Вакансии

Обязанности: • Работа со входящим потоком клиентов - покупателей (телефонные звонки, переговоры, отправка КП, заключение договоров). "Теплые" входящие звонки от заинтересованных покупателей, электронно-торговых площадок. • Организация осмотров квартир, коммерческой и загородной недвижимости с потенциальными клиентами с целью заключения договоров на оказание услуг по выкупу имущества с торгов; • Сбор и подготовка необходимых документов, анализ документации по объекту недвижимости на предмет правовых аспектов, юридической чистоты объекта • Поддерживать и актуализировать базу клиентов в Amo CRM • Выполнять регламент продаж, участвовать в еженедельных отчетных видеоконференциях Требования: • Подтвержденный опыт продаж от 1 года, знание техники продаж, умение отрабатывать возражения, внушать доверие. • Опыт работы в сфере жилой и коммерческой недвижимости (аналитика/покупка/продажа/оценка) является преимуществом; • Оконченное высшее образование • Образование в сфере торгов является преимуществом • Образование в сфере закупок по 44-ФЗ является преимуществом • Грамотная письменная и устная речь • Быстрая обучаемость • Умение работать в CRM и Google таблицах Условия: • Зарплата согласно мотивационной таблице. Средний доход наших менеджеров от 90 000 руб в месяц; • Удаленный формат работы, а также встреча с клиентами в офисе и на объектах недвижимости. Пятидневная рабочая неделя. Пн-Пт. С 10:00 до 19:00 + доступность по телефону и в мессенджерах с 9:00 до 20:00; • Возможность для развития (тренинги, корпоративное обучение, интересные задачи, опытный наставник). В компании проводятся еженедельные онлайн-собрания с разбором текущих задач, а также ежегодные корпоративы. • Быстрорастущая и перспективная сфера для профессионального развития. • Оплачиваемая корпоративная связь

О нас и проекте: Разрабатываем LLM-агентную платформу, которая от имени пользователя ведет переписку в мессенджерах. Решаем нетривиальные задачи на стыке AI, автоматизации и безопасности. Задачи: — Бэкенд и API для оркестрации LLM-агентов (память диалогов, мультиязычность, профили пользователей, эскалация на оператора); — Интеграция агентов с мессенджерами: обработка квалификации, возражений, передача живому оператору; — Разработка личного кабинета для клиентов: онбординг, дашборд с метриками качества AI, портрет пользователя; — Работа с фермой устройств: автоматизация на Playwright/Android, обход поведенческого антидетекта (в т.ч. для сбора данных и тестирования); — Обеспечение безопасности: шифрование данных, работа с KMS, ведение журналов доступа к чувствительной информации. Требования: — Опыт Python в продакшене от 3 лет — уверенное владение и архитектурные решения; — Реальный коммерческий опыт с LLM-приложениями (от прототипа до прода); — React/Next.js на уровне, достаточном для самостоятельной разработки ЛК и дашборда; — Практический опыт с браузерной автоматизацией (Playwright/Puppeteer) и/или Android-фермой; — Понимание устройства антифрод-систем и способов их обхода; — Готовность работать с чувствительными данными, знание подходов к шифрованию и управлению ключами. Условия: — Полностью удаленный формат; — Гибкий график — 4 часа в день (20 часов в неделю), можно разбивать по своему усмотрению в рамках рабочего дня (по согласованию с командой); — Заработная плата — 60 000 ₽ на руки; — Уровень — Lead / Senior (высокая самостоятельность и ответственность); — Участие в развитии внутренней ИИ-экосистемы для студии с 10+ активными проектами; — Детали проекта и конкретные задачи обсуждаем на собеседовании.

Наши услуги: — ПТО на аутсорсе; — подготовка исполнительной документации; — ППР и журналы работ; — сопровождение КС-2 / КС-3; — инженерное сопровождение объектов; — усиление ПТО при нехватке специалистов. Что предоставляем: — готовую базу компаний; — скрипт звонка; — коммерческое предложение; — техническую поддержку. Задачи: 1. Обзванивать компании по готовой базе. 2. Выходить на ЛПР: главного инженера, начальника ПТО, руководителя строительства или директора. 3. Выявлять потребность в услугах. 4. Отправлять заинтересованным клиентам КП. 5. Передавать нам заинтересованные контакты. 6. Фиксировать результаты в Google таблице. Требования: — опыт холодных B2B-звонков; — умение выходить на ЛПР; — опыт продаж строительным компаниям будет преимуществом; — грамотная речь и ориентация на результат. Условия: Удалённая работа, свободный график. На старте — тестовый обзвон 20–30 компаний. Полную базу сразу не передаём. Оплата: — за квалифицированный лид; — фикс за тестовый объём + бонус; — процент с заключённого договора. Условия обсуждаются индивидуально. В отклике укажите: 1. Опыт холодных B2B-продаж. 2. С какими сферами работали. 3. Опыт выхода на ЛПР. 4. Желаемый формат оплаты. 5. Готовность выполнить тестовый обзвон. Будет плюсом пример вашего начала холодного звонка строительной компании.

Задачи: — Мониторить рынок (склады, производства, стройки, логистические центры) с использованием наиболее эффективных инструментов в отрасли. — Выходить на первых лиц (Директоров, Владельцев, HRD). — Продавать идею аутсорсинга, переводя разговор в практическое русло, используя обкатанные методы преодоления возражений. — Дожимать на подписание договора. Требования: — Опыт в продажах, желательно B2B. — Опыт работы на рынке аутсорсинга линейного персонала будет преимуществом. — Бывшие или действующие HR/HRD с базой контактов клиентов или бывших руководителей предприятий. — Успешные брокеры в других отраслях, желающие сменить нишу. — Предприниматели без своего дела, желающие зарабатывать на связях. — Активность и наглость звонить первым. Условия: — Работа с востребованным продуктом: быстрый вывод персонала, высокий уровень сервиса. — Получение 5% от всех платежей клиента в течение трех месяцев с момента старта проекта. — Процент начисляется ежемесячно в течение квартала. — Нет потолка дохода: процент считается с оборота в миллионы рублей в месяц. — Прозрачные договоренности, все бонусы прописаны в агентском договоре. — Поддержка на всех этапах.

Задачи: — Разработка и внедрение агентов на базе LLM, проектирование ML-компонентов платформы агентов. — Создание агентов, способных обрабатывать сложные multi-turn и multi-modal запросы пользователей. — Разработка систем маршрутизации задач, выбора инструментов и моделей, управление вызовами функций и оркестрация моделей внутри пайплайна. — Замена традиционных классификаторов LLM-пайплайнами и RAG-системами, трансформация старых архитектур в современные пайплайны с LLM, вызовом функций, планированием и рассуждениями. — Дообучение, настройка и интеграция моделей, оптимизация inference, работа с опенсорс-моделями и внутренними, включая fine-tuning, RL и адаптацию под платформу агентов. — Обеспечение быстрой и устойчивой работы агентов на продакшене, оптимизация inference и взаимодействие с инфраструктурой (Eagle, FP8, дистилляция, multi-dimensional parallelism). — Исследования и эксперименты с графами агентов и памятью, эксперименты с вызовами агентов, memory-подсистемами, симуляцией поведения, архитектурами reasoning и системами планирования. — Участие в разработке RL-моделей для обучения диалоговых агентов, постановка и реализация экспериментов с multi-turn reinforcement learning в масштабах Яндекса и Алисы. Требования: — Глубокие знания в Deep Learning и NLP. — Опыт работы с LLM и пайплайнами вокруг них (function calling, memory, RAG). — Опыт внедрения ML-систем в продакшен. — Системное мышление — от архитектуры до интеграции с инфраструктурой. — Владение Python и знакомство с PyTorch. — Готовность к кросс-функциональной работе с бэкендом и продуктовыми командами.

Задачи: — рекомендовать AI-решения Sonar Systems компаниям из своего окружения или находить новых потенциальных клиентов — передавать контакт и короткий контекст заинтересованных клиентов команде Sonar Systems, которая занимается демо, техническими вопросами, коммерческими предложениями, договорами и внедрением Требования: — опыт ведения переговоров и продаж — умение находить бизнес-возможности и развивать деловой нетворк — понимание бизнеса и умение общаться с руководителями (собственниками, директорами, руководителями продаж или сервиса) — роль подходит для РОПов, BDM, коммерческих директоров, предпринимателей, консультантов, маркетологов, digital/IT/CRM-специалистов Условия: — неполный рабочий день, можно совмещать с основной деятельностью — удалённый формат работы — партнёрский формат без фиксированного оклада, вознаграждение в виде комиссии после оплаты сделки клиентом — работа оформляется по договору — техническим специалистом быть не нужно, самостоятельное внедрение продукта и закрытие сложных продаж не требуется О компании и продуктах: — Sonar Systems помогает компаниям увеличивать отдачу от заявок, звонков и клиентских коммуникаций — продукты: Sonar Speech (анализ звонков и контроль качества продаж), Sonar Agent (AI-агент для сайта, мессенджеров и обращений), Sonar Lead (работа с лидами и входящими обращениями), кастомная разработка AI-решений под процессы клиента Как начать: — откликнуться на вакансию — пройти короткий созвон для знакомства с продуктами и партнёрской моделью — получить материалы для первого касания и рекомендации по поиску клиентов — рекомендовать Sonar Systems и получать комиссию с оплаченных сделок

Задачи: - Разрабатывать бэкенд LLM-агента для автоматизации поддержки - Учиться строить LLM-продукты и участвовать в формировании платформы для их развития - Следить за надежностью и качеством решений — агент будет работать под нагрузкой и решать проблемы миллионов пользователей - Решать задачи на стыке с Data Science, собирать легкие прототипы новых фич для проверки на пользователях - Следить за надежностью и качеством решений — внутренние инструменты работают с теми же гарантиями, что и внешние: мониторинг, алертинг, SLA Требования: - Опыт разработки на Python с использованием FastAPI, Pydantic, LangChain, LangGraph, LangFuse, punq - Опыт разработки распределенных систем: Kafka, PostgreSQL, Redis, Elastic - Опыт разработки сложных распределенных систем - Способность быстро выполнять задачи без критических ошибок - Приветствуется опыт работы с ML-продуктами и интерес к ML, NLP, LLM

Обязанности: • управлять проектами по разработке агентов: сбирать требования, формулировать метрики качества, согласовывать архитектуру, разрабатывать, проектировать MLOps-пайплайнов • разрабатывать и внедрять AI-агентов на базе LLM (Python, LangChain, LangGraph, GigaChain) • интегрировать решения с core-системами банка (REST, Kafka, PostgreSQL). Требования: • опыт разработки на Python от 3 лет • опыт создания backend приложений и разработки API используя веб-фреймворк FastAPI • опыт работы с PostgreSQL (SQL, индексы, транзакции), SQLAlchemy/asyncpg, Redis • опыт в разработке и проектировании концептуальной и детальной архитектуры ИТ-решений (PoEE, TOGAF), построения MLOps-пайплайнов (Groovy, Jenkins), понимание базовых принципов MLSecOps, LLMOps • опыт создания AI-агентов и их внедрения будет преимуществом. Условия: • гибридный формат работы (3 дня в офисе) • годовой бонус и ежегодный пересмотр • расширенный ДМС с первого дня + стоматологию и льготное страхование для семьи • корпоративный университет Сбера, внутреннюю образовательную платформу, участие в IT-конференциях • офис на Варшавском шоссе д.9 с зонами отдыха и спортзалом • льготную ипотеку в Сбере, корпоративную пенсионную программу, подписку СберПрайм с возможностью совместного использования на трёх близких, скидки от партнеров и сервисов группы компаний.

Задачи: -разрабатывать и развивать сервисы на Python -работать над производительностью, отказоустойчивостью и масштабируемостью -участвовать в код-ревью, формирование best practices команды. Требования: -писать чистый и быстрый код на Python (3.12+) от 5-х лет -строить сервисы на FastAPI, работать с async/await (aiohttp) и внешними API -проектировать и оптимизировать запросы к PostgreSQL, использовать Redis -работать с данными: pandas, numpy -разрабатывать и тестировать (pytest) модули для AI-сервисов, используя Langchain/Langgraph.

Агентные системы с LLM: tool calling, многошаговые workflow, RAG, контекст и память, human-in-the-loop. Быстрые прототипы и MVP → проверка гипотез → production.

Location: Сочи Ищем QA-инженера  в команду разработки прикладных сервисов СберБизнес — самого востребованного интернет-банка для бизнеса в России. В рамках нашего проекта мы создаём платформу для подключения внешних AI-агентов и навыков к AI-ассистенту СберБизнес. Это новый продукт, который позволит предпринимателям решать бизнес-задачи (работа с документами, договорами, маркетплейсами, HR-аналитика и тп) через единый чат-интерфейс, не переключаясь между десятками сервисов.  Вас ждёт захватывающая работа в дружной команде профессионалов, ориентированных на применение лучших практик гибкой разработки (Agile). Проект стартует с нуля, и у вас будет возможность повлиять на архитектуру, клиентский путь и бизнес-логику продукта с первых дней. Обязанности * разработка тестовых сценариев, подготовка данных и проведение тестирования (функционального, интеграционного, регрессионного) * создание и поддержка тестовой документации (чек-листы, тест-кейсы, отчеты) * анализ качества тестового покрытия и его оптимизация * участие в анализе и верификации новых требований вместе с командой * разработка и поддержка тестовых моделей * работа с логами, фиксация, анализ, воспроизведение дефектов * автоматизация api тестов на языке Java. Требования * опыт тестирования Web приложений * знание как работает клиент-серверное приложение * знание методик ручного тестирования Web приложений * знание инструментов поддержки процесса разработки ПО (Git, Jira, Bitbucket, Jenkins) * знание основ REST * опыт тестирования API (Postman) * знание реляционных БД на уровне понимания структуры и основных сущностей * SQL на уровне написания базовых запросов * опыт написания автотестов, знание Java, знание SpringBoot **Будет плюсом:** * понимание принципов работы с очередями (Kafka) * навыки работы с генеративными AI-моделями * знание фреймфорков автотестирования (JUnit, Rest Assured) * опыт тестирования систем, интегрированных с LLM. Условия \- комфортный современный офис Сочи, Войкова 2 \- гибридный формат работы \- ежегодный пересмотр зарплаты, годовая премия \- корпоративный спортзал и зоны отдыха \- система обучения для профессионального и карьерного развития \- расширенный полис ДМС с первого дня работы и страхование для семьи \- программа ипотеки для сотрудников \- подписка СберПрайм+, скидки на продукты компаний-партнеров \- вознаграждение за рекомендацию друзей в команду Сбера

- Владеть родительским приложением и бэкендом: привязка устройства, аккаунты, родительский контроль, история активности, удаление данных. - Выпускать релизы iOS и Android со staged rollout и откатами.

Location: Москва Workplace: Офис Мы экспериментируем с большими генеративными моделями, чтобы предсказывать, как будет двигаться автомобиль. Приходите пробовать разные подходы, внедрять свои разработки и помогать модели лучше справляться с дорожными ситуациями. Вы сможете увидеть, как ваша работа улучшает качество технологии. Планирование движения — одна из самых сложных задач в сфере автономных технологий. Мы экспериментируем с большими генеративными моделями, чтобы предсказывать, как будет двигаться автомобиль. Траектория должна быть безопасной для всех участников движения, комфортной для пассажира и позволять автомобилю доехать до конечной точки маршрута. Мы хотим улучшить модель, чтобы она лучше справлялась с новыми дорожными ситуациями. Для этого исследуем новые алгоритмы RL‑обучения, экспериментируем с наградами и работаем с данными. В том числе развиваем направление сложных и редких сценариев для обучения ML‑планировщика. Вам предстоит не только изучать статьи и пробовать разные подходы, но и внедрять собственные разработки в пайплайн движения автомобиля. Вы сможете увидеть, как ваша работа улучшает качество технологии. Обязанности Разработка алгоритмов Вы будете разрабатывать алгоритмы, которые генерируют синтетические дорожные сценарии для ML‑планера. При этом предстоит изучить много материалов, придумать разные подходы и разобраться, как их воплотить в жизнь. Исследование методов работы с агентами Вы будете экспериментировать с разными подходами, в том числе с reinforcement learning и диффузионными моделями (diffusion models), чтобы изменить поведение агентов или добавить новых на сцену и создавать синтетический контент. Улучшение RL‑обучения Вы будете работать с синтетическими данными: не только создавать качественную синтетику, но и обучать модели на ней. Важно найти баланс между синтетическими и реальными данными, а также понять, как улучшать обучение при добавлении сцен без Ground Truth водителя. Больше об ML в Яндексе — в канале Yandex for ML Требования * Обучали нейросетевые модели * Внедряли DL‑решения в продакшн * Программировали на Python * Работали с PyTorch * Знаете классические структуры данных и алгоритмы * Ориентируетесь в области DL * Быстро разбираетесь в новых методах * Умеете выдвигать гипотезы и выстраивать эксперименты для их проверки * Читаете статьи о ML * Следите за развитием области ML Будет плюсом * Внедряли методы обучения с подкреплением в продакшн * Работали с диффузионными моделями * Публиковались в сборниках научных конференций высокого уровня * Работали с большими объёмами данных * Участвовали в соревнованиях по ML или спортивному программированию * Увлечены автомобилями или автономными автомобилями

Workplace: Офис, Гибридный Система симуляции проезда помогает оценивать качество релизов ПО автономного автомобиля. Наша команда отвечает за то, чтобы технологии симуляции сенсоров были по-настоящему встроены в closed-loop-симуляцию и доведены до приёмок в продакшене. У нас большие планы и много интересных задач. Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Для их измерения мы в Яндексе разработали систему симуляции: она позволяет анализировать поведение авто в виртуальном окружении и оценивать влияние внешних и внутренних факторов на поведение машины. Мы отвечаем за то, чтобы технологии симуляции сенсоров — реконструкция локаций, синтез данных камер и лидаров — были по-настоящему встроены в closed-loop-симуляцию и доведены до приёмок в продакшене. Мы опираемся на наработки смежных команд по 3D-реконструкции и синтезу сенсоров и превращаем их в надёжный инструмент тестирования автопилота. Обязанности Управление командой Вы будете руководить командой разработчиков и ML-инженеров: ставить цели, декомпозировать их в задачи и вести от постановки до внедрения в продакшен. Также вы определите приоритеты развития симулятора: какие сенсорные эффекты и сценарии моделировать в первую очередь и как сочетать интеграцию готовых решений с собственной алгоритмической генерацией. Встраивание симуляции сенсоров в closed-loop-симуляцию Симулятор должен реалистично генерировать данные камер и лидаров, чтобы поверх них работал полноценный perception автопилота в closed loop. Вы будете встраивать в пайплайн решения по 3D-реконструкции локаций и синтезу сенсоров, отвечать за их стабильность и производительность в продакшене, а также за достоверность симуляции на уровне perception автопилота. Сюда же — выстраивание процессов валидации новых сигналов и возможностей автопилота в симуляции. Воспроизводимость CL-симуляции с сенсорами Цель — чтобы автопилот, читающий синтетические сенсоры, принимал те же решения, что и в аналогичной ситуации в реальности. Для этого нужно развивать собственную алгоритмическую генерацию сенсорных данных: IMU, телеметрии автомобиля, лидара. Сюда же — моделирование рельефа и дорожного покрытия с корректным отражением на всех сенсорах, включая IMU и камеры. Отдельное направление — полностью синтетические сцены, созданные в редакторе или сгенерированные LLM-агентом. Реалистичность мира: ассеты, LOD и перформанс Вы будете отвечать за назначение ассетов и LOD агентам в симуляторе. Мир должен быть реалистичным во всех деталях, включая артефакты сенсоров: rolling-shutter, влияние погодных условий и другие эффекты, воздействующие на восприятие. Отдельный фокус — перформанс: какие ассеты хранятся в памяти и подгружаются в рантайме, чтобы симуляции оставались быстрыми и масштабируемыми. Кросс-функциональная работа Симулятор — важнейший инструмент разработки, тестирования и приёмки ПО автономного транспорта. Вы будете собирать и приоритизировать заказы команд разработки: решать их силами своей команды или передавать смежным, управляя ожиданиями по точности системы и внедрению новых фич. Приоритет — воспроизведение сложных для автопилота дорожных ситуаций, чтобы находить и устранять их причины. Больше о бэкенде в Яндексе — в канале Yandex for Backend Требования * Управляли командой бэкенд- или ML-разработчиков * Занимались промышленной разработкой на C++ * Внедряли ML-модели в продакшен и готовы разбираться в новых архитектурах и областях * Умеете доводить исследовательские наработки до продакшена: ставить требования, принимать решения, отвечать за стабильность и производительность * Готовы работать руками на этапе прототипирования и проверки гипотез, в том числе писать исследовательский код и анализировать результаты * Умеете критически оценивать результаты и видеть потенциальные проблемы решений * Не боитесь браться за нерешённые задачи и готовы доводить свои идеи до продакшена Будет плюсом * Работали с симуляторами или робототехническими платформами (ROS, Gazebo, CARLA, NVIDIA Isaac Sim и др.) * Имели дело с симуляцией сенсоров, perception-подсистемами, 3D-реконструкцией (в том числе 3DGS) или генеративными моделями для синтеза данных * Понимаете, как устроены сенсоры и телеметрия автономного транспорта: камеры, лидары, IMU, нагрузка на оси, скорости вращения колёс * Знаете правила дорожного движения, водили автомобиль или мотоцикл

Ищем Creative Producer, который сделает производство креативов управляемым. — от 5 лет в performance-креативах, последние 2 года в активной практике.

Ищем SRE в команду, которая отвечает за доступность, обновления и восстановление систем хранения и обработки данных. — диагностика сбоев, производительности и репликации платформы данных;

-Проектировать целевую архитектуру системы (модули и компоненты).