Задачи:
— Находить боли в процессах продаж, производства, закупок и тендеров, где ИИ может дать быстрый эффект.
— Ставить задачи с определением входных и выходных данных, критериев готовности, метрик успеха и границ.
— Делать решения с помощью Claude: создавать промпты, пайплайны, при необходимости использовать RAG, работать с данными и API, интегрировать с CRM, телефонией и почтой.
— Внедрять решения на сервере, проверять на боевых данных, следить за качеством и стоимостью.
— Обучать пользователей, объяснять и снимать сопротивление для реального использования инструментов.
— Переключаться между проектами, например, сводка по звонкам или помощник по тендерам.
Требования:
— Опыт аналитика, продакта или AI-инженера от примерно 2 лет с доведением задач до результата.
— Практический опыт создания решений с помощью ИИ (Claude, ChatGPT, Cursor), включая автоматизацию, ботов, скрипты, интеграции.
— Навыки промпт-инжиниринга и понимание работы LLM, их возможностей и ограничений.
— Умение читать и править Python, работать с API и писать простой SQL.
— Знания Linux и Docker: работа с консолью, контейнерами, развёртыванием сервисов, чтение логов.
— Грамотный русский язык и умение понятно объяснять как бизнесу, так и техническим специалистам.
Будет плюсом:
— Программирование сверх базового уровня.
— Опыт с RAG и векторными базами данных.
— Знание n8n, Make, LangChain.
— Опыт с речевой аналитикой.
— Опыт работы с Odoo, 1С, CRM, телефонией.
— Понимание 152-ФЗ и работы с персональными данными.
Условия:
— Работа в команде с архитектором и аналитиками, прямой доступ к заказчикам.
— AI-first среда с ежедневным использованием Claude, собственным сервером разработки и песочницей для экспериментов без согласования.
— Реальное влияние: инструменты внедряются в продакшн и используются подразделениями группы.
— Возможности роста до ведущего AI-аналитика или владельца направления AI-продуктов.
Задачи:
— разработка LLM агентов
— создание логики работы и взаимодействия агентов
— дообучение NLP моделей
— создание RAG систем
— вывод и сопровождение моделей
— написание API для выводимых моделей.
Требования:
— знания в области математики, data science
— владение Python (pandas, numpy, torch, fastapi, langchain, etc)
— знание SQL, spark
— приветствуется опыт работы с git, docker
— опыт работы с NLP пайплайнами.
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:
— Разработка от исследования до прода, включая совместную с командой проработку архитектуры, выбор подходов и библиотек, декомпозицию задач.
— Поддержка и развитие существующей кодовой базы: рефакторинг, оптимизация производительности, устранение техдолга.
— Code review, менторинг junior-разработчиков.
— Быстрое прототипирование новых идей и концептов (PoC / MVP).
— Реализация пилотных интеграций: сторонние сервисы, AI API, новые UI-паттерны.
— Настройка A/B-тестов и feature flags для валидации гипотез на реальных пользователях.
— Сбор и анализ метрик по результатам пилотов — формирование выводов для принятия решений о масштабировании.
— Итеративная доработка пилотов до production-ready состояния при положительных результатах.
Требования:
— Коммерческий опыт frontend-разработки от 5+ лет.
— Отточенный навык писать чистый и поддерживаемый код с соблюдением стандартов кодирования.
— Продвинутые знания и практический опыт работы с TypeScript.
— Глубокое понимание React и его экосистемы.
— Уверенный опыт адаптивной и кроссбраузерной вёрстки.
— Опыт декомпозиции на переиспользуемые компоненты и модули.
— Понимание паттернов проектирования (композиция, HOC, render props, compound components).
— CI/CD — понимание пайплайнов, деплоя фронтенда.
Будет плюсом:
— Знание основ Docker/Docker Compose/K8n.
— Опыт с дизайн-системами и компонентными библиотеками (Storybook).
— Понимание основ UX/UI.
— Опыт использования AI-ассистентов для разработки (Claude Code, GitHub Copilot, Cursor).
— Понимание возможностей LLM API (OpenAI, Anthropic) и опыт интеграции в продукт.
— Знакомство с RAG-паттернами, embeddings, vector databases.
— Опыт создания AI-powered фич в пользовательских интерфейсах (чат-боты, автокомплит, генерация контента).
Условия:
— Оформление в соответствии с ТК РФ (ТД или ИП).
— Формат работы: удаленно, с возможностью посещения офиса в Москве для получения техники и решения проблем с оборудованием.
— Своевременная заработная плата, выплачивается 2 раза в месяц, сумма обсуждается на собеседовании.
— График 5/2 с 9:00 до 18:00; выходные — суббота и воскресенье.
— ДМС и стоматология после испытательного срока.
— Предоставление техники (MacBook).
— Компания входит в список IT лицензированных аккредитованных компаний.
— Отсутствие бюрократии, прозрачность, быстрое принятие решений, уважение к каждому члену команды.
— Поддержка в значимых событиях.
УдалённоseniorМосква
230 000 – 245 000 ₽
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— Переводить бизнес-задачи в архитектурные и технические решения
— Развивать AI-продукты, интеграции, новые каналы и источники данных
— Определять затрагиваемые компоненты, API, контракты, модели данных и бизнес-семантику
— Декомпозировать разработку на проверяемые задачи для AI coding agents
— Проверять сгенерированный код, проводить code review, тестирование и выпуск изменений
— Отвечать за стабильность, безопасность и конечный результат
Требования:
— Опыт промышленной разработки от 3 лет
— Бэкграунд в аналитике данных, BI или системном анализе
— Умение работать с бизнес-требованиями, метриками, моделями данных и интеграционными контрактами
— Практический опыт промпт-инжиниринга: проектирование, тестирование и оптимизация промптов для LLM, построение многошаговых AI-флоу и достижение стабильного качества ответов
— Практический опыт с LLM, AI-агентами, RAG, tool calling, structured outputs и MCP
— Уверенное знание TypeScript или Python, API, SQL, Git, CI/CD и автоматизированного тестирования
— Понимание принципов работы современных языковых моделей, ограничений LLM и способов повышения качества генерации
— Системное мышление, самостоятельность и ответственность за продукт целиком
Будет преимуществом:
— Опыт создания и оптимизации сложных промптов для различных AI-сценариев (reasoning, extraction, generation, classification)
— Опыт создания evals, guardrails и контроля качества AI-ответов
— Опыт работы с React, Telegram-ботами, BI-платформами и семантическими слоями
Условия:
— Конкурентную заработную плату (обсуждается индивидуально)
— Профессиональный рост и участие в масштабных проектах
— Работу в крупном холдинге с активной цифровой трансформацией
— Сильную ИТ-команду и поддержку руководства
— Необходимость краткосрочного приезда в солнечный Ташкент для оформления
Задачи:
— Переводить бизнес-задачи в архитектурные и технические решения
— Развивать AI-продукты, интеграции, новые каналы и источники данных
— Определять затрагиваемые компоненты, API, контракты, модели данных и бизнес-семантику
— Декомпозировать разработку на проверяемые задачи для AI coding agents
— Проверять сгенерированный код, проводить code review, тестирование и выпуск изменений
— Отвечать за стабильность, безопасность и конечный результат
Требования:
— Опыт промышленной разработки от 3 лет
— Бэкграунд в аналитике данных, BI или системном анализе
— Умение работать с бизнес-требованиями, метриками, моделями данных и интеграционными контрактами
— Практический опыт промпт-инжиниринга: проектирование, тестирование и оптимизация промптов для LLM, построение многошаговых AI-флоу и достижение стабильного качества ответов
— Практический опыт с LLM, AI-агентами, RAG, tool calling, structured outputs и MCP
— Уверенное знание TypeScript или Python, API, SQL, Git, CI/CD и автоматизированного тестирования
— Понимание принципов работы современных языковых моделей, ограничений LLM и способов повышения качества генерации
— Системное мышление, самостоятельность и ответственность за продукт целиком
Будет преимуществом:
— Опыт создания и оптимизации сложных промптов для различных AI-сценариев (reasoning, extraction, generation, classification)
— Опыт создания evals, guardrails и контроля качества AI-ответов
— Опыт работы с React, Telegram-ботами, BI-платформами и семантическими слоями
Условия:
— Конкурентную заработную плату (обсуждается индивидуально)
— Профессиональный рост и участие в масштабных проектах
— Работу в крупном холдинге с активной цифровой трансформацией
— Сильную ИТ-команду и поддержку руководства
— Необходимость краткосрочного приезда в солнечный Ташкент для оформления
Задачи:
• Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости
• Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию
• Определение ML SysDes решения с учетом разрешенного технологического стека
• Участие в валидации и автомониторинге моделей, проведение A/B тестирования
Требования:
• Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.)
• Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов
• Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений
• Умение переводить бизнес-постановку задачи в ML-постановку
• Высокий уровень владения Python и SQL
• Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers
• Знание принципов построения RAG, VisionRAG и AgenticRAG систем
• Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5)
• Знание агентных архитектур (ReAct, Multi-agent и др.)
• Знание фреймворков для работы с LLM (LangChain, LangGraph и др.)
• Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker)
• Понимание жизненного цикла моделей (CRISP-DM)
Условия:
• Гибкий гибрид (обсуждаем индивидуально)
• Современный IT-офис вблизи Москва-Сити с фитнес-залом
• Ипотека с выгодой для сотрудника и льготные условия кредитования
• Бесплатная подписка СберПрайм+
• Скидки на продукты компаний-партнеров
• ДМС с первого дня и льготное страхование для близких
• Корпоративная пенсионная программа
• Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию
• Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
Задачи:
— Разворачивать и обслуживать Kubernetes-кластеры (OpenShift, BareMetal).
— Строить и поддерживать CI/CD-пайплайны (GitLab CI, Jenkins, TeamCity) от коммита до прода.
— Администрировать с-системы, виртуализацию и сети.
— Работать с инфраструктурным стеком: Docker, Ansible, PostgreSQL, Kafka/RabbitMQ, Vault.
— Настраивать и развивать системы мониторинга (Prometheus, Grafana) и логирования (ELK).
— Автоматизировать рутину на Bash/Python.
Требования:
— Официальный опыт работы в роли DevOps от 3 лет.
— Понимание специфики жизненного цикла AI-агентов или ML-моделей.
— Практический опыт разработки и развертывания автономных AI-агентов с использованием базового окружения (MCP, RAG).
— Опыт работы с Kubernetes (установка, обновление, управление).
— Практические навыки по настройке CI/CD, сборке артефактов (Harbor, Nexus).
— Глубокое понимание Linux, сетей, балансировки (Nginx/Haproxy).
— Знание принципов работы контейнеров, СУБД, брокеров сообщений.
Условия:
— Работа в офисе Москвы (удаленки и гибрида нет).
— Работа в стабильной компании, "белая" заработная плата.
— Оформление в соответствии с ТК РФ с первого дня работы.
— Расширенный социальный пакет: ДМС (включая стоматологию), корпоративные скидки на посещение фитнес-клубов, футбольная и волейбольная секции.
— Профессиональное обучение и развитие.
— Снабжение всей необходимой современной техникой: мощный ноутбук привезут прямо в день оформления.
Задачи:
— создание и развитие решений с задействованием LLM-агентов (полноценные мультиагентские системы)
— создание RAG-систем
— разработка и поддержка ML/DL моделей, включая их обновление и адаптацию к меняющимся условиям и требованиям бизнеса
— дообучение и адаптация открытых LLM
— создание системы мониторинга качества моделей и контроль их эффективности.
Требования:
— опыт работы от 3-х лет в коммерческой разработке на позиции Data Scientist / ML Engineer с подтверждённым опытом вывода моделей в продакшен
— понимание математики классического ML и архитектуры нейросетей (PyTorch/TF)
— уверенное понимание архитектуры трансформеров, опыт работы с LLM API и локальными моделями через PyTorch / Hugging Face
— уверенный Python (чистый код, ООП, знание numpy/pandas/scikit-learn) и понимание принципов микросервесной архитектуры (Asyncio, FastAPI)
— опыт создания агентов на LangChain/LangGraph
— знание основных концепций промпт-инжиниринга и использования Structured Outputs и Function Calling
— опыт проектирования и развития RAG-систем (Multi-stage Retrieval, Dense + Sparse/BM25, Rerankers, Chunking strategies)
— опыт развертывания локальных open-source моделей (Llama, Mistral, Qwen, DeepSeek и др.) в продакшн-окружении и настройки высокопроизводительного инференса LLM с помощью vLLM
— опыт проведения Fine-tuning LLM-моделей (PEFT, LoRA/QLoRA)
— настройка мониторинга data drift и model decay, а также валидация моделей
— навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом
— опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов
— инструментальное владение AI для анализа, генерации и автоматизации.
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
— полностью офисный 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
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— Разработка сервисов ИИ платформы для создания функциональных агентов и ИИ ассистентов.
— Подготовка бэк части для функциональных агентов, включая среду разработки агентов: тестирование фреймворков, opensource агенты.
— Разработка сервиса управления реестром и скиллами агентов.
— Создание отдельного единого сервиса для всех баз знаний, интеграция крупных корпоративных источников.
Требования:
— Понимание архитектуры, возможностей и ограничений современных языковых моделей.
— Опыт работы с embeddings, vector search, RAG, structured output и tool calling.
— Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop.
— Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы.
— Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента.
— Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков.
— Умение оценивать стоимость, latency и масштабируемость LLM-решений.
— Опыт работы в e-commerce, retail или других продуктовых highload-системах.
— Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.
— Опыт эксплуатации GPU-инфраструктуры и оптимизации inference.
— Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT.
— Опыт проектирования agentic workflows или multi-agent-систем.
— Понимание принципов информационной безопасности, privacy и работы с персональными данными.
Условия:
— full-time
Вакансия предполагает работу на позиции Senior Data Science специалиста с полной занятостью и удалённым форматом в России. Основные задачи включают разработку сервисов для ИИ платформы, предназначенной для создания функциональных агентов и ИИ ассистентов, а также подготовку серверной части для таких агентов, включая тестирование фреймворков и работу с opensource агентами. В обязанности также входит создание сервиса управления реестром и навыками агентов, а также разработка единого сервиса для баз знаний с интеграцией крупных корпоративных источников. Кандидат должен хорошо разбираться в архитектуре и ограничениях современных языковых моделей, иметь опыт работы с embeddings, vector search, RAG, structured output и tool calling. Важны знания принципов проектирования AI-агентов, включая управление состоянием и контекстом, выбор инструментов, контроль автономности и human-in-the-loop. Требуется опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения, а также понимание рисков, связанных с prompt injection, некорректным tool calling, утечкой данных и избыточными правами доступа. Необходим опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков, умение оценивать стоимость, задержки и масштабируемость LLM-решений. Желателен опыт в e-commerce, retail или других высоконагруженных продуктовых системах, а также владение инструментами Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. Кандидат должен иметь опыт эксплуатации GPU-инфраструктуры и оптимизации inference, а также fine-tuning или адаптации LLM, включая LoRA/PEFT. Опыт проектирования agentic workflows или multi-agent систем и понимание принципов информационной безопасности, конфиденциальности и работы с персональными данными также обязательны.
Задачи:
• Формировать AI-стратегию и roadmap бизнес-направления.
• Находить наиболее перспективные точки применения AI.
• Самостоятельно запускать первые прототипы и AI-пилоты.
• Быстро проверять гипотезы и показывать первые измеримые результаты.
• Создавать AI-агентов, RAG-решения и AI-автоматизации.
• Формировать и приоритизировать портфель AI-инициатив.
• Совместно с FDE и AI-командой доводить успешные пилоты до production и масштабирования.
• Переосмысливать бизнес-процессы с учетом возможностей AI.
• Работать с руководителями бизнес-направлений и защищать AI-инициативы.
• Следить за развитием AI-технологий и применять новые подходы в реальных бизнес-кейсах.
Требования:
• 7+ лет профессионального опыта в технологиях, AI/ML, разработке продуктов или digital transformation.
• Практический опыт запуска AI/ML или технологических продуктов.
• Сильное понимание LLM, Generative AI, AI Agents и RAG.
• Способность самостоятельно собрать работающий AI-прототип.
• Product mindset и ориентация на быстрый результат.
• Стратегическое мышление и способность формировать AI-roadmap.
• Умение связывать технологии с конкретным бизнес-эффектом.
• Опыт работы с руководителями и топ-менеджментом.
• Высокая самостоятельность и ответственность за результат.
AI-инструменты и технические навыки:
• Практический опыт работы с OpenAI, Claude, Gemini, Llama, Qwen или аналогичными LLM.
• Работа с LLM API, Prompt Engineering, Tool/Function Calling.
• Создание AI-агентов с использованием LangChain, LangGraph, LlamaIndex или аналогов.
• Практическое понимание RAG, embeddings, vector databases.
• Использование AI coding-инструментов: Codex, Cursor, Claude Code или аналогов.
• Python, REST API, SQL — на уровне, достаточном для самостоятельного создания прототипов.
• Опыт работы с n8n, Make или другими инструментами автоматизации.
• Понимание принципов работы и ограничений LLM, стоимости моделей и вопросов безопасности корпоративных данных.
Кого мы ищем:
• Не классического бизнес-аналитика или координатора.
• Нужен человек, который способен: понять бизнес → увидеть возможность применения AI → самостоятельно собрать первый пилот → показать результат → сформировать roadmap → масштабировать решение вместе с командой.
Главный результат:
• Быстрые первые победы и последующая системная AI-трансформация бизнес-направления.
Задачи:
— Разрабатывать повторно используемые паттерны для агентных сервисных рабочих процессов, оркестрации, протоколов HITL, логики переопределения и эскалации, механизмов обеспечения качества, чтобы разработчики могли собирать решения из проверенных компонентов
— Устанавливать стандарты, которым следуют разработчики, достаточно конкретные для применения без вашего участия
— Избирательно прототипировать рабочие процессы для проверки паттернов, выявления пробелов или решения сложных задач, затем выделять повторно используемые части и передавать их
— Внедрять полученные знания из каждого проекта обратно в общие паттерны для повышения скорости и безопасности
— Влиять на продуктовую команду, формируя приоритеты и конкретные запросы на разработку, основанные на данных и опыте разработчиков
— Прототипировать решения для пробелов в платформе, доказывая необходимость их создания
— Оценивать возможности автоматизации по объему, риску и влиянию на клиента, используя SOP, операционные метрики и данные взаимодействий
— Работать с командой данных для определения метрик производительности рабочих процессов
— Определять процессы, которые не должны быть автоматизированы
— Обеспечивать качество, включая участие в юридических, безопасностных и комплаенс-ревью, чтобы требования были заложены в паттерны
— Представлять результаты портфеля старшим заинтересованным сторонам кратко и эффективно
Требования:
— Более 8 лет опыта в операциях, продукте или AI, включая минимум 2 года в проектировании и внедрении AI-поддерживаемых или агентных рабочих процессов в продакшене
— Практический опыт работы с агентными инструментами, оркестрационными фреймворками или интеграциями MCP, включая координацию нескольких агентов
— Глубокое понимание LLM-систем: дизайн запросов, оценка и поведение моделей в масштабе
— Опыт проектирования систем с участием человека в цикле, с четкой логикой эскалации, контролем переопределения и соблюдением требований
— Умение определять и анализировать метрики рабочих процессов (уровень решения, сдерживание, качество эскалации) и отличать реальные регрессии от шума
— Успешный опыт влияния на продукт, инженерные, юридические, безопасностные и комплаенс-команды в письменной форме, на дизайн-ревью и в важных форумах
— Знакомство с практиками ответственного AI, управлением и управлением рисками в продакшене
— Опыт работы в условиях активного переопределения функций
Желательно:
— Опыт с архитектурами RAG и оптимизацией качества поиска
— Способность оценивать данные, качество и управление для поддержки надежной агентной работы
— Опыт работы в SaaS, финтехе или регулируемых средах с реальными ограничениями комплаенса
— Знакомство с процессами AI-управления или обзором безопасности
Условия:
— Годовая зарплата от $168,420 до $210,525 для Денвера и большинства крупных городов, от $197,895 до $247,369 для Сан-Франциско и Нью-Йорка
— Гибридный формат работы с офисами в Денвере, Сан-Франциско и Нью-Йорке, ожидание присутствия в офисе 2-3 дня в неделю
— Требование надежного и безопасного интернет-соединения при работе вне офиса
— Компания предоставляет конкурентную базовую оплату, льготы и акции (RSU)
— Равные возможности при найме и поддержка кандидатов с инвалидностью
Компания "Урал Логистика" приглашает AI-инженера для участия в создании собственной системы обработки документов и данных для грузовых железнодорожных перевозок и связанных услуг.
Задачи:
— Проектировать и разрабатывать конвейер обработки документов: загрузку, нормализацию, сегментацию, определение структуры и подготовку контекста
— Извлекать структурированные данные из договоров, приложений, дополнительных соглашений, актов и других связанных документов
— Работать с длинным контекстом, таблицами, пересекающимися формулировками и изменениями условий во времени
— Обеспечивать атрибуцию результата к документу, странице и исходному фрагменту
— Строить гибридный поиск: полнотекстовый и векторный retrieval, фильтрацию, реранкинг и сбор контекста
— Развивать графовое представление документов, сущностей и связей для поисковых и аналитических сценариев
— Проектировать агентные и workflow-сценарии: управление состоянием, инструментальные вызовы, повторы, fallback-механизмы и обработку отказов
— Создавать эталонные наборы, метрики по полям и регрессионные тесты для оценки извлечения, поиска и генерации — чтобы при смене модели, промпта или retrieval-стратегии было видно, что улучшилось, а что деградировало
— Разрабатывать Python-сервисы, API, фоновые задачи и интеграции с внутренними источниками
— Участвовать в выборе моделей, постановке экспериментов, fine-tuning и оптимизации локального inference
Требования:
— Уверенная промышленная разработка на Python уровня middle+ и выше
— Опыт с FastAPI или аналогичным фреймворком, асинхронным исполнением, очередями и фоновой обработкой
— PostgreSQL и SQL на рабочем уровне
— Практический опыт вывода LLM-решений в production
— Понимание RAG, structured output, tool calling и многошаговых модельных сценариев
— Умение измерять качество: строить эталонные наборы, выбирать метрики, классифицировать ошибки и проводить регрессионное тестирование
— Опыт с Docker, Kubernetes и CI/CD
— Готовность доводить вертикальную задачу от спецификации и эксперимента до эксплуатации
Условия:
— Полная занятость и возможность трудоустройства через российское юридическое лицо в штат или через согласованную аутстафф-модель
— Основной формат — офис или гибрид
— Для самостоятельных специалистов возможна распределённая работа из России
Итоговый грейд и масштаб ответственности определяются по результатам собеседования.
Задачи:
— Разработка Co-Pilot решений (RAG + LLM) и микросервисов в качестве MCP-инструментов.
— Проектирование и интеграция AI-агентов, Code Review и менторство.
— Участие в Scrum-процессах и проектировании архитектуры.
Требования:
— Коммерческий опыт на Python — от 4 лет.
— Опыт внедрения AI-агентов в пром (LangChain, LangGraph).
— Микросервисы, асинхронный Python, SOLID, PostgreSQL, Unit-тесты.
Будет плюсом:
— DDD, Kafka, Qdrant, OpenSearch.
— Навыки Vibe Coding, промпт-инжиниринга и AI-ассистентов (Cursor, Copilot).
О компании и продукте:
Компания занимается разработкой и поддержкой масштабной транспортно-логистической платформы-маркетплейса xPlanet, реализованной в контуре крупнейшего российского производителя подвижного состава для рельсового транспорта, компании Трансмашхолдинг (ТМХ). Платформа запущена в 2019 году, с 2020 года происходит декомпозиция монолитной Java-архитектуры в более чем 20 микросервисов на Golang, завершённая в 2024 году. В последние два года компания структурно трансформировалась, сформировав единую команду разработки с приоритетом на современные технологии и качественный delivery.
Задачи:
— Проектировать и разрабатывать микросервисы на Go
— Развивать существующие доменные сервисы: рефакторинг, оптимизация, ликвидация технического долга
— Проектировать схемы данных и миграции PostgreSQL с нулевым downtime
— Работать с асинхронным взаимодействием: топология Kafka, идемпотентность, гарантии доставки, обработка ошибок
— Отвечать за надёжность сервисов: метрики, структурные логи, трейсы, профилирование, разбор инцидентов
— Участвовать в декомпозиции задач и технических решениях команды
— Проводить code review, менторить менее опытных коллег, участвовать в технических интервью
Требования:
— От 5 лет коммерческой backend-разработки, из них от 3 лет на Golang
— Глубокое понимание Go: конкурентность (горутины, каналы, context), работа с памятью и GC, профилирование через pprof
— PostgreSQL на уровне проектирования схем и оптимизации: планы запросов, индексы, блокировки, уровни изоляции, миграции на живой базе
— Опыт проектирования и эксплуатации микросервисов: границы сервисов, версионирование API, идемпотентность, ретраи, таймауты, консистентность между сервисами
— Опыт работы с брокерами сообщений (Kafka или аналоги) и паттернами применения
— Знания Docker, Kubernetes, CI/CD пайплайнов
— Тестирование: unit, интеграционные (testcontainers или аналог), мутационные тесты, понимание покрытия на разных уровнях
— Умение довести задачу до продакшена самостоятельно: от уточнения требований до мониторинга после релиза
Работа с ИИ-инструментами:
— Ежедневное использование агентных ассистентов (Claude Code, Cursor, Continue.dev, Codex или аналоги)
— Умение ставить задачи модели: сбор контекста, границы и критерии приёмки, разбивка задач на проверяемые шаги
— Понимание, где ИИ ускоряет процесс, а где создаёт риски
— Критическая проверка сгенерированного кода и ответственность за результат
— Знание MCP-серверов, скиллов, RAG, подключение внешних инструментов к ассистенту
Будет плюсом:
— Опыт программирования на Kotlin (API gateway реализован на нём)
— Навыки работы с OpenTelemetry и стеком наблюдаемости: Prometheus, Grafana, Tempo, Loki, Pyroscope
— Опыт trunk-based development и работы с фича-флагами (Growthbook, Unleash и т.п.)
— Опыт работы с gRPC и контрактами между сервисами
— Опыт менторства, развития инженерной культуры, участия в найме
— Опыт внедрения ИИ-инструментов на уровне команды
Условия:
— Оформление по ТК РФ
— Гибридный формат работы, полностью удалённый по согласованию с руководителем
— ДМС со стоматологией
— Бонусы аккредитованной ИТ-компании
— Корпоративный спорт (бег, хоккей)
— Развитая инженерная культура: CI/CD, автотесты, observability, отсутствие ручных релизов по ночам
— Возможность влиять на технические решения, а не просто закрывать тикеты
Задачи:
— разработка и внедрение LLM моделей для решения NLU задач бизнеса (SFT, RAG (Retrieval Augmented Generation), Agents, Summarization, Text Ranking, Text Matching, Language Modeling)
— дообучение LLM моделей
— разработка подходов и процессов разметки данных для оценки качества работы LLM
— формирование и работа с ML пайплайнами: работа с данными, обучение/дообучение NLP моделей, оценка качества решений, поддержка/автоматизация решений
— оптимизация работы моделей для промышленного контура на CPU/GPU
— работа с командой бизнес-представителей, DS-разработчиками
— организация проверки и генерация гипотез для решения технических и бизнес-задач.
Требования:
— опыт разработки на python, numpy, sklearn, pandas + библиотеки обработки текстовых данных
— опыт работы с Pytorch для построения DL текстовых моделей
— опыт работы с библиотеками LangChain/LangGraph
— опыт практической работы с LLM через API
— отличные теоретические знания классического и нейросетевого NLP, в тч LLM
— опыт дообучения классических трансформеров и LLM
— практический опыт, эксперименты, внедрение в ПРОД LLM решений
— опыт prompt-engineering
Будет плюсом:
— работа с инструментами Hadoop (HDFS, Hive), Spark
— опыт постановки и проведения a/b тестов
— опыт работы с распределенным обучением, глубокое знание GPU архитектуры.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможен 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.
АО «Казахтелеком» приглашает на позицию Senior AI Officer специалиста, способного самостоятельно запускать AI-пилоты, демонстрировать их бизнес-эффективность и разрабатывать AI-стратегию для направления. В обязанности входит формирование AI-стратегии и дорожной карты, выявление и запуск AI-кейсов, создание AI-агентов, RAG и автоматизаций, а также доведение успешных пилотов до промышленного внедрения. Важна работа с руководителями для обеспечения связи AI-инициатив с бизнес-результатами. Кандидат должен иметь более 7 лет опыта в технологиях, AI/ML, продуктовой разработке или цифровой трансформации, практические навыки создания AI-решений, уверенное понимание LLM, AI Agents, RAG, владение Python, API, SQL, опыт работы с LangGraph/LangChain, n8n/Make, а также навыки vibe coding с инструментами типа Codex, Cursor, Claude Code. Требуются самостоятельность, продуктовый подход и стратегическое мышление. Формат работы — офис, зарплата в диапазоне 1–2 млн тенге NET.
Задачи:
— Подготовка данных: выгрузки из PostgreSQL и POS, очистка, пропуски, выбросы
— Прогнозные модели: поток гостей, спрос на позиции меню, потребность в закупках
— Признаки предметной области: сезонность, праздники, погода, история продаж
— Валидация: разбиение по времени, контроль утечек, бизнес-метрика рядом с технической
— Продуктовые исследования: сегменты гостей, средний чек, отток, эффективность акций
— Передача модели в прод вместе с бэкендом: контракт данных, инференс, мониторинг качества
— Код-ревью, обсуждение гипотез, планирование задач
Требования:
— Python 3.11+, аннотации типов
— pandas, NumPy: группировки, join'ы, оконные функции, даты
— scikit-learn: пайплайны, кросс-валидация, подбор гиперпараметров
— Метрики и переобучение: MAE / MAPE, бейзлайн, утечки
— SQL: join'ы, агрегаты, оконные функции
— EDA: matplotlib или seaborn
— Git, ветки, PR, код-ревью
— Плюсом: statsmodels, Prophet, CatBoost, Docker, FastAPI, Airflow, MLflow, LLM и RAG
Условия:
— Удалённо из России, свободный график
— Доступы к AI-сервисам (ChatGPT, Claude и другие)
— Обучение за счёт компании: курсы, книги, конференции, хакатоны
— Ревью каждые 6 месяцев, путь до Middle+ за 0.5–1 года