Разработчик Python (AI-направление) / Инженер машинного обучения
Описание
Чем предстоит заниматься AI/LLM и ML Разработка и интеграция AI/LLM-функциональности в продукты: RAG, AI-агенты, function/tool calling, оркестрация языковых моделей Построение и оптимизация AI-пайплайнов: эмбеддинги, векторные БД, контекст, промпты, реранкинг Проектирование и разработка RAG-систем end-to-end: чанкинг, embedding-модели, гибридный поиск, advanced RAG Разработка автономных AI-агентов и распределённых систем микроагентов Оценка качества AI-решений (evals), мониторинг и observability LLM-систем в продакшене Интеграция классического ML там, где это уместно: прогнозирование, классификация, computer vision Быстрая поставка фич от идеи до продакшена: MVP, проверка гипотез, итерации по метрикам Backend и архитектура Проектирование интеграции с ML/AI-инфраструктурой Разработка и сопровождение высоконагруженных backend-сервисов и микросервисов на FastAPI Проектирование сложных REST API, документирование через OpenAPI/Swagger Разработка event-driven систем, работа с очередями и асинхронной обработкой Проектирование масштабируемых, отказоустойчивых и наблюдаемых сервисов Участие в архитектурных и code review, взаимодействие с командой Инженерная культура Написание unit- и интеграционных тестов, самостоятельная проверка решений Активное использование AI-инструментов разработки (Cursor, Copilot, Claude Code и аналоги) с обязательным ревью и тестами на каждое изменение End-to-end ownership: ведение фич от постановки до продакшена Обязательные требования (Must have) Python и backend Коммерческая разработка на Python 3.10+ от 3 лет Глубокое знание Python, ООП, понимание asyncio: event loop, блокирующие vs асинхронные операции Опыт построения backend-части ML/AI-продуктов Уверенная работа с FastAPI (опыт с Django/DRF — плюс, но ключевой фреймворк — FastAPI) Опыт проектирования и разработки микросервисов, REST API, OpenAPI Опыт с PostgreSQL, SQLAlchemy, проектирование схем, оптимизация запросов, индексация Опыт с Docker, Git, CI/CD Опыт работы с очередями: RabbitMQ и/или Kafka; понимание event-driven подходов Опыт с Redis (кэш, pub/sub, фоновые задачи) Понимание observability: логи, метрики, трейсинг Умение писать unit- и интеграционные тесты (pytest) Технический английский: чтение документации и актуальных AI/ML-материалов AI/LLM/ML Практический опыт LLM в продакшене, а не только эксперименты Опыт построения RAG-систем end-to-end: чанкинг, embeddings, vector DB, реранкинг, оценка качества ответов Работа с API языковых моделей и фреймворками: LangChain, LangGraph, LlamaIndex (хотя бы один стек) Опыт с векторными БД: pgvector, Qdrant, Weaviate, Pinecone или аналогами Промпт-инжиниринг, function/tool calling, оркестрация LLM Понимание подходов к оценке качества: evals, LLM-as-a-Judge, мониторинг LLM-приложений Опыт интеграции LLM в промышленную микросервисную архитектуру Soft skills Ownership: ответственность за фичу от идеи до продакшена Bias to ship: умение довести задачу до MVP и быстро проверить гипотезу Продуктовое мышление, аналитический склад ума, командность Любознательность и быстрая обучаемость в быстро меняющейся AI-области Будет сильным плюсом AI/ML On-prem развёртывание LLM в закрытом контуре без внешних API Инференс-движки: vLLM, TGI, Ollama Опыт с моделями: Qwen, GigaChat, YandexGPT Advanced RAG: гибридный поиск, переранжирование, сложные RAG-конвейеры Инструменты evals и мониторинга: Ragas, DeepEval, EvalScope, Langfuse Классическое ML: scikit-learn, PyTorch / TensorFlow, fine-tuning, embeddings Computer Vision: детекция дефектов, распознавание образов, Yolo MLOps: пайплайны, деплой моделей, мониторинг качества в проде Backend и инфраструктура Python 3.10+, aiohttp, Celery Kubernetes, Prometheus, Grafana, ELK SSR, JWT/OAuth, Keycloak, RBAC/ABAC Потоковая обработка, ETL, Apache Airflow Полнотекстовый поиск: PostgreSQL FTS, ElasticSearch Опыт on-prem Опыт работы с 1С: Шина Уважаемые кандидаты, просим вас указать свои зарплатные ожидания в сопроводительном письме. Это поможет нам быстрее рассмотреть ваш отклик.