Senior Artificial Intelligence/Machine Learning Engineer

О позиции

Мы ищем инженера по искусственному интеллекту уровня Senior для участия в создании продакшн-решений с использованием агентов, основанных на больших языковых моделях. Работа включает проектирование сложных агентов с циклами управления, интеграцию с AWS сервисами, построение RAG-пайплайнов и разработку пользовательских интерфейсов для взаимодействия с ИИ-агентами. Вы будете работать над реальными проектами для корпоративных клиентов, разрабатывая масштабируемые решения end-to-end.

Чем заниматься

• Проектирование и разработка контрольных петель агентов, управление контекстом и состоянием, настройка checkpoint'ов с участием человека; Написание Amazon States Language (ASL) для оркестрации шагов агентов через Step Functions; Разделение детерминировых и LLM-управляемых рабочих процессов с политическими gate'ами и маршрутизацией; Хостинг и масштабирование workload'ов на Amazon Bedrock AgentCore Runtime; Отслеживание, метрики и логирование запусков агентов через AgentCore Observability; Разработка evaluation'ов и регрессионных тестов для оценки качества агентов; Конфигурация Amazon Bedrock Guardrails для безопасности и защиты от prompt-injection; Разработка production-воркфлоу с использованием Claude Code/Cowork; Создание и публикация reusable skills для агентов; Построение MCP серверов для интеграции инструментов в agentic workflows; Координация multi-agent систем с делегированием задач; Проектирование RAG пайплайнов с векторными базами данных; Разработка UI для агентов на AG-UI протоколе; Обработка документов, OCR из изображений; Интеграция с корпоративными системами через API и MCP; Provision инфраструктуры через Terraform; Настройка CI/CD пайплайнов в GitHub Actions

Что ждут

• Опыт в software engineering с доказанным опытом вывода AI-решений в продакшн; Минимум один production проект с LLM агентами, skill building или RAG пайплайнами, желательно на AWS Bedrock; Опыт работы с AgentCore и/или Step Functions; Непосредственный опыт работы с корпоративными клиентами для развертывания AI-workflows; Умение вести решения от начала до конца с минимальным руководством; Опыт работы напрямую с нетехническими стейкхолдерами; Знание Python 3.10+ (async/await, type hints); Опыт работы с FastAPI; Базовое понимание SQL и awareness vector DBs; Работа с NoSQL (например, DynamoDB); Понимание REST API дизайна, JWT/OAuth2; Опыт использования AWS Lambda, ECS, RDS, S3, IAM; Знание Terraform/IaC; Docker и контейнеризация; CI/CD в GitHub Actions

Будет плюсом

• Kubernetes; TypeScript; Fine-tuning и evaluation моделей; Знание CRE (Customer Relationship Engineering) домена; Опционально — опыт в консалтинге и клиентской работе

Условия

• Работа вместе с топ-профессионалами в дружелюбной среде; Участие в крупномасштабных проектах с глобальным влиянием; Внутренние мероприятия (meetups, конференции, воркшопы), доступ к Udemy, языковые курсы; Оплата профессиональных сертификаций; Корпоративное медицинское страхование, поддержка ментального здоровья; Финансовые и юридические консультации; Возможности внутреннего мобильности между разными доменами

Навыки

• Python
• AWS Lambda
• AWS Step Functions
• Amazon Bedrock
• AgentCore
• FastAPI
• Terraform
• Docker
• Kubernetes
• GitHub Actions
• CI/CD
• PostgreSQL
• pgvector
• Pinecone
• Amazon DynamoDB
• OpenSearch
• REST API
• OAuth2
• JWT
• LLM
• Machine Learning
• RAG
• Prompt Engineering
• Claude
• Reinforcement Learning
• Vector Databases
• MCP
• OCR
• Computer Vision

Могут спросить на собеседовании

1. Расскажите о вашем опыте разработки LLM-агентов в production. С какими вызовами вы столкнулись?
2. Как вы проектировали workflow orchestration для агентов? Как выбирали между Step Functions и другими инструментами?
3. Какой подход вы использовали для evaluation качества LLM-агентов? Какие метрики важны?
4. Опишите ваш опыт настройки guardrails для защиты от prompt injection и контроля безопасности
5. Как вы организуете мониторинг и observability для агентов в production среде?