Вступить в клуб →
← К вакансиям
Дата Дженерейшн78/100

ML-инженер (LLM)

Опубликовано: 5 октября 2026
middleremoteML / Data SciencefulltimeМоскваrupythonllmlangchainlanggraphragvllmsglangfastapipostgresqlfine-tuningprompt engineeringmultimodal
Контакты и отклик открываются после вступления в клубВступить →

Вакансия опубликована на hh.ru — открыть оригинал ↗

Похожие вакансии

Все вакансии →
Сбер. ITМоскваonsitefulltimemiddle72

Middle Data Scientist (SafeHub)

Новое подразделение Сбера, создающее инструменты внутренней безопасности на базе AI: LLM-агенты, RAG-системы, файнтюнинг и развертывание локальных LLM, а также DL-модели для скоринга и графовых нейросетей. Middle Data Scientist разрабатывает мультиагентские системы, RAG и адаптирует открытые LLM под задачи бизнеса.

pythonpytorchtensorflowllmraglangchain+6
19 октября 2026
Эр-Телеком Холдинг (ООО "Эр-1")Москваonsitefulltimesenior72

Эксперт по машинному обучению

Разработка, внедрение и развитие корпоративных решений на базе больших языковых моделей (диалоговые агенты, RAG, LLM workflows) в Холдинге. Полный цикл AI/ML: от гипотез и прототипов до production и мониторинга, с оптимизацией качества, производительности и стоимости LLM. Требуется уровень Senior, опыт LLM-инжиниринга от 4 лет, Python/SQL/PySpark и знание архитектур LLM, файнтюнинга и методов оценки.

pythonsqlpysparkpytorchtensorflowscikit-learn+6
14 октября 2026
Bell IntegratorМоскваremotefulltimemiddle72

ML Engineer / LLM Engineer

Разработка агентной логики и LLM-приложений внутри RPA/AI-платформы GigaARPA (направление AI PDLC). Задачи — AI-агенты и мультиагентные сценарии, tool calling, RAG, управление контекстом и памятью агентов, оценка качества LLM и интеграция AI-функциональности с backend/frontend. Формат работы — удалённо по РФ, оформление по ТК РФ.

pythonllmai agentsragembeddingsprompt engineering+6
12 октября 2026
Сбер. ITМоскваonsitefulltimemiddle80

ML Engineer (Поток)

Разработка ML-продукта «Аналитика встреч» в «Потоке»: автоматическая суммаризация встреч, извлечение ключевых договорённостей и следующих шагов, построение персональных рекомендаций с использованием LLM, RAG и AI-агентов. Вывод продукта из прототипа в промышленную эксплуатацию.

pythonpandasnumpypytestlangchainlanggraph+6
7 октября 2026