- Страна
- Россия
- Зарплата
- 173 416 ₽ – 306 000 ₽
Откликайтесь
на вакансии с ИИ
Python разработчик (Senior)
Оценка ИИИнтересная роль на стыке Backend и AI в крупном ритейлере. Предлагается работа с современным стеком (LLM, RAG, MLOps), однако уровень компенсации для Senior-позиции в штате выглядит ниже среднерыночного, хотя вариант с ИП более конкурентоспособен.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью сочетать глубокую экспертизу в классическом бэкенде (Python, FastAPI, высоконагруженные системы) с продвинутыми навыками в AI/ML (RAG, LLM, MLOps). Требуется опыт работы с широким стеком технологий от инфраструктуры (K8s) до специфических инструментов машинного обучения (TorchServe, Triton).
Анализ зарплаты
Оценка ИИПредложенная ставка для штатных сотрудников (173к на руки) значительно ниже рыночного медианного значения для Senior Python разработчика в РФ. Однако вариант работы через ИП (около 306к gross) приближается к нижней границе рыночного диапазона для опытных специалистов с навыками в AI.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в FixPrice уже сейчас
Отправьте свое резюме Дмитрию, чтобы присоединиться к команде FixPrice и развивать передовые AI-решения!
Описание вакансии
🆔 QX-10025
📅 Дата публикации: 16.04.2026 08:00
🥇 Python разработчик (Senior)
📍 Локация/Гражданство: РФ / РФ
🎓 Грейд: Senior
💰 Ставки:
🇷🇺 Штат (на руки): 173 416 руб./мес (на руки)
🇷🇺 ИП (gross): 1 800 руб./час Справочно: ориентировочная среднемесячная выплата Gross 306 000 руб./мес
📌 О проекте:
Клиент: FixPrice
Часовой пояс: МСК
Кол-во человек: 1
Загрузка: Fulltume
💻 Требования:
— Глубокая экспертиза в Python, уверенное использование asyncio, threading и multiprocessing, а также навыки в профилировании и решении задач, связанных с памятью и процессором.
— Опыт работы с FastAPI и Pydantic v2: знание асинхронной архитектуры и уверенное владение структурой проектов
— Опыт работы с PostgreSQL, Redis, MongoDB, грамотное проектирование схем, индексация, выбор между ORM и raw SQL
— Знание Docker и Docker Compose, базовое понимание Kubernetes
— Опыт в настройке RabbitMQ, Kafka, Celery и Redis, включая реализацию retry-логики, управление дубликатами и dead-letter очередями, а также экшн локеры
— Опыт разработки микросервисов, выделение высоконагруженных зон, кэширование и создание stateless приложений
— Умение быстро собрать интерфейс на HTMX/Bootstrap или Streamlit
— Опыт работы с LLM, включая OpenAI, Claude и DeepSeek: навыки в кастомизации промптов, оптимизации затрат и качества, а также в использовании функциональных вызовов и потоковой передачи данных
— Знания в области RAG-систем: опыт построения полного пайплайна от чанкинга до эффективного поиска информации. Понимание выбора векторных баз данных и графов знаний
— Умение создавать чат-ботов ассистентов с цепочками вызовов, memory, fallback, multi-agent
— Знание решений TorchServe, Triton и ONNX, а также понимание квантования модели и интеграции локальных моделей с GPT
— Опыт работы с MLOps (MLflow, Weights & Biases, мониторинг метрик, логирование, отслеживание версий)
❗️ Обязательные данные по кандидату при подаче:
● ФИО (ОБЯЗАТЕЛЬНО УКАЗЫВАТЬ В РЕЗЮМЕ ПОЛНОЕ)
● Страна+Город
● Дата Рождения
● Грейд
● Ставка
● Оценить требования ДА/НЕТ, в соответствии с наличием опыта.
● ВСЕ ТРЕБОВАНИЯ ИЗ ЗАПРОСА ОТРАЖЕНЫ В ПРОЕКТАХ РЕЗЮМЕ
Менеджер: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- Kubernetes
- PostgreSQL
- MLOps
- RAG
- Redis
- Docker
- Kafka
- MLflow
- Claude
- FastAPI
- MongoDB
- Weights & Biases
- Bootstrap
- RabbitMQ
- Celery
- OpenAI
- Pydantic
- asyncio
- Triton Inference Server
- ONNX
- Streamlit
- Docker Compose
- HTMX
- DeepSeek
- TorchServe
Возможные вопросы на собеседовании
Проверка глубоких знаний Python и умения оптимизировать производительность.
Расскажите о вашем опыте профилирования Python-приложений: какие инструменты использовали и как решали проблемы с утечками памяти или CPU-bound задачами в asyncio?
Оценка навыков проектирования сложных систем обмена сообщениями.
Как вы организуете обработку ошибок и retry-логику в RabbitMQ/Kafka, чтобы избежать бесконечных циклов и потери данных в dead-letter очередях?
Проверка практического опыта работы с RAG-системами.
Какие стратегии чанкинга и методы поиска в векторных БД вы считаете наиболее эффективными для минимизации галлюцинаций LLM в RAG-пайплайнах?
Оценка понимания специфики деплоя ML-моделей.
В каких случаях вы бы предпочли использование Triton Inference Server вместо обычного FastAPI-сервиса для деплоя модели, и как это влияет на масштабируемость?
Проверка навыков работы с современными LLM-агентами.
Как вы реализуете долгосрочную память (memory) и управление состоянием в многоагентных системах (multi-agent) при работе с OpenAI или локальными моделями?
Похожие вакансии
AI Engineer (Agents)
Senior Python AI Developer
LLM engineer
Python Middle+/Senior (AI/LLM)
Преподаватель и Автор курса по AI agent (Senior LLM engineer)
Middle+ / Senior AI / LLM Engineer
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!