В Дирекцию по разработке AI-решений ищем инженера для развития инструментов подготовки текстового и фото-контента. Инструмент анализирует съёмку и текстовое задание, связывает особенности товара с подходящими кадрами, собирает карточки по правилам площадок и передаёт результат редактору на проверку.
Необходимо будет вести решение целиком: от серверной логики, данных и интеграции AI/ML-компонентов до интерфейса, которым удобно пользоваться.
Для разработки используем: Python, React/Vue, TypeScript, Spark, Oracle, Airflow, Superset, Docker.
Для организации работы: Jira, Confluence, Git.
В работе активно используем Codex, Claude и другие AI-инструменты для разработки и ожидаем, что кандидат тоже умеет использовать их как часть рабочего процесса.
Развивать конвейер обработки товаров: получать данные и фотографии, разбирать текстовые задания, анализировать изображения и собирать карточки.
Интегрировать языковые и мультимодальные модели, сервисы сегментации и генерации изображений. Проверять структурированные ответы моделей и обрабатывать ошибки.
Развивать backend-сервисы на Python или Node.js: API, фоновые задачи, работу с данными и интеграции с корпоративными системами. Новые решения преимущественно разрабатываются на Python, но выбор стека зависит от задачи и существующей архитектуры.
Разрабатывать интерфейсы на React или Vue с TypeScript для просмотра результатов, ручных правок и приёмки контента.
Работать с размещением текста и графики на изображении: учитывать области товара, свободное место, ограничения площадок и правила оформления бренда.
Делать обработку воспроизводимой и понятной редактору: сохранять причины решений, учитывать ручные правки, показывать ход и ошибки обработки.
Проверять качество результата на реальных товарах и дорабатывать систему вместе с редакторами и заказчиками контента.
Участвовать в других задачах команды: веб-сервисах, AI/ML-приложениях, data-пайплайнах и DAG-ах в зависимости от задачи.
Сильный Python и опыт разработки backend-сервисов и API.
Опыт самостоятельной разработки прикладных систем целиком: backend, интерфейс, API и необходимые интеграции.
Практический опыт применения AI/ML-моделей в прикладных задачах и переноса модельной логики в работающие приложения и сервисы.
Практический опыт создания приложений с LLM: structured output, работа с контекстом и устойчивость к ошибкам моделей.
Опыт с React или Vue и TypeScript на уровне, достаточном для самостоятельной разработки рабочего пользовательского интерфейса.
Уверенный SQL и опыт работы с реляционными базами данных.
Умение проектировать API, фоновые процессы и интеграции с внешними и внутренними системами, учитывать ограничения по времени ответа и корректно обрабатывать сбои.
Понимание основных принципов архитектуры приложений: разделение ответственности между компонентами, конфигурация, логирование, тестирование и воспроизводимость окружения.
Опыт работы с Docker и Git.
Готовность при необходимости работать не только с веб-сервисами, но и с data-задачами: пайплайнами обработки данных, DAG-ами и существующей ML-инфраструктурой.
Опыт работы с Codex, Claude или другими AI-инструментами для разработки. Важно не только уметь с их помощью быстро писать код, но и понимать архитектуру и качество получившегося решения.
Технический английский для чтения документации и профессиональных материалов.
Опыт работы с мультимодальными моделями, компьютерным зрением, сегментацией изображений, координатами объектов и обработкой графики.
Опыт создания редакторов изображений или других интерфейсов для работы с визуальным контентом.
Опыт разработки RAG-систем и AI-агентов.
Опыт работы с open-source моделями и локальным инференсом.
Знакомство с FastAPI, PostgreSQL и Redis.
Опыт построения data-пайплайнов и DAG-ов в Airflow, работы со Spark.
Опыт работы с Oracle и корпоративными системами.
Опыт с Node.js и способность быстро разбираться в существующих сервисах на этом стеке.
Опыт доведения DS/ML-прототипов до работающих приложений и сервисов.
Ориентируемся на сильного Middle+ / Senior разработчика. Для нас важны инженерная самостоятельность и способность создавать законченные прикладные AI/data-решения. Глубокая специализация в обучении собственных ML-моделей не обязательна.
