Python Engineer (AI/ML Backend)

TL;DR

Python Engineer (AI/ML Backend): Разработка production-backend для LLM-агентов и ML-пайплайнов с акцентом на низкие задержки, высокую надёжность и observability. Focus on построении агентских архитектур и внедрении ML System Design подходов, включая оркестрацию инструментов, память, планирование, guardrails и оценку качества.

Компания

Команда разрабатывает и внедряет ИИ-агента для управления технологическими рисками Банка.

Что делать

• Проектировать и разрабатывать backend-сервисы на Python для LLM-агентов и ML-пайплайнов с фокусом на надёжность, масштабируемость и observability.
• Выстраивать и развивать архитектуру агентских систем: оркестрация инструментов, память, планирование, guardrails и оценка качества.
• Применять ML System Design подходы: исследовать и внедрять передовые идеи в архитектуре агентских систем.
• Работать с данными и интеграциями: очереди/стриминг, базы, кэш, внешние API.
• Проводить R&D, быстро прототипировать, измерять результаты и масштабировать решения в production.
• Развивать платформу: тестирование, CI/CD, мониторинг, трассировка и контроль расходов.

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) и привычка измерять всё метриками.
• Практика работы с ML-системами в production: фичи, офлайн/онлайн-оценка, A/B, наблюдаемость качества.
• Умение разбираться в новых подходах (LLM-агенты, инструменты, память, RAG, оценка), критически проверять и доводить до результата.
• Готовность брать ответственность за продуктовые эффекты, а не только за код.

Хорошо, если есть

• Опыт agentic-архитектур: планировщики, многoшаговые цепочки, инструментализация, безопасность.
• Опыт реализации высокоэффективного инференса LLM и глубокое понимание работы kernel для инференса.
• Вклад в open-source или публикации/доклады.
• Знание домена рисков.

Культура и преимущества

• Работа над продуктом с нуля и развитие решения для управления технологическими рисками.
• Инженерная культура: код-ревью, дизайн-сессии и менторство.
• Фокус на быстрых решениях без долгих согласований.
• Свободные коммуникации и ответственность за результат.

Процесс найма

• Обсуждение опыта и релевантных проектов по backend и ML/LLM в production.
• Техническая оценка подходов к архитектуре агентских систем и observability.
• Разговор о влиянии на продуктовые эффекты и инженерной культуре.