- Страна
- Россия
Python-разработчик в команду ИИ для сотрудников
Оценка ИИСильный бренд 2ГИС, работа с передовым стеком технологий (AI/LLM) и отличные условия (удаленка по РФ, ДМС, аккредитация). Вакансия предлагает реальное влияние на внутренние процессы крупной компании.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует солидного опыта разработки (от 5 лет) и специфических знаний в области LLM и AI-агентов. Дополнительную сложность добавляет необходимость навыков DevOps (Kubernetes, мониторинг) и архитектурного проектирования.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для Python-разработчика уровня Senior с экспертизой в AI/LLM на российском рынке медиана составляет около 350 000 - 450 000 рублей после вычета налогов. Предложение 2ГИС, как правило, соответствует рыночным ожиданиям для опытных инженеров.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Удалённо
Мы в 2ГИС считаем своих сотрудников главным активом, и уверены, что AI — это именно тот инструмент, который может сделать их работу эффективнее, а самих сотрудников — счастливее и продуктивнее. Именно поэтому мы уже год активно внедряем ИИ в сервисы и процессы компании.
Мы ищем человека в команду «ИИ для сотрудников». Эта команда будет отвечать за то, какими именно AI-инструментами будут пользоваться наши сотрудники, определять приоритеты и создавать решения, которые принесут реальную пользу.
Чем предстоит заниматься
— Разрабатывать платформу для создания внутренних ассистентов с использованием современных подходов.
— Обеспечивать сотрудникам доступ к актуальным возможностям LLM — интеграция новых моделей, MCP и API.
— Анализировать качество генеративных моделей, выявлять слабые места и предлагать способы их улучшения.
— Постоянно держать руку на пульсе: следить за best practices и open source-проектами в области LLM и интеграций.
— Разворачивать и поддерживать сервисы в Kubernetes: деплой, конфигурация, настройка мониторинга и алёртов.
— Проводить Code Review и архитектурные ревью существующих решений, вносить предложения по оптимизации и развитию.
Что сделает тебя идеальным кандидатом
— Опыт разработки от 5 лет.
— Ты активный пользователь LLM, применяешь их в работе и личной жизни, понимаешь возможности и ограничения.
— Опыт деплоя сервисов в продакшн и обеспечение их стабильной работы.
Будет преимуществом
— Понимание архитектуры AI-агентов (оркестрация, memory, tools).
— Опыт работы с одним из фреймворков для написания LLM пайплайнов: LangChain, LlamaIndex, Haystack.
Почему у нас классно?
— Мы аккредитованная IT — компания.
— У нас можно работать удалённо по РФ. Если хочешь работать в гибридном формате, у нас есть офисы в Москве, Санкт-Петербурге, два классных офиса в Новосибирске. Нет дресс-кода и строгого графика: главное, чтобы было удобно тебе и команде.
— Используем современные технологии и любим о них говорить: выступаем на конференциях и сами их организуем.
— У нас есть ДМС, мы заботимся о здоровье сотрудников.
Присоединяйся! Будем создавать полезный продукт вместе.
Понравилась вакансия?
*💚* — да
*🌚* — нет
———
*💙* Удалёнка
*🐢* C-Level
*💚* Джунам
*🧑💻* Джунам разработчикам
*🫶* Удалёнка джунам
*💜* За рубежом
*💚 разместить резюме и быстро найти работу* →www.vseti.app/newcv
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- LLM
- Kubernetes
- LangChain
- LlamaIndex
- Haystack
- API
- MCP
- Docker
- Monitoring
Возможные вопросы на собеседовании
Проверка практического опыта работы с LLM и понимания их ограничений.
Расскажите о наиболее сложной проблеме, с которой вы столкнулись при интеграции LLM в продакшн, и как вы её решили?
Оценка знаний современных подходов к построению ИИ-систем.
В чем, по вашему мнению, основные преимущества и недостатки использования RAG (Retrieval-Augmented Generation) по сравнению с дообучением (fine-tuning) модели для внутренних ассистентов?
Проверка навыков работы с инфраструктурой.
Как бы вы организовали мониторинг и систему алертинга для сервиса на базе LLM, учитывая специфические метрики (например, latency токенов или галлюцинации)?
Оценка владения инструментарием.
Какие ключевые различия между LangChain и LlamaIndex вы видите, и в каких случаях предпочтете один фреймворк другому?
Проверка архитектурного мышления.
Опишите процесс проектирования масштабируемой платформы для создания множества специализированных внутренних ассистентов. Как обеспечить изоляцию данных и эффективное управление промптами?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
