- Страна
- Россия
Откликайтесь
на вакансии с ИИ
AI Engineer/ML Engineer (Senior)
Оценка ИИИнтересная позиция на острие технологий (AI Platform Engineering) в крупной компании. Четкий стек технологий и понятные задачи по развитию инфраструктуры делают вакансию привлекательной для Senior-специалистов.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний на стыке классического Backend-разработки и специфики AI-интеграций. Высокая сложность обусловлена требованиями к проектированию безопасности и отказоустойчивости платформенного уровня.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Senior AI/ML Engineer в РФ/РБ рыночный диапазон составляет от 350 000 до 550 000 рублей. Данная роль предполагает высокую ответственность за архитектуру, что обычно оплачивается по верхней границе рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Если вы готовы строить надежный платформенный слой для AI-сервисов в крупной команде, откликайтесь прямо сейчас!
Описание вакансии
ID 2923
AI Engineer/ML Engineer
Senior
Локация РФ/РБ
Команда МБ. Развитие DATA AI
Проект
Ищем backend-инженера, который будет строить и развивать платформенный слой для AI-сервисов и интеграций. Нужен человек, который умеет не только писать отдельные сервисы, но и собирать из них общий, надёжный и безопасный слой для других команд. Это роль на стыке Python backend development, platform engineering, AI integrations и service security.
Основные задачи
— Разрабатывать backend-сервисы для интеграции AI-компонентов с внутренними API, сервисами и источниками данных.
— Строить единый слой доступа к инструментам и системам: каталог интеграций, реестр коннекторов и механизмы вызова инструментов для агентных сценариев.
— Подключать новые системы через стандартные протоколы взаимодействия моделей, агентов и инструментов.
— Проектировать безопасность интеграционного слоя: аутентификацию, авторизацию, аудит действий, разграничение доступа и работу с секретами.
— Обеспечивать надёжность integration layer: retries, очереди, rate limiting, идемпотентность, мониторинг, логирование и трейсинг.
— Превращать разрозненные интеграции в платформенный слой, которым смогут пользоваться другие команды.
— Участвовать в архитектуре AI-сервисов: backend, orchestration, observability и production operations.
Требования
— Сильный Python background: backend-разработка, API-интеграции, асинхронность, типизация, валидация данных, ORM и миграции.
— Опыт разработки и поддержки production-grade API и интеграционных сервисов.
— Хорошее понимание REST, gRPC, WebSocket, очередей и event-driven architecture.
— Уверенные знания PostgreSQL, Redis, контейнеризации и CI/CD.
— Понимание сервисной безопасности: OAuth2 / JWT, service-to-service auth, secrets management, audit trail.
— Опыт проектирования отказоустойчивых интеграций и диагностики проблем в распределённых системах.
— Умение писать чистый, поддерживаемый и надёжный код.
Будет плюсом:
— Опыт работы с LLM-приложениями, tool calling, агентными пайплайнами и retrieval / search-сценариями.Технологический стек
— Python 3.11+
— FastAPI / ASGI
— Pydantic
— SQLAlchemy / Alembic
— PostgreSQL
— Redis
— REST / gRPC / WebSocket
— Message brokers / background workers
— Docker
— Kubernetes
— CI/CD
— LLM API, embeddings, vector search, tool execution protocols
*📩 Телеграм для связи:* Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- Kubernetes
- CI/CD
- PostgreSQL
- REST
- Redis
- Docker
- OAuth2
- gRPC
- FastAPI
- SQLAlchemy
- JWT
- Vector Search
- Pydantic
- Embeddings
- WebSocket
- Alembic
Возможные вопросы на собеседовании
Вопрос проверяет понимание специфики работы AI-агентов и надежности вызовов внешних функций.
Как бы вы реализовали механизм идемпотентности и обработки ошибок при выполнении tool calling в агентных сценариях?
Важно для обеспечения безопасности платформенного слоя, указанного в задачах.
Какие стратегии разграничения доступа и управления секретами вы бы предложили для интеграции множества внутренних API с LLM?
Проверка навыков проектирования высоконагруженных систем.
Как обеспечить эффективный rate limiting для различных команд, использующих единый слой доступа к AI-моделям?
Проверка владения стеком и понимания асинхронности.
В чем особенности тестирования асинхронных интеграций на FastAPI при работе с внешними gRPC и WebSocket соединениями?
Оценка опыта работы с векторами, упомянутыми в стеке.
С какими проблемами производительности векторного поиска вы сталкивались и как их решали на уровне бэкенда?
Похожие вакансии
Senior Python Engineer
Senior NestJS Developer
Python Backend Developer — Senior / Tech Lead (CTO проекта)
Java - разработчик (Senior)
Middle+/Senior Go Developer
Senior PHP-разработчик (Symfony)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!