Задачи:
— Проектировать и разрабатывать multi-agent системы.
— Интегрировать LLM с внутренними инструментами и сервисами.
— Разрабатывать backend-сервисы и API для agent workflows.
— Реализовывать RAG pipelines и tool/function calling.
— Создавать CLI-based agent workflows и инструменты автоматизации.
— Разрабатывать Computer Vision pipelines: object detection, multi-object tracking, person re-identification.
— Разрабатывать multi-camera multi-person tracking для сетей камер.
— Работать с видеопотоками в реальном времени и оптимизировать GPU inference.
Требования:
— Опыт работы с Node.js ecosystem и Express.js.
— Уверенное владение Python.
— Опыт работы с LLM APIs и prompt engineering.
— Опыт работы с RAG, tool calling или agent frameworks.
— Знакомство с Docker, Linux и Git.
— Опыт работы с PyTorch и OpenCV.
— Опыт в object detection и multi-object tracking.
— Опыт работы с YOLO, ByteTrack / BoT-SORT или аналогами.
— Понимание person re-identification и vector search.
— Опыт работы с Milvus / FAISS.
— Опыт обработки видео с ffmpeg / GStreamer.
— Работа с RTSP и hardware decoding.
Будет плюсом:
— Опыт в NLP и ML.
— Опыт развёртывания open-source LLM.
— Опыт оптимизации inference.
— Опыт работы с Vision-Language Models.
— TensorRT / ONNX Runtime.
Условия:
— Удалённый формат работы.
— Заработная плата: 1.600–3.200 USD net в месяц.
Задачи:
— разработка и развитие веб-интерфейсов для AI-ассистента на TypeScript/React
— разработка backend-сервисов на Node.js/TypeScript
— разработка механизмов взаимодействия AI-агентов с кодовой базой и инструментами разработки
— интеграция LLM / AI API
— проектирование и реализация RESTful API и GraphQL сервисов
— разработка механизмов контекстного анализа кода
— оптимизация производительности и UX взаимодействия AI-ассистента с разработчиком
— работа с WebSocket и Server-Sent Events для real-time коммуникации.
Требования:
— от 4 лет коммерческой разработки на TypeScript/JavaScript
— хорошее понимание асинхронного программирования и event-driven архитектуры
— опыт работы с Node.js
— глубокое понимание TypeScript (типы, дженерики, декораторы)
— понимание принципов работы AI / LLM систем
— опыт интеграции внешних API и сервисов
— понимание архитектуры веб-приложений и многоуровневой архитектуры
— опыт проектирования архитектуры сложных систем.
Будет плюсом:
— знание Rust/Golang
— создание Desktop приложений (tauri/electron)
— опыт разработки AI-ассистентов для программистов
— опыт разработки agentic AI-систем
— опыт работы с LLM (OpenAI / open-source модели / RAG / embeddings)
— понимание контекстного анализа кода
— опыт разработки IDE-плагинов на JavaScript/TypeScript
— опыт работы с Websocket и real-time системами
— инструментальное владение AI для анализа, генерации и автоматизации
— опыт создания AI-агентов и использования их в работе
— опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
Условия:
— работа над AI Developer Platform нового поколения
— разработка agentic AI-систем для программистов
— сложные инженерные задачи на стыке IDE, анализа кода, AI и веб-интерфейсов
— возможность влиять на архитектуру и развитие продукта
— работа с современными LLM и AI-инфраструктурой
— гибкий формат работы и конкурентную компенсацию
— годовой бонус и ежегодный пересмотр зарплаты
— расширенный ДМС с первого дня, страхование жизни, корпоративная пенсионная программа
— статус аккредитованной ИТ-компании со всеми преимуществами (отсрочка от срочной службы)
— льготная ипотека для сотрудников, подписка Прайм, скидки от партнеров и сервисов группы компаний
— корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях
— реферальная программа (бонус до 100 000 рублей).
Задачи:
— разработка и развитие LLM-проектов в юридическом домене — от прототипов до продакшена
— проектирование и обучение агентов-экспертов, решающих задачи правового домена (RAG-пайплайны, классификация запросов, генерация ответов, оценка релевантности)
— исследование и настройка multi-agent orchestration (LangGraph, LangChain, schema guided reasoning pipelines)
— работа с GigaChat как основной моделью, а также эксперименты с ChatGPT, Gemini, Qwen
— дообучение малых моделей (instruction-tuning, adapters, LoRA) для повышения качества юридического рассуждения
— разработка метрик качества
— взаимодействие с инженерами и аналитиками права — внедрение моделей в реальные кейсы (алиментные, потребительские, трудовые и т.д.)
Требования:
— опыт работы DS/ML-инженером от 3х лет
— понимание архитектуры LLM и принципов prompt engineering
— опыт построения RAG-систем, fine-tuning и дообучения моделей
— умение проектировать пайплайны inference / retraining
Будет плюсом:
— опыт в LegalTech или смежных областях (финансы, документооборот, чат-боты)
— понимание структуры и логики российских нормативных актов
— опыт интеграции LLM с внешними API или базами знаний
Условия:
— формат работы офис на испытательном сроке, локация офиса ул Вавилова д.19
— ежегодный пересмотр зарплаты, 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.
ОфисmiddleМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— Поиск заказов и первичный скоринг: находить клиента, выяснять задачу, бюджет и сроки на уровне «плюс-минус тёплый лид».
— Передавать клиента разработчику для дальнейшей работы (созвон, оценка, ТЗ, разработка, сдача, поддержка).
Требования:
— Есть выходы на заказчиков: малый и средний бизнес, агентства, стартапы, знакомые предприниматели, профильные сообщества.
— Умение вести разговор до стадии «окей, давайте обсудим детали».
— Ориентация на результат, а не просто попытки поспрашивать.
— Опыт в IT-продажах приветствуется, но не обязателен.
— Не требуется эксклюзивность, можно работать с другими исполнителями параллельно.
Условия:
— Оплата 50% с каждого заказа (от суммы, фактически заплаченной клиентом, за вычетом прямых расходов по проекту).
— Выплаты по факту поступления денег, по этапам, если проект разбит.
— Повторные заказы от приведённого клиента делятся по той же схеме.
— Техническая часть и поддержка на этапе продажи обеспечивает разработчик.
Описание разработчика:
— Fullstack-разработчик с 6-летним опытом.
— Ведёт проект целиком: созвон с заказчиком, ТЗ, архитектура, дизайн, код, тесты, деплой, поддержка.
— Технологии: Python (FastAPI, Django), React, Next.js, Flutter, AI-интеграции, инфраструктура.
— Делает SaaS-продукты, CRM, Telegram-боты, парсеры, AI- и RAG-решения, мобильные приложения, сайты и лендинги.
Как откликнуться:
— Коротко ответить на три вопроса: откуда планируете брать заказы, что продавали раньше и средний чек, сколько времени готовы уделять.
Задачи:
— Повышение качества RAG-агентов по трём направлениям: поиск по технической документации, нормативной базе, бухгалтерской документации;
— Промпт-инжиниринг и контекст-инжиниринг для всех агентов команды;
— Подготовка эталонных наборов оценки качества;
— Реализация LLM-as-a-judge для автоматических регрессионных проверок;
— Настройка защит для production-агентов: фильтры от инъекций в промпт, валидация структуры и контента выходов, защита от утечек персональных данных, anti-hallucination механизмы;
— A/B-тестирование промптов и моделей для подбора лучших конфигураций;
— Тюнинг качества по сигналам обратной связи пользователей и трассировкам из Langfuse.
Требования:
— Python от 2 лет коммерческой разработки;
— Практический опыт RAG-систем в продакшене: эмбеддинги, векторные базы (Qdrant, FAISS или pgvector), переранжирование, чанкинг;
— Опыт построения и поддержки как минимум одного RAG-решения от начала до конца, не прототип;
— Практический опыт оценки качества LLM-систем: подготовка эталонных наборов, offline-метрики, LLM-as-judge, регрессионные проверки;
— Опыт работы с фреймворками оценки (Ragas, DeepEval или аналоги);
— Практический опыт настройки защит для LLM-приложений: защита от инъекций в промпт, валидация структуры и контента выходов, защита от утечек персональных данных;
— Опыт промпт-инжиниринга и контекст-инжиниринга в реальных проектах: итеративная настройка промптов, structured output, function calling;
— Понимание архитектуры RAG: стратегии нарезки документов, метаданные, выбор моделей эмбеддингов, переранжирование, точность ссылок на источник;
— Практический опыт работы хотя бы с одним LLM-фреймворком: LangChain, LangGraph, PydanticAI, OpenAI API или аналоги;
— Практический опыт A/B-тестирования промптов и моделей в продакшене;
— Опыт работы с агентскими протоколами (MCP) или собственным tool-layer для агентов;
— SQL и работа с реляционными базами на базовом уровне.
Ищем Senior GenAI-разработчика на проект крупной компании из сферы добывающей промышленности.
Основная задача - разработка и внедрение корпоративных GenAI-решений: AI-агентов, мультиагентных систем, RAG-конвейеров и автоматизаций в закрытом защищённом контуре.
Задачи:
— Разработка AI-агентов и субагентов с использованием tool-calling
— Построение мультиагентных систем и управление цепочками вызовов
— Создание автоматизаций и workflow в n8n, Flowise, Dify, Langflow или аналогичных платформах
— Разработка бизнес-логики и кастомных функций на JavaScript, TypeScript и Python
— Построение RAG-конвейеров: подготовка данных, embeddings, поиск и работа с векторными базами
— Интеграция с внутренними сервисами и витринами данных через REST API и OAuth2
— Парсинг, сбор, нормализация и трансформация данных из внешних источников
— Проектирование промптов для суммаризации и генерации структурированных отчётов
— Развёртывание и эксплуатация open-source и on-prem LLM в закрытом корпоративном контуре
— Работа со структурированными данными, PostgreSQL и JSON
— Участие в анализе и формализации бизнес-требований
Требования:
— Опыт коммерческой разработки GenAI-решений на уровне Senior
— Уверенное владение JavaScript, TypeScript и Python
— Практический опыт создания AI-агентов и мультиагентных систем
— Опыт хотя бы с одним из стеков: LangChain / LangGraph, LlamaIndex, Semantic Kernel, CrewAI / AutoGen, n8n / Flowise / Dify / Langflow
— Опыт разработки RAG-решений и работы с векторными хранилищами: PGVector, Qdrant, Milvus или аналогами
— Уверенная работа с PostgreSQL, JSON, REST API и OAuth2
— Опыт работы с LLM и prompt engineering
— Опыт развёртывания локальных моделей в закрытом контуре
— Готовность вести разработку и эксплуатацию решения в ОС Windows
— Понимание принципов защиты чувствительных и корпоративных данных
Будет преимуществом:
— Опыт работы с MCP — Model Context Protocol
— Разработка кастомных нод и sub-workflows в n8n
— React
— GraphQL
— FastAPI
— Опыт работы с веб-поиском, парсингом и внешними API
— Опыт участия в корпоративных или промышленных проектах
Задачи:
— Улучшение текущих моделей и обучение новых, включая классификаторы, генеративные модели, сложные сценарии на основе агентов и пайплайнов.
— Сбор и анализ данных для дообучения, обучение с использованием SFT- и RL-подходов.
— Быстрая разработка прототипов и MVP для новых проектов, с фокусом на агентах и RAG для обработки большого контекста.
— Автоматизация валидации ML-моделей, внедрение систем автоматической оценки качества моделей в продакшен.
Требования:
— Опыт в машинном обучении.
— Хорошее знание Python.
— Уверенное владение классическими алгоритмами и моделями.
— Глубокие знания в NLP и LLM.
Будет плюсом:
— Опыт работы с агентами и RAG-пайплайнами.
Условия:
— Расширенная медицинская страховка с первого месяца, включая стоматологию, ежегодные чекапы, неотложную помощь за рубежом, лечение критических заболеваний и страхование от несчастных случаев.
— Психотерапия в офисе или онлайн.
— Лазерная коррекция зрения через год работы.
— Ведение беременности и роды через два года.
— Страховка для родственников по системе 80/20 (80% оплачивает компания).
— Внутренняя образовательная платформа, менторство, программы для руководителей.
— Оплата участия в профильных конференциях.
— Внутренние проекты для обмена экспертизой.
— Гибкий график без фиксированного времени начала и конца рабочего дня.
— Льготные жилищные займы для сотрудников российских офисов.
— Программы поддержки для детей: страхование, детские дни в офисе, подарки на рождение, чекапы при планировании беременности.
Требования:
— опыт в управлении проектами: успешный опыт управления внедрением AI, ML-моделей или цифровых решений, владение методологиями управления (Agile/Waterfall), инструментами планирования (Jira, Confluence)
— экспертиза в AI: понимание принципов работы больших языковых моделей (LLM), архитектур RAG и многоагентных систем, опыт внедрения чат-ботов и голосовых ассистентов в реальную эксплуатацию
— техническая грамотность: навык понимания стека технологий (Python, фреймворки для агентов, системы оркестрации, векторные базы данных) для эффективного взаимодействия с командой разработки
— опыт тестирования: знание процессов оценки качества (evals), настройки мониторинга деградации моделей и проведения экспериментов для валидации решений
— регуляторика и комплаенс: знание требований регуляторов РФ к автоматизированной обработке данных и информационная безопасность
— компетенции управления: навык работы с кросс-функциональными командами, четкая постановка задач, контроль сроков и проведение проверок кода (Code Review) в части AI-решений
Задачи:
— управлять полным жизненным циклом проекта: планирование, инициация и контроль всех этапов внедрения AI-решений: от формирования целей и оценки ресурсов до сдачи результата и закрытия проекта, управление сроками и бюджетом инициативы
— координировать кросс-функциональную работу: организация взаимодействия между разработчиками, аналитиками, риск-менеджментом и подрядчиками
— управлять качеством и рисками: внедрение процессов контроля качества ответов ИИ (включая выявление ошибок), настройка мониторинга работоспособности моделей в промышленной среде
— обеспечивать соответствие требованиям: контроль выполнения регуляторных норм РФ (в т.ч. 152-ФЗ) и внутренних политик информационной безопасности на всех этапах внедрения автоматизированных систем
— управлять изменениями и обучением: разработка планов перехода на новые технологии, обучение операторов и аналитиков работе с системами, интеграция процессов с участием человека (Human-in-the-loop) для сложных сценариев
— анализировать эффективность: организация и анализ результатов экспериментов (A/B-тестов), сравнение эффективности ручных и автоматизированных сценариев, принятие решений о масштабировании успешных практик
Компания Яндекс ищет разработчика на Go для команды, работающей над LLM-проектами для B2B. Вакансия предполагает работу в Москве или Санкт-Петербурге с полным рабочим днем.
Компания создает B2B-продукты на стыке GPT-технологий и экспертных систем, включая проекты Нейросаппорт (автоматизация поддержки клиентов), Нейроэксперт (поиск информации в файлах и ссылках) и Нейроюрист (помощь в ответах на правовые вопросы). Сейчас происходит масштабирование продуктов от бета-версии к промышленной эксплуатации, создание новых сервисов на рынке AI и внедрение LLM-решений для корпоративных клиентов.
Разработка ведется бэкендов нейропродуктов с использованием AI-моделей: большие языковые модели (LLM), OCR, ASR, визуально-языковые модели (VLM). Цель — построить платформу для создания ML-пайплайнов по работе с документами и автоматизации рутинных задач. Технологии: Go (основной язык), Python, RAG с векторным поиском на YDB.
Задачи:
— Участие в продуктовых проектах: написание кода, общение с заказчиками, уточнение требований, предложение и защита технических решений, подготовка инфраструктуры, разработка и сопровождение запуска.
— Технические проекты: построение и развитие инфраструктуры для ML-моделей, оптимизация времени ответов бэкендов, сокращение времени инференса и нагрузки на видеокарты.
Требования:
— Опыт работы с Go и веб-сервисами.
— Знание реляционных баз данных.
Будет плюсом:
— Знакомство с ML.
Процесс отбора:
— Интервью с HR.
— Интервью на знание языка программирования.
— Интервью на знание базовых алгоритмов.
— Финальное интервью с командой, включая обсуждение архитектуры.
Задачи:
— Сбор, анализ и формализация функциональных и нефункциональных требований заказчика к платформе и реализуемым на базе платформы ИИ-агентам (в том числе "охлаждение" нереалистичных требований)
— Трекинг реализации функциональных требований
— Описание спецификаций агентов: роль и цель агента, сценарии использования, границы полномочий, поведение при отказе, эскалация к человеку (human-in-the-loop)
— Определение критериев успешности внедрения платформы и реализации ИИ-агентов (выделение ключевых метрик, определение методики расчета данных метрик, согласование достижимости ожидаемых значений)
— Описание процессов as-is / to-be
— Формализация политик ограничений и требований информационной безопасности
— Описание контрактов внешних систем: возможности систем заказчика, требования к данным агента, разрешённые действия и классы данных
— Организация и проведение приёмо-сдаточных испытаний (ПСИ), подготовка ПМИ, составление протокола приемки
— Управление объемом проекта (арбитраж расхождений «дефект реализации / корректное поведение по спецификации / новое требование»)
— Ведение проектной документации и базы знаний проекта (Jira, Confluence)
Требования:
— Опыт работы системным аналитиком от 4 лет, в том числе на проектах внедрения ПО у enterprise-заказчиков
— Умение писать проверяемые требования: каждое требование имеет способ подтверждения и критерий приёмки
— Понимание интеграций на уровне контрактов: REST API, JSON, микросервисная архитектура
— Понимание устройства ИИ-систем на уровне постановки требований: что такое LLM и её вероятностная природа, агент, инструмент (function calling), RAG, guardrails, мультиагентная схема
— Понимание специфики приёмки недетерминированных систем: метрики качества, пороги, эталонные датасеты, статистическая природа результата
— Навыки управления ожиданиями заказчика
— Опыт работы с LLM на уровне выше вопрос/ответ
Будет плюсом:
— Опыт проектов с ML/LLM, ИИ-агентами, RAG-системами и т.д.
— Опыт реализации собственных ИИ-агентов
— Знакомство с практиками оценки качества LLM: evals, golden dataset, LLM-as-judge
— Понимание возможностей платформ для реализации ИИ-агентов (для оценки реализуемости требований)
— Опыт on-premise внедрений у крупных заказчиков / госсектора
— Опыт работы с требованиями к нагрузке и SLA на уровне сбора и фиксации
Ключевая миссия CTO: построить инженерную организацию нового поколения. Ожидается построение AI Native Engineering Organization, внедрение AI PDLC как основного процесса разработки, организация работы автономных Tiny Teams, создание культуры постоянных экспериментов и быстрого вывода гипотез в продукт, широкое использование AI для автоматизации инженерной деятельности, сокращение времени полного цикла Idea → Prototype → MVP → Production, формирование инженерной культуры с акцентом на скорость обучения и внедрения инноваций.
Задачи:
— Определять и реализовывать технологическую стратегию направления совместно с Product Lead и бизнесом;
— Отвечать за разработку и развитие ключевых продуктов направления: мобильного приложения нового поколения, AI-помощника, платформы персонализированного риск-профиля и интеллектуальных сервисов повышения качества и продолжительности жизни;
— Формировать AI Native инженерную организацию для высокой скорости вывода новых продуктов и функций;
— Внедрять современные практики AI PDLC на всех этапах жизненного цикла AI-продуктов;
— Организовывать эффективный процесс исследований (R&D), быстрого прототипирования и проверки продуктовых гипотез;
— Руководить несколькими автономными инженерными командами (Tiny Teams), обеспечивая их эффективность и ответственность;
— Развивать практики агентной разработки (Agentic AI), AI Coding и использование AI-инструментов для автоматизации инженерной деятельности;
— Формировать масштабируемую архитектуру AI-first продуктов для быстрого внедрения новых моделей, сервисов и сценариев;
— Управлять архитектурой решений, техническим долгом и технологическими рисками;
— Обеспечивать надежность, масштабируемость, наблюдаемость и безопасность сервисов промышленного уровня;
— Развивать инженерную культуру, основанную на автоматизации, непрерывном обучении, экспериментах и улучшении процессов;
— Формировать технологический roadmap направления и обеспечивать достижение бизнес- и продуктовых целей.
Требования:
— Опыт руководства несколькими инженерными командами разработки от 2 лет;
— Опыт создания и развития современных цифровых продуктов с высокой скоростью поставки изменений;
— Опыт формирования и реализации технологической стратегии продукта;
— Практический опыт построения архитектуры мобильных и backend-продуктов промышленного уровня;
— Опыт управления архитектурой, качеством разработки и техническим долгом;
— Практический опыт внедрения AI PDLC или аналогичных процессов разработки AI-продуктов;
— Глубокое понимание жизненного цикла AI-продуктов: Data → Prompt → Model → Evaluation → Production → Monitoring → Continuous Improvement;
— Понимание современных подходов к разработке LLM-приложений, Agentic AI, Multi-Agent Systems, Tool Calling, MCP, Workflow Orchestration и Retrieval-Augmented Generation (RAG);
— Практический опыт применения современных AI-инструментов разработки (Cursor, Claude Code, GitHub Copilot и др.);
— Опыт построения процессов R&D, быстрого прототипирования и проверки продуктовых гипотез;
— Опыт организации работы автономных инженерных команд (Tiny Teams);
— Опыт разработки мобильных приложений и высоконагруженных backend-сервисов;
— Понимание принципов построения персонализированных цифровых сервисов и работы с пользовательскими данными;
— Понимание современных практик DevSecOps, CI/CD, Observability и Platform Engineering;
— Опыт эффективного взаимодействия с продуктовой командой и бизнесом.
Будет преимуществом:
— Опыт создания AI-first продуктов на базе современных LLM;
— Опыт построения агентных платформ или мультиагентных систем;
— Опыт внедрения AI Native Engineering в инженерной организации;
— Опыт организации процессов AI Quality Engineering, Continuous Evaluation и AI Observability;
— Опыт создания персонализированных рекомендательных систем;
— Опыт разработки AI Copilot, AI Assistant или AI Agent продуктов;
— Опыт работы в MedTech, HealthTech, Digital Health или Wellness;
— Опыт создания мобильных consumer-продуктов с высокой ежедневной активностью пользователей (DAU/MAU);
— Понимание современных подходов Product Discovery, Experiment Driven Development и Lean Startup.
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;
— Обучение: английский с корпоративным преподавателем, 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.
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.
Ключевая миссия CTO:
- Построение AI Native Engineering Organization;
- Внедрение AI PDLC как основного процесса разработки;
- Организация работы автономных Tiny Teams;
- Создание культуры постоянных экспериментов и быстрого вывода гипотез в продукт;
- Широкое использование AI для автоматизации инженерной деятельности;
- Сокращение времени прохождения полного цикла Idea → Prototype → MVP → Production;
- Формирование инженерной культуры, где скорость обучения и внедрения инноваций становится ключевым конкурентным преимуществом.
Задачи:
- Определять и реализовывать технологическую стратегию направления совместно с Product Lead и бизнесом;
- Отвечать за разработку и развитие ключевых продуктов направления: мобильного приложения нового поколения, AI-помощника, платформы персонализированного риск-профиля и интеллектуальных сервисов повышения качества и продолжительности жизни;
- Формировать AI Native инженерную организацию, обеспечивающую высокую скорость вывода новых продуктов и функций;
- Внедрять современные практики AI PDLC на всех этапах жизненного цикла AI-продуктов — от идеи и исследований до промышленной эксплуатации;
- Организовывать эффективный процесс исследований (R&D), быстрого прототипирования и проверки продуктовых гипотез;
- Руководить несколькими автономными инженерными командами (Tiny Teams), обеспечивая их высокую эффективность и ответственность за конечный результат;
- Развивать практики агентной разработки (Agentic AI), AI Coding и использования AI-инструментов для автоматизации инженерной деятельности;
- Формировать масштабируемую архитектуру AI-first продуктов, обеспечивающую быстрое внедрение новых моделей, сервисов и пользовательских сценариев;
- Управлять архитектурой решений, техническим долгом и технологическими рисками;
- Обеспечивать надежность, масштабируемость, наблюдаемость и безопасность сервисов промышленного уровня;
- Развивать инженерную культуру, основанную на автоматизации, непрерывном обучении, экспериментах и постоянном улучшении процессов;
- Формировать технологический roadmap направления и обеспечивать достижение бизнес- и продуктовых целей.
Требования:
- Опыт руководства несколькими инженерными командами разработки от 2 лет;
- Опыт создания и развития современных цифровых продуктов с высокой скоростью поставки изменений;
- Опыт формирования и реализации технологической стратегии продукта;
- Практический опыт построения архитектуры мобильных и backend-продуктов промышленного уровня;
- Опыт управления архитектурой, качеством разработки и техническим долгом;
- Практический опыт внедрения AI PDLC или аналогичных процессов разработки AI-продуктов;
- Глубокое понимание жизненного цикла AI-продуктов: Data → Prompt → Model → Evaluation → Production → Monitoring → Continuous Improvement;
- Понимание современных подходов к разработке LLM-приложений, Agentic AI, Multi-Agent Systems, Tool Calling, MCP, Workflow Orchestration и Retrieval-Augmented Generation (RAG);
- Практический опыт применения современных AI-инструментов разработки (Cursor, Claude Code, GitHub Copilot и др.);
- Опыт построения процессов R&D, быстрого прототипирования и проверки продуктовых гипотез;
- Опыт организации работы автономных инженерных команд (Tiny Teams);
- Опыт разработки мобильных приложений и высоконагруженных backend-сервисов;
- Понимание принципов построения персонализированных цифровых сервисов и работы с пользовательскими данными;
- Понимание современных практик DevSecOps, CI/CD, Observability и Platform Engineering;
- Опыт эффективного взаимодействия с продуктовой командой и бизнесом.
Преимущества:
- Опыт создания AI-first продуктов на базе современных LLM;
- Опыт построения агентных платформ или мультиагентных систем;
- Опыт внедрения AI Native Engineering в инженерной организации;
- Опыт организации процессов AI Quality Engineering, Continuous Evaluation и AI Observability;
- Опыт создания персонализированных рекомендательных систем;
- Опыт разработки AI Copilot, AI Assistant или AI Agent продуктов;
- Опыт работы в MedTech, HealthTech, Digital Health или Wellness;
- Опыт создания мобильных consumer-продуктов с высокой ежедневной активностью пользователей (DAU/MAU);
- Понимание современных подходов Product Discovery, Experiment Driven Development и Lean Startup.
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;
- Обучение английскому языку с корпоративным преподавателем, 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.
Задачи:
— Разработка и внедрение автономных ИИ-агентов и генеративных моделей (LLM, мультимодальные системы) для ускорения проектирования, разработки и развертывания ERP-систем, а также создания интеллектуальных интерфейсов автоматизации — от генерации кода до обработки естественно-языковых запросов пользователей.
— Создание ИИ-сервисов и автономных агентов для автоматизации бизнес-процессов.
— Обучение и тонкая настройка LLM (Large Language Models) и других ML-моделей под задачи компании.
— Анализ данных, разработка алгоритмов для прогнозирования, оптимизации и принятия решений.
— Интеграция ИИ-решений в существующие продукты компании.
— Участие в научно-исследовательских проектах, публикация результатов (при желании).
Требования:
— Опыт в работы в IT от 5-ти лет.
— Опыт работы в области Machine Learning, Deep Learning или Data Science от 3-ех лет.
— Знание Python и ряда библиотек для ML/DL таких как TensorFlow, Pandas, PyTorch, scikit-learn и др.
— Опыт работы с NLP, LLM (GPT, Llama, Mistral и т. д.), RAG, автономными агентами.
— Понимание принципов работы ERP-систем (желательно).
— Умение работать с большими данными (SQL, NoSQL).
— Знание методов обучения с подкреплением (RL) — будет плюсом.
— Английский язык (уровень для чтения технической документации).
Условия:
— Официальное оформление и стабильный доход по ТК РФ.
— Все льготы и преимущества работы в аккредитованной ИТ-компании.
— Программа ДМС с первых дней.
— Работа в офисе с гибким началом рабочего дня.
— Московский офис в шаговой доступности от м. Динамо, оборудованный всем необходимым для комфортной работы и отдыха.
Задачи:
— Разрабатывать дизайн пользовательских интерфейсов
— Участвовать в исследованиях и улучшать текущие решения
— Подготавливать свои макеты для передачи разработчикам
— Контролировать качество работы интерфейсов после реализации разработчиками
— Заниматься анализом данных и их интерпретацией совместно с аналитиками
— Развивать и улучшать дизайн-систему совместно со всей командой дизайнеров
— Участвовать в общекомандных активностях, например дизайн-ревью, ретро, встречах по дизайн-системе и обучающих мероприятиях.
Требования:
— Опыт работы дизайнером в продуктовой компании более 3 лет
— Умение искать баланс между бизнес-требованиями и удобством для пользователя
— Сильные технические навыки, понимание устройства фронта и бэка
— Опыт работы с облаками или на проектах, связанных с разработкой ПО, будет плюсом
— Готовность работать в режиме стартапа, быстро адаптироваться к изменениям и принимать решения в условиях неопределенности
— Умение создавать быстрые концепции, генерировать идеи и воплощать их в макеты в кратчайшие сроки
— Уверенное владение Figma, включая работу с компонентами, стилями, дизайн-системами и Auto Layouts
— Умение подготавливать макеты для передачи разработчикам, следить за системой отступов, актуальностью компонентов и стилей, консультироваться с разработчиками и писать понятную документацию
— Внимательность и аккуратность в работе с макетами, шрифтами, иконками
— Способность создавать современный UI, соответствующий трендам
Описание сервиса Managed RAG:
Облачный сервис для обогащения языковой модели данными от пользователя, позволяющий загружать файлы в хранилище для предоставления актуальной информации языковой модели по документам для генерации точных ответов. Сервис подходит для чат-ботов, поддержки клиентов и других задач.
Работа ведется также с командой AI Agents, создающей AI-агентов, которые могут анализировать информацию, обучаться на данных, планировать действия и адаптироваться к изменяющимся условиям среды.
Задачи:
— работа над проектом международного телеком-оператора, развивающего покрытия 3G/4G по всей России;
— участие в изменениях, улучшениях, запуске новых направлений проекта.
Требования:
— опыт работы в роли QA Automation Engineer (Python) от 3-х лет;
— наличие законченного высшего IT-образования;
— опыт написания автотестов на Python с использованием pytest для backend и UI;
— опыт работы с подходами Playwright по аутентификации (Storage state, cookies, storage);
— уверенное знание SQL;
— работа с базами данных через ORM;
— опыт работы с брокерами сообщений Kafka;
— понимание клиент-серверной архитектуры и HTTP-протокола;
— опыт работы с Git;
— базовые знания по настройке CI для автотестов;
— навыки интеграционного тестирования, включая подготовку данных и мокирование;
— навыки нагрузочного тестирования с использованием JMeter;
— навыки параллельного запуска автотестов с Pytest XDist;
— использование Pydantic и JSON-схем для валидации ответов, мокирование запросов через page.route;
— опыт параметризации фикстур и тестов, multi-page сценарии в Playwright;
— навыки мобильного тестирования;
— анализ утилизации ресурсов сервера при нагрузке;
— понимание системного промта и его влияния на ответы LLM;
— знание принципов SOLID и DDD;
— понимание разницы между инженером по качеству и автоматизатором;
— понимание концепции мокирования.
Будет плюсом:
— опыт работы с RabbitMQ;
— понимание RAG-систем;
— знание промт-инъекций;
— опыт тестирования LLM с подходом LLM-as-a-judge;
— понимание галлюцинаций в ответах LLM;
— написание пайплайнов CI/CD.
Условия:
— хорошая зарплата, уровень обсуждается индивидуально, есть доплаты за менторство и профактивности;
— долгосрочные проекты от российских заказчиков, возможность менять направления, прозрачная система Performance Review;
— выбор формата работы: удалённо, офис, гибрид, релокейт между офисами;
— доступ к корпоративному порталу, митапам, конференциям (в том числе как спикер);
— социальный пакет: ДМС со стоматологией, частичная компенсация спорта, бесплатный английский, оплачиваемый отпуск и больничные;
— корпоративные мероприятия, тимбилдинги, детские праздники.
Офисы компании расположены в Москве, Санкт-Петербурге, Казани, Ростове-на-Дону, Нижнем Новгороде и Самаре.
Aston — аккредитованная аутсорсинговая IT-компания с 2007 года, штат 2500+ специалистов. Разрабатывает ПО и IT-решения в Finance, Healthcare, eCommerce, IoT, Media, Big Data, ML и др. Ищет QA Automation Engineer (Python) для работы над проектом международного телеком-оператора, развивающего 3G/4G покрытие по РФ.
Задачи:
— работа в квалифицированной команде на проекте с современным техническим стеком;
— участие в изменениях, улучшениях, запуске новых направлений.
Требования:
— опыт работы QA Automation Engineer (Python) от 3 лет;
— высшее IT-образование;
— написание автотестов на Python+pytest: backend и UI;
— опыт с Playwright по аутентификации (Storage state, cookies, storage);
— уверенное знание SQL;
— работа с БД через ORM;
— опыт работы с брокерами сообщений Kafka;
— понимание клиент-серверной архитектуры и HTTP;
— опыт работы с Git;
— базовые знания настройки CI для автотестов;
— навыки интеграционного тестирования, подготовка данных, мокирование;
— навыки нагрузочного тестирования (JMeter);
— навыки параллельного запуска автотестов (Pytest XDist);
— использование Pydantic vs JSON-схем для валидации ответа, мокирование запросов через page.route;
— опыт параметризации фикстур vs параметризация тестов, multi-page сценарии в Playwright;
— навыки мобильного тестирования;
— анализ утилизации ресурсов сервера при нагрузке;
— понимание системного промта и влияния на ответы LLM;
— знание SOLID и DDD;
— понимание разницы между инженером по качеству и автоматизатором;
— понимание концепции мокирования.
Будет плюсом:
— опыт работы с RabbitMQ;
— понимание RAG-систем;
— знание промт-инъекций;
— опыт тестирования LLM с подходом LLM-as-a-judge;
— понимание галлюцинаций в ответах LLM;
— написание пайплайнов CI/CD.
Условия:
— хорошая зарплата, обсуждается индивидуально, доплаты за менторство и профактивности;
— долгосрочные проекты от российских заказчиков, возможность менять направления, прозрачная система Performance Review;
— релокейт между офисами, выбор формата работы (удалённо, офис, гибрид), адаптация для новых сотрудников;
— доступ к корпоративному порталу, митапам, конференциям (как гость и спикер);
— социальный пакет: ДМС со стоматологией, частичная компенсация спорта, бесплатный английский, оплачиваемый отпуск и больничные;
— корпоративные мероприятия: тимбилдинги, детские праздники, внутренние события.
Офисы: Москва, Санкт-Петербург, Казань, Ростов-на-Дону, Нижний Новгород, Самара.
Responsibilities:
• Design multi-agent systems and integrate LLMs with internal tools
• Develop backend APIs, RAG pipelines, and tool/function calling
• Build computer vision pipelines for detection, tracking, and re-identification
• Optimize real-time video and GPU inference
Requirements:
• Node.js/Express.js and Python
• LLM APIs, prompt engineering, RAG, tool calling, or agent frameworks
• Docker, Linux, and Git
• PyTorch and OpenCV
• Object detection and multi-object tracking (YOLO, ByteTrack/BoT-SORT)
• Person re-identification, vector search, and video streaming (RTSP)
Удалённо
1 600 – 3 200 $
ГибридheadМосква
Зарплата не указана
ГибридheadМосква
Зарплата не указана
Все вакансии в одном месте — страница 6 · Job Hunters