Ключевые цели:
- Формирование и развитие кросс-функциональной технической команды разработки, выстраивание инженерных практик и стандартов для создания высоконагруженных backend-систем и промышленных AI/ML-решений.
- Обеспечение сквозного цикла внедрения: от проектирования архитектуры и обучения моделей до промышленной эксплуатации (MLOps), автоматической оркестрации пайплайнов и бесшовной интеграции в production-контур.
Обязанности:
Архитектура и разработка:
- Технический контроль реализации микросервисной архитектуры на базе FastAPI/Django 5.2 и Golang.
- Проведение детального code-review с фокусом на обработку граничных условий, валидацию входных данных, корректность расчётов и отсутствие регрессий в логике.
- Контроль качества интеграций: PostgreSQL/ClickHouse-запросы, кэширование в Redis, работа с очередями (Kafka, Celery), обработка ошибок и retry-политики.
MLOps и инфраструктура:
- Надзор за промышленной эксплуатацией моделей: проверка конфигураций развёртывания через SeldonCore/Triton Inference Server, корректности пайплайнов в Apache Airflow и Temporal, изоляции LLM-вызовов.
- Валидация метрик, логов, трейсов и алертинга в едином контуре Deckhouse;
- Аудит процессов калибровки: верификация ночных jobs на Optuna + MLflow, безопасности GitOps-роллаутов через Jenkins/ArgoCD.
Лидерство и процессы:
- Операционный контроль выполнения спринтовых задач: трекинг статусов, выявление блокеров, приоритизация багфиксов и технического долга без изменения объёма работ.
- Системное проведение code-review и архитектурных ревью: обеспечение соблюдения стандартов кодирования, покрытия тестами, документирования API и миграций.
- Анализ отклонений, инициация корректирующих действий, эскалация рисков при угрозе срыва сроков.
Взаимодействие и аналитика:
- Техническая валидация результатов разработки перед передачей в staging/production: проверка соответствия DoD, полноты audit trail, корректности экспортных форматов (ZIP/Excel/JSON Schema).
- Участие в разборе инцидентов: фиксация первопричин, контроль внедрения профилактических мер, обновление чек-листов для команды.
Требования: - Высшее образование (техническое).
- Опыт разработки и вывода в production высоконагруженных backend-систем и AI/ML-решений от 5 лет, из них не менее 2 лет в роли Tech Lead или Engineering Manager.
- Глубокое понимание полного жизненного цикла AI-проектов: от подготовки данных и обучения моделей до их масштабирования, мониторинга дрейфа и автоматического переобучения в промышленной среде.
- Экспертное знание Agile/Scrum/Kanban и практический опыт адаптации процессов под специфику Data Science и backend-команд.
Технические навыки:
- Уверенное владение Python и Golang, опыт проектирования отказоустойчивой микросервисной архитектуры на базе FastAPI и Django 5.2 с оптимизацией под конкурентные нагрузки.
- Экспертиза в выборе и настройке систем хранения: PostgreSQL для транзакционных операций и бизнес-логики, ClickHouse для аналитических витрин и сбора телеметрии.
- Практический опыт промышленного развертывания ML-моделей с использованием PyTorch, MLflow для трекинга экспериментов, а также SeldonCore и Triton Inference Server для высокопроизводительного инференса.
- Понимание принципов контейнеризации и оркестрации (Kubernetes, Deckhouse), опыт настройки и поддержки пайплайнов обработки данных и ML-обучения через Apache Airflow.
- Опыт проектирования пайплайнов с использованием low-code платформ (Loginom/KNIME/Apache NiFi): понимание преимуществ и недостатков использования low-code, опыт интеграции с внешними компонентами, применения для прототипирования и/или операционной эксплуатации.
- Предметное понимание архитектурных паттернов и ограничений при внедрении LLM, NLP, Computer Vision и OCR в корпоративный IT-ландшафт.
Личностные качества:
- Системное инженерное мышление: умение балансировать между скоростью предоставления, технической устойчивостью и безопасностью решений.
- Навыки менторства, проведения архитектурных и code-review, способность формировать инженерную культуру и снижать технический долг без блокировки бизнес-задач.
- Способность транслировать технические ограничения бизнесу, аргументированно отстаивать архитектурные решения.
Условия: - Офис в центре города - ст. метро «Сенная площадь».
- Официальное трудоустройство.
- Широкие возможности для профессионального роста.
- ДМС (включая стоматологию) с первого дня работы.
- Участие в инновационных проектах на стыке ИИ, ML и Big Data.
- Возможность влиять на архитектуру решений и продуктовую стратегию.
- Гибкий график.
- Современная корпоративная культура.
