Python разработчик, Группа разработки приложений / Kept, ИТ-сервисы
Оценка ИИKept (бывший KPMG) — это сильный бренд с устоявшимися процессами. Вакансия предлагает работу над внутренними ИТ-сервисами, что обычно означает стабильность и понятный стек технологий.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения Python и FastAPI с опытом от 2 лет. Задачи сфокусированы на проектировании и поддержке, что является стандартным уровнем для Middle-разработчика.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана. Для Python-разработчика с опытом от 2 лет в Москве рыночный диапазон составляет от 180 000 до 280 000 рублей после вычета налогов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Python разработчик, Группа разработки приложений / Kept, ИТ-сервисы
*🗺* Москва.
Обязанности:
- Проектирование и разработка приложений на основе спецификации требований с использованием Python и FastAPI
- Непрерывное совершенствование ПО за счет поддержки и его улучшения
Требования:
- Опыт от 2-х лет разработки на Python
- Хорошее знание Python, FastAPI
*➡* Откликнуться
Вакансии │ Стажировки │ За рубежом │ Удалёнка │ БИГТЕХ │ Мероприятия │ По всему миру │ IT и DIGITAL
*🐣* Софи - первый ai ассистент для автооткликов и поиска работы.
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- FastAPI
Возможные вопросы на собеседовании
Проверка понимания асинхронности в основном фреймворке вакансии.
В чем основные преимущества использования FastAPI по сравнению с Flask или Django для высоконагруженных приложений?
Оценка навыков проектирования, указанных в обязанностях.
Как вы подходите к проектированию архитектуры нового микросервиса на основе спецификации требований?
Проверка знаний о производительности Python.
Какие инструменты и подходы вы используете для профилирования и оптимизации производительности Python-кода?
Оценка опыта работы с базами данных, что критично для бэкенда.
Какую ORM вы предпочитаете использовать с FastAPI и как решаете проблему N+1 запросов?
Проверка навыков поддержки и улучшения существующего кода.
Расскажите о вашем опыте рефакторинга легаси-кода: с какими трудностями сталкивались и как измеряли успех?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
