Software Development Engineer II, Generative AI

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер в команду, создающую production-решения на базе генеративного ИИ. Работа на всём жизненном цикле GenAI-продуктов: от экспериментов и RAG/prompt-инжиниринга до деплоя, мониторинга и итераций.

Задачи

• Разрабатывать фичи и компоненты production-продуктов на GenAI с фокусом на качество, надёжность и производительность
• Реализовывать и развивать LLM-решения: RAG, prompt engineering, context engineering, агентные workflow
• Писать чистый, покрытый тестами Python-код и развивать общую кодовую базу и инфраструктуру
• Строить пайплайны оценки и мониторинга качества, обоснованности и надёжности GenAI-фич
• Работать с foundation-моделями и GenAI-фреймворками, оценивать tradeoffs под руководством старших инженеров
• Совместно с Product Owners переводить требования в рабочие технические решения
• Участвовать в code review, обсуждениях дизайна и лучших инженерных практиках
• Отлаживать и решать технические проблемы по всему стеку
• Для SDE II: брать на себя фичи средней сложности end-to-end, менторить SDE I, участвовать в архитектурных решениях

Требования

• 3+ года опыта в software engineering, data science или machine learning
• 1+ год практического опыта создания GenAI/LLM-фич или приложений, желательно в production
• Сильные навыки Python и опыт с современными AI/ML и GenAI фреймворками
• Понимание LLM, embeddings, RAG, prompt engineering, context engineering и архитектурных паттернов GenAI
• Опыт с cloud-native архитектурами и деплоем масштабируемых приложений в production
• Понимание оценки, тестирования, мониторинга GenAI и практик responsible AI
• Умение работать с умеренной автономией, декомпозировать неоднозначные задачи и ясно объяснять технические tradeoffs
• Степень бакалавра в Computer Science, Software Engineering, Machine Learning, Data Science или смежной области
• Плюс: опыт fine-tuning или адаптации LLM (SFT, LoRA/PEFT, instruction tuning)
• Плюс: опыт с агентными AI-паттернами или многошаговыми LLM-workflow

Условия

• Гибридный формат работы
• Медицинская страховка, пенсионный план, выплаты по нетрудоспособности, оплачиваемый отпуск
• Конкурентный компенсационный пакет с базовым окладом в зависимости от роли, опыта, навыков и локации
• Гибкость в работе, поддержка, коучинг и обучение

Навыки

• Python
• LLM
• RAG
• prompt engineering
• context engineering
• embeddings
• agentic workflows
• cloud-native architectures
• fine-tuning
• SFT
• LoRA
• PEFT
• instruction tuning