- Страна
- Россия
Откликайтесь
на вакансии с ИИ
LEAD PYTHON DEVELOPER
Оценка ИИMagnit Tech — сильный бренд с аккредитацией ИТ-компании, предлагающий работу над передовыми технологиями (LLM, RAG). Отличный соцпакет, включая ДМС и обучение, а также гибкий формат работы делают вакансию крайне привлекательной.
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы не только в Python-разработке, но и в специфической области ML-инфраструктуры (LLM, GPU inference, векторные БД). Позиция уровня Lead подразумевает ответственность за архитектуру и наставничество.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Lead Python Developer в крупном российском ритейл-техе рыночный диапазон составляет от 350 000 до 550 000 рублей. Magnit Tech обычно предлагает конкурентные условия, соответствующие верхним границам рынка для опытных специалистов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Magnit Tech уже сейчас
Присоединяйтесь к команде Magnit Tech и создавайте архитектуру будущего для ML-решений федерального масштаба!
Описание вакансии
LEAD PYTHON DEVELOPER
*🏢* Компания: MAGNIT TECH
*💰* ЗП: конкурентоспособная, обсуждается индивидуально
*🌍* Формат: удалёнка по России или гибрид (Москва / Санкт‑Петербург)
*🕒* Занятость: full-time
Задачи:
• Проектировать архитектуру backend-сервисов и интеграционных компонентов для промышленных ML-решений.
• Разрабатывать высоконагруженные и отказоустойчивые сервисы, API и orchestration-компоненты для работы с ML-моделями, LLM и агентными системами.
• Проектировать интеграции с корпоративными системами, источниками данных и очередями сообщений.
• Отвечать за производительность, надежность, масштабируемость и наблюдаемость сервисов в production.
• Проводить code review, участвовать в выборе технических решений и развивать инженерные практики.
• Взаимодействовать с ML-инженерами и MLOps при проектировании end-to-end архитектуры и выводе решений в production.
Требования:
• Коммерческий опыт backend-разработки на Python от 4 лет.
• Глубокое знание Python: async/await, concurrency, многопоточность и сетевые особенности.
• Опыт проектирования и разработки высоконагруженных или распределённых backend-сервисов.
• Опыт разработки REST API на FastAPI или аналогичных фреймворках.
• Уверенная работа с PostgreSQL, проектирование схем, индексы, транзакции и оптимизация запросов.
• Опыт с Redis, брокерами сообщений, асинхронными паттернами; практический опыт Docker, Kubernetes и CI/CD.
• Знание observability: метрики, логирование, tracing и мониторинг production-инцидентов.
Будет плюсом:
• Опыт разработки production-систем вокруг ML-моделей/LLM, model serving и inference на GPU.
• Опыт с vLLM, Triton, LiteLLM, разработкой RAG- и агентных систем.
• Опыт работы с ClickHouse, Kafka и векторными базами данных, performance tuning.
• Знание TypeScript/JavaScript или Go; опыт менторинга и развития технических стандартов.
Стек:
Python, FastAPI, PostgreSQL, Redis, Docker, Kubernetes, CI/CD, Kafka, ClickHouse, vLLM, Triton, LiteLLM, LLM, GPU, векторные базы данных, TypeScript, JavaScript, Go
Условия:
• Оформление в аккредитованную ИТ-компанию.
• ДМС со стоматологией и льготными условиями для членов семьи.
• Техника для работы; оплата обучения и участия в конференциях.
• График 5/2; офисы в Москве (ст. м. Савёловская), Санкт‑Петербурге (ст. м. Балтийская), Краснодаре и Иннополисе, либо удалённо по РФ.
• Корпоративные скидки, внутренняя библиотека курсов и реферальная программа.
*📩* Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- TypeScript
- Python
- LLM
- Kubernetes
- CI/CD
- PostgreSQL
- JavaScript
- RAG
- Redis
- Docker
- Kafka
- Go
- FastAPI
- ClickHouse
- asyncio
Возможные вопросы на собеседовании
Важно понимать, как кандидат обеспечивает надежность системы при работе с тяжелыми ML-моделями.
Как бы вы спроектировали систему мониторинга и observability для сервиса, который выполняет inference LLM на GPU? На какие метрики вы бы смотрели в первую очередь?
Проверка глубоких знаний асинхронности, заявленных в требованиях.
Опишите ситуацию, когда использование async/await в Python может привести к деградации производительности. Как вы будете отлаживать event loop в таких случаях?
Вакансия предполагает работу с высоконагруженными системами.
Расскажите о вашем опыте оптимизации сложных запросов в PostgreSQL. Какие стратегии индексирования и настройки транзакций вы применяли для высоконагруженных таблиц?
Проверка архитектурного мышления в контексте ML-продуктов.
Какие паттерны проектирования вы бы использовали для создания масштабируемой системы оркестрации ML-агентов?
Оценка лидерских качеств и умения развивать команду.
