Вакансии

- Выявлять, согласовывать и документировать требования. - Декомпозировать бэклог и проектировать архитектуру решений.

-В этой роли одинаково важны технический интерес и внимательность к проектным деталям. -Собирать контекст по проекту: документы, переписку, договоренности, требования и ограничения.

— ведение нескольких аудиторских проектов полного цикла; — планирование проверок, формирование команд и распределение задач;

Задачи: — Консультировать заказчика по вопросам проекта по запросу; — Выполнять точные обмеры помещений и фото-/видеофиксацию; — Разрабатывать планировочные решения с учётом действующих норм перепланировки; — Готовить полный пакет рабочих чертежей для СМР; — Выполнять 3D-визуализации лично или с помощью ассистентов в установленные сроки; — Согласовывать решения с клиентом и сопровождать проект до реализации; — Взаимодействовать с прорабами и подрядчиками в процессе СМР; — Подбирать отделочные материалы, мебель и декор, взаимодействовать с поставщиками; — Оперативно решать форс-мажорные ситуации в процессе СМР; — Строго соблюдать сроки выполнения задач. Требования: — Высшее профильное (архитектурное/строительное/дизайн интерьера); — Опыт разработки планировочных решений в AutoCAD, ArchiCAD или Revit; — Высокий уровень 3D-визуализаций в 3ds Max квартир/домов; — Умение готовить полный пакет рабочих чертежей для производства и строительства квартир/домов; — Знание рынка отделочных материалов; — Понимание технологий изготовления нестандартной корпусной мебели; — Ответственность и способность работать в жёстких сроках; — Готовность к внутренним проверкам рабочей документации и промежуточных альбомов с чертежами; — Обязательное портфолио — визуализации и минимум 2 проекта с чертежами (резюме без ссылки на портфолио не рассматриваются); — На этапе собеседования будет предложено выполнить тестовое задание: подготовить эскиз плана расстановки мебели по условным параметрам. Условия: — Большой поток проектов и стабильная загрузка; — Удалённая работа или в офисе (возможность приезжать в офис по необходимости); — Современный дизайнерский офис в центре ЖК ЗИЛАРТ; — Оформление по договору; — Оплата сдельная от 900 до 2000 ₽/м² + % от комплектации + полная оплата за авторское сопровождение. Условия обсуждаются при встрече в офисе.

Lovable is looking for an Organic Search Growth Marketer to lead technical SEO, grow organic traffic, and improve discovery across search and AI assistants.

Location: Москва Workplace: Комбинированный В MAX B2B мы реализовываем решения, которые помогают компаниям общаться с клиентами, строить доверие и наращивать продажи. Мы создаём инструменты для уведомлений, чат-ботов, мини-приложений и представителей бизнеса, чтобы коммуникация с пользователями была простой, безопасной и эффективной. Платформа для бизнеса объединяет портфель продуктов (чат-боты, каналы, мини-приложения), чтобы компании могли выстраивать эффективную коммуникацию с клиентами. Ключевая задача — доставка бизнес-уведомлений там, где это необходимо: статусы заказов, информация по транзакциям, коды доступа и маркетинговые рассылки. Благодаря единой платформе бизнес может автоматизировать поддержку, продажи и приём платежей, сокращая путь клиента до целевого действия и повышая конверсию. Команда развивает B2B-продукт с фокусом на простой, понятный и доверительный пользовательский опыт. Сейчас мы ищем продакт-менеджера с техническим бэкграундом, который будет развивать чат-ботов и выстраивать полный цикл коммуникаций бизнеса с пользователем. Задачи Активация чат-ботов бизнесами: выявление барьеров при создании и настройке ботов, разработка решений для упрощения и автоматизации запуска Инструменты развития бизнеса: разработка рекомендаций, аналитики и алгоритмов для поиска точек роста и эффективного управления портфелем продуктов. Запуск AI-агентов и их развитие Развитие сценариев чат-ботов: проектирование сложных бизнес-сценариев, выявление функциональных пробелов и создание инструментов для решения отраслевых задач Требования Навык работы с данными: умеете формулировать гипотезы, правильно интерпретировать метрики, строить простейшие деревья метрик Подтверждённый кейсами опыт запуска AI-ассистентов или чат-ботов в B2B-среде (квалификация лидов, поддержка, кроссейл/апсейл) от прототипа до продакшена Понимание архитектуры MCP и практический опыт создания MCP-серверов (инструменты, ресурсы, промпты) Инструментарий ботов: опыт настройки и развития платформ для чат-ботов (понимание FSM, вебхуков, интеграций с CRM)

— 2.5+ years of experience in Software QA and testing. — Hands-on experience with Azure AI Foundry / Azure OpenAI and Generative AI.

• Разрабатывать и настраивать сценарии для голосовых AI-ассистентов; • Настраивать логику диалогов и интеграции с внешними системами;

Plaid is looking for an executive assistant team lead to manage executive assistants, support an executive, and scale administrative operations.

Plaid is looking for an executive operations leader to manage executive assistants, support an executive, and scale administrative operations.

— Проектирование и выстраивание с нуля централизованной системы IT-безопасности и управления инфраструктурой группы компаний; — Управление доступами (IAM/SSO, Active Directory / Entra ID): ролевая модель, разделение данных/папок по юрлицам, процессы onboarding/offboarding;

-проектировать и разрабатывать backend-сервисы на Python (FastAPI / Flask / Django). -создавать и оптимизировать цепочки LangChain (chains, agents, tools, memory) для реализации сложных сценариев обработки запросов и выполнения многошаговых задач.

Location: Москва Мы - команда разработки кредитных агентов на базе большой языковой модели. В команде открыта роль аналитика больших данных. У роли есть два основных фокуса: ·      бизнес-анализ — глубокое понимание кредитных процессов, чтобы точно знать, какие диалоги нужны системе для обучения ·      конструирование обучающих диалогов — превращение разрозненной текстовой информации в релевантный, сбалансированный датасет. Обязанности ### Бизнес-анализ ·      погружение в домен: изучение кредитных процессов, регламентов, продуктовой документации; интервью с экспертами по кредитованию ·      карта сценариев: построение intent-map и user journeys — какие задачи пользователь решает с ассистентом, где чаще ошибается ·      приоритизация: определение ценных/частотных/рискованных сценариев; фокус датасета на них ·      выявление пробелов: анализ логов диалогов и тикетов поддержки — где ассистент проваливается, что не покрыто; постановка задач на дозаготовку сэмплов ·      связь «бизнес → данные → метрика»: перевод требований бизнеса в измеримые требования к датасету; защита покрытия сценариев ·      артефакты: требования, схемы процессов, каталог намерений (Jira, Confluence). ### Дата-анализ: подготовка диалогов ·      сбор и синтез: извлечение диалогов из документации, БЗ, FAQ, тикетов, логов реальных обращений, переписок поддержки ·      проектирование сценариев: явные и размытые запросы, оговорки, смена намерения, цепочки вызовов инструментов, ошибки и отказы (negative/refusal cases) ·     синтетическая генерация: prompt-шаблоны для LLM-генерации диалогов; контроль качества (дедупликация, разнообразие, отсутствие PII) ·      методология: гайды по разметке, критерии приёмки; обучение группы разметчиков (при наличии) ·      оценка влияния: bad-case-анализ, итеративное улучшение датасета под ошибки системы. Требования ·      бизнес-анализ от 2 лет: интервью, моделирование процессов (BPMN/UML), написание требований ·      LLM/ML Data от 1 года: разметка, синтез датасетов (SFT, RLHF/DPO) ·      понимание tool calling / function calling и агентных сценариев ·      рython для работы с датасетами: JSONL/parquet, pandas, регулярки, скрипты генерации/валидации ·      умение переводить между «языком бизнеса» и «языком данных». Будет плюсом ------------ ·      анализ диалоговых логов / conversational analytics ·      опыт в чат-ботах, голосовых и корпоративных ассистентах ·      SQL, витрины, продуктовые метрики ·      RAG, LLM-as-a-judge, pairwise-оценки. Условия ·      комфортный современный офис рядом с м. Кутузовская ·      ежегодный пересмотр зарплаты, годовая премия ·      корпоративный спортзал и зоны отдыха ·      уникальная система обучения Сбера для профессионального и карьерного развития ·      расширенный ДМС и льготное страхование для семьи ·      гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ ·      подписка Прайм с возможностью совместного использования на трёх близких ·      вознаграждение за рекомендацию друзей в команду Сбера ·      корпоративная пенсионная программа.

Location: Москва GigaCode - AI-продукт для разработчиков. Мы создаём AI-агентов, которые помогают писать, анализировать, тестировать и сопровождать код. Мы ищем системного аналитика, который поможет проектировать AI-системы нового поколения для разработки ПО. Обязанности ### Задачи: * проектирование архитектуры AI-ассистента для разработчиков и workflow AI-агентов * описание бизнес- и системных требований для AI-функций * проектирование архитектуры взаимодействия компонентов (CLI, Desktop, backend, AI-модели) * описание API, протоколов и контрактов взаимодействия сервисов * анализ developer workflows (IDE, CLI, code review, CI/CD) и формирование технических спецификаций * ведение, актуализация и структурирование технической документации и базы знаний продукта * проектирование процессов создания и версионирования документации * тесное взаимодействие с инженерами, ML-командой и продуктовой командой. Требования ### Мы ищем того, кто: * имеет опыт системного анализа сложных технических продуктов * умеет проектировать архитектуру систем * может формализовывать сложные технические требования * понимает архитектуру backend-систем и API * имеет опыт работы с техническими продуктами или developer tools * умеет работать в тесной связке с инженерами * имеет опыт создания и структурирования технической документации для сложных продуктов. **Будет плюсом:** * опыт работы с AI-продуктами * понимание разработки ПО и developer workflows * опыт проектирования agent-based систем * понимание структуры кодовых баз и инструментов разработки * опыт проектирования документационных систем (Docs-as-Code, Docusaurus, MkDocs и аналоги) * опыт написания документации для developer tools / API * практический опыт внедрения документационных практик в команде. Условия ### Мы предлагаем: * годовой бонус и ежегодный пересмотр зарплаты * расширенный ДМС с первого дня, страхование жизни, корпоративная пенсионная программа * льготная ипотека для сотрудников, подписка Прайм с возможностью шеринга (совместного использования) на трёх близких, скидки от партнеров и сервисов группы компаний * корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях * офис с видом на набережную, зонами отдыха и спортзалом * 90 дней удаленной работы из любого региона РФ * реферальная программа (бонус до 100 000 рублей).

Location: Москва Ищем опытного системного аналитика в команду, который уверенно работает самостоятельно в рамках сложных продуктов, проектирует межсистемные интеграции и берёт архитектурную ответственность за ключевые направления. Специалист будет взаимодействовать с PO и техническими лидерами, вести несколько параллельных инициатив и менторить Middle-аналитиков команды. Обязанности \- Проведение анализа требований к информационным системам на соответствие стандартам \- Развитие и оптимизация автоматизированных систем \- Выявление проблемы текущих решений, реализованных в автоматизированных системах и выдвигает предложения по их решению \- Участие в процессах подбора и адаптации новых сотрудников \- Декомпозиция задач бэклога \- Проведение анализа задач бэклога и документирование технических требования на разработку автоматизированной системы \- Выступает наставником для других сотрудников \- Участие в приемо-сдаточных испытаниях разработанного функционала автоматизированной системы \- Проведение анализа требований, участие в проектировании и разработке архитектуры решений по доработке автоматизированных систем \- Проведение согласования технических требований к автоматизированной системе с заинтересованными лицами \- Осуществление детального проектирования интеграционных потоков со смежными системами \- Принятие участия в демонстрации разработанного функционала автоматизированной системы Требования #Требования и документация \- Самостоятельное полнофункциональное выявление требований: бизнес-, пользовательских, функциональных, нефункциональных, ограничений. \- Разработка сложной документации: ТЗ, спецификации требований, API-контракты, ADR (Architecture Decision Records) \- Согласование требований со стейкхолдерами, техническими лидами и владельцами продукта \- Декомпозиция крупных инициатив: эпики → фичи → User Stories → задачи, с критериями DoD и AC \- Ведение нескольких проектов параллельно, управление приоритетами в условиях конкурирующих требований #Моделирование  - UML полный стек: диаграммы последовательности, классов, компонентов, развёртывания, состояний, деятельности \- Event Storming (Big Picture / Design Level) — фасилитация воркшопов \- Domain-Driven Design (DDD): bounded contexts, агрегаты, доменные события — применение при формировании требований к микросервисам \- Проектирование ER-диаграмм уровня продакшна \- Инструменты: PlantUML, draw.io, редакторы по аналогии с Miro \# Данные и интеграции   - Проектирование данных: концептуальная, логическая, физическая модели; нормализация / денормализация \- Уверенное знание:   - REST/JSON/JSON Schema, SOAP/XML/XSD/WSDL — проектирование и ревью контрактов   - SQL   - Kafka \- Проектирование интеграционных архитектур: point-to-point, event-driven, API-gateway \- Понимание микросервисной архитектуры и ее паттерном \- Модели управления доступом: RBAC, ABAC \- Понимание основ безопасности: требования к шифрованию, аутентификации, аудиту \- Инструменты тестирования API: Postman, Insomnia или аналоги \# Работа с ИИ \- Опыт использования LLM-инструментов: подготовка документации, ревью требований, прототипирование контрактов \- Промпт-инжиниринг: chain-of-thought, few-shot, role prompting \- Практический опыт с AI CLI-ассистентами (Qwen CLI, Claude CLI, Gemini CLI или аналоги) \- IDE-плагины ИИ: GitHub Copilot, JetBrains AI, Cursor #Soft Skills \- Системное мышление: способность видеть систему целиком, выявлять риски и точки отказа \- Менторинг Middle-аналитиков: ревью спецификаций, парная аналитика, обратная связь \- Уверенная устная и письменная коммуникация \- Управление конфликтами интересов стейкхолдеров: нахождение консенсуса, эскалация при необходимости \- Активное слушание, умение задавать правильные вопросы (5 Why, Jobs-to-be-done) \# Будет плюсом \- Доменная экспертиза: HR-tech Условия * Инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти; * Среда для обмена знаниями – высокая экспертиза внутри команды; * Сплоченная команда, работающая над общими задачами и умеющая хорошо отдыхать; * Нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам * Стабильная заработная плата и годовой бонус; * **Гибридный формат работы.** Современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом; * Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития;  * Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа; * Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ; * Подписка Прайм с возможностью использования трёх близких; * Вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Workplace: Офисный Мы — отдел экспериментальных технологий в AI VK, который решает широкий спектр ML- и DL-задач. Наша команда анализирует, как наши разработки можно переиспользовать и где применить, а затем масштабировать. Задачи Развивать компоненты AI-ассистента для VK Видео: понимание намерения, удержание контекста диалога, выбор стратегии и маршрутизация инструментов Улучшать генерацию кандидатов, semantic retrieval и reranking для поиска и персонализированных рекомендаций Работать с гибридным поиском: эмбеддинги, текстовые и структурные фильтры, поисковые API, рекомендательные модели и явные критерии пользователя Оптимизировать candidate budget и смешивание кандидатов из разных источников Обучать и дообучать модели для отдельных компонентов системы: LLM-like, reranker, query rewriting, relevance-модели Собирать и улучшать обучающие и тестовые датасеты: реальные и синтетические запросы, сложные негативные примеры, long-tail-сценарии и размеченные диалоги Создавать и поддерживать golden datasets, human-aligned evaluation и автоматические проверки качества; калибровать auto-eval по человеческой оценке Анализировать деградации, формулировать гипотезы и проверять их в воспроизводимых экспериментах Оценивать модели не только по общей метрике, но и по отдельным сценариям, категориям запросов, релевантности, разнообразию, безопасности и качеству диалога Оптимизировать latency, стоимость и использование вычислительных ресурсов при обучении и инференсе Готовить компоненты к промышленной эксплуатации: интеграция, нагрузочное тестирование, мониторинг, обработка ошибок и контроль регрессий Участвовать в offline- и online-экспериментах, подготовке A/B-тестов и интерпретации продуктовых метрик Проводить code review, документировать эксперименты и участвовать в обсуждении архитектуры и исследовательских результатов Требования Сильная теоретическая база и опыт работы в рекомендательных системах, информационном поиске, NLP/LLM; готовность работать на их пересечении Понимание устройства retrieval и ranking: embeddings, candidate generation, negative sampling, cross-encoders, reranking Знание основных offline-метрик поиска и рекомендаций: Recall@K, Precision@K, NDCG, MRR и их ограничений Опыт обучения, валидации и внедрения ML-моделей; доведённые до production либо production-like среды самостоятельно разработанные компоненты Навыки постановки воспроизводимых экспериментов, анализа ошибок и статистической интерпретации результатов Понимание жизненного цикла ML-системы: данные, обучение, inference, мониторинг, деградации и переобучение Опыт работы с большими объёмами данных и пайплайнами обработки; YT, Spark или аналогичные инструменты Базовые навыки Linux, Git, контейнеризации и работы с сервисами Будет плюсом Опыт создания LLM-приложений: tool calling, agentic workflows, RAG, structured generation Дообучение LLM или encoder-моделей: SFT, LoRA/adapters, RL Построение lexical, semantic или hybrid retrieval LLM-as-a-judge, human evaluation, построение golden datasets и калибровка автоматических оценок Оптимизация GPU-инференса, batching, quantization, model serving Опыт с распределённым обучением и промышленной ML-инфраструктурой Практика A/B-тестирования рекомендательных или поисковых моделей Мультимодальные модели, VLM, понимание видео или рекомендательные системы для медиаконтента Наличие публикаций по тематике LLM, NLP, multimodal models

Location: Москва Workplace: гибкий ML Media — продукт ML R&D: единый gateway для различных AI-технологий. Продуктовые команды VK интегрируются с платформой один раз и получают доступ ко всему спектру речевых и мультимедийных ML-моделей: ASR — распознавание речи: синхронное, асинхронное (длинные аудио) и realtime-стриминг TTS — синтез речи CV — компьютерное зрение: детекция лиц, оценка качества видео, deepfake-детекция, OCR VQE — улучшение качества речи: шумоподавление, определение голосовой активности Диаризация — разметка аудио по спикерам Суммаризация — краткое содержание аудио и видео на базе LLM: главные тезисы длинных записей за секунды, а не часы прослушивания За единым API платформа скрывает всю инженерную обвязку: маршрутизацию и балансировку нагрузки на GPU-парк с моделями на NVIDIA Triton Inference Server и vLLM, квоты и рейт-лимиты, асинхронную обработку длинных медиа, защиту GPU-парка от перегрузки и наблюдаемость всего контура. ML Media уже интегрирована с ключевыми продуктами VK: MAX, VK Мессенджер, VK ID, VK Звонки и VK Видео. Наши пользователи — миллионы людей, которые каждый день распознают и синтезируют речь, общаются с голосовыми ассистентами и смотрят видео. Сейчас мы проходим трек платформизации существующих технологий: ASR, TTS, CV и другие сервисы уже работают в production по отдельности — мы объединяем их в единую платформу с общим API, единой плоскостью управления и общей инфраструктурой. Отдельная инженерная задача — сделать так, чтобы подключение новой технологии к платформе занимало дни, а не месяцы. Команда интеграции технологий разрабатывает компоненты платформы — API-шлюз (gRPC, REST и MCP для LLM-агентов), плоскость управления (пользователи, токены, квоты), асинхронный контур обработки задач и клиентский инструментарий (CLI, MCP) — и отвечает за то, чтобы research-модели становились надёжными production-API. Задачи Разработка платформы: API-шлюз (gRPC, REST, MCP), плоскость управления (пользователи, токены, квоты), асинхронный контур обработки задач, клиентский инструментарий (CLI, MCP) Поддержка существующих интеграций: сопровождение интеграций продуктовых команд (MAX, VK Мессенджер, VK ID, VK Звонки, VK Видео), помощь в подключении, разбор инцидентов Балансировка и роутинг запросов к ML-бэкендам: кастомные gRPC balancer'ы, health-probing реальными inference-запросами, теговый роутинг моделей Admission control на основе утилизации GPU: метрики throughput, гистерезис throttle/reject, сигналы автоскейлеру Асинхронная обработка длинных медиа: Kafka-воркеры, outbox, ретраи и восстановление задач, партиционирование таблиц PostgreSQL Наблюдаемость и эксплуатация: Prometheus-метрики, Sentry, структурированные логи, поиск узких мест Взаимодействие с ML-командами и продуктовыми заказчиками, участие в проработке архитектуры Требования Опыт коммерческой разработки на Go Уверенное владение конкурентностью: goroutines, context, errgroup, graceful shutdown Опыт проектирования отказоустойчивых высоконагруженных систем Опыт с gRPC (streaming, interceptors), PostgreSQL, Redis, Kafka или другими брокерами сообщений Навыки диагностики production-проблем: метрики, логи, профилирование Системное мышление Будет плюсом Опыт с NVIDIA Triton Inference Server, vLLM или другими платформами ML-сервинга Понимание метрик ML-инференса: real-time factor, throughput, latency, утилизация GPU Опыт разработки кастомных gRPC balancer'ов или resolver'ов Опыт с admission control, capacity planning, автоскейлингом Понимание agentic AI: MCP, tool calling Опыт с sqlc, testcontainers, codegen-пайплайнами Знание Python — для взаимодействия с ML-кодом бэкендов

Location: Москва; Санкт-Петербург Workplace: Офис, Гибридный Яндекс Смена — сервис, который помогает людям находить подработку, а компаниям закрывать дефицит кадров. Ищем разработчика бэкенда. Вы будете делать продукт, через который проходит каждый пользователь от первого захода в приложение до выхода на смену. Яндекс Смена — сервис, который помогает людям в поиске подработки, а компаниям — закрыть дефицит кадров: например, найти комплектовщиков, грузчиков, сортировщиков. Мы связываем тех, кто хочет подработать на гибком графике, с бизнесом, которому срочно требуются сотрудники. Сервис активно растёт: мы уже представлены в десятках городов, сотрудничаем с крупными ритейлерами, и объёмы работ продолжают увеличиваться. Сейчас особенно интересный этап — мы переходим из стартапа в большой бизнес и строим для него платформу. Обязанности Платформа исполнителей Вы будете создавать продукт, который сопровождает каждого пользователя — от первого захода в маркетплейс до выхода на смену. Задача — построить самую большую и сильную платформу исполнителей: ведь без людей на сменах не будет и бизнеса. Рынок подработки и линейного персонала очень конкурентный, и только такая платформа поможет стать лидером. Вам предстоит проработать витрину смен, чтобы пользователи быстро находили подходящую работу, настроить механики подбора и отображения: ранжирование, фильтры, персональные предложения — они повысят конверсию. Вы будете реализовывать систему динамических надбавок для баланса спроса и предложения, а также выстраивать воронку привлечения — от первого захода в приложение до подтверждённой смены. Каждый шаг в воронке напрямую влияет на выручку. Разбиение монолита Сейчас ядро системы написано на Python и представляет собой монолит, из-за чего мы сталкиваемся с серьёзными ограничениями. Чтобы построить большой бизнес, нужно разбить монолит на микросервисы с чёткими границами. Вы будете решать, как это сделать, и выстраивать архитектуру, рассчитанную на масштаб. AI-native-разработка Вы будете внедрять подход, при котором агенты полностью реализуют и запускают некритичные фичи «под ключ». Для этого нужно подготовить инженерный контекст, изменить процесс разработки и обеспечить агенту самостоятельный путь от задачи в Трекере до продакшена с минимальным участием человека. Больше о бэкенде в Яндексе — в канале Yandex for Backend Требования * Уверенно используете AI-инструменты в разработке * Способны брать на себя ответственность за результат — от обсуждения задачи до выбора решений и их реализации Будет плюсом * Работали над внедрением AI-ассистентов и агентов в процесс разработки * Знаете Go/Python