Разработчик Python (AI-направление) / Инженер машинного обучения

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