Senior, Full Stack Engineer

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

Senior Full Stack Engineer в команду Enterprise AI компании GSK. Ведёт проектирование и поставку крупного AI-продукта: модели, платформы, API и пользовательские интерфейсы, задаёт инженерные стандарты и менторит инженеров.

Задачи

• Вести техническое направление продуктовой области и её modelling-пайплайнов, определять границы, стратегии оценки и компромиссы по производительности, надёжности и стоимости
• Проектировать агентные исследовательские системы: авто-исследовательские агенты, агенты мониторинга и улучшения продакшн-моделей, агенты для скаффолдинга и итераций фич
• Работать с product, design и research над тем, что строится, оспаривать слабые идеи и ясно объяснять компромиссы
• Определять паттерны работы с агент-генерируемым кодом: что цифровые воркеры делают сами, какие evaluation-гейты проходят и когда нужен human review
• Задавать паттерны AI-assisted разработки для coding и research-агентов
• Вести проектирование API-слоёв для множества потребителей, определять интеграционные контракты и нефункциональные требования
• Улучшать стандарты API-дизайна и консультировать по решениям backend-архитектуры
• Вести создание общей инфраструктуры и тулинга, снижающего стоимость интеграции, и драйвить их адопшен
• Проектировать AI-оркестрацию продакшн-масштаба: агентные фреймворки, многошаговые workflow, retrieval, tool use, guardrails
• Определять стандарты AI-интеграции, оценки и ответственного деплоя, включая работу с governed context layer с правами и provenance
• Вести frontend-архитектуру продуктовой области, определять UI-паттерны и библиотеку компонентов
• Развивать AI-интерфейсы с измеримым адопшеном: confidence signals, error states, provenance, human-override
• Вести LLMOps и observability-стратегию, проектировать evaluation-пайплайны и продакшн-мониторинг
• Определять стандарты жизненного цикла AI-моделей, версионирования и трекинга стоимости инференса
• Задавать инженерные стандарты для людей и цифровых воркеров с измеримыми улучшениями покрытия тестами, качества API-контрактов и надёжности деплоя
• Менторить junior и middle инженеров через парное программирование, ревью и обратную связь

Требования

• Bachelor's degree in Computer Science, Data Science, Statistics, Applied Mathematics или смежной количественной области либо эквивалентный практический опыт
• 8+ лет суммарного опыта в applied ML или data science и full-stack инженерии, со значительным временем в лидировании сложных user-facing AI-продуктов
• Экспертиза по AI product stack: моделирование и оценка, современные frontend-фреймворки, backend-сервисы и облачный деплой — React или Next.js, Python или TypeScript, AWS, Azure или GCP
• Опыт лидирования дизайна API-слоёв для множества потребителей с интеграционными контрактами и нефункциональными требованиями
• Опыт проектирования AI-оркестрации продакшн-масштаба: LLM-интеграция, retrieval, tool и function calling, агентные фреймворки, оценка, компромиссы cost/latency/quality
• Опыт лидирования frontend-архитектуры и LLMOps для продуктовой области, включая evaluation-пайплайны, продакшн-мониторинг и управление жизненным циклом моделей
• Опыт проектирования и эксплуатации агентных систем для непрерывных исследований или продуктовых итераций и AI-assisted паттернов разработки
• Master's или PhD — плюс
• Опыт технического лида одного или нескольких AI-продуктов от первого билда до масштабирования — плюс
• Опыт создания или улучшения внутреннего developer/research-тулинга, особенно для AI-assisted разработки и auto-research — плюс
• Опыт в регулируемой отрасли, например life sciences, где обязательны целостность данных и аудируемость — плюс

Условия

• Роль базируется в США
• Гибкие варианты работы, включая гибридные схемы в зависимости от потребностей команды
• Комплексная программа бенефитов для сотрудников в США

Навыки

• React
• Next.js
• Python
• TypeScript
• AWS
• Azure
• GCP
• LLM integration
• retrieval
• tool calling
• function calling
• agent frameworks
• LLMOps
• observability
• evaluation pipelines
• API design
• frontend architecture
• machine learning
• deep learning
• MLOps