Задачи:
— Написание кода агента на Python, который использует внешние API;
— "Упаковка" кода в Docker-образ с минимальным размером и безопасными зависимостями;
— Написание Helm-чарта для развертывания этого образа в Kubernetes;
— Поиск способов обновления библиотеки или применение патча, пересборка образа и обновление деплоя при блокировке образа SCA-сканером из-за уязвимости в библиотеке requests;
— Чтение логов пода в ArgoCD, в случае падения агента в продакшн. Исправление кода и подготовка нового деплоя, если ошибка в промпте или API.
Требования:
— Опыт от 3-6 лет Middle / Senior;
— Бэкграунд: Python-разработчик, который увлекался AI и выучил Docker/Kubernetes, либо MLOps-инженер, который умеет хорошо программировать;
— Ключевая компетенция: автономность — уметь не только написать бота, но и перенести его в контейнер, пройти проверку безопасности и запустить в кластере без помощи системных администраторов;
— Глубокое понимание работы зависимости в Python (virtualenv, poetry, pip), так как 70% проблем с деплоем связаны с ними;
— Понимание концепции AI Agents, RAG, Tool Calling;
— Навыки работы с DevOps / MLOps инструментами: Docker, Kubernetes, Helm, ArgoCD (чтение логов/статусов), bash;
— Опыт работы с SCA-сканерами.
Условия:
— Заработная плата до 260 000 рублей на руки;
— Оформление через ИП, самозанятый;
— Гражданство РФ, локация РФ;
— Удалённая работа.
Описание проекта и команды:
— Управляющая компания.
Этапы отбора:
1. Интервью
2. Проверка информационной безопасности.
Задачи:
- вести разработку от идеи и MVP до production, управлять командой и при этом оставаться hands-on. Переходим к продуктовой разработке малыми командами и AI-agentic подходу. Важно уметь самостоятельно быстро собрать пилот с AI-инструментами, а затем вместе с командой довести его до production.
- Руководить командой разработки: планирование, декомпозиция, приоритизация, delivery.
- Вести продукты от идеи до релиза и оценивать результат.
- Принимать продуктовые и технические решения, формировать roadmap и техническое видение.
- Выстраивать процессы разработки, code review, тестирование и контроль качества.
- Развивать команду, участвовать в найме и менторинге.
- Внедрять AI-инструменты и агентные сценарии разработки в команду.
Требования:
- 5+ лет коммерческой разработки.
- 1–2+ года в роли Team Lead / Tech Lead / руководителя разработки или проекта.
- Опыт управления командой и delivery.
- Практический опыт с Claude Code, Cursor, OpenAI Codex, GitHub Copilot или аналогами.
- Умение самостоятельно собрать MVP и довести его до production вместе с командой.
- Понимание LLM, RAG, AI-агентов и оценки качества AI-фич.
- SQL / PostgreSQL, REST API, Docker, Git.
- Понимание product metrics, PMF, ICP, activation, retention.
- Fullstack / hands-on опыт.
- Опыт основания стартапа.
- Open Source.
- Построение команды с нуля.
- n8n, LangChain/LangGraph, Open WebUI.
- Идеальный профиль: Product × Engineering × AI — человек, который умеет не только управлять разработкой, но и сам быстро превращать идею в работающий прототип.
Условия:
- РФ, удалённо, full-time, ИП/СЗ.
Реальный кейс ускорения разработки на 70% благодаря внедрению ИИ-инструментов.
Технически сложные задачи: RAG-пайплайны и микрофронтенд-инфраструктура вместо стандартного CRUD.
Осязаемые метрики: сокращение времени онбординга новых микрофронтов в 3.5 раза.
Удалённо
от 220 000 ₽
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Описание проекта: платформа, которая превращает каждый разговор с клиентом в понятные инсайты
Ожидания:
— 4+ года DevOps / Platform / Backend-инфраструктуры, Kubernetes в проде: Helm, GitOps
— Опыт развёртывания в контуре заказчика (on-prem, закрытые сети)
— Практика с LLM-приложениями: RAG (векторные БД, эмбеддинги, чанкинг, оценка качества), работа с LLM API
— API-шлюзы и прокси: маршрутизация, аутентификация, rate limiting, логирование (Kong / Envoy / nginx или свои на Python)
— Python - уверенно: читать, дорабатывать и писать сервисы
— Linux, сети, TLS/PKI, ingress/egress
— Опыт прохождения требований ИБ крупной компании: опросники, согласования, аудит
— Умение писать понятную документацию и договариваться с инженерами и безопасниками заказчика
— Автономность: берёте задачу end-to-end и доводите до результата
Задачи:
— Установить в контуре заказчика сервис маскирования персональных данных: ПДн обезличиваются до того, как данные покинут периметр. Дальше - обратная подстановка в ответ, проверка полноты маскирования, журнал
— Развернуть и настроить сервис управления знаниями для RAG: загрузка и обновление документов, разбиение на фрагменты, эмбеддинги, векторный поиск, права доступа к источникам, контроль качества ответов
— Настроить шлюз: заказчик обращается к нам, мы проксируем запросы к внешнему провайдеру. Шлюз должен давать маршрутизацию, учёт запросов и др
— Подключить всё это к ИБ заказчика: TLS, аутентификация сервисов, сетевые доступы, журналы
— Собрать поставку под Kubernetes: Helm-чарты, Argo CD, зафиксированные версии образов, установка без интернета
— Развернуть GPU-инференс: vLLM и faster-whisper на узлах NVIDIA HGX H200
— Настроить хранилища: PostgreSQL, MongoDB, OpenSearch, Redis - бэкапы, проверка восстановления
— Встроиться в ИБ заказчика: SIEM, IDM/SSO, PKI, NGFW/WAF, закрытый egress, сегментация prod/test/dev
— Настроить наблюдаемость (Prometheus, Grafana, Loki) и журнал аудита
— Документация для заказчика: архитектура, установка и обновление, runbook, программа и методика испытаний
— Техсогласования и приёмка вместе с командой заказчика
Удалённо
180 000 – 220 000 ₽
ТТоварищество с ограниченной ответственностью "Ontesky"
Задачи:
— Встраивать локальную LLM в уже существующий Godot-проект
— Настраивать и запускать модель локально под игровые задачи
— Проектировать систему управления контекстом и памятью персонажей поверх LLM
— Организовывать хранение и передачу данных о героях, событиях и прошлых диалогах
— Формировать контекст и промпты под разные игровые ситуации
— Контролировать объём контекста и следить за тем, чтобы модель получала только релевантную информацию
— Связывать игровое состояние с поведением и репликами NPC
— Встраивать ответы LLM в уже готовую диалоговую систему новеллы
— Работать с асинхронностью: запросы, ожидание ответа, состояния игры
— Обрабатывать ошибки, таймауты и ситуации, когда модель недоступна
— Оптимизировать потребление памяти и производительность под 8 ГБ VRAM
— Развивать архитектуру интеграции LLM, не ломая существующие системы
— Писать инструменты, которые позволят добавлять новых персонажей и сценарии без переписывания ядра
— Участвовать в проектировании новых систем, связанных с AI-персонажами
Требования:
— Коммерческий опыт разработки на Godot / GDScript
— Умение разбираться в чужом коде и работать с существующим проектом
— Понимание устройства сцен, сигналов, ресурсов и игровых состояний в Godot
— Знание принципов работы LLM и локального запуска моделей
— Практический опыт интеграции LLM, локальных моделей или AI-сервисов в приложения
— Понимание, что «память LLM» — это отдельная система управления контекстом и данными
— Умение проектировать хранение и передачу контекста
— Осознание ограничений контекстного окна, размера модели и потребления RAM
— Опыт работы с асинхронными операциями и обработкой ошибок
— Внимательность к edge cases и вопросам стабильности
— Готовность самостоятельно осваивать новые инструменты и технологии
— Умение находить баланс между качеством решения и его сложностью
Будет плюсом:
— Опыт работы с локальными LLM
— Знакомство с Ollama, llama.cpp, GGUF или похожими инструментами
— Опыт quantization и оптимизации моделей
— Работа с системами контекста, memory, RAG или аналогичными подходами
— Создание AI/NPC-систем в играх
— Разработка визуальных новелл, RPG или других сюжетных игр
— Работа с диалоговыми системами и ветвлением сюжета
— Оптимизация приложений под ограниченное железо
— Понимание специфики генеративных моделей и prompt engineering
— Проекты или пет-проекты с LLM, которые можно показать
Условия:
— 37,5 часов в неделю — график планируешь сам
— 70 000 ₽ на руки
— Выплаты дважды в месяц, стабильно
— Полностью удалённая работа без привязки к офису
— Новый проект на старте — возможность влиять на архитектуру и ключевые технические решения
— Готовая архитектура визуальной новеллы на Godot — начинать с нуля не нужно
Задачи:
— Развитие платформы: работа над функционалом, стабильностью и производительностью;
— Развитие AI-функционала: LLM-based сценарии, tool calling, RAG, работу с контекстом, кэширование и другие механики;
— Разбор сложных production-инцидентов, устранение причин проблем;
— Клиентские внедрения: превращение пожеланий клиента в дорожную карту запуска;
— Проектирование архитектуры интеграции с инфраструктурой клиента;
— Ответственность за техническую часть сложных клиентских запусков от discovery до production;
— Менторство junior/middle-разработчиков, помощь с декомпозицией задач, архитектурой и техническими вопросами;
— Проведение code review и повышение качества решений команды.
Требования:
— От 4 лет коммерческого опыта в Python и backend, от 1 года в продуктовой команде;
— Уверенные знания asyncio, очередей, кеширования, конкурентности;
— Практический опыт создания production-функционала на базе LLM, а не только использование ChatGPT;
— Опыт с OpenAI API или другими LLM API;
— Знания prompt engineering, tool calling, RAG, caching, context management;
— Опыт с embeddings, vector search, agentic workflows;
— Навыки тестирования и evals;
— Понимание production-проблем: latency, стоимость, rate limits, hallucinations, retries, observability;
— Уверенная работа с REST API сторонних сервисов, webhooks и внешними сервисами;
— Опыт интеграций с CRM, особенно amoCRM и/или Bitrix24;
— Самостоятельность и ownership: умение довести размытую бизнес-задачу до работающего production-решения, видеть системные проблемы и помогать команде расти.
Будет плюсом:
— Опыт B2B/Enterprise-внедрений, highload и event-driven систем;
— Собственные AI-проекты и опыт работы в стартапах.
Условия:
— Работа в быстрорастущем AI-стартапе;
— Влияние на продукт, архитектуру и процессы;
— Разнообразные задачи, крупные клиенты и короткий путь от идеи до production;
— Быстрый карьерный рост.
Команда SberNBA занимается тремя большими направлениями: платформа коммуникаций и персональных предложений Сбера, поведенческая foundation model человека, бизнес направление коммуникаций от потребности клиента. Цель команды – сделать управление коммуникациями проще и эффективнее за счет гибкости платформенных инструментов и GenAI, моделировать поведение человека на краткосрочном и долгосрочном горизонте и использовать эти данные в бизнес-процессах банка, помогать человеку закрывать потребности быстрее и проще.
Обязанности:
— развивать команду и компетенции трайба на уровне DS экспертизы;
— строить, развивать и реализовывать стратегию развития трайба в части ML/AI;
— участвовать в создании кампейн платформы нового поколения, основанного на агентах;
— развивать системы генерации персонализированного контента;
— развивать Foundation Model (трансформерная модель понимания клиента на основе его действий в банке и экосистеме Сбера) и рекомендательные модели.
Требования:
— 10+ лет в DS / 5+ лет в промышленных RecSys в крупных компаниях;
— интеграция LLM в RecSys (RAG / генерация текста офферов);
— опыт управления командой 10+ DS и развития ML экспертизы на уровне подразделения;
— успешный опыт реализации сложных и масштабных ML проектов с доказанным бизнес-эффектом;
— хорошие коммуникативные навыки, готовность договариваться и находить оптимальные решения;
— стратегическое мышление;
— амбициозность и ориентация на бизнес-результат.
Условия:
— комфортный современный офис рядом с м. Кутузовская;
— ежегодный пересмотр зарплаты и годовая премия;
— корпоративный спортзал и зоны отдыха;
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития;
— расширенный ДМС, льготное страхование для семьи 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:
— проектировать и разрабатывать backend-сервисы и RESTful API (Python/Django)
— строить agentic-пайплайны на LangChain, LangGraph, n8n и аналогичных инструментах
— собирать и обрабатывать данные из внутренних систем (jira, confluence, продуктовые реестры, аналитические платформы)
— строить ETL/ELT-пайплайны на Python/Pandas/NumPy, в том числе потоковые данные через Kafka
— готовить данные для обучения/дообучения моделей и базово настраивать/оценивать качество ML/LLM-компонентов совместно с профильными специалистами
— разворачивать и эксплуатировать сервисы в закрытом контуре (production-инфраструктура внутри периметра безопасности, без выхода во внешний интернет): Docker, Kubernetes, CI/CD
— принимать архитектурные решения по сервисам и агентным пайплайнам — тестирование, код-ревью
— взаимодействовать с продуктовыми и инженерными командами при формировании требований и внедрении агентных и аналитических инструментов в рабочие процессы
— готовить дашборды и рекомендации для управленческих решений по приоритизации и балансировке портфеля продуктов.
Требования:
— от 3 лет опыта в backend-разработке с выводом решений в production
— опыт построения агентных систем — обязателен
— опыт самостоятельного проектирования архитектуры backend-сервисов и агентных пайплайнов, готовность нести ответственность за принятые технические решения
— Python — продвинутый уровень; Django, RESTful API
— SQL, опыт работы с реляционными и NoSQL хранилищами
— LangChain, LangGraph, MCP servers, опыт с n8n или аналогами; понимание RAG-архитектур, embeddings, векторных баз данных
— Pandas, NumPy, Kafka — обработка табличных и потоковых данных, ETL/ELT на больших объемах
— Docker, Kubernetes, CI/CD — уверенный пользовательский уровень.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— гибридный формат работы
— 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.
Требования:
— Гражданство и локация РФ.
— Опыт работы в QA от 5 лет.
— Опыт автоматизации тестирования от 3 лет.
— Хороший практический опыт автоматизации на Python.
— Опыт с LLM и RAG является обязательным.
— Знание Pytest, xdist, Playwright, CI/CD, Kafka, SQLAlchemy.
— Опыт тестирования API.
— Обязателен опыт тестирования AI-систем, LLM и RAG-систем.
Задачи на проекте:
— Разработка и поддержка автотестов на Python.
— Написание и поддержка тестов на Pytest.
— Параллельный запуск тестов с использованием xdist.
— Автоматизация UI-тестирования с Playwright.
— Тестирование API.
— Работа с Kafka.
— Работа с SQLAlchemy и базами данных.
— Интеграция автотестов в CI/CD.
— Тестирование AI-систем, LLM-решений, RAG-систем и RAG-пайплайнов.
— Анализ результатов тестирования и выявление дефектов.
Описание проекта:
Автоматизация тестирования с использованием Python и современных инструментов QA. Ключевое направление проекта — тестирование AI-систем, включая решения на базе RAG и LLM.
Условия:
— Удалённая работа.
— Вилка зарплаты до 146 000 ₽ на руки.
О компании:
Работаем в ИТ-области более 10 лет, занимаемся разными видами тестирования, даём возможность руководителям проектов не беспокоиться за свои релизы.
Задачи:
— Построить с нуля переиспользуемое ядро продукта: документы → граф знаний → гибридный поиск → ответ со ссылкой на пункт и статусом редакции.
— Отвечать за архитектуру и разработку.
— Первая цель — MVP.
Обязанности:
— Архитектура ядра.
— Работа с данными.
— Резолвинг перекрёстных ссылок, версионность и статусы актуальности документов.
— Hybrid retrieval.
— Graph RAG.
— Evaluation.
— Поставка.
— Техлидерство.
Требования:
— 5+ лет backend-разработки на Python, из них 2+ года с LLM/RAG в продакшене (в идеале).
— Графовые базы данных, моделирование онтологий.
— Векторные базы данных, гибридный поиск, реранкинг.
— LLM.
— Опыт поставки в закрытые контуры.
— Опыт руководства.
Плюсом:
— GraphRAG, entity extraction/resolution.
— Внедрения в промышленности или проектных институтах.
— React/TypeScript для интерфейса и админки.
Условия:
— Удалённая работа по России.
— Гибкий график: 5/2 с 10:00 до 19:00 по Москве, с возможностью подстроить часы работы.
— Клубы по интересам, летний выезд на природу AGIMA Camp, корпоративные вечеринки с возможностью приглашать семью.
— Поддержка в создании личного бренда для профессионального роста.
— Бесплатные билеты на забег для IT-специалистов RUNIT.
— ДМС со стоматологией.
— Оформление по ГПХ с физлицом.
Задачи:
— Проводить security review AI/LLM-решений: LLM-приложений, AI-агентов, RAG, векторных БД, интеграций с внешними API и облачными LLM;
— Участвовать в threat modeling AI-решений: prompt injection, jailbreak, утечки данных, небезопасные tool calls, избыточные привилегии AI-агента, RAG/data poisoning;
— Проверять наличие и корректность защитных механизмов: guardrails, фильтры персональных данных, ограничения длины prompt/response, rate limiting, валидация ответов, контроль вызовов tools;
— Оценивать безопасность работы с данными: персональные данные, конфиденциальная информация, источники данных для RAG, embeddings, индексы векторных БД;
— Проверять, что AI-агенты работают по принципу минимально необходимых привилегий и не выполняют чувствительные операции без ручного подтверждения;
— Проверять изоляцию пользовательских сессий, контекстов и памяти AI-решений;
— Участвовать в проверке безопасности локального запуска LLM в Kubernetes: контейнеры, RBAC, secrets, network policies, ingress, resource limits;
— Формировать требования к логированию, аудиту и трассировке AI-решений: trace ID, логи prompt/response, вызовы модели, вызовы tools, действия AI-агента;
— Разрабатывать тестовые сценарии для проверки AI-решений на prompt injection, утечки данных, обход ограничений и небезопасное поведение агента;
— Помогать командам разработки и эксплуатации безопасно использовать локальные и облачные LLM.
Требования:
— Опыт в кибербезопасности от 2–3 лет в одной или нескольких областях: Application Security, DevSecOps, Cloud Security, Kubernetes Security, API Security, Product Security;
— Понимание принципов security review, threat modeling и безопасной разработки;
— Понимание web/API-безопасности: аутентификация, авторизация, OAuth2/OIDC, SAML, JWT, RBAC, service-to-service-взаимодействие;
— Базовое понимание AI/LLM-стека: LLM, prompt, system prompt, context window, embeddings, RAG, vector database, AI-agent, agent memory, tools/function calling;
— Понимание основных рисков LLM-приложений: prompt injection, indirect prompt injection, jailbreak, утечка чувствительных данных, раскрытие system prompt, небезопасная обработка ответа модели, excessive agency;
— Понимание особенностей безопасности RAG и векторных БД: например, Milvus, Qdrant, Weaviate, pgvector, Chroma, Elasticsearch/OpenSearch vector search;
— Понимание рисков работы с персональными и конфиденциальными данными при использовании локальных и облачных LLM;
— Базовое понимание Kubernetes и контейнерной безопасности: secrets, service account, RBAC, network policy, resource limits;
— Умение формулировать понятные и проверяемые требования безопасности для продуктовых команд.
Что мы ищем в кандидатах:
— Опыт security review AI/LLM, RAG, чат-ботов, AI-ассистентов или агентских решений;
— Знакомство с OWASP Top 10 for LLM Applications, OWASP Agentic AI Threats, MITRE ATLAS, NIST AI RMF;
— Понимание безопасности agent tools/function calling: allowlist tools, схемы входных параметров, контроль прав, human-in-the-loop;
— Опыт работы с SIEM/security logging: проектирование событий безопасности, аудит действий, расследование инцидентов;
— Понимание подходов к безопасному исполнению кода, сгенерированного моделью: sandbox, изоляция контейнеров, запрет доступа к secrets, ограничения сети и ресурсов;
— Базовые навыки Python, работы с JSON/YAML, API-тестирования или автоматизации security checks.
Будет плюсом:
— Опыт с OpenAI/Azure OpenAI, AWS Bedrock, Google Vertex AI, Anthropic или другими LLM-провайдерами;
— Опыт с локальными open-source LLM и inference-сервисами;
— Опыт настройки или проверки guardrails, фильтров персональных данных, DLP-подходов, content moderation;
— Опыт участия в AI red teaming или разработке тестов на prompt injection и data leakage.
Условия:
— Формат: Гибридный (от 2-х дней в неделю, м. Технопарк);
— Бесплатный доступ к телемедицине и очным приемам в частных клиниках (включая стоматологию и сессии с психологами);
— Условия ипотечного кредитования от Сбербанка;
— Индивидуальный план развития;
— Английский язык с корпоративным преподавателем и скидки на курсы в Skyeng, компенсация обучения от ведущих платформ;
— Официальное оформление, стабильные выплаты, оплата больничного и отпуска, современная техника;
— Частичная компенсация спортивного абонемента, бесплатные занятия сквошем и футболом.
Проект:
В связи с расширением штата ищем backend разработчика с 5+ лет опытом PHP и Go
Стек/навыки:
PHP, Go
SQL, REST API
Docker, Git, Linux
Redis / Kafka
Highload / distributed systems
AI-инструменты: Cursor, Claude Code, Codex
LLM API / RAG — плюс
Задачи: backend-сервисы, API, интеграции, рефакторинг, работа с AI-функциональностью и production.
Задачи:
— Работа с Docker и системами оркестрации контейнеров Kubernetes
— Управление конфигурациями с помощью Ansible, ArgoCD и инструментов IaC Terraform
— Построение CI/CD пайплайнов с использованием GitLab CI и Jenkins
— Работа с системами мониторинга и логирования: Prometheus, VictoriaMetrics, Grafana, Loki, ELK
— Администрирование Linux и сетевые взаимодействия в микросервисной архитектуре
— Изучение новых технологий (мультиагентные фреймворки, RAG, MCP) и предложение улучшений
— Понимание жизненного цикла AI-агентов и ML-моделей
— Разработка и развертывание автономных AI-агентов с использованием MCP, RAG
— Работа с платформами для оркестрации агентов и serverless-средами
— Интеграция корпоративных систем (OneWork, SberSpace)
— Интерес к искусственному интеллекту и агентным системам
Условия:
— Работа в стабильной компании с официальным трудоустройством по ТК РФ с первого дня
— "Белая" заработная плата
— Расширенный социальный пакет: ДМС (включая стоматологию), корпоративные скидки на фитнес, спортивные секции
— Профессиональное обучение и развитие
— Современная техника, мощный ноутбук предоставляется в день оформления
— Формат работы: строго офис, Москва
Задачи:
— исследование данных с использованием state-of-the-art (SOTA) подходов
— разработка моделей машинного обучения в области NLP и NER
— автоматизация и оптимизация процесса продаж инструментов глобальных рынков
— осуществление fine-tuning’a LLM
— имплементация RAG’ов на основе данных Банка
— развитие платформы по использованию и развитию LLM
— интеграция LLM в бизнес-процессы подразделения
— интеграция API, сервисов, построение пайплайнов моделей.
Требования:
— высокий уровень математического аппарата - математический анализ, линейная алгебра, теория вероятностей
— предпочтителен опыт в финансовой сфере, финтехе или области анализа данных (от 3- х лет)
— детальное понимание моделей машинного обучения и алгоритмов
— опыт управления проектами и взаимодействия со смежными командами
— глубокое понимание инструментов финансового рынка является дополнительным преимуществом
— уверенное владение Python
— опыт в разработке NLP моделей или компьютерной лингвистике
— инструментальное владение AI для анализа, генерации и автоматизации.
Условия:
— формат работы - офис (ст.м. Ленинский проспект)
— ежегодный пересмотр зарплаты и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
— расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
— бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— Получать задачи от внутренних заказчиков и погружаться в их бизнес-процессы.
— Выявлять, какие процессы можно и целесообразно автоматизировать с помощью AI.
— Формировать ТЗ, декомпозировать задачи и предлагать варианты реализации.
— Проектировать структуру AI-автоматизации и самостоятельно реализовывать решения.
— Работать с Claude, ChatGPT и другими LLM.
— Создавать AI-ассистентов, AI-агентов и базы знаний.
— Настраивать интеграции с CRM, 1С, сайтами, мессенджерами, телефонией и другими системами.
— Работать с API, RAG, embeddings и автоматизированными workflow.
— Тестировать, дорабатывать и повышать качество AI-решений.
— Описывать готовые решения, создавать инструкции и базу знаний.
— В перспективе выстраивать процессы разработки и управлять командой AI-разработчиков.
Требования:
— Опыт работы в AI / AI Automation / Backend / Integration от 3 лет.
— Практический опыт работы с Claude, ChatGPT и LLM.
— Опыт создания AI-решений и автоматизации бизнес-процессов.
— Понимание API, интеграций, RAG, embeddings, AI-агентов.
— Системное мышление и способность самостоятельно разобраться в новой задаче.
— Умение общаться с бизнес-заказчиками и переводить их запросы в техническое ТЗ.
— Навык самостоятельно вести задачу от постановки до готового результата.
— Ответственность за качество и результат внедрения.
Будет плюсом:
— Python, SQL/PostgreSQL, n8n, Make, Docker, MCP, опыт создания AI-агентов, CRM/1С и опыт управления разработчиками.
Условия:
— Офис в Москве, рядом с м. ЦСКА.
— График 5/2: 09:00–18:00 или 10:00–19:00.
— Заработная плата обсуждается по итогам собеседования.
— Реальные задачи по внедрению AI в бизнес, возможность видеть результат своей работы.
— Возможность влиять на технологии и формировать AI-направление внутри компании.
— Перспектива роста в Team Lead / руководителя направления.
— Профессиональная команда и возможности для развития.
— Современный офис класса А.
— Скидки на услуги компании.
Онлайн-сервис Гритис — персональный ассистент в сфере подарков и поздравлений, помогает формулировать индивидуальные поздравления и подбирать подарки-впечатления. Техническая часть (бэкенд на PHP/WordPress, RAG-модель, каркас чата) реализована и работает. Проект на этапе MVP, разовая проектная работа с возможными доработками.
Задачи:
— Разработка ультра-минималистичного Borderless-дизайна интерфейса диалогового окна чата в стиле Google Gemini (AI Mode), включая дизайн пузырей сообщений, многострочной зоны ввода, иконок управления и анимации ожидания ответа ИИ.
— Отрисовка премиального e-commerce контейнера для интерактивных карточек подарков с акцентом на цену, галерею, иконки триггеров и кнопки «Купить в 1 клик» и «Перейти к партнеру».
— Дизайн экрана быстрых ответов с интерактивными горизонтальными кнопками-чипсами для выбора параметров.
— Дизайн страницы каталога подарков с боковым AJAX-фильтром (совместимость с FacetWP) и поп-апа перенаправления на сайты партнеров.
Требования:
— Опыт UX/UI от 2-3 лет с портфолио аккуратных интерфейсов (чаты, личные кабинеты, мобильные приложения, e-commerce).
— Понимание веб-верстки, макеты должны легко переноситься на Elementor Pro.
— Работа в Figma по чистым компонентам, автолейаутам и стилям.
Условия:
— Разовая проектная задача с фиксированной оплатой, бюджет и сроки обсуждаются после предложения кандидата.
— При успешном выполнении возможен приоритет на долгосрочное сотрудничество с добавлением новых функций и кастомизацией персонажей.
После отклика кандидатам высылается полное техническое задание с описанием логики, шапкой сайта, брейкпоинтами адаптивности, размерами и требованиями к форматам экспорта графики (SVG, WebP, Lottie JSON).
Задачи:
— Руководить командой Computer Vision Engineers
— Проектировать архитектуру production AI-систем
— Менторить инженеров и проводить code review
— Декомпозировать задачи и контролировать качество реализации
— Разрабатывать пайплайны обработки десятков и сотен RTSP-потоков
— Оптимизировать инференс на GPU и CPU
— Принимать ключевые технические решения
— Участвовать в найме и развитии AI-команды
Основной стек:
Python, PyTorch, OpenCV, YOLO, RTSP, GStreamer, NVIDIA DeepStream, TensorRT, Triton Inference Server, ONNX, OpenVINO, CUDA, FastAPI/gRPC, Docker и Kubernetes.
Что важно:
✅ Сильный коммерческий опыт в Computer Vision и Video Analytics
✅ Опыт технического лидерства или менторства
✅ Запуск production AI-систем
✅ Уверенное знание Python, PyTorch, OpenCV и YOLO
✅ Практический опыт с RTSP, GStreamer, DeepStream и TensorRT
✅ Оптимизация моделей через ONNX, TensorRT, OpenVINO, CUDA или Quantization
✅ Понимание высоконагруженной обработки видеопотоков
✅ Умение принимать и аргументировать архитектурные решения
Будет плюсом:
➕ Triton Inference Server
➕ C++ и CUDA
➕ Kafka и потоковая обработка данных
➕ MLflow и MLOps
➕ ViT, DETR, Swin и Video Transformers
➕ VLM, RAG, LangGraph, vLLM и Function Calling
➕ Опыт найма и формирования AI-команд
Предлагаем влияние на архитектуру и технологический стек, сильную инженерную команду и работу над высоконагруженной системой промышленного уровня.
ОфисleadАстана
700 000 – 1 700 000 ₸
ГибридmiddleМосква
Зарплата не указана
Все вакансии в одном месте — страница 4 · Job Hunters