- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Python (RD/AI/ML)
Оценка ИИИнтересная роль для Senior-разработчика, желающего работать на стыке классического бэкенда и AI. Проект долгосрочный, стек технологий современный и востребованный, однако отсутствие указанной вилки зарплаты и названия компании немного снижает прозрачность предложения.
Сложность вакансии
Оценка ИИПозиция требует редкого сочетания навыков: глубокой экспертизы в системном Python (asyncio, профилирование), классического бэкенда (микросервисы, очереди) и продвинутого стека AI/ML (LLM, RAG, MLOps). Высокий порог входа обусловлен необходимостью понимать как архитектуру данных, так и специфику работы с нейросетями.
Анализ зарплаты
Оценка ИИВ объявлении не указана заработная плата, однако для Senior Python разработчика с глубокими знаниями AI/ML на рынках РФ и РБ медиана составляет около 450,000 - 550,000 рублей. Специалисты с навыками LLM Ops и RAG сейчас крайне востребованы, что позволяет претендовать на верхнюю границу рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте свое резюме @horoshkoaleksa, чтобы присоединиться к разработке передовых AI-решений на Python!
Описание вакансии
#vacancy #вакансия #Python (RD/AI/ML)
Python (RD/AI/ML)
Локация: РФ, РБ
Грейд: Senior
Срок проекта: Долгосрочно
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).
телеграм для связи Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- asyncio
- FastAPI
- Pydantic
- PostgreSQL
- Redis
- MongoDB
- Docker
- Kubernetes
- RabbitMQ
- Kafka
- Celery
- HTMX
- Bootstrap
- Streamlit
- LLM
- OpenAI
- Claude
- DeepSeek
- RAG
- TorchServe
- Triton Inference Server
- ONNX
- MLOps
- MLflow
- Weights & Biases
Возможные вопросы на собеседовании
Проверка глубокого понимания работы с ресурсами в Python, что критично для RD/AI задач.
Расскажите о вашем опыте профилирования памяти в Python. Какие инструменты вы использовали для поиска утечек в долгоживущих процессах с asyncio?
Оценка навыков проектирования сложных AI-систем.
Как вы подходите к выбору стратегии чанкинга и векторной БД при построении RAG-системы для специфического домена знаний?
Проверка практического опыта работы с LLM в продакшене.
Какие методы оптимизации затрат и задержек (latency) вы применяли при работе с API OpenAI или Claude в высоконагруженных сервисах?
Оценка навыков деплоя и эксплуатации моделей.
В чем преимущество использования Triton Inference Server по сравнению с обычным FastAPI-оберткой для локальной модели?
Проверка архитектурного мышления в распределенных системах.
Как вы реализуете гарантию доставки сообщений и обработку дубликатов (idempotency) при интеграции LLM-агентов через RabbitMQ или Kafka?
Похожие вакансии
Senior Computer Vision Engineer
Архитектор мультиагентных систем на базе LLM
Senior ML разработчик (AI Engineering)
Старший менеджер локализации (ИИ и автоматизация)
Senior ML Engineer (LLM, RAG, Agents)
LLM/SRE-инженер
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!