- Страна
- Россия
- Зарплата
- до 300 000 ₽
Откликайтесь
на вакансии с ИИ
AI Engineer/Senior ML Engineer
Оценка ИИСтабильная компания с 20-летней историей, современный технологический стек (FastAPI, K8s, LLM) и четко прописанные задачи. Зарплата соответствует рынку для Senior-уровня в РФ, а удаленный формат работы является значительным плюсом.
Сложность вакансии
Оценка ИИРоль требует сочетания сильных навыков Backend-разработки (Python, FastAPI, архитектура) и понимания специфики AI/LLM систем. Высокие требования к безопасности и отказоустойчивости в финтехе повышают порог входа.
Анализ зарплаты
Оценка ИИПредложенная вилка до 300 000 рублей на руки соответствует среднерыночным показателям для Senior Python/ML инженеров в России, хотя для топовых специалистов в финтехе верхняя граница может достигать 400-500 тысяч.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Арт-Финтех уже сейчас
Присоединяйтесь к команде «Арт-Финтех» и создавайте инновационные AI-решения для финансового сектора!
Описание вакансии
#вакансия #ГородМосква #удаленнаяработа #MLинженер
🔶Должность - AI Engineer/Senior ML Engineer
🔶Компания - Арт-Финтех
⌨️Требования к кандидату:
— Гражданство и локация РФ
— Сильный Python background: backend-разработка, API-интеграции, асинхронность, типизация, валидация данных, ORM и миграции.
— Опыт разработки и поддержки production-grade API и интеграционных сервисов.
— Хорошее понимание REST, gRPC, WebSocket, очередей и event-driven architecture.
— Уверенные знания PostgreSQL, Redis, контейнеризации и CI/CD.
— Понимание сервисной безопасности: OAuth2/JWT, service-to-service auth, secrets management, audit trail.
— Опыт проектирования отказоустойчивых интеграций и диагностики проблем в распределённых системах.
— Умение писать чистый, поддерживаемый и надёжный код.
Будет плюсом:
— Опыт работы с LLM-приложениями, tool calling, агентными пайплайнами и retrieval / search-сценариями.Технологический стек
— Python 3.11+
— FastAPI / ASGI
— Pydantic
— SQLAlchemy/Alembic
— PostgreSQL
— Redis
— REST/gRPC/WebSocket
— Message brokers/background workers
— Docker
— Kubernetes
— CI/CD
— LLM API, embeddings, vector search, tool execution protocols
✅Обязанности
— Разрабатывать backend-сервисы для интеграции AI-компонентов с внутренними API, сервисами и источниками данных.
— Строить единый слой доступа к инструментам и системам: каталог интеграций, реестр коннекторов и механизмы вызова инструментов для агентных сценариев.
— Подключать новые системы через стандартные протоколы взаимодействия моделей, агентов и инструментов.
— Проектировать безопасность интеграционного слоя: аутентификацию, авторизацию, аудит действий, разграничение доступа и работу с секретами.
— Обеспечивать надёжность integration layer: retries, очереди, rate limiting, идемпотентность, мониторинг, логирование и трейсинг.
— Превращать разрозненные интеграции в платформенный слой, которым смогут пользоваться другие команды.
— Участвовать в архитектуре AI-сервисов: backend, orchestration, observability и production operations.
🔗Условия:
Full-time, 5/2.
💵Вилка до 300к рублей на руки.
🪩Немного о нас:
Группа компаний «АРТ-Финтех» более 20 лет на рынке — международный поставщик инновационных банковских программных решений. Наша компания разрабатывает ПО для финансового сектора
@ml_data_science_job
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- FastAPI
- Pydantic
- SQLAlchemy
- Alembic
- PostgreSQL
- Redis
- gRPC
- WebSocket
- Docker
- Kubernetes
- CI/CD
- LLM
- Embeddings
- Vector Search
- OAuth2
- JWT
- REST
Возможные вопросы на собеседовании
Проверка понимания архитектуры распределенных систем, заявленной в требованиях.
Как бы вы спроектировали механизм обеспечения идемпотентности при интеграции AI-агента с внешним банковским API?
Важно для обеспечения безопасности интеграционного слоя.
Какие стратегии управления секретами и аутентификации между сервисами (service-to-service) вы считаете наиболее надежными в Kubernetes-среде?
Оценка практического опыта работы с LLM, указанного в качестве плюса.
С какими проблемами вы сталкивались при реализации tool calling в агентных сценариях и как их решали?
Проверка навыков работы с высоконагруженными системами.
Как организовать эффективный мониторинг и трейсинг для цепочки вызовов, включающей LLM, векторную БД и несколько микросервисов?
Проверка владения стеком (PostgreSQL/Redis).
В каких случаях для хранения контекста диалога или состояния агента вы выберете Redis, а в каких — PostgreSQL?
Похожие вакансии
Python разработчик (Senior)
Senior / Lead LLM Engineer
Преподаватель и Автор курса по AI agent (Senior LLM engineer)
AI-разработчик Senior
AI Harness Engineer (ML Engineer)
Преподаватель и Автор курса по AI agent (Senior LLM)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!
- Страна
- Россия
- Зарплата
- до 300 000 ₽