Мы в поиске опытного Python-разработчика для развития AI платформы компании.
Чем предстоит заниматься:
-
Проектировать архитектуру сервисов и событийно-ориентированных систем (EDA) с нуля, выбирая оптимальные паттерны и стек;
-
Разрабатывать высоконагруженный бэкенд на асинхронных фреймворках с эффективным использованием параллелизма и конкурентности;
-
Интегрировать очереди сообщений (Kafka, Redis Pub/Sub) и обеспечивать отказоустойчивую доставку событий;
-
Работать с данными — проектировать схемы PostgreSQL, оптимизировать запросы через SQLAlchemy и внедрять кэширование на Redis;
-
Обеспечивать наблюдаемость системы через трейсинг, структурированное логирование и сбор метрик;
-
Покрывать решения тестами всех уровней (unit, интеграционные, E2E) без привлечения команды тестирования;
-
Настраивать CI/CD и контейнеризацию (Docker), автоматизируя сборку, проверку и деплой;
-
Управлять качеством кода и развитием команды — проводить ревью, менторить, документировать архитектурные решения и участвовать в инцидентах.
Для нас важно:
- Опыт коммерческой разработки на Python от 2 лет;
- Высшее образование IT, техническое, математическое (или эквивалентный практический опыт);
- Свободное владение async/await, typing, ООП, структуры данных;
- Опыт создания REST API на FastAPI;
- Продвинутый SQL: оконные функции, работа с PostgreSQL/asyncpg;
- Практический опыт работы с LLM: инференс через OpenAI API или совместимые (vLLM, TGI);
- Понимание ограничений LLM: понимание галлюцинаций, стохастичности, латентности и ограничений контекстного окна;
- Навыки prompt engineering: системные промпты, управление контекстом, JSON-mode;
- Навыки контейнеризации (Docker), сборка образов, запуск контейнеров;
- Базовое понимание CI/CD: запуск пайплайнов, чтение логов;
- Понимание принципов работы с GPU: память, утилизация, параллелизм;
- Уверенная работа с Git: ветки, pull requests, code review;
- Опыт написания юнит-тестов;
- Базовое понимание архитектурных паттернов для агентов: ReAct, Plan-and-Execute, Agent-as-a-Judge и знакомство с фреймворками LangChain, LangGraph, LlamaIndex, AutoGen;
- ML-алгоритмы и теория (базовое понимание);
- Классический ML: линейные модели, деревья решений, ансамбли (Random Forest, градиентный бустинг);
- Метрики качества: precision, recall, F1, ROC-AUC, accuracy для задач классификации, метрики для регрессии;
- Валидация моделей: train/test split, кросс-валидация, bootstrapping;
- Предобработка данных: нормализация, стандартизация, кодирование категориальных признаков;
- Feature engineering: отбор признаков, работа с пропусками, выбросами;
- Библиотеки: scikit-learn, pandas, numpy, matplotlib/seaborn для визуализации.
Будет плюсом:
- Опыт развертывания LLM через vLLM (настройка параметров, оптимизация);
- Знакомство с Kubernetes: deployment, services, probes, resources;
- Опыт работы с векторными базами (Qdrant, Pinecone, Weaviate)
- RAG-системы: поиск чанков, reranking, контекстуализация запросов;
- Оптимизация инференса: batching, caching, quantization, strea.
Главный принцип SkillStaff - Выбирай!
- РАЗНООБРАЗИЕ ПРОЕКТОВ. Выбирай из сотен компаний и проектов то, что интересно и полезно для твоего роста. SkillStaff помогает реализовывать ежегодно порядка 500 различных ИТ-проектов для крупного бизнеса.
- КОМФОРТ. SkillStaff — аккредитованная IT-компания, белая зарплата и удобный график работы. Создавай идеальные условия для своей работы: удаленная работа или возможность работать как в офисе клиента, так и в комфортном офисе SkillStaff в центре Москвы на Воздвиженке.
- РАЗВИТИЕ. Выбирай сам путь, по которому ты хочешь развиваться. Используй возможность обмена опытом и получение знаний через участие в разных проектах, совместную работу с высококвалифицированными коллегами.
- КУЛЬТУРА. Нашу культуру создают сами сотрудники – мы их слышим и помогаем развиваться, чтобы #вместе переходить на новый уровень!
