ZipZap Lab — R&D-студия, где идеи превращаются в продукт за недели, а не месяцы.
Над задачами работают выпускники Бауманки, ИТМО, а также инженеры, успевшие поработать в ведущих российских IT-компаниях над крупными федеральными проектамии и с ведущими зарубежными корпорациями; обмен опытом, написание кода и code review входят в ежедневный процесс
Формат работы
-
Занятость: фулл-тайм
-
Оформление: самозанятый.
-
Локация: любая точка мира.
Чем предстоит заниматься
- Разрабатывать и поддерживать backend-сервисы и API (микросервисы, интеграции, очереди, фоновые задачи).
- Проектировать масштабируемую и отказоустойчивую архитектуру; заботиться о производительности, наблюдаемости и безопасности.
- Создавать и оптимизировать data-пайплайны (ETL, RAG), интегрировать LLM-решения и встраивать их в продуктовые фичи с коротким циклом «код → ценность».
- Писать чистый, поддерживаемый код, покрывать ключевую логику тестами, участвовать в ревью.
- Автоматизировать инфраструктурные задачи: CI/CD, контейнеризация, деплой, мониторинг.
Наш идеальный кандидат
- 5+ лет коммерческой разработки на Python; отличное владение стандартной библиотекой и современным стеком (FastAPI/Flask, asyncio, typing, pytest).
- Практический опыт с LLM и построением RAG-пайплайнов: индексация, эмбеддинги, выборка, латентность, качество ответов.
- Навыки работы с PyTorch и OpenCV; понимание популярных архитектур нейросетей и базовых алгоритмов CV — для продакшен-интеграции моделей, а не исследования.
- Понимание DevOps-культуры: CI/CD, контейнеризация (Docker), базовые навыки в оркестрации и наблюдаемости (Prometheus/Grafana/ELK).
- Коммуникабельность и ответственность: умеете аргументировать решения, помогать коллегам код-ревью и менторингом точечно, без формального руководства командой.
Будет плюсом:
- Опыт MLOps: онбординг/деплой моделей, трекинг экспериментов, фиче-сторы (MLflow, Weights & Biases, Feast).
- Kubernetes, Terraform или аналогичная IaC-практика.
- Уверенный опыт проектирования систем и работы с реляционными/NoSQL БД, кэшами, брокерами сообщений (PostgreSQL, Redis, RabbitMQ/Kafka).
- Опыт оптимизации производительности Python/С-расширений, разработка на C++ для ускорения критичных участков.
Что важно в подходе:
- Ориентация на продакшен-качество: измерять, профилировать, оптимизировать.
- Баланс «сделать быстро» и «сделать правильно»: MVP → стабилизация → масштабирование.
- Готовность брать на себя end-to-end участки работы: от дизайна API до алертов в проде.
Почему ZipZapLab — отличное место для Tech Lead
-
Очень быстрая отдача. Действительно очень быстрая- видите ценность своей работы практически сразу. Наши внутренние процессы также автоматизированы. Всей команде и аналитикам оплачены доступы к IDE Cursor AI и GPT Team.
-
Сильная команда. Работаете плечом к плечу с энтузиастами из ТОП-вузов и индустрии.
-
Гибкость и автономия. Минимум бюрократии, максимум ответственности: влияете на архитектуру и техническую стратегию продукта.
