Вакансии

Location: Москва Мы - команда мобильного приложения Сбербанк Онлайн. Разрабатываем цифрового ассистента для мобильного приложения СБОЛ, который работает на базе технологий LLM. В ядре нашего ассистента лежит мультиагентная система. Мы ищем опытного NLP-специалиста, который будет разрабатывать новых ИИ-агентов для удовлетворения потребностей пользователей. Обязанности * анализ бизнес-задач и участие в выборе методов моделирования для их решения / проработка с заказчиками вариантов реализации ML-решений * разработка ИИ-агентов на базе LLM с использованием фреймворков LangChain/GigaChain/LandGraph * создание RAG (Retrieval Augmented Generation) пайплайнов * решение вспомогательных NLP-задач (Preprocessing, Classification, Clustering, Summarization (Ext/Abst), Sentence Compression, Simplification, NER, Embeddings, Prompt Tuning) * дообучение LLM под бизнес-задачи (SFT, LoRA), разработка пайплайнов оценки качества ML-решения (LLM-as-a-judge, классические метрики качества для задач классификации с естественными метками) * разработка дизайна пилотов для оценки продуктового и финансового эффектов от запуска ML-решений, приоритизация бэклога гипотез по улучшению качества ML-решений * вывод ML-решений в промышленную эксплуатацию совместно с командой MLOps. Требования * высшее образование (желательно техническое/экономическое) * опыт в ML от 3-х лет * знание библиотек и фреймворков: pandas, pyspark, catboost, pytorch, langchain/langgraph * отличные знания классического и нейросетевого ML применительно к NLP-задачам * имеешь опыт решения задач с использованием различных LLM-моделей (BERT, RoBERT, XLNet, LLaMA). * Знаешь как работает RAG Условия * гибридный формат работы: г.Москва, Бизнес-центр, Кутузовский проспект, д. 32, к.1 * ежегодный пересмотр зарплаты и годовая премия * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС (медицинское страхование), льготное страхование для семьи * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

LLM/NLP: LLM/SLM, prompt engineering, few-shot, BERT, PEFT, LoRA/QLoRA. Voice AI: дообучение TTS, ASR (GigaAMv2), VAD, streaming ASR/TTS.

Location: Самара Workplace: Гибридный О компании Команда занимается разработкой и поддержкой внутрикорпоративных систем. Обязанности Разрабатывать новых AI-агентов и развивать существующих на Python: диалоговые сценарии, маршрутизацию запросов, работу с контекстом и состоянием диалога; Интегрировать LLM через API, настраивать промпты, структурированные ответы и вызовы инструментов; Подключать AI-агентов к корпоративным сервисам и инструментам через REST API, MCP и A2A; Разрабатывать и дорабатывать backend-компоненты AI-сервисов с использованием FastAPI или Flask; Реализовывать скиллы агентов, обработку ошибок, логирование и проверку корректности выполнения действий; Тестировать работу агентов, улучшать качество ответов, скорость и устойчивость интеграций; Встраивать агентов в чат-бот. Требования Студенты 3 - 6 курсов бакалавриата, специалитета или магистратуры; Знакомство с FastAPI или Flask, HTTP/REST API, JSON и асинхронным программированием на Python; Опыт использования SQLAlchemy; Опыт взаимодействия с LLM через API; понимание промптов, контекстного окна, токенов и структурированного вывода; Понимание принципов построения AI-агентов, tool calling и маршрутизации запросов; знакомство с назначением MCP и A2A; Базовые знания ML/NLP: эмбеддинги, семантический поиск, оценка релевантности; опыт работы с одной из векторных БД (Qdrant, Weaviate или аналогичной); Представление о том, как оценивать качество LLM и агентов: корректность и релевантность ответов, качество вызова инструментов, задержки; базовое понимание поисковых метрик; Навыки работы с Git, терминалом Linux и удалёнными серверами по SSH; умение читать логи и искать причины ошибок; Знакомство с Docker, Redis и основами тестирования Python-приложений. Будет преимуществом Знание основных практик безопасности LLM-приложений и AI-агентов: защита от prompt injection, безопасная обработка недоверенных данных, разграничение прав доступа к инструментам и предотвращение утечек конфиденциальной информации; Понимание основ MLOps/LLMOps: логирование и мониторинг, версионирование моделей и промптов, автоматизация тестирования и развёртывания AI-сервисов; Понимание принципов миграций схемы БД и знакомство с Alembic для управления изменениями моделей и структуры таблиц; Понимание архитектурных подходов к построению AI-систем: когда достаточно простого LLM-пайплайна, а когда оправдан агентный подход; применение кэширования, асинхронной обработки и разных стратегий оркестрации с учётом требований к качеству, производительности и надёжности; Понимание особенностей и ограничений LLM, типичных проблем при работе с контекстом, причин возникновения галлюцинаций и основных подходов к повышению качества и стабильности ответов; Знакомство с LangChain и LangGraph. Условия График работы 40 часов в неделю; Развитие в командах профессионалов и опытный наставник, готовый делиться опытом; Мобильная связь за счет компании; Специальные предложения и скидки от продуктов экосистемы МТС; Собственный корпоративный университет, онлайн-библиотека, Best Benefits (приложение для сотрудников, где собраны различные скидки); Спорт: онлайн зарядки, йога, дыхательные практики.

Задачи: — Разработка и внедрение ML/NLP решений для реальных продуктовых задач. — Работа с LLM: fine-tuning, prompt engineering, повышение качества ответов. Требования: — Опыт работы Data Scientist от 2 лет. — Уверенный Python. — Практический опыт с ML/NLP стеком (PyTorch, TensorFlow, Hugging Face).

Задачи: — Разработка и внедрение ML/NLP решений для реальных продуктовых задач. — Работа с LLM: fine-tuning, prompt engineering, повышение качества ответов. Требования: — Опыт работы Data Scientist от 2 лет. — Уверенный Python. — Практический опыт с ML/NLP стеком (PyTorch, TensorFlow, Hugging Face).

Обязанности: • Разработка и внедрение ML/NLP решений для реальных продуктовых задач. • Работа с LLM: fine-tuning, prompt engineering, повышение качества ответов. Требования: • Опыт работы Data Scientist от 2 лет. • Уверенный Python. • Практический опыт с ML/NLP стеком (PyTorch, TensorFlow, Hugging Face).

Задачи: — Разрабатывать и тестировать алгоритмы на базе LLM для генерации вопросов, ответов и кратких пересказов; — Работать с RAG-подходами: подготовка данных, индексация, поиск релевантного контекста, генерация ответа на его основе; — Участвовать в развитии виртуального ассистента и сценариев свободного диалога с пользователем; — Настраивать фактчекинг, фильтрацию и оценку качества ответов модели; — Разрабатывать пайплайны для суммаризации полезного контента; — Сравнивать результаты, подготовленные моделью, с редакционными версиями материалов, в том числе на примере «Картины дня»; — Создавать и развивать векторные поисковые индексы для задач RAG; — Тестировать промпты, гипотезы и подходы к улучшению качества ответов. Требования: — Опыт разработки на Python; — Опыт работы с задачами NLP: обработка текстов, классификация, генерация, суммаризация, NER, семантический поиск или похожие задачи; — Понимание принципов работы LLM и практический опыт их применения; — Опыт или хорошее понимание RAG-подходов; — Опыт работы с библиотеками и инструментами для ML/NLP: PyTorch, TensorFlow, Hugging Face, Transformers или аналогами; — Понимание fine-tuning/LoRA/prompt engineering на уровне, достаточном для прикладных задач; — Умение оценивать качество моделей и промптов: метрики, сравнение результатов, базовый benchmarking; — Знание SQL и опыт работы с базами данных; — Готовность разбираться в продуктовой задаче, а не только в модели. Условия: — Официальное трудоустройство; — ДМС со стоматологией, офисный врач, доплата больничного листа, корпоративные скидки; — Современный офис (Даниловская мануфактура, м. Тульская), бесплатный спорт в собственном спортзале от «Лиги Героев»; — Бесплатная подписка на сервисы партнеров; — Полный день в офисе, гибридный график или 100% дистанционный формат работы; — Льготные условия ипотеки в рамках зарплатного проекта; — Насыщенная корпоративная жизнь.

About Us & The Team Til-Qazyna is a national scientific and practical center dedicated to building the core digital and AI infrastructure for the Kazakh language. We develop foundational language resources, linguistic tools, and open-source models, including custom text corpora, morphological analyzers, RAG pipelines, and fine-tuned Large Language Models. We are looking for an AI Engineer to focus exclusively on natural language processing, corpus engineering, and LLM fine-tuning. Key Responsibilities • LLM Adaptation & Fine-Tuning: Fine-tune, evaluate, and benchmark open-source LLMs (Llama, Mistral, Qwen, Gemma) for Kazakh language understanding and generation using parameter-efficient methods (LoRA, QLoRA, PEFT). • NLP & Linguistic Tooling: Develop, maintain, and optimize rule-based and neural NLP components, including morphological analyzers, lemmatizers, tokenizers, and terminology parsers. • Corpus & Data Pipelines: Design automated pipelines for large-scale text crawling, data cleaning, deduplication, synthetic data generation, and dataset curation. • Inference & Deployment: Package NLP models and LLMs into containerized microservices (Docker, FastAPI) and optimize inference using modern serving frameworks (vLLM, Ollama, TensorRT-LLM, ONNX). Requirements • 1+ years of hands-on experience as NLP / AI / Machine Learning engineer. • Solid understanding of the Transformer architecture, attention mechanisms, embeddings, and tokenization. • Experience with core ML/NLP libraries: PyTorch, Hugging Face (transformers, datasets, accelerate, peft), Scikit-learn. • Experience building data preprocessing pipelines and working with structured/unstructured text data. • Practical knowledge of Docker, Linux, and Git. • Degree in Computer Science, Data Science, Applied Mathematics. Nice to Have • Hands-on experience with modern LLM serving and optimization engines (vLLM, TGI, llama.cpp, quantization techniques like AWQ/GPTQ). • Experience with RAG stacks (LangChain, LlamaIndex, ChromaDB, Qdrant, FAISS). • Understanding of the morphological, agglutinative, or grammatical characteristics of the Kazakh language. • Familiarity with alignment techniques (DPO, RLHF) or synthetic data generation. What We Offer • Direct impact on sovereign AI development and language technology used at scale. • Official employment in full compliance with the Labor Code of the Republic of Kazakhstan. • Access to high-performance GPU compute clusters for model training and experimentation.

Требования: — 5+ лет в production ML/NLP: системы, которые вы поддерживали после запуска — техническое лидерство: решения по стеку за команду, ревью, ответственность за сдачу шире своих задач — RAG целиком: гибридный поиск, чанкинг, реранкинг, методика оценки — self-hosted инференс открытых моделей, квантизация, расчет GPU — eval-наборы: чем вы докажете, что новая версия не хуже прошлой — развертывание в закрытом контуре, на инфраструктуре заказчика Половина роли техническая, половина переговорная: защищать архитектуру и метрики качества перед ИТ-директором заказчика. Условия: — Оплачиваемый испытательный срок — Бонусы за сдачу проектов — Офис в Алматы — Зарплата: 1 000 000 – 1 400 000 ₸