Full-Stack AI Developer (Python + React)
Отличная вакансия в стабильной международной компании с современным стеком технологий и фокусом на AI. Предлагаются хорошие бенефиты (ДМС, спорт, английский) и гибкий формат работы, что делает предложение очень привлекательным для опытных разработчиков.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Высокая сложность обусловлена требованием глубоких знаний как в Full-stack разработке (Python/React), так и в специфических AI-технологиях (RAG, LLM, векторные БД). Требуется опыт от 4 лет и владение широким стеком инструментов от LangChain до Kubernetes.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
В объявлении не указан конкретный уровень оплаты, однако для позиции Full-Stack AI Developer с опытом от 4 лет на международном рынке и в РФ вилка обычно составляет от 350 000 до 550 000 рублей. Предложение MODSEN, вероятно, соответствует рыночным ожиданиям для Senior-специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Full-Stack AI Developer (Python + React)
*🏢* Компания: MODSEN
*🌍* Формат: Удалённая работа, офис или гибридный формат
О компании:
MODSEN — международная IT‑компания, которая разрабатывает программное обеспечение и цифровые решения для бизнеса. За 5 лет команда реализовала 250+ решений в 25+ доменах и сотрудничает с партнёрами из 20+ стран. В компании более 500 специалистов; уделяют внимание развитию и профессиональному росту.
Задачи:
• Разработка и поддержка веб‑приложений на Python и React.
• Проектирование и внедрение AI‑функций: интеграции LLM, RAG‑пайплайны, AI‑ассистенты и поиск по базе знаний.
• Деплой AI/ML‑сервисов в production и оптимизация компонентов (embeddings, rankers, модели, дата‑пайплайны).
• Разработка бэкенда на Python и пользовательских интерфейсов на React.
• Участие во всём цикле разработки: архитектура, оценка задач, тестирование, код‑ревью, документация.
• Взаимодействие с командой и клиентами в технических обсуждениях.
Требования:
• 4+ лет коммерческой разработки, минимум 2 года с Python и в области AI/ML.
• Уверенный Python и опыт с одним из фреймворков: FastAPI, Django или Flask.
• Практический опыт с LLM (OpenAI, Anthropic, open‑source), prompt engineering, function calling, streaming.
• Опыт построения RAG: embeddings, chunking, векторные БД (Qdrant, Pinecone, pgvector), гибридный поиск и ре‑ранжирование.
• Опыт с LangChain и/или LlamaIndex.
• Навыки работы с PyTorch, Hugging Face Transformers, scikit‑learn, pandas, NumPy; PostgreSQL, Redis, очереди сообщений (Celery, Kafka); Docker, Git, Linux.
Будет плюсом:
• Опыт дообучения моделей (LoRA, QLoRA, PEFT).
• Оценка качества LLM/RAG решений (RAGAS и похожие инструменты).
• Опыт с Kubernetes/OpenShift и облаками (AWS, Azure, GCP).
• Работа с агентными системами и мониторингом LLM‑приложений (LangGraph, MCP, Langfuse, LangSmith).
• Настройка CI/CD (GitLab CI, GitHub Actions, Jenkins).
Стек:
Python, React, FastAPI, Django, Flask, LLM (OpenAI, Anthropic, open‑source), LangChain, LlamaIndex, PyTorch, Hugging Face Transformers, scikit‑learn, pandas, NumPy, PostgreSQL, Redis, Celery, Kafka, Docker, Git, Linux, Kubernetes, AWS, Azure, GCP, Qdrant, Pinecone, pgvector
Условия:
• Карьерный рост и профессиональное развитие в международной компании.
• Возможности для улучшения английского: корпоративные занятия и международные конференции.
• Медицинская страховка, крупные корпоративные события, спортивные компенсации и финансовые бонусы.
*📩* Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- React
- FastAPI
- Django
- Flask
- LLM
- OpenAI
- Anthropic
- LangChain
- LlamaIndex
- PyTorch
- Hugging Face Transformers
- Scikit-learn
- Pandas
- NumPy
- PostgreSQL
- Redis
- Celery
- Kafka
- Docker
- Git
- Linux
- Kubernetes
- AWS
- Azure
- GCP
- Qdrant
- Pinecone
- pgvector
- CI/CD
Возможные вопросы на собеседовании
Проверка практического опыта работы с RAG-системами и понимания их архитектуры.
Расскажите о самом сложном RAG-пайплайне, который вы проектировали: как вы решали проблему качества поиска и какие стратегии чанкинга использовали?
Оценка навыков оптимизации и работы с современными методами дообучения.
В каких случаях вы бы предпочли использование LoRA/QLoRA вместо обычного Prompt Engineering для решения бизнес-задачи?
Проверка умения работать с асинхронностью и высоконагруженными системами на Python.
Как вы организуете обработку потоковых ответов (streaming) от LLM в FastAPI, чтобы обеспечить минимальную задержку для пользователя?
Оценка навыков мониторинга и оценки качества AI-моделей.
Какие метрики и инструменты (например, RAGAS) вы используете для оценки галлюцинаций и релевантности ответов LLM в продакшене?
Проверка Full-stack компетенций и интеграции фронтенда с AI-бэкендом.
Как эффективно управлять состоянием диалога в React-приложении при работе с агентными системами и длительными фоновыми задачами?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

