Вакансии

Задачи: — Проектирование AI- и классических решений: разработка агентов, tools, skills, subagents, SDK к OpenCode; — Применение нейросетей для оптимизации собственной работы (генерация спецификаций, промпт-инжиниринг, прототипирование диаграмм PlantUML, написание MCP, агентов, скилов); — Ведение технической документации в рамках концепции Doc-as-code; — Согласование технических решений и плотная коммуникация с командами разработки и сопровождения. Требования: — Общий опыт работы в аналитике от 3 лет; — Подтвержденный опыт работы в проектах по разработке и внедрению AI-фич и AI-агентов (включая агентов в формате .md); — Понимание принципов работы LLM и современных агентных архитектур (ReAct, LangChain, AutoGen и др.); — Понимание NLP, архитектуры RAG (retrieval-augmented generation) и уверенные навыки prompt engineering; — Практический опыт работы с harness-агентами; — Уверенное владение технологическим стеком: REST API, WebSocket, OpenAPI/AsyncAPI, брокеры сообщений (Kafka), реляционные БД (PostgreSQL); — Опыт работы с инструментами моделирования и документации; — Развитые софт-скиллы: инициативность, коммуникабельность, умение аргументированно доносить точку зрения, нетоксичность. Условия: — Работа в финтех-проекте компании Bellintegrator; — Платформа автоматизации жизненного цикла инвестиционных сделок для юридических лиц; — Удаленная работа с таймзоной Мск ±2 часа; — Полная занятость с оформлением по ТК РФ; — Вилка зарплаты 220 000 – 250 000 руб. на руки, определяется по грейду. Важное требование к резюме: — Резюме должно содержать детально подтвержденный опыт; — По каждому проекту необходимо четко описать: описание проекта, роль, конкретные задачи и зону ответственности, используемые технологии и инструменты.

220 000 – 250 000 ₽

Задачи: — Развивать внутренний AI-сервис для автоматизации ad-hoc запросов бизнеса, аналитиков и дата-инженеров — Проектировать и реализовывать AI-агентов, workflows и сценарии text2sql, retrieval, explanation и генерации готовых результатов — Подготавливать и улучшать данные для агентов: витрины, описания таблиц и полей, join-логику и бизнес-правила — Реализовывать сценарии сборки отчетов, прогнозов, сверки данных, сценарного планирования и выявления отклонений в воронке продаж — Развивать функциональность генерации графиков, таблиц, Excel-выгрузок, слайдов и других пользовательских артефактов — Улучшать качество ответов агентов, тестировать решение на реальных кейсах и внедрять улучшения по данным, промптам и логике workflows Требования: — Опыт работы от 4+ лет — Уверенный Python и SQL — Опыт работы с аналитическими БД, желательно ClickHouse и PostgreSQL — Практический опыт создания AI-агентов и LLM workflows, включая prompt engineering, function calling, structured output и reasoning — Опыт подготовки данных для AI-сервисов: витрины, метаданные, справочники и правила работы с таблицами — Понимание требований production-сервиса: API, авторизация, логирование, обработка ошибок и безопасность — Опыт интеграции AI-решений с внутренними и внешними источниками данных — Плюсом: опыт с Yandex AI Studio, open-source моделями и Next.js Условия: — Формат работы: удаленно — Занятость: полная, full-time — Трудоустройство: ТК/ИП — Вилка зарплаты: от 250 000 до 290 000 ₽ в месяц

250 000 – 290 000 ₽

MDiet — early-stage HealthTech стартап, разрабатывающий AI-powered платформу, которая помогает снижать количество повторных госпитализаций пациентов. Продукт ориентирован на рынок здравоохранения США. Возможна релокация в США при успешном росте компании, обсуждается индивидуально. Tech Stack: • LangGraph + LangChain / Agentic AI • vLLM + Hugging Face • PyTorch + PEFT / LoRA / QLoRA • Vector databases: pgvector, Qdrant, Weaviate, Chroma, Pinecone • Advanced RAG, Prompt Engineering, Embeddings • FastAPI + PostgreSQL • Docker + Kubernetes + async processing: Arq / Celery / Redis Streams • Apache Airflow для data pipelines • AWS Cloud: EC2, S3, SageMaker, Lambda, RDS, Bedrock • Structured output: Outlines / Guidance / Instructor • Evaluation & observability: Langfuse, RAGAS / DeepEval, Prometheus + Grafana • MLOps practices Задачи: • Проектирование и разработка multi-step LLM agents и pipelines для обработки медицинских данных • Разработка production RAG-систем с высоким уровнем grounding и качеством citation • Деплой и оптимизация self-hosted LLM inference через vLLM с фокусом на cost и throughput optimization • Fine-tuning open-source моделей на domain-specific medical data с измеримым улучшением результата • Построение data pipelines и versioning для документов, embeddings и training data • Создание evaluation frameworks, guardrails и систем контроля hallucinations • Реализация reliable structured output и data extraction • Тесное взаимодействие с physicians и Platform Architect Требования: • Сильный hands-on опыт с production LLM systems: RAG, agents, inference • Опыт fine-tuning open-source LLMs: LoRA / QLoRA / PEFT, с измеримыми результатами • Опыт построения data pipelines и versioning для LLM / RAG workloads • Сильные навыки в evaluation, hallucination reduction и structured output • Production Python + FastAPI + async processing • Опыт с self-hosted inference: vLLM или аналогичные решения • Опыт GPU optimization • Английский язык на уровне C1: strong written and spoken communication skills • Bachelor’s degree или выше в Computer Science, Artificial Intelligence, Machine Learning, Data Science или смежной технической области • 5+ лет опыта в ML/AI • 1.5–2+ года опыта в production LLM projects • Опыт с MLOps Будет плюсом: • Опыт в medical / clinical NLP или regulated domains • Cost modeling и optimization of LLM workloads • MLOps и production fine-tuning pipelines • Apache Airflow, Prometheus / Grafana или AI Solution Architecture • Publications in relevant fields Условия: • Работа в early-stage HealthTech startup с продуктом для US healthcare market • Возможность участвовать в создании AI-powered платформы с реальным влиянием на healthcare-процессы • Офисный формат в Астане первые 7–9 месяцев, далее возможен hybrid/remote • Зарплата $4 000 – $5 000 USD gross + equity • Возможность релокации в США при успешном росте компании, обсуждается индивидуально

Обязанности: • разработка сервисов и библиотек для AI агентов • поддержка и развитие существующих сервисов • проектирование детальной архитектуры и АPI для новых сервисов • интеграция продуктов компании с партнерами • контроль за качеством и отказоустойчивостью Требования: • высшее оконченное образование • опыт коммерческой разработки на Python (от 3 лет) • опыт управления от 2 лет • владение инструментами контроля версий (Git) • знание паттернов и антипаттернов разработки и написания кода (SOLID, ООП) • опыт работы с фреймворками: fastapi, asyncpg, aiopg • опыт написания тестов (pytest) • опыт проведения code-review • опыт работы с PostgreSQL: написание запросов, работа с индексами, транзакциями • понимание общих принципов работы LLM (модальность, токены, температура, галлюцинации) • понимание зачем нужен и как работает RAG • опыт работы с LangChain/LangGraph, Prompt engineering, Tool calling • знание протоколов взаимодействия между агентами. Условия: • офис рядом с метро Кропоткинская • формат работы гибридный • ежегодный пересмотр зарплаты и годовая премия • корпоративный спортзал и зоны отдыха • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития • гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ • расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа • бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров • вознаграждение за рекомендацию друзей в команду Сбера.

Зарплата не указана

Обязанности: • Реализовывать логику на Python, с использованием фреймворков (LangChain, LangGraph) для построения агентных систем, настраивать пайплайны взаимодействия с LLM (prompt engineering, tools, RAG); • Оптимизировать запросы к LLM; • Покрывать агентов и RAG пайплайны тестами и evals. • Писать и оптимизировать промпты, шаблоны и tool-итерфейсы(prompt engineering). • Интегрировать решений с core-системами банка (REST, Kafka), обеспечивать их взаимодействие и сквозную observability; • Разрабатывать backend сервисы с асинхронным взаимодействием, интеграций с внутренними и внешними системами; • Проектировать архитектуру приложений, пайплайнов обработки пользовательских запросов и мультиагентного взаимодействия (координация, планировщики, роли агентов); • Принимать участие в написании инструкций для сопровождения, настраивать подключение к мониторингу и логированию; Требования: • Глубокое знание python: asyncio, typing, dataclasses, pydantic, pytest; • Опыт работы с контейнеризацией (Docker); знакомство с Kubernetes н уровне пользователя; • Понимание брокеров сообщений (Kafka) • Опыт работы с LLM-фреймворками. Знание принципов работы библиотек LangChain, LangGraph; • Понимание паттернов и антипаттернов разработки, SOLID, DDD, архитектурных принципов; • Знание принципов построения REST API; • Понимание основ RAG: chunking-стратегии, embeddings, vector store, практика prompt engeeneting (yaml, jinja) • Знание принципов асинхронного программирования и умение применить на практике; • Умение проектировать архитектуру решения приложения и обосновывать выбор технологий; • Понимание бизнес-задач и умение переводить их в технические решения; • Знание и понимание этапов релизного процесса. Условия: • Стильный офис около м. Кутузовская; • Интересные проекты с известными брендами; • Возможность развиваться благодаря обучению; • Ну и конечно же конкурентная заработная плата и премия; • А также расширенный социальный пакет: ДМС, НС, ВЗР, корпоративные скидки и активную спортивную жизнь.

Зарплата не указана

Задачи: - Интегрировать LLM в продукты и сервисы (API, backend, пайплайны обработки данных); - Разрабатывать и оптимизировать prompt’ы, CoT, системные инструкции; - Оценивать качество ответов (метрики + human eval); - Настраивать guardrails: безопасность, фильтрация, соответствие требованиям; - Строить RAG-системы: индексация данных; работа с векторными БД; оптимизация поиска и генерации; - Оптимизировать инференс (стоимость, latency, batching, caching, квантизация); - Участвовать в архитектурных решениях вместе с продуктовой и ML-командой; - Исследовать и внедрять новые подходы и модели; - При необходимости: работать с мультимодальными моделями (текст, изображения, документы). Требования: - Уверенный Python; - Опыт работы с LLM в проде (не только pet-проекты); - Понимание prompt engineering, RAG-подходов, оценки качества моделей; - Опыт деплоя ML/LLM решений (Docker, Kubernetes, cloud); - Работа с векторными базами данных. Будет плюсом: - Fine-tuning / PEFT (LoRA, adapters); - RLHF или synthetic data generation; - Опыт с LangChain, LlamaIndex, Hugging Face; - Оптимизация инференса (vLLM, TensorRT, ONNX); - Опыт с мультимодальными моделями; - Публикации / open-source / pet-проекты; - Участие в хакатонах; - Понимание продуктовых метрик. Условия: - Полная удалёнка; - Аккредитованная ИТ-компания; - Интересный продукт, современный стек, микросервисная архитектура; - Известные клиенты из ТОП-10 в своих сегментах; - Прокачка скиллов под руководством лидов с 8+ лет опыта; - Достойный оклад по итогам собеседования + ежеквартальный сбор ОС с премированием лучших сотрудников; - Возможность взять на себя дополнительные задачи за соответствующее вознаграждение; - Премии за менторство младших сотрудников; - Ежеквартальные бонусы и подарки лучшим сотрудникам; - Пригласите друга и получите щедрое вознаграждение за рекомендацию.

Зарплата не указана

Задачи: — создание цифровых помощников для управления рисками инвестиционных портфелей в мультиагентной системе, анализирующей отчетность эмитентов, новостную повестку, судебные производства, котировки, кредитные рейтинги. Требования: — глубокое понимание архитектуры и принципов работы больших языковых моделей (LLM); — опыт разработки и интеграции AI-агентов и multi-agent систем; — понимание методов и алгоритмов машинного обучения и обработки естественного языка (NLP); — опыт с RAG (retrieval-augmented generation) и Knowledge Graph; — навыки prompt engineering; — опыт с инструментами и фреймворками: LangChain, GigaChain, LangGraph, LangFlow, n8n, Flowise, OpenRouter, NeuroAPI, GigaChat, ChatGPT, DeepSeek, Qwen, Mistral; — программирование на Python (приоритет); Java/Go/JavaScript — будет плюсом; — разработка и интеграция backend-сервисов и WebUI для AI-решений; — протоколы обмена данными: REST, WebSocket, JSON-RPC, gRPC; — системы логирования, мониторинга и диагностики для AI-приложений; — базовые DevOps и CI/CD практики; — опыт реализации и сопровождения AI-агентов в production-средах; — разработка приложений на базе LLM с использованием популярных open-source и коммерческих моделей; — интеграция внешних данных (базы знаний, API) для расширения возможностей AI-агентов; — построение кастомных пайплайнов обработки запросов и ответов; — участие в проектах по оптимизации производительности и масштабируемости LLM-систем; — командная разработка и взаимодействие с продуктовой и DevOps-командами. Условия: — удаленная работа; — полная занятость; — грейд middle+/senior; — зарплата от 260 000 до 350 000 ₽ в месяц.

260 000 – 350 000 ₽

Задачи: - Проектирование и разработка продакшн-систем с использованием Python 3.12+ для AI-агентов и LLM моделей - Реализация мультиагентной архитектуры: интеграция компонент, реализация пайплайнов и кастомных оркестраторов (LangChain, LangGraph, RAG) - Разработка и поддержка API (FastAPI, Django): создание микросервисов, REST, асинхронные сервисы - Интеграция с реляционными, NoSQL и векторными базами данных (PostgreSQL, Redis, MongoDB, VectorDB: ChromaDB, QDrant) - Создание, обучение и внедрение ML-моделей (ML pipeline, Prompt Engineering, RAG, оценка качества, A/B тестирование) - Контейнеризация (Docker, Docker Compose) и деплой в Kubernetes, частичная настройка DevOps-процессов (CI/CD: Jenkins, ArgoCD) - Разработка unit-тестов, код-ревью, оптимизация производительности, обеспечение безопасности - Взаимодействие в Agile-командах, участие в планировании, менторинг Требования: - Владение Python 3.12+: глубокое знание стандартных и современных возможностей языка (asyncio, typing, dataclasses, pydantic, pytest) от 4-6 лет - Практический опыт разработки AI/ML решений с использованием LangChain, LlamaIndex, RAG, интеграция с LLM API - Опыт проектирования и сопровождения высоконагруженных REST API на FastAPI/Django (архитектура, DI, сериализация, OpenAPI) - Продвинутая работа с PostgreSQL/Redis, проектирование сложных схем, индексация, оптимизация, векторные базы данных - Навыки контейнеризации, деплой в Kubernetes - Опыт внедрения CI/CD пайплайнов, мониторинга, алертинга, организации логирования - Уверенное знание Git, опыт командной работы (Agile, Scrum) - Английский B2+ для чтения документации и коммуникаций Будет плюсом: - Fine-tuning и кастомизация LLM, prompt engineering, оценка качества - Опыт с MLOps, LLMOps и мультирегиональными архитектурами - Участие в R&D или open-source проектах, менторство, архитектурное мышление - Работа с GigaChat API Условия: - Возможность профессионального и карьерного роста в компании, возможность поучаствовать в разных проектах - Опыт работы в распределенной команде профессионалов - Уровень заработной платы обсуждается индивидуально - Формат работы: Офис/гибрид г.Москва или Санкт-Петербург.

Зарплата не указана

Задачи: • стратегическое развитие лаборатории, формирование и управление командой разработчиков и ML-инженеров; • архитектурное и технологическое руководство, планирование и контроль выполнения проектов; • взаимодействие с подразделениями компании и продвижение внедрения LLM-технологий. Требования: • опыт управления командами (от 3 человек); • опыт внедрения LLM/RAG систем, глубокое понимание inference, RAG, prompt engineering; • практический опыт Python, API, Docker, Linux; • опыт взаимодействия с бизнес-заказчиками. Условия: • "белая" заработная плата от 234 000 до вычета: оклад + премия (ежемесячно), в течение года выплачиваются две дополнительные премии (на День связи и премия в конце года); • официальное трудоустройство согласно ТК РФ, оплачиваемые отпуска и больничные листы; • график работы в офисе 5/2 с 08:00 до 17:00, в пятницу сокращенный рабочий день; • место работы: Казань, Николая Ершова 55в; • оплачиваемый день отдыха в свой День Рождения; • возможность получать бонусы по программе "Приведи друга" - от 10 000 рублей;

от 234 000 ₽

Задачи: — участвовать в проектировании RAG-архитектуры под B2B-кейсы: помогать выбирать источники данных, настраивать ingestion, chunking, базовые стратегии retrieval (dense/hybrid) под руководством более опытных коллег; — настраивать LLM/агентов под предметную область: реализовывать промпты, подключать инструменты (tool calling), работать с контекстом и базовой памятью; — реализовывать POC/POV на данных клиента, проводить итерационные улучшения на основе метрик и обратной связи; — строить Data Ingestion пайплайны с OCR; — реализовывать evaluation-пайплайны: генерация тестовых наборов, запуск auto-eval, участие в human-eval; — считать и анализировать ключевые метрики (accuracy, coverage, latency, user success rate), готовить отчеты для команды; — участвовать в настройке мониторинга: логирование, базовые алерты, анализ неуспешных кейсов и их фиксы; — участвовать в интеграции с инфраструктурой (Kubernetes, облако), работать с метриками и логами; — участвовать в нагрузочном тестировании для оценки скорости инференса и необходимых ресурсов. Требования: — опыт работы с Python (pandas, PyTorch/TF, API LLM); — опыт работы в ML/DS/NLP от двух лет; — опыт работы с LLM/RAG; — понимание полного цикла ML-разработки; — практический опыт работы с RAG: настройка retrieval, работа с embedding-моделями, векторными БД (FAISS, Qdrant, Pinecone и др.); — понимание базовых техник улучшения качества (reranking, filtering, prompt tuning); — опыт работы с агентными фреймворками (LangChain / LangGraph / LlamaIndex / ADK и др.); — базовое понимание agentic-подходов и tool calling; — опыт prompt engineering и настройки LLM под задачи; — базовый опыт fine-tuning (или понимание подходов: LoRA, QLora, instruction tuning); — понимание оптимизации инференса (на уровне использования инструментов: vLLM, quantization и др.); — опыт работы с популярными ML фреймворками: tranformers, vllm, sglang, pytorch; — SQL, базовое понимание работы с данными и пайплайнами; — опыт деплоя сервисов (Docker, FastAPI), базовое понимание Kubernetes/облака; — навыки логирования, мониторинга и базовых A/B-экспериментов; — опыт работы с evaluation для ML/LLM (auto-метрики + участие в ручной оценке, LLM-as-Judge).

Зарплата не указана

Задачи: — разработка и поддержка сервисов на Python с использованием async — работа с Large Language Models (LLM) и их интеграция — разработка на LangChain и LangGraph — оптимизация SQL-запросов — prompt-инжиниринг и настройка LLM-инференса Требования: — высшее образование в области технических или физико-математических наук — опыт работы с различными LLM — опыт разработки на LangChain и LangGraph — актуальный опыт работы на схожей должности от года — 3+ года опыта программирования на Python — опыт работы с async-сервисами — глубокое знание SQL и оптимизации запросов — опыт prompt-инжиниринга и настройки LLM-инференса Условия: — полная занятость — офис в Москве — зарплата от 260 000 до 325 000 ₽ в месяц

260 000 – 325 000 ₽

Задачи: — Участие в разработке и деплое ML/LLM решений. — Применение Prompt Engineering и методов Fine-tuning/PEFT. — Построение RAG пайплайнов и работа с векторными базами данных. — Оптимизация производительности LLM и оценка их качества. — Разработка с использованием мультимодальных моделей. Требования: — Уверенное владение Python. — Опыт деплоя ML/LLM решений с использованием Docker, Kubernetes, облачных платформ AWS, GCP, Azure. — Опыт работы с Prompt Engineering (few-shot, chain-of-thought, ReAct). — Знание Fine-tuning / PEFT (LoRA, QLoRA, adapters). — Опыт построения RAG пайплайнов (chunking → embedding → retrieval → генерация). — Умение работать с векторными базами данных (Qdrant, Pinecone, Milvus, FAISS). — Опыт RLHF или работы с синтетическими данными (предпочтения, генерация и фильтрация). — Знание фреймворков LangChain, LlamaIndex, Hugging Face. — Опыт оценки LLM (BLEU, ROUGE, MMLU, кастомные эвалы). — Опыт оптимизации инференса (vLLM, TensorRT, ONNX). — Опыт работы с мультимодальными моделями (LLaVA, GPT-4V, Qwen-VL). — Грейд Middle/Middle+. Условия: — Полная занятость. — Удалённый формат работы. — Интересные проекты в области ИИ.

Зарплата не указана