- Страна
- Россия
Откликайтесь
на вакансии с ИИ

Python developer [Trust & Safety]
Wildberries — это масштабные задачи и работа с высокими нагрузками. Вакансия привлекательна четким стеком технологий (K8s, ML, Python) и возможностью влиять на безопасность платформы.
Сложность вакансии
Роль требует не только отличного знания Python, но и глубокого понимания MLOps-процессов, работы с Kubernetes и оптимизации GPU/CPU ресурсов. Сочетание навыков классического бэкенда и ML-инженерии делает позицию достаточно сложной.
Анализ зарплаты
Зарплата в объявлении не указана, но для специалистов такого уровня (Python + ML/MLOps) в крупных российских тех-компаниях рынок предлагает конкурентные условия. Указанные цифры соответствуют медиане для Senior/Middle+ разработчиков в Москве.
Сопроводительное письмо
Меня заинтересовала вакансия Python-разработчика в команду Trust & Safety, так как она сочетает в себе классическую разработку и работу с ML-инфраструктурой. Мой опыт работы с Python, Docker и Kubernetes позволяет мне эффективно внедрять модели в продакшн, обеспечивая их масштабируемость и высокую производительность.
Я уделяю большое внимание качеству кода и процессам CI/CD, что совпадает с вашими требованиями к использованию GitLab CI/CD и ArgoCD. Уверен, что мои навыки в оптимизации ресурсов и настройке мониторинга через Prometheus и Grafana помогут команде сократить Time-to-Market и повысить надежность сервисов Wildberries.
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Wildberries уже сейчас
Присоединяйтесь к команде Wildberries и внедряйте передовые ML-решения в крупнейшем маркетплейсе страны!
Описание вакансии
Python developer [Trust & Safety]
#Удалненка
Компания: Wildberries
☑️Что нужно делать
-Внедрять и поддерживать ML-модели в продуктах команды;
-Оптимизировать использование инфраструктурных ресурсов в ML-сервисах (CPU/GPU, хранилища, сети);
-Изучать и внедрять новые технологии для повышения производительности и масштабируемости;
-Выстраивать процессы взаимодействия ML и Dev-команд для сокращения Time-to-Market;
-Разрабатывать устойчивые интеграции с внешними и внутренними источниками данных;
-Покрывать код юнит- и интеграционными тестами, добавлять метрики и мониторинг;
-Создавать дашборды для технических метрик (Prometheus, Grafana);
-Разрабатывать инструменты автоматизации для внутренних процессов и задач команды;
-Улучшать CI/CD-процессы и инфраструктуру развертывания (Kubernetes, GitLab CI/CD, ArgoCD и т.п.);
-Следовать единым подходам к созданию сервисов и обеспечению их observability.
☑️Какой опыт и знания нужны
-Глубокое знание Python 3.x и современных подходов к разработке (типизация, тестирование, асинхронность, архитектура);
-Опыт разработки, обучения и внедрения ML-моделей;
-Понимание полного цикла ML-продукта - от данных и экспериментов до деплоя и мониторинга;
-Навыки интеграции моделей в сервисы (API, микросервисы, inference-сервера);
-Опыт работы с Docker и Kubernetes;
-Умение писать чистый, поддерживаемый и тестируемый код;
-Опыт настройки CI/CD и базового мониторинга сервисов.
Контакты: Откликнуться?
Python Job 💬 в Telegram | 💙 в VK | 💬 в Max
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- ML
- Docker
- Kubernetes
- CI/CD
- GitLab CI/CD
- ArgoCD
- Prometheus
- Grafana
- Unit Testing
- Asynchronous Programming
- Microservices
- API
Возможные вопросы на собеседовании
Вакансия подразумевает работу с ML-сервисами, где критически важна производительность.
Как бы вы оптимизировали использование GPU ресурсов при деплое нескольких ML-моделей в одном кластере Kubernetes?
В описании указано требование по сокращению Time-to-Market.
Расскажите о вашем опыте настройки CI/CD пайплайнов специально для ML-проектов. В чем их отличие от обычных веб-сервисов?
Упоминается работа с Prometheus и Grafana.
Какие ключевые метрики (технические и продуктовые) вы бы вывели на дашборд для мониторинга качества работы ML-модели в реальном времени?
Работа в Trust & Safety часто связана с обработкой больших потоков данных.
Как обеспечить отказоустойчивость интеграции, если внешний источник данных становится недоступен или отдает некорректные данные?
Требуется знание асинхронности в Python.
В каких случаях в ML-сервисах оправдано использование FastAPI/Asyncio, а когда лучше придерживаться синхронных подходов?
Похожие вакансии
ML разработчик (Senior)
Data инженер (Senior)
Data Engineer Python (Middle)
MLOps Engineer
Инженер Mlops (Senior)
Middle+ ML разработчик
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!
- Страна
- Россия