелые запросы к LLM через очереди (Laravel Queues/Horizon) — Настраивать потоковые передачи ответов (Server-Sent Events / стриминг) — Проектировать и оптимизировать схемы реляционных БД под хранение истории диалогов, контекста, логов и сессий ИИ — Писать Unit/Feature тесты (Pest/PHPUnit) — Участвовать в Code Review и поддерживать высокие стандарты кодовой базы Требования: — Коммерческий опыт разработки на PHP от 4 лет, из которых не менее 2 лет — активная работа с Laravel — Глубокие знания баз данных и систем кэширования: Redis и PostgreSQL — Глубокое понимание асинхронного взаимодействия сложных систем, очередей и планировщиков задач (Cron) — Уверенные знания SQL; — опыт оптимизации сложных запросов, индексации и проектирования архитектуры данных для высоконагруженных систем — Опыт написания тестов (Pest/PHPUnit) Будет плюсом: — Опыт интеграции Dify или аналогичных LLM-оркестраторов (Flowise, Langhope) — Понимание специфики LLM: токенизация, контекстные окна, эмбеддинги и семантический поиск

Location: Hybrid About Us At Cloudflare, we are on a mission to help build a better Internet. Today the company runs one of the world’s largest networks that powers millions of websites and other Internet properties for customers ranging from individual bloggers to SMBs to Fortune 500 companies. Cloudflare protects and accelerates any Internet application online without adding hardware, installing software, or changing a line of code. Internet properties powered by Cloudflare all have web traffic routed through its intelligent global network, which gets smarter with every request. As a result, they see significant improvement in performance and a decrease in spam and other attacks. Cloudflare was named to Entrepreneur Magazine’s Top Company Cultures list and ranked among the World’s Most Innovative Companies by Fast Company. At Cloudflare, we’re not looking for people who wait for a polished roadmap; we’re looking for the builders who see the cracks in the Internet that everyone else has simply learned to live with. We value candidates who have the instinct to spot a "normalized" problem and the AI-native curiosity to create a solution using the latest tools. Our culture is built on iteration, leveraging AI to ship faster today to make it better tomorrow, while ensuring that every improvement, no matter how small, is shared across the team to lift everyone up. If you’re the type of person who values curiosity over bureaucracy, and that AI is a partner in solving tough problems to keep the Internet moving forward, you’ll fit right in. Job Location: Paris About Us At Cloudflare, we are on a mission to help build a better Internet. Today the company runs one of the world’s largest networks that powers millions of websites and other Internet properties for customers ranging from individual bloggers to SMBs to Fortune 500 companies. Cloudflare protects and accelerates any Internet application online without adding hardware, installing software, or changing a line of code. Internet properties powered by Cloudflare all have web traffic routed through its intelligent global network, which gets smarter with every request. As a result, they see significant improvement in performance and a decrease in spam and other attacks. Cloudflare was named to Entrepreneur Magazine’s Top Company Cultures list and ranked among the World’s Most Innovative Companies by Fast Company. At Cloudflare, we’re not looking for people who wait for a polished roadmap; we’re looking for the builders who see the cracks in the Internet that everyone else has simply learned to live with. We value candidates who have the instinct to spot a "normalized" problem and the AI-native curiosity to create a solution using the latest tools. Our culture is built on iteration, leveraging AI to ship faster today to make it better tomorrow, while ensuring that every improvement, no matter how small, is shared across the team to lift everyone up. If you’re the type of person who values curiosity over bureaucracy, and that AI is a partner in solving tough problems to keep the Internet moving forward, you’ll fit right in. What you will do as a Customer Engineer The Customer Engineer (CE) is the core driver of our technical go-to-market strategy: a trusted technical advisor and primary architect of the customer journey. You will bridge the gap between technical strategy and business value—guiding enterprise clients from initial pre-sales technical validation through onboarding, deployment architecture, and full lifecycle expansion. Sitting within the GTM organization and reporting to a Customer Engineering Leader, you will not hand off your customers once an initial agreement is reached. Instead, you will operate as a quota-carrying technologist, leveraging AI-augmented workflows to eliminate administrative toil so you can focus on high-value architectural design and driving measurable business outcomes across the entire customer journey. Key Responsibilities Technical Validation: Partner closely with Account Executives to lead technical deep-dive discovery, capture business requirements, and map complex customer infrastructure - DNS, CDN, Zero Trust, Network Security, Workers - to fit-for-purpose Cloudflare architectures and bespoke solutions. . Define, scope, success criteria, and technical evaluations plans for Proof of Concepts (PoCs) and Technical Validations. Deliver tailored technical presentations, architectural diagrams, and demonstrations that show how Cloudflare solves specific performance, security, and reliability challenges. Proactively address complex technical objections, security compliance questions, and edge-case architectural requirements during the sales cycle. Take accountability for a suitable solution deployment strategy (Customer, Partner or Cloudflare Professional services) being an integral part of all proposals. Customer Adoption & Value Realization: Provide oversight to technical onboarding and implementation, but not execute the implementation, serving as the primary executive and engineering contact for the customer. Design structured migration and onboarding blueprints tailored to the customer’s environment (e.g. DNS migrations, Zero Trust rollouts, WAF tuning guidance), and act as the lead consultant for customer engineering teams, walking them step-by-step through configuration best practices.  Partner with Account Executives to own discovery, demos, onboarding, technical health, risk, and expansion strategy. Proactively monitor customer health scores and telemetry to ensure rapid time-to-value, resolve integration bottlenecks, and reduce deployment risk. Commercial Accountability & Expansion: Carry a variable quota tied directly to new business acquisition and/or ongoing account growth. Be commercially accountable for ensuring deep platform adoption, retaining revenue, and identifying strategic cross-sell and up-sell opportunities based on product usage data. Lead technical Quarterly Business Reviews (QBRs) to translate platform capabilities into return on investment for C-level executives. Trusted Advisory: Act as a trusted technical advisor throughout the entire customer lifecycle, maintaining a continuous, deep relationship with key stakeholders from initial onboarding through maturity, renewal, and expansion. Provide thought partnership on architecture, AI control layers, security posture, and deployment confidence. Identify potential deployment risks or integration bottlenecks early, and provide remediation strategies to de-risk customer outcomes. AI Orchestration & Workflow Automation: Leverage AI agents, Large Language Models (LLMs), and internal platforms to automate routine tasks such as RFP/Security Questionnaire responses, sandbox provisioning, basic telemetry monitoring, and internal/external documentation, reclaiming your time for strategic customer advisory. Education & Enablement: Partner closely with the Enablement Team to design, build, and govern technical resources. Define, document, and educate both internal teams and customers on deliverables such as Standard Operating Procedures (SOPs), architectural best practices, and technical guides to continuously raise the technical baseline across the organization. Minimum Qualifications Experience: Experience in a customer-facing technical role, such as Solutions Engineering, Customer Engineering, Professional Services,  Sales Engineering, Technical Account Management, or as a Forward Deployed Engineer (years of experience required will vary based on Associate, Senior, Staff, or Principal leveling). Architectural Mindset: Ability to white-board, design, and articulate complex enterprise network and security architectures clearly. Consultative & Advisory Skills: Excellent communication skills with the ability to translate deeply technical concepts into business outcomes for both hands-on engineers and C-level executives. Commercial Mindset: Proven track record of operating in a quota-carrying or revenue-aligned environment, with a strong understanding of SaaS metrics, business value translation, and enterprise sales cycles. Communication: Exceptional presentation and stakeholder management skills, capable of bridging the gap between deep technical implementation details and high-level C-suite business strategy. Technical Breadth: We do not expect every candidate to be an expert in every domain. Qualified candidates will demonstrate depth in at least four of the technical areas below: Internet fundamentals: Deep understanding of how the Internet works, including OSI Model layers 1–7, BGP, GRE, TCP/UDP, DNS (authoritative and recursive), HTTP(S), and SSL/TLS. Security: Expertise in the security of Internet properties, including WAF, Bot Management, Firewalls, Rate Limiting, (M)TLS, Zero Trust, and SASE concepts. Performance: Expertise in the performance of Internet properties, including speed, latency, caching, video streaming, HTTP/2, and TLS 1.3. AI Proficiency: Familiarity with prompt engineering, AI-assisted scripting and log analysis, LLM utilization, and workflow automation to augment everyday CE workflows. Coding/Scripting: Proficiency in Python, JavaScript, Bash, Lua, Go, or similar languages to write custom integration scripts, API connectors, and edge computing functions. Developer Platform Fluency: Experience designing, building, deploying or scaling applications using RESTful/GraphQL APIs, SDKs, webhooks, and developer tooling in cloud-native environments. Familiarity with infrastructure-as-code (Terraform, Pulumi), CI/CD pipelines, and observability for developer-led deployments. Strongly Preferred Qualifications (The "Good-to-Haves") Technical Enablement: Track record of creating and delivering technical enablement - workshops, code samples, documentation, or developer onboarding - that accelerates customer adoption of complex platforms. Applied AI Knowledge: Experience with LLM orchestration, Retrieval-Augmented Generation (RAG) architectures, and model-access controls. Regulatory Knowledge: Understanding of regulatory requirements such as PCI DSS, HIPAA, and SOC 2. Hyperscaler / Digital Native Background: Talent coming out of hyperscalers, digital natives, distributed systems environments, or startups is strongly valued for its deeper cloud fluency and advanced architecture depth. Education Undergraduate or graduate degree in Computer Science, Engineering, or a related field. Travel This role may require travel up to 20–50% to attend customer meetings, conferences, industry events, and in-person team collaboration. Compensation For France based hires: Estimated annual salary is between €112,000 - €176,000. This role is labelled CSP 3-2 and has a coefficient of 210, as per the SYNTEC Collective Bargaining Agreement. What Makes Cloudflare Special? We’re not just a highly ambitious, large-scale technology company. We’re a highly ambitious, large-scale technology company with a soul. Fundamental to our mission to help build a better Internet is protecting the free and open Internet. Project Galileo : Since 2014, we've equipped more than 2,400 journalism and civil society organizations in 111 countries with powerful tools to defend themselves against attacks that would otherwise censor their work, technology already used by Cloudflare’s enterprise customers--at no cost. Athenian Project : In 2017, we created the Athenian Project to ensure that state and local governments have the highest level of protection and reliability for free, so that their constituents have access to election information and voter registration. Since the project, we've provided services to more than 425 local government election websites in 33 states. 1.1.1.1 : We released 1.1.1.1 to help fix the foundation of the Internet by building a faster, more secure and privacy-centric public DNS resolver. This is available publicly for everyone to use - it is the first consumer-focused service Cloudflare has ever released. Here’s the deal - we don’t store client IP addresses never, ever. We will continue to abide by our privacy commitment and ensure that no user data is sold to advertisers or used to target consumers. Sound like something you’d like to be a part of? We’d love to hear from you! Please note that applicants who progress to the offer stage of the interview process may be asked to attend an in-person interview within one of the Cloudflare Offices or Cloudflare Hubs.  More details about this will be available at that stage of the interview process. This position may require access to information protected under U.S. export control laws, including the U.S. Export Administration Regulations. Please note that any offer of employment may be conditioned on your authorization to receive software or technology controlled under these U.S. export laws without sponsorship for an export license. Cloudflare is proud to be an equal opportunity employer.  We are committed to providing equal employment opportunity for all people and place great value in both diversity and inclusiveness.  All qualified applicants will be considered for employment without regard to their, or any other person's, perceived or actual race, color, religion, sex, gender, gender identity, gender expression, sexual orientation, national origin, ancestry, citizenship, age, physical or mental disability, medical condition, family care status, or any other basis protected by law. We are an AA/Veterans/Disabled Employer. Cloudflare provides reasonable accommodations to qualified individuals with disabilities.  Please tell us if you require a reasonable accommodation to apply for a job. Examples of reasonable accommodations include, but are not limited to, changing the application process, providing documents in an alternate format, using a sign language interpreter, or using specialized equipment.  If you require a reasonable accommodation to apply for a job, please contact us via e-mail at hr@cloudflare.com or via mail at 101 Townsend St. San Francisco, CA 94107.

Location: Bulgaria, Hungary, Poland Why Join Exadel We’re an AI-first global tech company with 25+ years of engineering leadership, 2,000+ team members, and 500+ active projects powering Fortune 500 clients, including HBO, Microsoft, Google, and Starbucks. From AI platforms to digital transformation, we partner with enterprise leaders to build what’s next. What powers it all? Our people are ambitious, collaborative, and constantly evolving. About the Client The leading provider of vehicle lifecycle solutions, with headquarters in Chicago, enables the companies that build, insure, and replace vehicles to power the next generation of transportation. Its platform delivers advanced mobile, artificial intelligence, and car technologies. It connects a network of 350+ insurance companies, 24,000+ repair facilities, hundreds of parts suppliers, and dozens of third-party data and service providers. The customer's collective solutions enhance productivity and help clients deliver better experiences for end consumers. What You’ll Do Design and implement end-to-end document intelligence pipelines on AWS Develop and optimize ML models for document classification, segmentation, and field extraction Build scalable data processing systems handling PDFs up to 2000 pages Collaborate with subject matter experts to create and refine requirements for extraction Own features from research through production deployment and monitoring Establish evaluation frameworks and quality metrics for extraction accuracy What You Bring Advanced knowledge of Python (native, Pandas, ScikitLearn, Tensorflow or Pytorch, PyStats, Pydantic) Experience with AWS tools for ML Engineering and ML deployment (Sagemaker, Lambda, Cloudformation/CDK, Step Functions) Advanced knowledge of SQL and Data Modeling Experience with GenAI for document intelligence, including prompt engineering, RAG (Retrieval Augmented Generation), multi-modal models (vision + text), and production deployment using AWS Bedrock or Azure OpenAI APIs Experience in experiment design (power analysis and hypothesis testing) Proficiency in both written and verbal communication, required for a remote and largely asynchronous work environment Demonstrated capacity to clearly and concisely communicate complex technical problems and propose iterative solutions Experience owning a feature from concept to production, including proposal, discussion, and execution Nice to have Experience with document processing tools (AWS Textract, Azure Document Intelligence, or similar OCR/layout detection systems) Experience with PDF and Image processing libraries (e.g. PyMuPDF, opnecv, pillow) Experience in Machine Learning/ Data Science (e.g., ML algorithm selection, feature engineering, model training, hyperparameter tuning, supervised and unsupervised learning implementation, building a model pipelines, using Machine Learning tools/libraries/frameworks) Experience working with AWS big data technologies (Redshift, S3, EMR, Glue, etc.) English Level Upper-intermediate Legal & Hiring Information Exadel is proud to be an Equal Opportunity Employer committed to inclusion across minority, gender identity, sexual orientation, disability, age, and more. Reasonable accommodations are available to enable individuals with disabilities to perform essential functions. Please note: this job description is not exhaustive. Duties and responsibilities may evolve based on business needs. Compensation details are shared with candidates at the early stage of the recruitment process. The offer is not binding until a signed contract is in place. Your Benefits at Exadel Exadel benefits vary by location and contract type. Your recruiter will fill you in on the details. International projects In-office, hybrid, or remote flexibility Medical healthcare Recognition program Ongoing learning & reimbursement Well-being program Team events & local benefits Sports compensation Referral bonuses Top-tier equipment provision Exadel Culture We lead with trust, respect, and purpose. We believe in open dialogue, creative freedom, and mentorship that helps you grow, lead, and make a real difference. Ours is a culture where ideas are challenged, voices are heard, and your impact matters.

Location: Remote - India AI/ML Solution Architect Education & Assessment Platforms About Pratham International Pratham International is a US 501(c)(3) established to support learning innovations for children and youth in contexts across the globe. We enable the adaptation and spread of proven and scalable education solutions pioneered in India by Pratham Education Foundation to contexts across the global south through programming and technical assistance tailored to local realities. Today, Pratham innovations reach millions of children annually through partnerships across ~30 countries. Through the Pratham Shah PraDigi Innovation Centre (PraDigi), Pratham International also seeks to create technology innovations for low-resource communities, and support models aimed at learning for school, work, and life for children and youth. We work on several cutting-edge projects in the domain of Generative AI, Automatic Speech Recognition, and Natural Language Processing. The team’s innovative technology products include the PadhAI: Reading Assessment App, which uses advanced speech recognition to evaluate children’s reading fluency in 8 Indian languages and 6 global languages; Anytime Testing Machine (ATM), an AI-enabled question generation and grading system that allows learners to be assessed on any topic, anytime; and a suite of AI-powered chatbots designed for diverse learning contexts: from early childhood care, to youth employment readiness, and OCR-based analysis tools that digitize and assess student work at scale. At Pratham International, we build for the long term. Whether it’s ensuring products are truly accessible across rural India and the global south through languages, building datasets to ensure context and accuracy for products, or gathering feedback from the field. Backed by partners like Google.org, Anthropic, and the Gates Foundation, we are committed to building digital public goods that ensure every child is in school and learning well. Role Overview About the work We design and deliver AI systems that governments and large education programmes can actually run: curriculum-aligned item generation, paper assembly, handwriting OCR, rubric grading, and teacher-in-the-loop review. The work is already live as practice assessment in India and is being built as a national exam platform in Rwanda, with further country programmes behind it. We are hiring a Solution Architect who sits between discovery and delivery. You will turn messy workshop notes and ministry requirements into architecture a team can build, secure, cost, and operate — RAG and multi-agent systems, LLM-as-judge pipelines, and the cloud/LLMOps layer underneath. You will Own solution design from first workshop to a delivery-ready blueprint (services, data stores, trust boundaries, cost, ops). Architect LLM pipelines: generation, retrieval over curriculum knowledge graphs, standards/duplication/quality judges, constraint-based paper assembly. Design human + AI workflows with audit, segregation of duties, cycle-pinned config, and no student PII in model calls. Choose and govern models, prompts, eval gates, and fallbacks (including OCR: Azure primary, secondary fallback). Shape the Azure/AWS platform: identity, networking, LLMOps/MLOps, observability, and sovereign-hosting constraints. Run client workshops, write POVs and architecture packs, and stay accountable until the system is in production. About the work Pratham International programmes sit at the intersection of pedagogy, public systems, and production AI. The pattern is consistent across countries; the constraints change. Anytime Testing Machine (ATM) — India, practice and feedback End-to-end assessment for real classroom conditions: generate curriculum-aligned items, digitise handwritten answers (often photographed on a phone), grade against rubrics, and return feedback a teacher reviews before it reaches the learner. Built for high pupil–teacher ratios, mixed language (e.g. Hindi + English), and uneven connectivity. Pilots have already reached thousands of learners, including Second Chance (women returning for Grade 10). Model quality is measured against expert golden sets, not vendor slides. National assessment automation A government-grade exam platform. Phase 1 is item authoring and print-ready paper composition before the exam window. Phase 2 is script intake, OCR at national volume, AI-assisted grading with human confirmation on the pilot, results export, and monitoring/evaluation reporting. Subjects span core and elective streams across the curriculum. Design rules that do not exist in a typical SaaS product: cycle-pinned configuration, embargoed papers, hash-chained audit trails, and integration with national student information and assessment management systems. Curriculum knowledge graphs Structured retrieval corpora (concepts + worked examples) that ground generation and judging. This is the standing public-knowledge exception in an otherwise closed exam system, and the seed of a broader education DPI conversation. AI in TaRL and teacher support AI tools that help teachers group and teach by learning level, with an RCT-shaped evidence bar. Same product family: human agency stays in the loop; the model is a capacity multiplier. Country programmes and the three-year direction Adapt the same engine to new ministries, languages, and exam rules (Kenya and other Global South programmes are in scope). The longer bet is a learning and credentialing engine that recognises competence beyond a single syllabus. This is not a chatbot brief. It is constrained generation, retrieval, judging, document AI, workflow, and public-sector operations. Why this role exists Most enterprise AI dies between the workshop and production. We need one person who owns that gap: someone who can sit with NESA, C4IR, Pratham pedagogy, and engineering in the same week, and leave behind a blueprint the delivery team can execute without inventing policy. The target profile is a practising AI/ML Solution Architect — not a pre-sales slide owner, and not an infra-only platform engineer. The person should have done all three of these: Designed GenAI / NLP solutions, PoCs, and client workshops, and can talk to research-grade issues (eval, agent safety, prompt-injection, model-specific behaviour). Owned the AI platform: LLMOps, MLOps, DevSecOps, SRE habits, cloud migration, and FinOps. Taken messy discovery and turned it into Azure-centred RAG and multi-agent designs that a security team will accept. Key Responsibilities Discovery → architecture Lead solution workshops with programme, ministry, and engineering stakeholders. Convert half-formed requirements into service cuts, data stores, sequence diagrams, decision gates, and open-question lists with owners. Write architecture decision records. When the docs disagree (they will), force a decision instead of coding both. AI system design Design LLM jobs as contracts: inputs, JSON schema, temperature, persist prompt hash / model / tokens / latency. Architect generation grounded in structured curriculum blueprints and knowledge-graph retrieval, not "ask the model for a maths paper." Design LLM-as-judge banks (cognitive-level, relevance, difficulty, language, fairness, standards, duplication, blueprint compliance) with thresholds, one-repair rules, and golden-dataset release gates. Design hybrid assembly: constraint solver first, model only on ties and layout exceptions. Design document AI: primary OCR provider, secondary fallback provider, confidence routing, de-identification before any grading call. Specify eval: inter-rater agreement, rubric-band exact match, first-pass item acceptance, cost per paper cycle. Platform, trust, cost Own the reference architecture on the chosen cloud platform(s): identity, RBAC + segregation of duties, private networking, key management, object storage for scans, vector index, data warehouse for monitoring/evaluation reporting. Draw trust boundaries. Student PII never crosses the model gateway. Prompts are curriculum + knowledge-graph + blueprint content only. Put FinOps on the design: token budgets, OCR cost caps, degradation behaviour when a cap is hit, model routing. Specify LLMOps/MLOps: prompt/version registry, eval regression as a release gate, observability, rollback. Design for sovereign hosting and exam-cycle operations (embargo, watermarking, append-only audit, cycle-pinned configuration). Delivery and thought leadership Stay with the build through the first production cycle. Architecture that cannot be implemented is unfinished work. Produce POVs, sequence packs, and workshop artefacts that can be reused in the next country. Mentor tech leads on where the model should stop and the workflow should start. Success in the first two quarters First 30 days — Orient Complete architecture walkthroughs of every live/in-flight system with the current engineering leads; document current state (services, data stores, trust boundaries) as-is, not as-designed Meet every active stakeholder group once: engineering, programme/domain leads, and any external partner or government-side counterpart Inventory all open technical decisions and disagreements in existing specs; log each with current owner (if any) and status Identify the single highest-risk unresolved design question and flag it upward Day 60 — Diagnose Produce a current-state architecture diagram covering every major pipeline: data flow, model/LLM touchpoints, storage, and identity/access boundaries Assign an owner and target resolution date to every open contradiction identified in month 1 Draft a v1 reference architecture for one representative end-to-end workflow: service breakdown, data stores, identity/access model, model gateway placement, and a first-pass cost estimate Day 90 — Commit v1 reference architecture is reviewed and accepted by engineering and relevant stakeholders (not just self-signed) Can walk any core pipeline end-to-end from memory and name every data store, every quality/eval gate, and every trust boundary in it At least one architecture decision record is published for a previously-contested design question, with the decision forced rather than left open A first cost model exists for the reference architecture, with at least one identified lever for reducing spend if usage scales Day 120 — Harden Core pipeline components (generation, retrieval, judging/eval, or equivalent stages for this domain) have documented contracts: defined inputs/outputs, schema, and logged metadata (model, version, cost, latency) An evaluation harness exists for at least one component, with a defined pass/fail threshold A release gate exists that can block a bad prompt, model, or config change from reaching production Day 150 — Extend The next major system phase or capability is specified to the same rigor as the first: trust boundaries, failure modes, fallback behavior, and cost caps documented before build starts FinOps guardrails are in place for at least one production workload: budget ceilings, degradation behavior when a cap is hit, and a routing or fallback strategy Day 180 — Generalize A reusable design pattern or adaptation pack exists, separating what is fixed in the architecture from what varies by deployment context (e.g. language, hosting environment, external-system integration, content/domain rules) At least one engineering or technical lead has been mentored on where model-based logic should stop and deterministic/workflow logic should take over A second production-readiness review (security, cost, or operations) has been passed on a system this person designed or substantially redesigned Qualifications and Experience Must have 8+ years building software or data/AI systems, with recent experience as a Solution Architect, AI/ML Architect, or Principal/Staff Engineer with end-to-end architecture ownership. Shipped at least one production AI/ML system — RAG, multi-agent, LLM-as-judge, or a comparable classical ML/NLP pipeline at scale — that passed a real security, cost, and operations review, not just a pilot or a slide deck. Can produce a delivery-ready architecture blueprint: services, data stores, IAM, failure modes, evaluation strategy, and cost model — detailed enough that engineering isn't guessing at intent. Deep cloud experience on Azure and/or AWS: comfortable defending a landing-zone design, private-endpoint architecture, and a real monthly compute/inference/OCR spend. Fluent in Python, with hands-on experience in both classical ML (model training, evaluation, feature pipelines) and how LLM APIs, embeddings, and vector search actually behave under production load. Comfortable running a room with non-engineers — domain specialists, IT stakeholders, monitoring/evaluation teams — and translating fluently in both directions. Strong written English; this role's output is documentation that functions as a binding technical contract. Strongly preferred Azure AI (AI Foundry / OpenAI / Document Intelligence), plus one of AWS (Bedrock, SageMaker) or GCP (Vertex, BigQuery). LLMOps / MLOps: prompt + model versioning, MLflow or equivalent, eval harnesses, CI that can block a bad prompt. Document AI / OCR at volume; handwriting and low-quality scans, not only clean PDFs. RAG over structured knowledge (graphs, ToS, textbooks) and hybrid search, not only naive chunking. Education, assessment, public sector, or other high-audit domains (health, finance, identity). Certifications: Azure Data Scientist / Azure Solutions Architect; AWS SAA, ML Specialty, or Data Analytics Specialty. Experience with agent security: tool-use limits, DLP on egress, prompt-injection evaluation that is model-specific. FinOps discipline. You have killed a design because it would not survive the token bill. Nice to have Microsoft Fabric, Databricks, Semantic Kernel / Microsoft Agent Framework, MCP (Model Context Protocol) tool integration for agentic workflows. Constraint solvers or exam-blueprint / item-bank systems for automated test assembly. Multilingual generation and feedback, including code-mixed language pairs (e.g. Hindi–English, Spanish–English, or similar). Experience standing up golden/eval datasets with subject-matter experts. Prior work with government data systems, data-sharing agreements, or in-country/sovereign hosting requirements. What this role is not Not a research-only post. Publications help; shipping is the job. Not a pure platform/SRE hire. Infra is part of the design, not the whole design. Not a prompt engineer who hands off “the architecture” to someone else. Not a people manager of a large team on day one — you influence through artefacts and reviews. How we will assess you We value transparency and respect your time. Our hiring process is designed to evaluate both hands-on technical depth and architectural judgment through practical, real-world tasks. Stage 1: Application & Knockout Screening Submit your CV alongside key screening responses Artefact — send two of: architecture note, eval design, runbook, ADR. Slides without decisions do not count. Stage 2: Initial Conversation (30 mins) An introductory screen covering your background, project context and baseline alignment. An opportunity for you to ask questions about our technical roadmap, partner ecosystem, and vision. Stage 3: Practical Take-Home Written Assessment (2–3 hours) Design exercise on a constrained generation + judge + human-review pipeline (we will use a sanitised exam-authoring brief). We want trust boundaries, eval, and cost, not a model-name dump. Stage 4: Deep-Dive Technical & System Architecture Walkthrough Walkthrough of a system you shipped: what failed in review, what you changed, what it costs to run. Stage 5: Final Stakeholder & Vision Alignment Final conversation with key technical leadership and program stakeholders. Employment Details Function: Solutions / Architecture Reports to: Head of Technology / CTO Expected Start Date: Immediate Location: India (remote-first; travel to client workshops as needed) Experience: 8–13 years (strong 6–8 considered if you have shipped production GenAI) Engagement: Full-time Remuneration: Based on candidate’s experience and skillset Flexibility to work across timezones: Our team spans Latin America to Southeast Asia. Early mornings  or late evenings can be a regular part of the rhythm Why join us? Impact at Scale: Your work will directly support the learning journeys of millions of children. With programs active in 31 countries, you will help build Digital Public Goods that bridge the gap for the millions of children across the Global South who still struggle with foundational literacy Innovation at the intersection of Education and Technology: Lead the charge in redefining learning and learning processes through technology. You will contribute to the design and development of cutting-edge learning tools and AI-driven initiatives, ensuring EdTech isn’t just a buzzword, but a scalable solution for global equity. A Culture of Growth and Evidence: At Pratham, we value rigorous testing and continuous learning. You will have the autonomy to experiment with the latest SOTA models, supported by a 5-year strategic roadmap and funding from partners like the Gates Foundation and Anthropic. High-Calibre, Mission-Driven Team: You will work alongside a global team of experts from institutions like MIT, Harvard, and INSEAD. Our alumni have gone on to lead successful startups and international policy shifts, all while remaining dedicated to the goal of “Every Child in School and Learning Well.” Inclusive and Collaborative Environment: Join a diverse team that spans Asia, Africa, and Latin America. We value innovative thinking and local expertise, ensuring that the technology we build is deeply rooted in the realities of the communities we serve. Pratham International is an equal opportunity employer and encourages all qualified people from diverse backgrounds to apply for positions within our organisation, regardless of race, gender, disability or any other status.

Мы ищем: Талантливого NLP-разработчика на стажировку, которому предстоит работать над интересными высоконагруженными проектами. Требования: — Опыт разработки на Python от 1–2 лет; — Базовое понимание LLM и AI-агентов; — Практический опыт или уверенное понимание RAG-подхода; — Опыт работы с векторными БД или embeddings (FAISS / Qdrant / аналоги — базовый уровень); — Опыт backend-разработки (FastAPI / Flask); — Понимание REST API, JSON, асинхронности; — Готовность развиваться в AI-направлении. Будет плюсом: — Опыт работы с LLM API (OpenAI / open-source модели); — Знакомство с LoRA / PEFT (pet-проекты, эксперименты); — Базовый опыт работы с брокерами сообщений (Kafka, RabbitMQ, NATS); — Docker (базовый уровень); — Pet-проекты с AI-агентами или RAG. Условия: — Работа в команде экспертов; — Широкий технологический стек, сотни проектов; — Гибкий график работы, который позволяет высыпаться и выделять время на хобби; — Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии; — Организована удалённая работа, при этом есть просторные офисы с зонами коворкинга; — Возможность прокачаться во всех интересующих направлениях: стать тимлидом, архитектором, разработчиком full-stack; — Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка; — Активный обмен опытом, внутренние и внешние митапы, хакатоны, доклады по развитию hard и soft skills; — 50+ клубов по интересам и профессиональных сообществ внутри компании; — Корпоративная база знаний и социальная сеть для удобства общения с каждым из 1500+ сотрудников. Дополнительно: — Решение Министерства цифрового развития, связи и массовых коммуникаций РФ о предоставлении государственной аккредитации организации, осуществляющей деятельность в области информационных технологий от 10.03.2022 №АО-20220309-3771014210-3

Про нас: В нашей ML-команде сейчас 5 человек. Мы работаем над: • AI-агентом для работы с облачным хранилищем и документами; • сервисом извлечения данных из контрактов и счетов; • RAG-базой знаний по Fileforce для клиентов; • системой поиска аномалий в пользовательских логах. В разработке активно используем современные AI-инструменты и кодинговые агенты (Claude Code, Codex) Задачи: • Разрабатывать новые и поддерживать/улучшать существующие проекты (backend+ML+участие в деплое), а также улучшать мониторинг и аналитику запущенных проектов Требования: • высшее техническое образование (диплом потребуется для оформления японской рабочей визы) • 3+ года опыта в Machine Learning; • опыт самостоятельного ведения проектов; • опыт с agentic/RAG-системами будет большим плюсом; • опыт разработки с помощью кодинговых агентов; • интерес к новым AI-технологиям и готовность постоянно разбираться в новых подходах; • английский на уровне свободного чтения технической документации • релевантный опыт с частью стека и способность быстро осваивать новое: LangGraph, DeepAgents, FastAPI, PostgreSQL, ClickHouse, Docker, vLLM, OpenAI API, AWS S3, Langfuse, OpenTelemetry, MCP, Redis, AWS SQS. Ответы на 10 важных вопросов: 1. Данные: работа преимущественно с данными (файлами различных форматов) компаний из хранилища через внутреннее API, AWS S3, Elasticsearch 2. Железо: на текущий момент преимущественно AWS инфраструктура, аренда VM под проекты и доступ к моделям по API. При экономической эффективности - собственное развертывание. Для работы: ПК в офисе, подключение к AWS VM по ssh, простой ноутбук для удаленной работы 3. Масштаб влияния на core-бизнес? Сейчас в компании упор на ML проекты, поскольку наша команда отвечает за все ML проекты, то влияние и высокие ожидания от проектов у руководства. 4. Уровень развития Data Science в компании? Запущено несколько крупных проектов, настроена основная инфраструктура/пайплайны (разработка, интеграция с внутренними сервисами, мониторинг, базовая аналитика, практика работы с кодинговыми агентами и тд), при этом улучшение процессов и вовлечения ML проектов в процессы компании продолжается. 5. Роль дата сайентиста: ДС-ы участвуют в проработке и реализации полного цикла проектов/фичей совместно с бэкенд и фронтенд командами 6. Бэкграунд у вашего руководителя? linkedin https://www.linkedin.com/in/nikita-vasilenko-ds/ 7. Как часто вам будут мешать работать? Daily meetings 15-20 мин + обсуждения прогресса/фичей внутри команды по мере необходимости 8. Карьерный рост: рост по зп возможен в рамках ежегодного планирования бюджета 9. Prod/Research: Prod 90% 10. Функция сервиса или лидера? На данном этапе сервисных функций больше.

Требуется разработчик с опытом работы на Java и Python для участия в проекте, направленном на создание платформы для обработки юридических документов и корпоративных данных. В рамках проекта применяются технологии LLM-агентов, RAG-поиска, MCP-инструментов, а также интеграция с внутренним веб-сервисом, построенным на Java/Spring. Основные обязанности включают разработку backend-сервисов на Python и Java, интеграцию LLM, внешних API и MCP-инструментов, реализацию RAG, embeddings и поисковых функций по документам, создание механизмов проверки результатов моделей, работу с PostgreSQL, Redis и файловыми хранилищами, написание тестов, настройку логирования и мониторинга, а также участие в проектировании решений и выводе функционала в production. Кандидат должен уверенно владеть Python и Java, иметь опыт разработки backend-сервисов и REST API, практические знания LLM или понимание принципов LLM-приложений, опыт работы с PostgreSQL, умение писать тестируемый код и разбираться в существующем коде, а также понимание вопросов безопасности и разграничения доступа к данным. Важна самостоятельность в решении задач и способность взаимодействовать с другими командами. Дополнительным преимуществом будет опыт работы с RAG, embeddings, семантическим или гибридным поиском, разработкой MCP-сервисов или LLM-agent систем, обработкой DOCX, PDF и Excel с использованием OOXML или Apache POI, оценкой качества ответов LLM, опытом в LegalTech, ContractTech или электронном документообороте, а также знание корпоративных или локально развёрнутых LLM. Проект рассчитан до конца 2026 года с возможным продлением на 2027 год, работа удалённая, зарплата от 200 000 рублей на руки.

Проект: Развиваем платформу для работы с юридическими документами и корпоративными данными. В проекте используются LLM-агент, RAG-поиск, MCP-инструменты и интеграция с внутренним веб-сервисом на Java/Spring. Продолжительность проекта: до конца 2026, плюс в планах пролонгация на 27г. Задачи: — Разработка backend-сервисов на Python и Java. — Интеграция LLM, внешних API и MCP-инструментов. — Реализация RAG, embeddings и поиска по документам. — Создание проверок результатов работы модели. — Интеграция с PostgreSQL, Redis и файловым хранилищем. — Написание тестов, настройка логирования и мониторинга. — Участие в проектировании решений и выводе функциональности в production. Требования: — Уверенное владение Python и Java (важно, чтобы кандидат занимался задачами AI на питоне и мог подключать их к решению на джаве). — Опыт разработки backend-сервисов и REST API. — Практический опыт работы с LLM или понимание основных принципов LLM-приложений. — Опыт работы с PostgreSQL. — Умение писать тестируемый код и разбираться в существующей кодовой базе. — Понимание вопросов безопасности и разграничения доступа к данным. — Готовность самостоятельно решать задачи и взаимодействовать с другими командами. Будет плюсом: — Опыт работы с RAG, embeddings, семантическим или гибридным поиском. — Опыт разработки MCP-сервисов или LLM-agent систем. — Работа с DOCX, PDF и Excel, знание OOXML или Apache POI. — Опыт оценки качества ответов LLM. — Опыт в LegalTech, ContractTech или электронном документообороте. — Знание корпоративных или локально развёрнутых LLM. Обязателен неймчек по образцу: Иванов Иван, Уровень - Senior, 1234@mail.ru (не корпоративная), Локация - Россия, Москва, Часовой пояс - (Мск), Опыт работы - 4+ лет.

Location: Москва ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее. Ждем именно тебя!  Мы разрабатываем агентские RAG-системы, которые помогают компании улучшать клиентский опыт за счёт персонализированных решений. У нас уже есть рабочий продукт, работающий в проде и приносящий пользу. Сейчас команда активно работает над новыми применениями технологии и улучшает качество уже в рабочих направлениях. Обязанности * ML-разработка полного цикла – помочь понять что и зачем нужно бизнесу, перевести это в термины ML, проводить эксперименты, готовить решение к выводу в продакшн * разрабатывать, оптимизировать и поддерживать NLP пайплайны, включая RAG-системы и ассистентов для бизнес-задач. * создавать и развивать ИИ-агентов и мультиагентные системы (workflow-оркестрация, планирование, инструменты, memory-модули, интеграции с сервисами банка). * интегрировать агентские пайплайны в высоконагруженные сервисы банка, обеспечивая стабильность, производительность и мониторинг * разрабатывать сервисы вокруг моделей: API-слои, микросервисы, inference-скрипты, CI/CD для ML * обеспечивать качество кода и следить за инженерными практиками (тестирование, логирование, мониторинг) * проектирование и согласование архитектуры приложений и интеграций * развитие и разработка расчетных модулей системы, общих библиотек, - реализация интеграционных взаимодействий * формирование требований для построения мониторинга, логирования * проведение ревью кода, поддержка код стандарта, командные коммуникации * организация внутренних процессов в команде разработки. Требования * знание основ классического ML и NLP/LLM: классические задачи и архитектуры/подходы для их решения, метрики, процесс обучения моделей * опыт разработки и продакшен-внедрения RAG-систем, AI-ассистентов, работа с векторными хранилищами и retrieval-стеком * отличное знание Python, опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью * плюсом будет знание CI/CD, владение инструментами разработки и инфраструктуры: Docker/Openshift/Kubernetes/Jenkins/Prometheus/Graphana/Kafka, PostgreSQL * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки. Что ещё может пригодиться: * Hadoop, PySpark, Airflow * Scala, SQL * CI/CD (у нас Jenkins+Bitbucket+Nexus), DevOps. Условия * комфортный современный офис рядом с м. Кутузовская * возможность выбрать удобный график – офис/гибрид * 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: Москва Мы разрабатываем агентские RAG-системы, которые помогают компании улучшать клиентский опыт за счёт персонализированных решений. У нас уже есть рабочий продукт, работающий в проде и приносящий пользу. Сейчас команда активно работает над новыми применениями технологии и улучшает качество уже в рабочих направлениях. обязанности. Обязанности * ML-разработка полного цикла – помочь понять что и зачем нужно бизнесу, перевести это в термины ML, проводить эксперименты, готовить решение к выводу в продакшн * разрабатывать, оптимизировать и поддерживать NLP пайплайны, включая RAG-системы и ассистентов для бизнес-задач * создавать и развивать ИИ-агентов и мультиагентные системы (workflow-оркестрация, планирование, инструменты, memory-модули, интеграции с сервисами банка) * интегрировать агентские пайплайны в высоконагруженные сервисы банка, обеспечивая стабильность, производительность и мониторинг. * разрабатывать сервисы вокруг моделей: API-слои, микросервисы, inference-скрипты, CI/CD для ML * обеспечивать качество кода и следить за инженерными практиками (тестирование, логирование, мониторинг). Требования * знание основ классического ML и NLP/LLM: классические задачи и архитектуры/подходы для их решения, метрики, процесс обучения моделей * опыт разработки и продакшен-внедрения RAG-систем, AI-ассистентов, работа с векторными хранилищами и retrieval-стеком * отличное знание Python, опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью. Плюсом будет: * знание CI/CD, владение инструментами разработки и инфраструктуры - Docker/Openshift/Kubernetes/Jenkins/Prometheus/Graphana/Kafka, PostgreSQL. Что ещё может пригодиться: * Hadoop, PySpark, Airflow * Scala, SQL * CI/CD (у нас Jenkins+Bitbucket+Nexus), DevOps Условия * комфортный современный офис рядом с м. Кутузовская * возможность выбрать удобный график – офис/гибрид * 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: — Развивать и сопровождать инфраструктуру AI-платформы. — Разворачивать и поддерживать сервисы в Kubernetes. — Контейнеризировать приложения и инфраструктурные компоненты с использованием Docker. — Разрабатывать и поддерживать CI/CD-пайплайны. — Автоматизировать рутинные операции с помощью Python и Bash. — Работать с ArgoCD и IaC-инструментами. — Настраивать мониторинг, логирование и health-checks. — Работать с persistent storage и S3/object storage. — Участвовать в эксплуатации AI/ML-сервисов и LLM inference, администрировать AI системы. — Постепенно осваивать GPU-инфраструктуру и особенности запуска AI-сервисов на GPU. — Участвовать в развитии внутренних стандартов deployment и эксплуатации AI-сервисов. — Разбираться в инцидентах и самостоятельно доводить технические задачи до результата. — Взаимодействовать с архитекторами, разработчиками, специалистами по кибербезопасности, ML-инженерами и системными администраторами. Требования: — Уверенное владение Linux и командной строкой. — Практический опыт с Docker и Docker Compose. — Базовый практический опыт работы с Kubernetes. — Понимание основных Kubernetes-объектов: Pod, Deployment, Service, ConfigMap, Secret, Ingress, PVC. — Опыт работы с Git. — Понимание принципов CI/CD и практический опыт работы хотя бы с одним CI/CD-инструментом. — Bash на уровне написания небольших скриптов автоматизации. — Python на уровне написания automation scripts и небольших сервисных утилит. — Базовое понимание сетей: TCP/IP, DNS, HTTP/HTTPS. — Понимание принципов мониторинга и логирования. — Понимание разницы между файловым, блочным и объектным хранилищем. — Понимание базовых принципов работы AI/ML-сервисов: model, training, inference, embeddings, LLM. — Понимание базовых принципов применения мер защиты от киберугроз. — Будет плюсом: Helm, Ansible, ArgoCD / GitOps, Prometheus / Grafana / Loki, S3 / MinIO, PostgreSQL / Redis, опыт работы с GPU и NVIDIA, NVIDIA Container Toolkit / CUDA, vLLM, SGLang, Triton или другие inference engines, MLflow, Airflow, Kubeflow или другие MLOps-инструменты, RAG, vector databases, embeddings, непосредственный опыт эксплуатации AI/ML или LLM-сервисов, опыт работы в инфраструктурной или DevOps-команде, опыт эксплуатации production-систем, опыт работы с on-premise инфраструктурой, опыт работы с Linux-серверами и Kubernetes-кластерами, понимание принципов отказоустойчивости и масштабирования. — Английский язык на уровне чтения технической документации. — Не требуется глубоких знаний ML и разработки нейронных сетей. — Не требуется самостоятельно обучать модели или разрабатывать ML-алгоритмы. — Важнее хорошая инженерная база, способность самостоятельно разбираться в проблемах и готовность постепенно углубляться в AI infrastructure. Условия: — Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + премия по результатам KPI. — Сложные и интересные задачи, современный стек технологий. — Забота о здоровье: программа ДМС с первых дней работы, включая стоматологию и обслуживание в лучших клиниках города. — Возможность вертикального и горизонтального карьерного роста: регулярные тренинги, вебинары, митапы и демо-дни. — Корпоративные предложения от партнёров группы АЛЬФА-БАНК. — Бесплатная мобильная связь Альфа-Мобайл.