ИИ-агент
по поиску работы

Вакансии с карьерных сайтов компаний

Ищите вакансии крупных работодателей в одном месте. Сравнивайте условия и требования, а когда найдёте подходящую работу — переходите на карьерный сайт компании и откликайтесь напрямую.

Работодатели

+ ещё работодателиСвернуть
Фильтры
Очистить фильтры

Найдено: 32802

32311–32340 из 32802
Москва · РоссияНа месте
Требования к кандидату

Мы ждем от тебя:

• коммерческий опыт разработки на Python от 3-х лет, уверенное знание Python Core, GIL и принципов работы CPython

• понимание классического машинного обучения от алгоритмов временных рядов (ARIMA, Prophet, LSTM, CatBoost для time-series) до задач классификации и кластеризации

• опыт работы с СУБД в рамках написания сложных запросов, понимание партиционирования и движков таблиц (PostgreSQL, Oracle, Redis, ClickHouse)

• опыт написания качественного, покрытого тестами кода (pytest, unittest, принципы TDD, проектирование тестируемой архитектуры)

• опыт работы с Docker, понимание многослойных образов и оптимизации их размера, опыт работы с GitLab CI, Jenkins или GitHub Actions, написание пайплайнов для автоматической сборки, тестирования и доставки ML-сервисов

• знание протоколов сетевого взаимодействия HTTP/1.1, HTTP/2, REST, gRPC, а также брокеров сообщений (Kafka, RabbitMQ)

• практический опыт MLOps: контейнеризация моделей, настройка мониторинга дрейфа данных, пайпланы переобучения.

Будет плюсом:

• опыт работы с экосистемой Big Data: PySpark, Hadoop, Airflow (построение сложных DAG для подготовки фичей)

• опыт работы с Kubernetes/Openshift: написание Helm-чартов, настройка ресурсов (CPU/Memory), работа с PodDisruptionBudgets и HorizontalPodAutoscaler.

• понимание Observability-стека: Prometheus (архитектура, PromQL), Grafana, Loki, Tempo, OpenTelemetry

• опыт работы в fintech, highload или data-intensive проектах, где цена ложного срабатывания или пропуска аномалии критически высока

• опыт интеграции с LLM через API, prompt engineering, работа с векторными базами данных для RAG и семантического поиска

• знание спецификаций взаимодействия с моделями или опыт разработки собственных AI-агентов для автоматизации рутинных задач эксплуатации.

Найдена 12.11.2026
Москва · РоссияНа месте
Требования к кандидату

Требования

• 3+ года опыта в data analysis, data engineering, ML engineering, applied ML или близкой области

• уверенный Python: pandas/polars, numpy, visualization, notebooks, batch data processing

• SQL и опыт работы с большими датасетами, manifests, metadata, dashboards или analytics pipelines

• понимание экспериментального дизайна: ablations, контрольные группы, statistical reliability, интерпретация метрик

• базовое понимание ML training / eval loop и связи состава данных с метриками модели

• умение анализировать мультимодальные данные: видео, временные ряды, actions, task metadata, labels

• способность переводить наблюдения из данных и ошибок модели в actionable recommendations

• хорошая письменная коммуникация для отчетов, журналов решений и постановки задач смежным командам.

Будет плюсом:

• опыт с robot learning, VLA, imitation learning, RL, CV/VLM datasets или embodied AI

• опыт с W&B, MLflow, Hydra, experiment tracking, dataset lineage

• опыт с annotation QA, active learning, data curation, anomaly detection или quality scoring

• понимание domain shift, camera shift, embodiment gap, task transfer и data-centric AI

• навыки работы с генеративными AI-моделями

• опыт создания AI-агентов и использования их в работе будет преимуществом

• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов

• инструментальное владение AI для анализа, генерации и автоматизации.

Найдена 12.11.2026
Москва · РоссияГибрид
Требования к кандидату

Мы ожидаем, что у тебя есть:

• опыт разработки на Python от 3 лет

• опыт работы с LLM и Generative AI

• опыт разработки RAG-систем

• опыт Fine-Tuning LLM (SFT, LoRA/QLoRA)

• опыт работы с Hugging Face Transformers, PyTorch

• понимание архитектуры Transformer

• опыт работы с Prompt Engineering

• опыт создания AI-агентов.

Будет плюсом:

• опыт работы с локальными LLM (Qwen и др.)

• опыт развертывания моделей

• опыт работы с GPU-инфраструктурой

• опыт работы с Vector DB (Qdrant и др.)

• опыт построения MLOps-процессов

• знание MCP / A2A протоколов

• опыт оценки качества LLM

Найдена 12.11.2026
Москва · РоссияГибридНа месте
Требования к кандидату

Требования

• уверенный Python (алгоритмы, структуры данных, async)

• опыт работы с данными в ML-задачах

• понимание метрик качества моделей

• базовая статистика

• опыт в speech-задачах (ASR, VAD, diarization, keyword spotting)

• опыт построения data pipeline’ов

• опыт с разметкой и краудсорсингом.

Найдена 12.11.2026
Москва · Россия
Требования к кандидату

Требования

• Уверенный Python и опыт работы с PyTorch.

• Хорошее понимание основ машинного обучения и компьютерного зрения.

• Практический опыт работы с моделями для изображений или видео.

• Умение читать статьи, разбираться в чужом коде и воспроизводить результаты.

• Навык постановки экспериментов: выбор данных, метрик и базовых решений для сравнения, анализ ошибок.

• Понимание компромиссов между качеством, скоростью и стоимостью.

• Опыт работы с Linux, Git и Docker.

Будет плюсом

• Опыт генерации и редактирования изображений, виртуальной примерки, обработки лиц или ретуши.

• Дообучение генеративных моделей, работа с LoRA и подготовка датасетов.

• ONNX Runtime, LiteRT/TFLite, квантизация и запуск моделей на CPU или мобильных устройствах.

• Работа с мультимодальными моделями, агентными пайплайнами и автоматической оценкой результатов.

• Опыт внедрения ML-решений в пользовательские продукты

Найдена 12.11.2026
Москва · Россия
Требования к кандидату

Опыт работы в роли ML / NLP Engineer от 3 лет;

Уверенное владение Python и стандартным ML/DS-стеком (polars, pytorch и т.д.);

Опыт работы со Spark и Airflow (построение и поддержка пайплайнов обработки данных, ETL);

Опыт разработки и внедрения трансформерных моделей (обучение, файнтюнинг, инференс — HuggingFace Transformers и т.п.);

Опыт работы с табличными моделями (LightGBM, CatBoost, XGBoost) — построение ранжирующих/классификационных моделей;

Опыт применения методов кластеризации (например, IVF и другие подходы для векторных индексов/ANN-поиска);

Понимание задач NLP: нормализация текста, работа с опечатками, синонимия, классификация текстов;

Опыт вывода моделей в продакшн, понимание требований к онлайн-инференсу (латентность, нагрузка);

Умение работать с большими объёмами данных, оптимизировать пайплайны обработки;

Опыт работы с поисковыми системами (retrieval, ranking, семантический поиск) и векторными базами данных / библиотеками ANN-поиска (FAISS, HNSW и т.п.) будет плюсом.

Найдена 28.10.2026
Москва · РоссияГибридНа месте
Требования к кандидату

Требования

Мы ждём, что вы:

• Обладаете опытом управления R&D командами в области ИИ от 3 лет

• Имеете подтвержденный успешный опыт внедрения результатов исследований, полученных под вашим руководством, в продакшен

• Обладаете прекрасным навыком управления, формулировки и защиты идей и результатов исследований

• Обладаете глубоким пониманием современных архитектур нейросетей и можете изменять их для решения свих задач (есть примеры проектов, где вы это успешно делали)

• Имеете хорошее знание о направлении современных работ в области развития архитектур нейросетей

• Имеете сильный математический бэкграунд уверенно пишете код и готовы работать руками

Найдена 12.11.2026

Ml Lead (GenAI)

Сбер
Москва · РоссияГибрид
Требования к кандидату

Требования

• от 5 лет опыта в коммерческой разработке (Data Science / NLP / Backend) с уверенным практическим применением LLM

• опыт создания и успешного вывода в продакшн enterprise-решений на базе AI-агентов

• от 1 года опыта технического лидерства или менторства

• LLM & Agents: глубокий опыт разработки LLM-пайплайнов, RAG-систем и мультиагентных архитектур. Знание и применение фреймворков: LangChain, LangGraph, DeepAgents (или аналогов)

• NLP & ML: фундаментальное понимание NLP (от классики TF-IDF до современных трансформеров) и алгоритмов классического ML

• Python Backend: понимание принципов проектирования микросервисной архитектуры (REST API); опыт написания асинхронных и многопоточных приложений (aiohttp, asyncio, multiprocessing)

• опыт интеграции ML-моделей и AI-агентов в высоконагруженные системы

• инструменты: свободное владение Git, SQL, Bash, Docker

• готовность проводить код-ревью и давать обратную связь.

Будет плюсом

• интерес к SOTA-подходам в агентной разработке и LLM

• опыт работы с Kubernetes и понимание принципов CI/CD

• участие в соревнованиях Kaggle или аналогичных.

Найдена 12.11.2026

ML Ops-инженер

Т-Банк
На месте
Требования к кандидату

Требования

• Знаете Python или Go, умеете писать production-ready код

• Работали с библиотеками для данных Pandas и NumPy, вели эксперименты — Jupyter, ClearML

• Работали с хранилищами данных: S3, Postgres, Redis

• Понимаете жизненный цикл ML-модели: обучение, валидация, переобучение

• Знаете основные метрики качества моделей: AUC-ROC, Precision/Recall и другие

• Работали с Docker и Kubernetes

• Развертывали модели в продакшн: Triton, Seldon, BentoML или аналоги

• Настраивали мониторинг инфраструктуры Grafana и Prometheus, и самих моделей

• Умеете настраивать CI/CD пайплайны для ML: GitLab CI, AirFlow

• Понимаете принципы Infrastructure as a Code, знаете Terraform или его аналоги

Найдена 12.11.2026
Москва · РоссияГибридНа месте
Требования к кандидату

Требования

Хорошее понимание устройства генеративных моделей:

• понимание принципов работы Transformers, diffusion- и мультимодальных моделей и основных задач: T2I, Image Editing, T2V, Audio, Video-Audio.

• понимание типовых ограничений, ошибок и артефактов моделей

• способность разбираться в причинах ошибок и способах их проверки.

Способность проектировать оценку качества моделей:

• декомпозировать качество на измеримые критерии и проектировать тестовые сценарии, промпты и выборки.

• выбирать корректный подход к оценке: human evaluation, автоматические метрики, LLM/VLM-as-a-judge, а также подходящие модели для сравнения;

• проверять валидность метрик и уметь проектировать оценку для новых задач и модальностей, где ещё нет готовой методологии.

Навыки работы с LLM и VLM:

• prompt engineering, structured output, tool calling и работа с контекстом и ограничениями моделей

• построение и валидация LLM/VLM-as-a-judge, включая проверку автоматической оценки относительно человеческой

• понимание нестабильности, bias и галлюцинаций моделей

• умение подбирать модель под конкретную исследовательскую задачу.

Понимание AI-агентов и агентных систем:

• понимать, чем агент отличается от обычного вызова LLM;

• знать основные компоненты агентной системы: роли, инструменты, контекст, память и оркестрация

• понимать, когда агентный подход действительно полезен, а когда создаёт лишнюю сложность

• уметь оценивать надёжность и ограничения агентных решений.

Умение проводить технический и научный ресерч:

• находить и критически разбирать актуальные статьи, бенчмарки, модели и реализации

• сравнивать решения с актуальными подходами и оценивать достоверность результатов

• переводить ресерч в конкретные идеи для тестирования и развития внутренних подходов.

Будет плюсом

Умение работать с агентами и субагентами:

• декомпозировать задачи между агентами, задавая им чёткие роли и зоны ответственности

• управлять контекстом и изоляцией субагентов, организовывать проверку результатов

• собирать результаты нескольких агентов в единое решение и критически оценивать их выводы

Навыки вайбкодинга и AI-assisted coding:

• уверенно работать с Codex, Claude Code и другими coding-агентами

• проверять и дорабатывать сгенерированный код, использовать агентов для тестирования

• понимать архитектуру создаваемого решения

Продуктовое мышление:

• связывать тестирование с реальными пользовательскими сценариями и понимать, какие ошибки критичны для продукта

• приоритизировать направления проверки и переводить результаты оценки в рекомендации для разработки

• понимать влияние результатов на релиз и дальнейшее развитие модели.

Найдена 12.11.2026
Москва · РоссияНа месте
Требования к кандидату

Требования

• опыт внедрения ML-решения с нуля до продакшена

• python (pandas, numpy) и SQL, продвинутые навыки построения воспроизводимых пайплайнов

• глубокие знания классического ML на табличных данных: бустинг, линейные модели, sklearn, отбор признаков. Навыки работы с PyTorch или аналогом и понимаете, когда DL дает выигрыш

• рабата с LLM: промпты, RAG с эмбеддингами и reranking, tool calling, агенты.Знаете типичные сбои вроде галлюцинаций и умеете их ограничивать. оцениваете ответы и агентов целиком через golden set и LLM-as-a-judge, следите за регрессиями качества, latency и стоимостью вызова

• умение строить A/B-тесты и офлайн-сравнения: гипотеза, выборки, бейзлайн, абляции, вывод «берем / не берем». Ведете эксперименты в MLflow или аналоге, версионируете данные и промпты

• понимаете, когда хватает классического ML, когда нужна LLM

• умеете коротко объяснить, что проверили, почему выбрали этот подход и какие риски остались.

Будет плюсом:

• опыт в ВЭД: платежи, валютные потоки, внешнеторговые операции, продукты

• сами строили AI-агентов и агентные системы.

Найдена 12.11.2026

ML-аналитик

Черкизово
Удалённо
Требования к кандидату

• Образование: оконченное высшее образование по направлениям: Прикладная математика, Математическая статистика, Компьютерные науки, Мехмат, Физтех (приоритет выпускникам сильных математических школ — МГУ, МФТИ, НИУ ВШЭ, СПбГУ, НГУ и профильных технических вузов).

• Стаж: от 1 до 3 лет коммерческого опыта в сфере анализа данных, Data Science или прикладного математического моделирования.

• Опыт успешного объединения разрозненных и «грязных» массивов данных в единую консистентную базу.

• Практический опыт решения задач прогнозирования и поиска корреляционных/причинно-следственных связей на реальных данных.

• Языки программирования: уверенный Python (библиотеки NumPy, Pandas, SciPy, Scikit-learn, Statsmodels).

• Байесовский анализ: практические навыки работы с вероятностным программированием (PyMC, Stan, ArviZ, MCMC-сэмплирование, байесовская регрессия).

• Машинное обучение и матстатистика: владение алгоритмами прогнозного моделирования, анализом временных рядов, методами градиентного бустинга (CatBoost, LightGBM), корреляционным и факторным анализом.

• Базы данных и работа с данными: уверенный SQL (сложные агрегации, оконные функции, CTE), навыки проектирования архитектуры реляционных/аналитических БД (PostgreSQL, ClickHouse), понимание принципов нормализации и денормализации данных.

• Инженерия данных: базовые навыки объединения разнородных источников, построения витрин данных и автоматизации выгрузок.

Найдена 14.11.2026
Москва · РоссияГибрид
Требования к кандидату

Требования

• Вам интересно докопаться до причины ошибки и придумать эксперимент, который поможет её проверить.

• Вы умеете работать с неопределённостью: понимаете ограничения данных, замечаете слабые места в методе и можете объяснить, что следует из результата.

• У вас сильная база в статистике и анализе данных.

• Вы уверенно работаете с Python и SQL, можете прочитать, проверить и исправить код, созданный ИИ.

• Понимаете принципы работы LLM и хотите глубже разобраться в том, как оценивать модели и агентов.

• Вы уже используете кодинговых агентов в своей работе.

• Можете показать, как с их помощью решили исследовательскую задачу, автоматизировали процесс или собрали собственный инструмент.

• Нам интересен ваш подход: что вы поручили ИИ, как проверили результат и что получилось.

Найдена 12.11.2026
Санкт-Петербург · РоссияГибрид
Найдена 15.11.2026

ML-инженер

Т-Банк
На месте
Требования к кандидату

Требования

• У вас есть опыт вывода ML-моделей в продакшн и сопровождения работающих решений

• Владеете Python

• Знаете классические методы машинного обучения и математическую статистику, умеете оценивать качество моделей

• Умеете аргументировать технические решения с учетом продуктовых задач и бизнес-целей

• Интересуетесь генеративными системами и готовы работать с ними

Найдена 12.11.2026
Москва · Россия
Требования к кандидату

Требования

• уверенное владение Python и фреймворками глубокого обучения (PyTorch)

• понимание разницы между agentless- и agentic-решениями, опыт написания обоих и умение понимать, когда что уместно

• понимание устройства актуальных CV- и GenCV-моделей

• умение работать с контейнеризацией (Docker, Kubernetes)

• опыт интеграции генеративных моделей

• понимание бизнес-метрик и их переноса на модельные метрики

• опыт работы с opensource-моделями: выбор под кейс, настройка гиперпараметров, дообучение

Найдена 12.11.2026
Требования к кандидату

Имеете от трёх лет коммерческого опыта в ML;

Глубоко знаете NLP и понимаете, как трансформеры и LLM устроены внутри;

Cтроили системы на LLM: агентов с инструментами, RAG, многошаговые пайплайны. Подойдёт и рабочий опыт, и собственные проекты, если они доведены до конца;

Ведёте задачу сами: разбираете размытую постановку, предлагаете подход, объясняете заказчику, почему выбрали именно его, и вовремя бросаете то, что не работает;

Каждый день работаете с Claude Code, Codex, Cursor или похожими инструментами: умеете поставить задачу агенту и проверить, что он сделал.

Найдена 28.10.2026
Москва · Россия
Требования к кандидату

Требования

Отличное владение Python и PyTorch.

Практический опыт в LLM post-training: RLHF, online RL, DPO или смежных направлениях.

Опыт проведения ML-экспериментов от начала до конца: постановка гипотезы → реализация → анализ → выводы.

Понимание distributed training: Data Parallel, FSDP, DeepSpeed или аналоги.

Умение писать чистый, надёжный, production-ready код.

Способность разбираться в сложных системах и самостоятельно находить и устранять узкие места.

Будет плюсом

Опыт работы с reward-моделями, process reward models, LLM-as-a-judge.

Опыт построения сред исполнения, sandboxes и верификаторов для code- или STEM-задач.

Опыт работы с large-scale inference и оптимизацией генерации (vLLM, Sglang и т.д.).

Понимание современных open-source стеков для обучения LLM (Verl, Megatron, TRL и др.).

Публикации, open-source вклад или сильный прикладной track record.

Найдена 12.11.2026
Удалённо
Требования к кандидату

Требования

• Высшее техническое образование;

• Опыт работы на аналогичной должности от 3 лет;

• Уверенный Python: понимание ООП и функционального стиля, чистый поддерживаемый код;

• Прочные основы ML: классические алгоритмы (линейные модели, деревья, градиентный бустинг, кластеризация), метрики кекачества, схемы валидации, диагностика и борьба с переобучением;

• Математическая база: линейная алгебра, теория вероятностей и статистика, основы методов оптимизации;

• Работа с данными: pandas/numpy, SQL, подготовка датасетов, EDA, генерация признаков (feature engineering);

• Основы глубокого обучения: нейросети, обучение и дообучение (fine-tuning), эмбеддинги;

• Базовый MLOps: упаковка модели в сервис, контейнеризация, версионирование экспериментов и моделей;

• Английский язык на уровне чтения документации и статей.

Найдена 14.11.2026
Москва · РоссияГибридУдалённо
Требования к кандидату

Требования

• Опыт в ML от трёх лет

• Опыт работы с большими данными (Hadoop, Spark, YT)

• Опыт работы с realtime-сервисами

Будет плюсом

• Опыт с рекомендательными и поисковыми системами

• Опыт проведения и анализа A/B-экспериментов

• Опыт работы с ООП-языками (Java, С++)

Найдена 12.11.2026
Москва · РоссияГибрид
Требования к кандидату

Требования

• От трёх лет в ML, опыт применения NLP и LLM в продакшене

• Знание Python

• Опыт дообучения и оценки языковых моделей

• Опыт обработки больших данных: Hadoop, Spark

• Опыт полного цикла ML: от подготовки данных до внедрения и A/B-тестов

• Понимание требований к задержкам и нагрузке онлайн-сервисов

• Самостоятельность и ответственность за результат

Будет плюсом

• Опыт использования ИИ в разработке

• Знание базового С++

Найдена 12.11.2026
Гибрид
Требования к кандидату

Требования

• У вас есть опыт разработки ML-моделей с использованием современных DL-фреймворков (Pytorch, Jax/Tensorflow и других) и их применения в продакшене

• Разбираетесь в принципах работы современных алгоритмов машинного обучения

• Знаете Python

• Умеете декомпозировать задачу в переиспользуемые и тестируемые библиотеки и компоненты

• Знаете теорию в сфере математики, прикладной статистики, алгоритмов и структур данных

• Готовы изучать научные статьи на английском языке и ставить эксперименты на основе прочитанного

• Знаете Linux, Git, Bash и Docker

Найдена 12.11.2026
На местеУдалённо
Требования к кандидату

Требования

• У вас есть опыт работы продакт-менеджером от 3 лет

• Запускали продукты или фичи на базе LLM: понимаете, как работают промпты, RAG, агенты, tool use и MCP, знаете об ограничениях моделей

• Ставили задачи разработчикам и ML-специалистам: описывали сценарии работы, критерии приемки и возможные нестандартные ситуации

• Пользуетесь AI-инструментами, разбираетесь в их возможностях и умеете самостоятельно собирать прототипы ассистентов или скиллов без команды разработки

• Работаете с данными с помощью SQL, Excel и BI-дашбордов, умеете самостоятельно рассчитывать метрики

• Умеете анализировать рабочие процессы: разбивать их на отдельные задачи, находить узкие места и оценивать возможный эффект в часах

• Умеете выстраивать работу с лидами профессий, специалистами по информационной безопасности и разработчиками

Найдена 12.11.2026
Гибрид
Требования к кандидату

Требования

• У вас есть опыт запуска AI-продуктов — от постановки задачи до внедрения и мониторинга в продакшене

• Проводили A/B-тесты с ML-моделями — понимаете, чем они отличаются от обычных продуктовых экспериментов

• Выстраивали процесс разметки данных: создавали инструкции, контролировали качество асессоров и другие этапы

• Понимаете, как оценивать разные типы ML-моделей и почему нет единой метрики качества

• Умеете преобразовать бизнес-задачу в техническое задание для ML-команды и обратно

Найдена 12.11.2026
Москва · РоссияГибрид
Требования к кандидату

Требования

• У вас есть опыт запуска LLM-продуктов и понимаете их специфику: промпты, RAG, оценка качества ответов, работа с галлюцинациями, стоимость и latency

• У вас есть опыт построения продуктов с нуля или на начальной стадии

• Имеете опыт работы с данными: подготовки, очистки и фиче-инжиниринга

• Имеете опыт проведения статистического анализа и A/B-тестирования

• Разбираетесь в Data Science, NLP и Computer Vision

• Хорошо знаете основы ML

• Знаете алгоритмы ML и понимаете принципы их применения

• Знаете основные метрики качества ML-моделей: точность, полнота, F1-score, latency

• Понимаете принципы оптимизации скорости и эффективности работы ML-моделей с учетом вычислительных ресурсов и стоимости

• Умеете взаимодействовать с бизнесом для эффективного применения ML-решений

Найдена 12.11.2026
Москва · РоссияГибрид
Требования к кандидату

Требования

• У вас есть опыт работы продакт-менеджером с продуктами клиентского сервиса или B2B

• У вас есть опыт проектирования продуктов для клиента и сотрудника, который с ним работает

• У вас есть опыт построения стратегии продукта на полгода–год и доведения ее до результата

• Имеете опыт изменения процессов работы людей: проводили интервью с клиентами и сотрудниками, запускали пилоты и принимали решения на основе данных

• Имеете опыт итеративного запуска продуктов — от простого решения до масштабирования с замером эффекта

• Умеете выстраивать долгосрочные отношения со смежными командами и руководителями бизнеса, договариваться без прямых полномочий и обосновывать решения цифрами

• Умеете управлять ожиданиями заказчиков, приоритизировать задачи по эффекту и соблюдать договоренности

• Понимаете ML на базовом уровне и умеете ставить задачи ML-команде, выбирать метрики качества и следить за ними после выкатки в прод

• Умеете обосновывать интерфейсные решения сценариями пользователя

Найдена 12.11.2026

Добавить работодателя

Оставьте свои контактные данные — мы сообщим вам, как подключить вашу компанию