Location: Москва
Команда Дивизиона AI трансформации и исследования данных Блока Финансы ищет DSa для разработки AI-агентов в рамках инициативы «Цифровой сотрудник БФ», которая направлена на повышения эффективности операционных процессов блока Финансы.
Обязанности
* разработка классических LLM агентов
* разработка tools для агентов, а также skills-инструкций для LLM
* воспроизведение основных паттернов разработки в продуктовой парадигме
* участие в обсуждении требований с бизнес-заказчиками
* контроль качества agent-pipeline
* декомпозиция верхнеуровневых задач на исполнимые в рамках разработки
* вывод в production llm-приложений, agent'ских систем.
Требования
* знания в области: математических анализ, линейная алгебра,Deep Learning,Classic ML, Python(async, fastapi, Semaphore)
* высшее образование (МГУ, Физтех, ВШЭ, РЭШ и тд)
* понимание построенных целевых решений, предложения по внесению изменений в архитектуру
* опыт работы в open-source LLM(GLM5.2, qwen 3.5, etc)
* знание фреймворков LangChain, LangGraph, fastapi, huggingface, а также regex и иных библиотек по обрабокте текста
* vanilla RAG, Advanced RAG, работа с контекстом llm
* базовое знание принципов промышленной разработки на python( SOLID, Singleton )
* базовый MLops(работа с version control, CI/CD).
Будет плюсом:
* опыт работы с openclaw, его форками
* использования llm GigaChat, Kandinsky
* опыт работы в финтехе
* опыт использования и доработки OCR.
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.
Реализация полного цикла разработки моделей и ML-решений: от постановки задачи до передачи на внедрение и мониторинг. Генерация ML-решений для задач бизнеса, формирование БТ моделей и ТЗ для смежных команд.
Задачи:
— Создание и развитие собственных базовых языковых моделей Авито: проверка гипотез в области претрейна, continual pre-training, post-training, RL и синтетических данных
— Масштабирование обучения и оптимизация инференса (квантование, speculative decoding)
— Построение процедур оценки качества моделей
— Написание продакшен-кода на Python и PyTorch
Требования:
— 3+ года опыта разработки и эксплуатации ML-решений
— Глубокое понимание Transformer и принципов обучения LLM
— Практический опыт обучения и внедрения NLP-моделей
— Уверенный Python и PyTorch
— Понимание компромиссов между качеством, latency и стоимостью
Плюсом:
— Опыт с continual pre-training, SFT/LoRA/RL, DeepSpeed, vLLM, TensorRT-LLM, MLOps-инструменты
Задачи:
— Оптимизация и автоматизация инфраструктуры для вывода алгоритмов и немодельных сервисов;
— Конфигурирование и разворачивание инфраструктурных компонентов;
— Создание и поддержка пользовательских инструментов для работы в едином ML-контуре применения и обучения;
— Масштабирование разрабатываемых систем и инструментов для управления жизненным циклом моделей машинного обучения.
Требования:
— Опыт от 2х лет конфигурирования и оптимизации BigData решений;
— Опыт DevOps от 3х лет (docker, helm, jenkins\gitlab CI, python);
— Опыт администрирования Kubernetes и/или MLOPS решений будет преимуществом;
— Опыт работы с Hadoop, Spark, Kafka, ELK;
— Самостоятельность в доведении задач до результата;
— Проактивность и инициативность в предложениях по рефакторингу;
— Полное погружение в инфраструктуру и команду;
— Командность, готовность помогать коллегам и пользователям;
— Умение собрать общую картину ожидаемого результата, вместо решения конкретно поставленной задачи.
Условия:
— Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования;
— Работа в agile-команде;
— Удаленный формат работы;
— Сложные и интересные задачи, современный стек технологий;
— Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни;
— Доступ к бесплатным корпоративным библиотекам Alpina Digital, MyBook и бизнес-изданий;
— Предложения от Банка только для сотрудников: собственный спортзал, а также скидки на услуги туристических агентств, продукты питания, в рестораны, бары, магазины.
Задачи:
— Развивать и сопровождать инфраструктуру AI-платформы.
— Разворачивать и поддерживать сервисы в Kubernetes.
— Контейнеризировать приложения и инфраструктурные компоненты с использованием Docker.
— Разрабатывать и поддерживать CI/CD-пайплайны.
— Автоматизировать рутинные операции с помощью Python и Bash.
— Работать с ArgoCD и IaC-инструментами.
— Настраивать мониторинг, логирование и health-checks.
— Работать с persistent storage и S3/object storage.
— Участвовать в эксплуатации AI/ML-сервисов и LLM inference, администрировать AI системы.
— Постепенно осваивать GPU-инфраструктуру и особенности запуска AI-сервисов на GPU.
— Участвовать в развитии внутренних стандартов deployment и эксплуатации AI-сервисов.
— Разбираться в инцидентах и самостоятельно доводить технические задачи до результата.
— Взаимодействовать с архитекторами, разработчиками, специалистами по кибербезопасности, ML-инженерами и системными администраторами.
Требования:
— Уверенное владение Linux и командной строкой.
— Практический опыт с Docker и Docker Compose.
— Базовый практический опыт работы с Kubernetes.
— Понимание основных Kubernetes-объектов: Pod, Deployment, Service, ConfigMap, Secret, Ingress, PVC.
— Опыт работы с Git.
— Понимание принципов CI/CD и практический опыт работы хотя бы с одним CI/CD-инструментом.
— Bash на уровне написания небольших скриптов автоматизации.
— Python на уровне написания automation scripts и небольших сервисных утилит.
— Базовое понимание сетей: TCP/IP, DNS, HTTP/HTTPS.
— Понимание принципов мониторинга и логирования.
— Понимание разницы между файловым, блочным и объектным хранилищем.
— Понимание базовых принципов работы AI/ML-сервисов: model, training, inference, embeddings, LLM.
— Понимание базовых принципов применения мер защиты от киберугроз.
— Будет плюсом: Helm, Ansible, ArgoCD / GitOps, Prometheus / Grafana / Loki, S3 / MinIO, PostgreSQL / Redis, опыт работы с GPU и NVIDIA, NVIDIA Container Toolkit / CUDA, vLLM, SGLang, Triton или другие inference engines, MLflow, Airflow, Kubeflow или другие MLOps-инструменты, RAG, vector databases, embeddings, непосредственный опыт эксплуатации AI/ML или LLM-сервисов, опыт работы в инфраструктурной или DevOps-команде, опыт эксплуатации production-систем, опыт работы с on-premise инфраструктурой, опыт работы с Linux-серверами и Kubernetes-кластерами, понимание принципов отказоустойчивости и масштабирования.
— Английский язык на уровне чтения технической документации.
— Не требуется глубоких знаний ML и разработки нейронных сетей.
— Не требуется самостоятельно обучать модели или разрабатывать ML-алгоритмы.
— Важнее хорошая инженерная база, способность самостоятельно разбираться в проблемах и готовность постепенно углубляться в AI infrastructure.
Условия:
— Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + премия по результатам KPI.
— Сложные и интересные задачи, современный стек технологий.
— Забота о здоровье: программа ДМС с первых дней работы, включая стоматологию и обслуживание в лучших клиниках города.
— Возможность вертикального и горизонтального карьерного роста: регулярные тренинги, вебинары, митапы и демо-дни.
— Корпоративные предложения от партнёров группы АЛЬФА-БАНК.
— Бесплатная мобильная связь Альфа-Мобайл.
Задачи:
— разработка, тестирование и внедрение ИИ-агентов (в том числе LLM-as-a-Judge) и классических ML-моделей для оценки качества, детекции аномалий, прогнозирования деградации и автоматической локализации причин сбоев
— исследование и внедрение новых подходов в области настройки LLM, LLM-as-a-Judge и RAG, чтобы сделать мониторинг точнее, стабильнее и понятнее
— ведение проекта по полному циклу: от идеи и прототипа до рабочего решения в проде, его тестирования и поддержки
— проектирование пайплайнов для работы с данными (трейсами агентов) и обучения моделей, интегрируя их в нашу MLOps экосистему
— взаимодействие с командами разработки и валидации ИИ-агентов, MLOps для интеграции решений и формирования лучших практик.
Требования:
— глубокое знание математической статистики, алгоритмов классического ML и архитектур нейросетей
— опыт работы от 5 лет в роли Data Science / Machine Learning с полным циклом разработки — от исследований и прототипирования до внедрения в прод и мониторинга
— опыт проведения аналитических исследований (R&D): умение самостоятельно изучать проблемную область, формулировать и проверять гипотезы, выбирать и адаптировать state-of-the-art методы под задачи проекта
— уверенное владение стеком технологий для анализа, экспериментов и разработки: NumPy, Pandas, Polars, Scikit-learn, XGBoost, LightGBM, CatBoostOptuna / Hyperopt
— навык написание чистого, модульного кода на Python, понимание принципов SOLID, опыт работы с Git.
Будет преимуществом:
— опыт разработки ИИ-агентов / агентных систем, понимание принципов их работы, коммуникации и оркестрации
— опыт работы с трейсами и метаданными ИИ-агентов (OpenAI, Arize Phoenix, LangSmith)
— опыт работы с векторными базами данных
— знание observability-стека (OpenTelemetry, Prometheus, Grafana) для мониторинга ML-систем
— публикации или значимый вклад в open-source в области ML/NLP/LLM.
Условия:
— комфортный современный офис: г. Москва, метро Кутузовский пр.
— формат работы– офис, по согласованию с руководителем возможно выполнение пула задач в гибридном формате
— ежегодный пересмотр зарплаты, 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 (медицинское страхование), льготное страхование для семьи
— ипотека для сотрудников
— бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— Разработка детальных планов реализации проектов: декомпозиция задач, распределение ресурсов, определение критического пути;
— Контроль соблюдения сроков, бюджета и качества результатов по всем активным проектам;
— Организация и ведение операционной деятельности команды: дейли-митинги, спринт-планирования, ретроспективы, проведение демо для заказчика;
— Постановка задач ML-инженерам, Data Scientists и DevOps-специалистам;
— Контроль качества и сроков исполнения;
— Сбор и формализация бизнес-требований, перевод бизнес-проблем в технические задачи с определением метрик эффекта и критериев приёмки;
— Управление ожиданиями стейкхолдеров: регулярные статус-отчёты, презентации результатов, обоснование технических решений;
— Организация процессов тестирования, валидации и мониторинга ML-моделей в продуктовой среде;
— Защита метрик качества перед заказчиком;
— Ведение проектной документации в соответствии с принятыми стандартами и регламентами компании.
Требования:
— 7+ лет общего опыта в IT-проектах, из них не менее 3 лет — в управлении проектами с применением AI/ML (LLM/NLP, NLP, CV или оптимизационное моделирование);
— Подтверждённый опыт управления кросс-функциональными командами;
— Опыт ведения переговоров с корпоративными заказчиками и защиты результатов проектов;
— Полный цикл управления проектом: планирование, постановка задач, контроль сроков, бюджета и качества;
— Умение переводить бизнес-проблемы в технические задачи: формулировка AI гипотез, определение метрик успеха, критерии приёмки;
— Опыт оценки трудозатрат для комплексных AI-проектов, включая работы по разметке данных, обучению моделей и MLOps-инфраструктуре;
— Управление рисками и изменениями: выявление, оценка, приоритизация, разработка планов митигации;
— Инструменты управления: Jira, Confluence или аналоги для трекинга задач, ведения документации и управления бэклогом;
— Понимание полного жизненного цикла ML-проекта: сбор данных, разметка, обучение, валидация, деплой, мониторинг;
— Понимание принципов работы LLM, GenAI, RAG и агентных систем — на уровне, достаточном для оценки рисков и постановки задач команде;
— Понимание принципов MLOps: CI/CD для моделей, версионирование данных, автоматизация пайплайнов.
Будет плюсом:
— Опыт внедрения AI-решений в регулируемых отраслях (нефтегаз, финансы, государственный сектор);
— Понимание архитектуры данных: хранилища данных, data pipelines, feature store;
— Опыт формирования и масштабирования AI-команд;
— Базовые знания SQL для самостоятельной работы с данными и понимания задач команды.
Условия:
— График работы: 5/2 с 09:00 до 18:00 (в пятницу до 16:45);
— Работа в аккредитованной Минцифры ИТ-компании;
— Конкурентоспособная заработная плата (обсуждается по результатам собеседования);
— Соцпакет: программа ДМС со стоматологией, корпоративная мобильная связь, санаторно-курортное лечение;
— Возможность расти как вертикально, так и повышать уровень своих профессиональных и деловых компетенций;
— Внутреннее обучение: конференции, тренинги, мастер-классы, корпоративный университет;
— Внешнее обучение по направлению профессиональной деятельности;
— Возможность присоединиться к спортивным командам по мини-футболу, баскетболу, волейболу или чирлидингу;
— Корпоративная электронная библиотека;
— Комфортный офис в бизнес-центре «NordStar» с удобным расположением (5 мин пешком от метро «Беговая», МЦД-1).
Задачи:
— Партнёрство с Account Executives для согласования технических решений с целями клиентов, поддержка пресейл-активностей и стимулирование дохода через стратегические продажи.
— Понимание и навигация по требованиям государственного сектора, включая процессы закупок, руководства NIST, рамки DoD (например, PlatformOne, IronBank) и федеральные требования к соответствию (например, CMMC).
— Проведение демонстраций и Proof of Value (POV) для технических и нетехнических заинтересованных сторон, демонстрируя, как JFrog обеспечивает безопасные, масштабируемые практики DevSecOps и MLOps.
— Поддержка запросов информации (RFI), запросов предложений (RFP) и тендерных процессов, обеспечивая техническую точность и соответствие стандартам государственных закупок.
— Руководство клиентов на протяжении технического жизненного цикла, перевод бизнес-целей в проектные решения и сотрудничество с командами продукта и инженерии для влияния на дорожную карту на основе обратной связи с рынка.
— Пропаганда лучших практик DevSecOps, включая разработку эталонных архитектур DoD/Federal, и стимулирование внедрения в федеральных агентствах.
— Отслеживание отраслевых тенденций, поддержание экспертизы в DevOps, облачных технологиях, доставке программного обеспечения и новых технологиях, актуальных для цифровой трансформации государственного сектора.
Требования:
— Более 5 лет практического опыта с технологиями DevOps, включая Docker, Kubernetes, Git, CI/CD инструменты, Artifactory, инструменты сборки и современные практики SDLC.
— Более 3 лет практического опыта в области сканирования уязвимостей (SCA, SAST, DAST), сетевой безопасности, безопасности контейнеров/Kubernetes, безопасности цепочки поставок программного обеспечения (SBOM, подписание артефактов, SLSA) и интеграции безопасности в CI/CD.
— Опыт технических продаж, пресейла или инженерных продаж является плюсом, предпочтительно с клиентами государственного сектора США.
— Знание методологии MEDDPICC является плюсом.
— Знание программ и требований государственного сектора, включая среды DoD, классификации уровней воздействия, стандарты NIST и федеральные модели закупок.
— Владение облачными платформами AWS, Azure, GCP и Linux, способность проектировать гибридные архитектуры и масштабируемые решения развертывания.
— Способность проводить POC и технические презентации, сильные коммуникативные навыки для объяснения бизнес-ценности технической и исполнительной аудитории.
— Отличные письменные и устные коммуникативные навыки.
— Ориентация на клиента, решение задач и страсть к обеспечению успеха миссии.
— Требуется гражданство США.
— Готовность к командировкам не менее 25% по США.
— Возможны требования к безопасности правительства; наличие активного допуска к секретной информации является плюсом.
Условия:
— Предпочтение кандидатам, проживающим в Вашингтоне, округ Колумбия.
— Годовой базовый оклад от $160,000 до $172,500, зависит от навыков, квалификации, опыта и местоположения.
— Возможность получения бонусов или комиссионных.
— Пакет акций (RSU).
— Участие в плане покупки акций сотрудниками.
— Комплексные медицинские, стоматологические, офтальмологические, пенсионные и оздоровительные программы.
— Равные возможности трудоустройства без дискриминации.
About this role
As the Senior Staff Machine Learning Platform Engineer, you will own the technical vision and evolution of Faire’s ML platform. You will set standards, influence org-wide architecture, and lead complex, cross-functional initiatives that unlock data science velocity at scale. This role will also be key to adapting ML workflows to take advantage of modern AI productivity tools. You won’t just build models, you will architect the systems that allow those models to help tens of thousands of small retailers compete and grow their local businesses.
What You Will Do:
— Define and drive the long-term architecture of Faire’s ML platform including training, inference, feature management, governance
— Establish company-wide standards for code quality, testing, MLOps (CI/CD), experimentation, model lifecycle management, and observability
— Lead adoption and advanced use of Unity Catalog, multi-workspace strategies, and data/ML mesh patterns
— Architect highly scalable ML workflows using Spark, Delta Lake, and MLflow
— Optimize performance, reliability, and cost of the ML platform
— Evaluate and integrate emerging Databricks features
— Stay ahead of the curve by engaging with the latest developments in machine learning and AI
— Serve as senior ML technical advisor to Faire’s data science and production engineering teams
— Represent Faire at ML conferences and meetups
— Mentor ML engineers and raise the overall bar for Machine Learning at Faire
What it takes:
— 10-12 years of experience building and improving large-scale ML or data platforms
— A degree (preferably graduate level) in Computer Science, Engineering, Statistics, or a related technical field
— Deep expertise in Databricks lakehouse architecture, including governance via Unity catalog, orchestration via Workflows, and cost optimization
— Proven ability to design systems that support multiple data science teams and production workloads
— Strong background in distributed systems, ML infrastructure, and cloud architecture
— Demonstrated technical leadership across teams and orgs; ability to influence without authority
— Experience integrating LLM workflows into enterprise platforms is a plus
— Previous contributions to open source ML Infrastructure projects or research publications is a very strong plus
Tech Stack:
Faire uses a modern cloud based tech stack. For this role, you’ll want to be proficient with the following:
— Languages: Python, SQL, Kotlin
— ML Frameworks: PyTorch, PySpark, MLFlow
— Big Data & Processing: Spark, Kafka, Databricks, Snowflake, Fivetran, Iceberg, Unity Catalog, Datadog, Airflow, Cockroach DB, MySQL
— Cloud & Infrastructure: AWS, S3, SageMaker, Kubernetes, Docker, GitHub Actions, Terraform
— Generative AI: Claude Sonnet 4.5, ChatGPT 5.2
Conditions:
Hybrid work format with office presence 3 days per week (Tuesdays, Thursdays, and a flex day) and flexibility to work remotely up to 4 weeks per year. Remote work possible for candidates located in Ontario, Canada.
Salary Range:
$248,000 to $341,000 per year, eligible for equity and benefits. Actual base pay depends on skills, experience, market demands, and location. Base pay range subject to change.
Задачи:
- Разрабатывать, обучать и оптимизировать ML/AI-модели на PyTorch или TensorFlow
- Проектировать end-to-end пайплайны обработки и подготовки данных
- Работать с синтетическими данными и автоматизацией разметки
- Интегрировать AI/ML-модели с backend и другими компонентами продукта
- Подготавливать модели к production-деплою и масштабированию
- Настраивать процессы мониторинга, версионирования и экспериментов с использованием MLOps-инструментов
- Контейнеризировать ML-процессы с помощью Docker
- Работать с облачной инфраструктурой AWS или аналогами
- Участвовать в оптимизации inference и производительности моделей
- Взаимодействовать с инженерами и другими участниками AI-команды на всех этапах разработки
- Определять техническое направление AI-проектов, принимать ключевые архитектурные решения и обеспечивать техническое руководство командой на всех этапах разработки.
Требования:
- Опыт 4+ года коммерческого опыта в Machine Learning / AI Engineering
- Практический опыт разработки и внедрения ML-моделей в production
- Английский (свободный)
- Уверенное понимание основ Machine Learning и Deep Learning
- Знание методов оптимизации моделей и ключевых ML-метрик
- Практический опыт с MLOps (MLflow/Kubeflow/AWS SageMaker или аналогичные)
Условия:
- Формат: Full-time
- Локация: Ташкент (Офис)
- Официальное трудоустройство по ТК УЗ
- Занятость: полный рабочий день
Location: Metn, Lebanon
About the Toters
Toters is an on-demand e-commerce and delivery platform that enables customers to get anything in their city with the highest level of convenience.
Technology is at the heart of everything we do. Our product and engineering teams work every day to build experiences that make customers’ lives easier while continuously improving internal systems to deliver faster and at the best cost.
If you’re excited about working in a high-growth startup environment and want to be part of a team shaping the future of how people shop in the Middle East, we’d love to hear from you.
About the Role
We are looking for a
Senior AI Backend Engineer
to join Toters and help us build and scale the next generation of
AI-powered products and engineering systems
.
This role sits at the intersection of
Backend Engineering, AI Engineering, Platform Engineering, and Developer Enablement
. We are looking for someone who not only builds AI-powered systems, but also understands
how AI is adopted across an engineering organization
and can help teams use AI effectively in their day-to-day development and product delivery.
The ideal profile is similar to an
Forward Deployed Engineer (FDE)
: highly hands-on, comfortable working across different technical areas, able to understand ambiguous problems quickly, and capable of turning emerging AI capabilities into practical solutions.
You will help define
what good looks like for AI engineering at Toters
, build reusable foundations, and enable engineering teams to adopt AI tools, agents, and AI-powered development practices.
What You’ll Do
Design and build
backend systems and services powered by AI
, integrating AI capabilities into production-grade products and internal platforms.
Own and contribute to the
AI engineering lifecycle
, from experimentation and prototyping through deployment, observability, evaluation, and continuous improvement.
Build and evolve
AI-enabled developer and engineering platforms
that improve productivity and accelerate software delivery.
Lead the
adoption of AI tools and workflows across engineering
, helping teams identify high-value use cases and turn them into scalable solutions.
Establish engineering standards and best practices around
AI-powered development, agents, evaluation, observability, reliability, and productionization
.
Explore and implement emerging
agentic engineering patterns
, including agent-to-agent protocols, agent SDKs, tool calling, orchestration, and autonomous workflows.
Build systems that leverage
knowledge bases, knowledge graphs, retrieval, and contextual data
to make AI applications more useful and reliable.
Work closely with Backend, Platform, ML, Product, and Engineering leadership to identify opportunities where AI can meaningfully improve products and internal workflows.
Prototype rapidly, validate ideas, and move successful experiments into reliable production systems.
Develop reusable frameworks, libraries, and services that allow other engineers to build AI-powered applications without reinventing the foundations.
Define and improve
AI observability and evaluation
practices, including monitoring quality, performance, reliability, cost, and model behavior.
Stay current with rapidly evolving AI technologies and translate them into practical engineering solutions for Toters.
What We’re Looking For
6+ years of experience software engineering
, with a strong background in Backend Engineering, Platform Engineering, or a similar technical discipline.
Strong experience building
production-grade backend systems
, preferably at significant scale.
Strong programming skills in one or more backend languages such as
Go, Java, or PHP
.
Hands-on experience building or integrating
AI-powered systems and applications
.
Strong understanding of the
AI application lifecycle
, from experimentation to production deployment and monitoring.
Experience with
AI developer tools, LLMs, agents, agent SDKs, and AI-assisted software engineering workflows
.
Demonstrated experience
leading AI adoption or enablement
across an engineering team or organization.
Ability to understand emerging AI technologies and distinguish between what is genuinely useful in production and what is experimental.
Strong understanding of
software architecture, distributed systems, APIs, and backend infrastructure
.
Experience with
observability, reliability, monitoring, and production operations
for complex systems.
Strong problem-solving skills and the ability to work effectively in ambiguous, fast-moving environments.
A builder mindset: you are comfortable going from
"we should try this" → prototype → production
.
Nice to Have
Experience working with
AWS
or other major cloud platforms.
Experience with
Platform Engineering
or Developer Experience / Developer Enablement.
Experience with
MLOps
or ML/AI infrastructure.
Experience building
AI agents and agentic workflows
.
Experience with
Agent SDKs, agent-to-agent communication protocols, and orchestration frameworks
.
Experience with
knowledge graphs, knowledge bases, RAG, or other approaches for grounding AI systems in company/domain knowledge
.
Experience building AI-powered developer tools or internal engineering platforms.
Previous experience in an
FDE, Solutions Engineer, Developer Experience, AI Platform, or similar highly cross-functional engineering role
.
Experience working with modern AI coding and development tools such as
Claude or similar AI development platforms
.
Задачи:
— Разработка и внедрение ML-моделей прогнозирования спроса (временные ряды, градиентный бустинг, нейросети) на уровне SKU;
— Автоматизация пайплайнов ретрайна и мониторинга качества прогнозов в продакшене с использованием MLflow, Airflow, Docker;
— Интеграция внешних факторов (промо, погода, сезонность, макроэкономика) и сценарное "what-if" моделирование;
— Согласование иерархических прогнозов для оптимизации запасов в цепочке поставок (дефицит ↔ перепроизводство).
Требования:
— Уверенное владение Python (Pandas, NumPy, Scikit-learn);
— Продвинутый уровень SQL (оконные функции, CTE, оптимизация запросов);
— Опыт работы с Big Data: PySpark (распределённые данные > 100 ГБ);
— Знания MLOps: Airflow / Prefect, MLflow / Weights & Biases, Docker, CI/CD;
— Опыт работы с облачными платформами: AWS (SageMaker, S3, Redshift) или Azure / Yandex Cloud;
— Знания статистики: теория вероятностей, проверка гипотез, A/B-тестирование, байесовские методы;
— Бизнес-ориентация: понимание метрик (WMAPE, Fill Rate, оборачиваемость) и их влияния на P&L;
— Умение объяснять сложные вещи простым языком нетехническим менеджерам и закупщикам;
— Проактивность: самостоятельный поиск гипотез и точек роста, а не просто выполнение ТЗ;
— Стрессоустойчивость: работа с "грязными" данными и умение отстаивать качество прогнозов перед бизнесом.
Условия:
— Работа в офисе у м. Кунцевская, бизнес-центр Kutuzoff Tower;
— График работы 5/2 с 09:00 до 18:00;
— Официальное оформление по ТК РФ, официальная зарплата с больничными и отпусками;
— Заработная плата обсуждается на собеседовании;
— Корпоративные скидки на продукцию компании (алкоголь);
— Подарки сотрудникам и их детям на праздники.
Задачи:
— Возглавлять команду Data Scientists, участвовать в найме, онбординге и развитии сотрудников;
— Обеспечивать операционную деятельность: дейли-митинги, спринт-планирование, ретроспективы, демо;
— Формировать и развивать бэклог задач, определять приоритетные бизнес-задачи и оценивать ценность решений;
— Выстраивать кросс-функциональное взаимодействие с Data Engineering, MLOps и бизнес-подразделениями, договариваться о приоритетах и ресурсах;
— Отвечать за полный жизненный цикл моделей: сбор данных, разметка, обучение, валидация, деплой, мониторинг;
— Руководить проектированием и внедрением решений;
— Обеспечивать разработку, валидацию и мониторинг моделей, включая стандарты, политики и документооборот;
— Проводить архитектурные ревью, задавать стандарты качества кода и документации;
— Принимать участие в написании production-кода;
— Контролировать соблюдение сроков и качества результатов;
— Переводить бизнес-проблемы в технические задачи, формулировать гипотезы, определять метрики успеха и критерии приемки;
— Презентовать результаты и влияние моделей бизнес-заказчикам, защищать метрики качества;
— Отвечать за разработку и согласование единых стандартов разработки моделей внутри подразделения.
Требования:
— Высшее техническое образование в области прикладной математики, информатики, компьютерных наук или смежных дисциплин;
— Совокупный опыт в Data Science и машинном обучении от 5 лет;
— Управленческий стаж минимум 2 года на позиции тимлида или руководителя ML-подразделения с прямым подчинением инженеров и дата-сайентистов;
— Успешная реализация комплексных проектов полного цикла с выводом в промышленную эксплуатацию;
— Опыт внедрения моделей в production и построения системы мониторинга их качества;
— Глубокое владение Python и SQL;
— Практика работы с пайплайнами оркестрации (Airflow), распределённой обработкой данных (Spark), контейнеризацией (Docker) и системами контроля версий (Git);
— Опыт работы с большими данными в среде S3/Hadoop и аналитическими СУБД ClickHouse, Greenplum;
— Уверенное знание классического ML-стека: градиентный бустинг, линейные алгоритмы, а также специализированные подходы — uplift-моделирование и антифрод-системы;
— Навыки декомпозиции сложных задач, распределения нагрузки, контроля сроков и качества delivery;
— Навыки эффективного взаимодействия с бизнес-заказчиками и смежными командами (Data Engineering, MLOps, Product);
— Владение инструментами командной работы Jira и Confluence.
Условия:
— Конкурентоспособная заработная плата, ориентированная на ожидания и квалификацию кандидатов;
— ДМС со стоматологией, корпоративное обучение;
— Офис/гибридный формат работы в Москве (Москва-Сити);
— Современные технологии и подходы к ведению проектов;
— Работа в аккредитованной IT-компании.
Задачи:
— Написание кода агента на Python, который использует внешние API;
— "Упаковка" кода в Docker-образ с минимальным размером и безопасными зависимостями;
— Написание Helm-чарта для развертывания этого образа в Kubernetes;
— Поиск способов обновления библиотеки или применение патча, пересборка образа и обновление деплоя при блокировке образа SCA-сканером из-за уязвимости в библиотеке requests;
— Чтение логов пода в ArgoCD, в случае падения агента в продакшн. Исправление кода и подготовка нового деплоя, если ошибка в промпте или API.
Требования:
— Опыт от 3-6 лет Middle / Senior;
— Бэкграунд: Python-разработчик, который увлекался AI и выучил Docker/Kubernetes, либо MLOps-инженер, который умеет хорошо программировать;
— Ключевая компетенция: автономность — уметь не только написать бота, но и перенести его в контейнер, пройти проверку безопасности и запустить в кластере без помощи системных администраторов;
— Глубокое понимание работы зависимости в Python (virtualenv, poetry, pip), так как 70% проблем с деплоем связаны с ними;
— Понимание концепции AI Agents, RAG, Tool Calling;
— Навыки работы с DevOps / MLOps инструментами: Docker, Kubernetes, Helm, ArgoCD (чтение логов/статусов), bash;
— Опыт работы с SCA-сканерами.
Условия:
— Заработная плата до 260 000 рублей на руки;
— Оформление через ИП, самозанятый;
— Гражданство РФ, локация РФ;
— Удалённая работа.
Описание проекта и команды:
— Управляющая компания.
Этапы отбора:
1. Интервью
2. Проверка информационной безопасности.
Location: Mississauga
Workplace: hybrid
At PointClickCare our mission is simple: to help providers deliver exceptional care. And that starts with our people. As a leading health tech company that’s founder-led and privately held, we empower our employees to push boundaries, innovate, and shape the future of healthcare.
With the largest long-term and post-acute care dataset and a Marketplace of 400+ integrated partners, our platform serves over 30,000 provider organizations, making a real difference in millions of lives. We also reinvest a significant percentage of our revenue back into research and development, ensuring our employees have the resources to innovate and make a lasting impact. Recognized by Forbes as a top private cloud company and honored as one of Canada’s Most Admired Corporate Cultures, we offer flexibility, growth opportunities, and meaningful work.
At PointClickCare, we empower our people to be the architects of a smarter healthcare future; one that is human-first and accelerated by AI to create meaningful and lasting change. Employees harness AI as a catalyst for creativity, productivity, and thoughtful decision-making. By integrating AI tools into our daily workflows, collaboration is enhanced, outcomes are improved, and every team member has the proficiency to maximize their impact. It all starts with our hiring practices where we uncover AI expertise that complements our mission, and we continue to invest in training and development to nurture innovation throughout the employee journey.
Join us in redefining healthcare — so it doesn’t just survive, it thrives. To learn more about PointClickCare, check out Life at PointClickCare and connect with us on Glassdoor and LinkedIn.
**Travel to Office expectations**
For Remote Roles: If this role is remote, there will be in-office events that will require travel to and from the Mississauga and/or Salt Lake City office. These will include, but not limited to, onboarding, team events, semi-annual and annual team meetings.
For Hybrid Roles: If this role is Hybrid, there will be an expectation to reside within commutable distance to the office/location specified in the job listing. This will include, but not limited to, weekly/bi-weekly/monthly events in the office with your specific team. This is a requirement for this role.
Team Summary
This team will serve as the product owner for the machine learning platform capabilities within PointClickCare, working closely with other engineering teams across the organization to identify, build and support traditional machine learning (ML) and hybrid ML/LLMsolutions. This centralized team with deep specialization will closely integrate with key horizontal partners to ensure delivery of safe, scalable, and high-impact AI products.
Job Summary
The Senior Machine Learning Systems Engineer will work closely with the Product and Engineering teams to design, build, and operate the machine learning platform that enables teams across PointClickCare to develop, deploy, and scale ML solutions. The Senior AI Machine Learning Systems Engineer will also build and maintain the pipelines, tooling and infrastructure for model training, deployment, serving, and monitoring that underpin our AI products.
Key Responsibilities
Collaborate with product and engineering teams to translate ML needs into reliable, reusable platform capabilities.
Design and build scalable data and ML pipelines that support model training, evaluation, deployment, and serving.
Develop and maintain ML Ops tooling and workflows, including CI/CD for models, model registry, feature stores, and experiment tracking.
Ensure the reliability, observability, and performance of ML systems in production through monitoring, alerting, and automated remediation.
Implement comprehensive security mechanisms for the ML platform, including authentication, role-based access control, audit logging, and compliance monitoring.
Securely integrate the platform with existing systems, APIs, and data sources with secure communication protocols, and optimize infrastructure for cost, performance, and scale.
Mentor engineers on the teams and promote reusable platform patterns and best practices.
Qualifications & Skills
Expert level in Python and Java, and strong software engineering fundamentals.
Experience designing and building ML platforms and MLOps workflows, with familiarity with tools such as MLflow, Kubeflow, Ray, and model-serving frameworks.
Experience with cloud platforms (Primarily Azure, secondarily AWS and GCP)
Experience with ML runtime containerization, optimization, and orchestration (Docker, Kubernetes).
Preferred
Bachelor’s degree or higher in Computer Science, Machine Learning, or a related field.
Working familiarity with Azure Machine Learning components and Databricks processing and serverless environments
Experience implementing security at scale including role-based access control, multi-factor authentication, network security best practices, and compliance monitoring.
Experience optimizing large model training and inference (including LLM serving) for performance and cost.
#LI-AV1
#LI-Hybrid
PointClickCare Benefits & Perks:
Benefits starting from Day 1!
Retirement Plan Matching
Flexible Paid Time Off
Wellness Support Programs and Resources
Parental & Caregiver Leaves
Fertility & Adoption Support
Continuous Development Support Program
Employee Assistance Program
Allyship and Inclusion Communities
Employee Recognition … and more!
It is the policy of PointClickCare to ensure equal employment opportunity without discrimination or harassment on the basis of race, religion, national origin, status, age, sex, sexual orientation, gender identity or expression, marital or domestic/civil partnership status, disability, veteran status, genetic information, or any other basis protected by law. PointClickCare welcomes and encourages applications from people with disabilities. Accommodations are available upon request for candidates taking part in all aspects of the selection process. Please contact recruitment@pointclickcare.com should you require any accommodations. As part of our commitment to a streamlined and equitable hiring experience, PointClickCare uses AI tools to assist with candidate screening and assessment.
When you apply for a position, your information is processed and stored with Lever, in accordance with Lever’s Privacy Policy. We use this information to evaluate your candidacy for the posted position. We also store this information, and may use it in relation to future positions to which you apply, or which we believe may be relevant to you given your background. When we have no ongoing legitimate business need to process your information, we will either delete or anonymize it. If you have any questions about how PointClickCare uses or processes your information, or if you would like to ask to access, correct, or delete your information, please contact PointClickCare’s human resources team: recruitment@pointclickcare.com
PointClickCare is committed to Information Security. By applying to this position, if hired, you commit to following our information security policies and procedures and making every effort to secure confidential and/or sensitive information.
At PointClickCare, base salary is one of the many components that make up our total rewards package. The CAD base salary range for this position is $174,000-$218, 000 (not overtime eligible) + bonus + benefits. Compensation is assessed individually and aligned to experience, skills, and market context. The posted range reflects typical expectations for this role
Задачи:
— Руководство и наставничество в командах Data Science
Требования:
— Опыт работы в Data Science не менее 5 лет, предпочтительно в мобильных потребительских продуктах
— Глубокие знания в области монетизации рекламы, оптимизации доходов или аналитики рекламы
— Опыт работы с системами рекомендаций, персонализации или ранжирования
— Продвинутые навыки Python и SQL
— Экспертиза в машинном обучении, предиктивном моделировании, прогнозировании и прикладной статистике
— Опыт работы с большими поведенческими наборами данных
— Опыт руководства или наставничества в командах Data Science
— Родной русский язык
Будет преимуществом:
— Знание AdMob, AppLovin, Unity Ads, ironSource
— Опыт с MLOps и облачными платформами AWS, GCP, Azure
— Знания в области LLM и генеративного ИИ
Задачи:
— разработка, обучение и оптимизация ML/AI-моделей на PyTorch и/или TensorFlow
— проектирование end-to-end ML-пайплайнов
— работа с LLM, NLP, Computer Vision и Generative AI
— подготовка моделей к production и масштабированию
— интеграция моделей с backend
— оптимизация inference и производительности
— построение MLOps-процессов
— работа с Docker и cloud-инфраструктурой
— принятие архитектурных решений и техническое руководство AI-командой
Требования:
— от 4 лет коммерческого опыта в Machine Learning / AI Engineering
— практический опыт разработки и внедрения ML-моделей в production
— уверенный Python
— PyTorch и/или TensorFlow
— понимание Machine Learning и Deep Learning
— знание ML-метрик и методов оптимизации моделей
— Docker, Git
— AWS или аналогичные cloud-платформы
— практический опыт с MLflow, Kubeflow, AWS SageMaker или аналогичными MLOps-инструментами
— свободный английский язык
Условия:
— full-time
— офис в Ташкенте
— официальное трудоустройство по ТК Узбекистана
— вилка от $3,500
