Senior Python разработчик

🏢 ОфисMiddleПолная занятость

Зарплата не указана

Есть о чём спросить

Навык востребован (Python), за такой навык на рынке платят больше. Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Наша компания

Мы — амбициозная команда специалистов, которая ставит перед собой амбициозную задачу по разработке и внедрению ИИ-агента для управления технологическими рисками Банка. Наше решение помогает быстро выявлять, оценивать и минимизировать последствия технологических рисков. В нашей команде ты сможешь быть вкладом в создание и развитие продукта с 0 и работать с передовыми технологиями, свободные коммуникации и быстрые решения без долгих согласований. Ищем опытного Python-инженера, который любит ML, понимает его силу и ограничения, и хочет делать «настоящий» production-backend: надёжный, масштабируем

Чем предстоит заниматься

Проектировать и разрабатывать backend-сервисы на Python для LLM-агентов и ML-пайплайнов (низкие задержки, высокая надёжность, observability)

Выстраивать и развивать архитектуру агентских систем (оркестрация инструментов, память, планирование, безопасные guardrails, оценка качества)

Внедрять ML System Design подходы: искать и применять передовые идеи и мировой опыт в области архитектур агентских систем

Работать с данными и интеграциями: очереди/стриминг, базы, кэш, внешние API

Проводить технические исследования (R&D), быстро прототипировать, измерять, масштабировать в прод

Развивать платформу: тестирование, CI/CD, мониторинг, трассировка, расходы

Влиять на инженерную культуру: код-ревью, дизайн-сессии, менторство

Наши требования

От 4 лет промышленной backend-разработки на Python с акцентом на надёжность и производительность

Опыт проектирования распределённых систем и высоконагруженных сервисов

Уверенная математическая база (вероятность/статистика/оптимизация), инженерный вкус и привычка мерить всё метриками

Практика работы с ML-системами в проде: фичи, офлайн/онлайн-оценка, A/B, наблюдаемость качества

Навык разбираться в новых подходах (LLM-агенты, инструменты, память, RAG, оценка), критически их проверять и доводить до результата

Готовность брать ответственность за продуктовые эффекты, а не только за код

Опыт построения agentic-архитектур (планировщики, многoшаговые цепочки, инструментализация, безопасность)

Опыт реализации высокоэффективного инференса LLM моделей, глубокое понимание работы kernel для инференса

Вклад в open-source или публикации/доклады

Знание домена рисков

Python 3.12+, FastAPI, gRPC/HTTP, Kafka, PostgreSQL, PyTorch/Lightning, инструменты для LLM-оркестрации, LangGraph, Grafana/OpenTelemetry, OpenShift, Jenkins