Senior ML-инженер
240 000 — 270 000 ₽+11% к среднему
Live Typing · Москва
Разрабатывал production-ready ML-сервисы и API на Python (FastAPI / Flask). Имеешь опыт полного цикла разработки ML-решений: подготовка данных...
Сджей Глобал · Екатеринбург
Разрабатывать и развивать AI/LLM-сервисы и AI-агентов. Проектировать agentic workflows: управление состоянием и контекстом, выбор инструментов, tool/function...
Голубая полоса — вилка, в которую попадает половина предложений «Дата-сайентист», серая засечка — середина рынка. Предложение обгоняет 62% вакансий направления.
Предложение выше рынка: 280 000 — 280 000 ₽ против средних 200 000 ₽ по направлению «Дата-сайентист» — это плюс 22%. В требованиях: data science, llm, python, sql, agentic workflows.
SJ GLOBAL (аутстафф) — это более 10 лет успешной работы в сфере разработки мобильных приложений и сложных бэкенд-систем для бизнеса. Мы помогаем компаниям оптимизировать работу с клиентами, сотрудниками и финансовыми потоками. Мы создали более 100 приложений для различных отраслей, включая общепит, логистику, производство и стартапы. Победители Федерального конкурса «Опора для IT», организаторы хакатонов. Присоединяйтесь к нам, чтобы расти и развиваться вместе с командой профессионалов!
Чем предстоит заниматься
Разрабатывать и развивать AI/LLM-сервисы и AI-агентов.
Проектировать agentic workflows: управление состоянием и контекстом, выбор инструментов, tool/function calling, human-in-the-loop.
Разрабатывать RAG-решения: подготовка данных, embeddings, vector search, retrieval и генерация ответов.
Интегрировать языковые модели через API и разрабатывать LLM-интеграции.
Проектировать и реализовывать production AI-сервисы на Python.
Разрабатывать API и интеграции с внутренними и внешними сервисами.
Настраивать evaluation для LLM/RAG-систем: оценивать качество ответов, retrieval, галлюцинации и поведение агентов.
Анализировать и оптимизировать latency, стоимость и масштабируемость AI-решений.
Обеспечивать надёжность, безопасность и observability AI-систем.
Участвовать в выборе моделей и архитектурных решений, оценивать trade-offs.
При необходимости адаптировать и оптимизировать модели, включая fine-tuning / LoRA / PEFT и квантизацию.
Разрабатывать и поддерживать ML-пайплайны и процессы подготовки данных.
Участвовать в code review, тестировании и совершенствовании инженерных практик команды.
Документировать архитектуру и принятые технические решения.
Что ожидаем:
От 5 лет коммерческого опыта в разработке, Data Science / ML Engineering / AI Engineering / Backend-разработке с последующей специализацией в AI.
Практический production-опыт разработки LLM/AI-решений.
Уверенное владение Python.
Уверенное знание SQL.
Практический опыт работы с LLM: API языковых моделей, embeddings, vector search, RAG, structured output, tool/function calling.
Опыт разработки AI-агентов или agentic workflows.
Опыт работы хотя бы с одним из фреймворков: LangGraph, LangChain, LlamaIndex, CrewAI, AutoGen или аналогами.
Опыт работы хотя бы с одной векторной БД: Qdrant, Weaviate, Pinecone, pgvector, Chroma или аналогами.
Опыт построения evaluation / evals для LLM- и RAG-систем.
Понимание основных рисков AI-систем: prompt injection, некорректный tool calling, утечки данных, чрезмерные права доступа агента.
Понимание принципов оценки качества ML/AI-систем: offline/online-метрики, валидация, мониторинг качества и бизнес-эффекта.
Понимание основных принципов машинного обучения: подготовка данных и признаков, переобучение, регуляризация, data leakage, выбор и оценка моделей.
Понимание основ статистики и A/B-тестирования.
Опыт написания поддерживаемого production-кода: модульность, тестирование, логирование, документация.
Уверенная работа с Git и понимание CI/CD.
Понимание принципов контейнеризации и работы с Docker.
Опыт принятия архитектурных решений и оценки технических trade-offs.
Будет плюсом:
PyTorch, Hugging Face, scikit-learn, CatBoost / LightGBM / XGBoost.
Fine-tuning LLM, LoRA / PEFT.
Квантизация и оптимизация inference.
Опыт работы с GPU-инфраструктурой.
Kubernetes / KServe.
MLflow.
Airflow.
Kafka / Redis.
Prometheus / Grafana.
LangFuse / LangSmith / Arize или аналогичные инструменты observability/evaluation.
Опыт работы с open-source LLM: Llama, Qwen, Mistral.
OpenAI-compatible endpoints / self-hosted LLM.
Spark, ETL/ELT, DWH.
Опыт работы с highload-продуктами, e-commerce, retail, CRM или B2B-системами.
Опыт работы с персональными данными и требованиями информационной безопасности.
Опыт enterprise-разработки и работы в закрытом/on-premise контуре.
Важно:
Нам нужен специалист с подтверждённым коммерческим production-опытом, а не только опытом создания AI/LLM-прототипов или прохождения курсов.
Важно умение самостоятельно доводить AI-решения до production: от выбора архитектуры и модели до интеграции, оценки качества, мониторинга, оптимизации стоимости и дальнейшей поддержки.
Условия
Удалённая работа.
Полная занятость.
Оформление: самозанятость / ИП.
Выплаты один раз в месяц — фиксированный оклад.
Вакансия опубликована 3 сентября, проверена 17.09.2026. Открыть оригинал.
Отклик оформляется на странице работодателя — кнопка выше ведёт туда напрямую. Перед отправкой стоит подогнать резюме под текст вакансии: работодатели читают первые строки и ищут в них свои слова. Если рассылаете отклики десятками, посмотрите сервис автооткликов — он отправляет их за вас по заданным настройкам, до 50 в сутки. Про сам поиск работы есть разбор в статье как быстро найти работу.
Работодатель указал вилку 280 000 — 280 000 ₽. В среднем по направлению «Дата-сайентист» платят 200 000 ₽, то есть предложение выше рынка.
В требованиях указано: более 6 лет. Формат работы удалённый, переезд не потребуется.
Да, на 17.09.2026 она активна: каждую ночь каталог сверяется с источником, закрытые предложения помечаются и уходят из списков.
«SJ GLOBAL» - разработчики мобильных приложений. Наша миссия - это разработка и развитие IT-решений, которые помогают владельцам бизнесов, руководителям направлений и их сотрудникам получить "яркость жизни". Мы автоматизируем бизнес-процессы с помощью мобильных приложений и аналитических систем, чтобы высвободить время каждому на его личное развитие, развитие бизнеса, путешествия, общение с семьей…
Открытых вакансий: 2Соседи по направлению с близкими требованиями.
240 000 — 270 000 ₽+11% к среднему
Live Typing · Москва
Разрабатывал production-ready ML-сервисы и API на Python (FastAPI / Flask). Имеешь опыт полного цикла разработки ML-решений: подготовка данных...
от 250 000 ₽+25% к среднему
Российское общество Знание · Москва
Развивать новое корпоративное хранилище данных на ClickHouse. Проектировать архитектуру таблиц, слоев данных и витрин.Подключать новые источники данных.Актуализировать загрузки при изменениях...
200 000 — 250 000 ₽+12% к среднему
Ведал · Екатеринбург
Reverse engineering desktop-приложений windows, android, linux. - Извлечение данных из закрытых/не документированных источников (UI, бинарные файлы, БД). - Документирование архитектуры. -
150 000 — 250 000 ₽в рынке
Аналитические программные решения · Москва
Разрабатывать и дообучать Transformer-модели для задач NLP — классификация, суммаризация, извлечение сущностей. Работать с LLM и строить RAG и мультиагентные...
от 150 000 ₽-25% к среднему
Ориент Системс · Москва
Разработка и совершенствование алгоритмов фильтрации (Калман и его нелинейные модификации) для комплексирования: -высокоточных ГНСС-решений (RTK, PPP). -инерциальных измерительных блоков...
200 000 — 220 000 ₽-9% к среднему
Сджей Глобал · Воронеж
Разрабатывать и поддерживать ETL/ELT-процессы и data pipelines. Разрабатывать DAG'и и автоматизировать процессы обработки данных в Apache Airflow.
Ближайшие предложения того же направления с более высокой вилкой.
от 337 500 ₽+47% к среднему
Алабуга, ОЭЗ ППТ · Москва
Разрабатывать и внедрять ML-решения для решения прикладных бизнес-задач — от постановки задачи и подготовки данных до вывода моделей в...
от 300 000 ₽+50% к среднему
ROSSKO · Москва
Разработка и обучение моделей машинного обучения для классификации текста и извлечения именованных сущностей (NER). Проектирование и внедрение RAG-пайплайнов (Retrieval...
250 000 — 350 000 ₽+50% к среднему
YLAB Development · Москва
Разработка и внедрение ML/NLP решений для реальных продуктовых задач. Работа с LLM: fine-tuning, prompt engineering, повышение качества ответов.
Вилка в объявлении указана до вычета налога. Посчитайте, сколько останется на руки и что выйдет с отпускными и переработками.
Модели машинного обучения, прогнозы и рекомендации: Python, статистика, продакшен.