Назад
14 часов назад

Опытный Python-разработчик (AI)

250 000 - 300 000₽
Формат работы
remote (только Russia)
Тип работы
fulltime
Грейд
senior
Английский
b2
Страна
Russia
vacancy_detail.hirify_telegram_tooltipВакансия из Telegram канала -

Мэтч & Сопровод

Покажет вашу совместимость и напишет письмо

Описание вакансии

TL;DR
Опытный Python-разработчик (AI) (Python/FastAPI/LLM/ML): Проектирование API и production-систем с LLM и ML с акцентом на RAG, векторный поиск, оценку качества моделей и масштабируемую backend-архитектуру. Focus on принятие архитектурных решений, построение end-to-end решений, оптимизацию стоимости и latency LLM и сопровождение моделей в проде.
#вакансия #python #backend #LLM #ML #AI #RAG #FastAPI #DataScience #machinelearning #удаленка #РФ #вакансии #itвакансии

Название компании:
RA BGStaff
Формат работы: Удалёнка (локация только РФ), в аутстафф проект
Занятость: Полная
Зарплатная вилка: от 250 000 до 300 000 ₽ на руки

Описание вакансии:
Ищем опытного Python-разработчика (5+ лет) с продвинутым уровнем для работы на проекте нашего заказчика.
Вам предстоит проектировать API, работать с LLM и ML в проде, принимать архитектурные решения и вести задачи end-to-end.

Ключевые требования:
Python: ООП, типизация (mypy/pydantic), asyncio, pytest, профилирование.
API: FastAPI (или Flask), REST, валидация, обработка ошибок, идемпотентность.
Инфраструктура: Git, code review, CI/CD (GitHub Actions/GitLab CI), Docker; Kubernetes — плюс.
Базы данных: PostgreSQL (уверенный SQL), Redis; понимание индексов и транзакций.
Очереди: Kafka или RabbitMQ (практический опыт).
Документация и поддержка: написание документации, работа с логами, метриками, алертами.
LLM — практика в проде:
RAG end-to-end: чанкинг, эмбеддинги, векторные БД (Qdrant/Milvus/pgvector/FAISS), гибридный поиск (BM25 + вектор), реранкеры.
Промпт-инжиниринг и управление контекстом: шаблоны, few-shot, structured output (JSON Schema/Pydantic), анти-галлюцинационные меры.
Tool calling / function calling, агентные паттерны (ReAct, router/supervisor), LangChain/LangGraph или аналоги.
Fine-tuning LLM: LoRA/QLoRA, instruction tuning, подготовка датасетов; опыт с HF Transformers.
Оценка качества LLM: offline/online-метрики, human-eval, A/B, LLM-as-judge, регрессионные бенчмарки.
Понимание стоимости и latency LLM: кэширование, батчинг, выбор модели, токен-бюджет.

ML — прикладной уровень:
scikit-learn, PyTorch (или TF): обучение, валидация, кросс-валидация, метрики (precision/recall/F1, ROC-AUC).
NLP-база: токенизация, эмбеддинги, классификация, NER; HF Transformers.
Понимание переобучения, дисбаланса классов, утечек данных, калибровки вероятностей.
MLflow (или аналог): трекинг экспериментов, версионирование моделей.
Деплой моделей: инференс-сервис, батч/онлайн, мониторинг дрейфа — базово.
Архитектура и процесс:
Опыт самостоятельных архитектурных решений и ведения задач end-to-end (постановка → прод).
Оценка сложности, декомпозиция, code review, менторство джунов/мидлов.
Работа с продуктом/бизнесом: перевод требований в технические решения, измеримый эффект.

Будет плюсом:
Kubernetes, Helm, GPU-инференс (vLLM/TGI), Triton.
Векторные БД в проде (Milvus/Qdrant/Weaviate), OpenSearch/Elastic.
Мультиагентные системы, LangGraph, AutoGen.
Guardrails, PII-маскирование, безопасность LLM (prompt injection).
Опыт с open-source LLM (Qwen/LLaMA/Mistral) и квантизацией.
Airflow/Spark, дата-пайплайны.
Английский B2+ (чтение доков, коммуникация).

Жду твое резюме 🙋🏼‍♀️

Будьте осторожны

Если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого. Это мошенники. Обязательно жмите «Пожаловаться» или пишите в поддержку. Подробнее в гайде →

Текст вакансии взят без изменений

Источник -