Вступить в клуб →
← К вакансиям
Лига Цифровой Экономики75/100

NLP/LLM инженер

Опубликовано: 15 октября 2026
middleonsiteAI EngineeringfulltimeМоскваrunlpllmsqlpythonscikit-learnpandasnumpypytorchtensorflownerклассификациясуммаризация
Контакты и отклик открываются после вступления в клубВступить →

Вакансия опубликована на hh.ru — открыть оригинал ↗

Похожие вакансии

Все вакансии →
МАГНИТ, Розничная сеть. ITМоскваremotefulltimelead82

Ведущий разработчик AI

Развитие нового направления AI/ML в Магните: доработка POC-решений до продакшена в области классического ML, NLP/LLM, RAG, компьютерного зрения и речевых технологий. Работа включает эксперименты с моделями, подготовку данных, пайплайны обучения и inference, оценку качества и оптимизацию производительности. Требуется коммерческий опыт Python от 2 лет и практический опыт внедрения ML/AI-решений.

pythonpytorchnumpypandasscikit-learnnlp+6
15 октября 2026
Сбер. Data ScienceМоскваonsitefulltimemiddle74

Middle Data Scientist LLM (ККР)

В AI-команду блока развития клиентского опыта B2C Сбера ищут Data Scientist / AI-Developer для полного цикла разработки универсальных AI-ассистентов и агентских решений — от экспериментов и обучения NLP/LLM-моделей до внедрения в продакшн и мониторинга. Требуется коммерческий опыт разработки AI-агентов, чат-ботов и LLM-пайплайнов, уверенное владение Python, PyTorch, LangChain/LangGraph, SQL, Git, Docker. Офис рядом с м. Кутузовская, премии, ДМС и образовательные программы СберУниверситета.

pythonnlpllmpytorchlangchainlanggraph+6
15 октября 2026
IT_OneМоскваremotefulltimesenior72

LLM/NLP Engineer

Разработка AI-решений на базе LLM и NLP: построение RAG-систем и архитектуры вокруг сторонних LLM, fine-tuning моделей на GPU-кластере, оценка качества и оптимизация инференса (vLLM), участие в формировании технической стратегии AI. Удалённый формат, оформление по ТК РФ.

pythonpandasnumpyscikit-learnlangchainvllm+6
6 октября 2026
ProgressSoftУкраинаremotefulltimesenior74

Senior AI Engineer

Разработка и вывод в продакшн AI-решений полного стека: классический ML, глубокое обучение (CNN, трансформеры), компьютерное зрение, LLM и агентные пайплайны с RAG. В задачи входит построение воспроизводимых E2E-пайплайнов (инжест данных, feature engineering, обучение, CI/CD, мониторинг), интеграция моделей как микросервисов, аналитика и прогнозирование, а также менторство junior-инженеров.

pythonpytorchtensorflowscikit-learnllmrag+6
22 октября 2026