- Страна
- Россия
Разработчик python/ Middle+/Senior
Оценка ИИСильный бренд работодателя, современный стек технологий (FastAPI, K8s, Kafka) и работа с актуальными ML-задачами. Удаленный формат работы и четкие требования делают вакансию очень привлекательной для опытных разработчиков.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИТребуется солидный опыт коммерческой разработки (от 4 лет) и глубокое понимание работы с Kafka и Kubernetes в контексте ML-инфраструктуры. Высокие требования к знанию асинхронного Python и проектированию баз данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиций Middle+/Senior Python Developer в российском финтехе рыночный диапазон составляет от 250 000 до 450 000 рублей после вычета налогов. Альфа-Банк обычно предлагает конкурентоспособные условия, соответствующие верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Альфа-Банк
Разработчик python/ Middle+/Senior
Формат работы: удалённо
*☑️* Чем предстоит заниматься
-Стек: Python (FastAPI, asyncio), Kafka, PostgreSQL, SQLAlchemy, Alembic, Redis, Docker, Kubernetes
-Разрабатывать сервисы потоковой обработки данных для ML-моделей: приём событий из Kafka, вычисление и обновление признаков, выдача их моделям в реальном времени
-Проектировать и разворачивать микросервисы на Python (FastAPI, asyncio) в Kubernetes
-Поддерживать, улучшать и масштабировать работающие сервисы: стабильность, наблюдаемость, отказоустойчивость
-Вместе с командой разбирать потребности заказчиков и превращать их в инженерные решения
*☑️* Наши пожелания к кандидатам
-Опыт коммерческой разработки на Python от 4х лет, уверенный asyncio
-Опыт коммерческой работы с FastAPI
-PostgreSQL: проектирование схем и написание запросов; SQLAlchemy как ORM, Alembic для миграций
-Docker и Kubernetes: разворачивали и эксплуатировали свои сервисы
-Kafka — понимать основные механизмы: продюсеры и консьюмеры, партиции и consumer groups, что происходит при сбое и повторной доставке сообщений
-Будет плюсом:
-Redis
-Опыт с другими брокерами сообщений (RabbitMQ, Redis Streams)
-Понимание, как устроены ML-контуры и зачем моделям свежие данные; интерес к LLM
Контакты: Откликнуться
*🔥* Подписаться на наши каналы / Откликнуться / Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- FastAPI
- asyncio
- Kafka
- PostgreSQL
- SQLAlchemy
- Alembic
- Redis
- Docker
- Kubernetes
- RabbitMQ
Возможные вопросы на собеседовании
Проверка понимания работы с асинхронностью, что критично для FastAPI.
Расскажите, как работает Event Loop в asyncio и в каких случаях использование await может заблокировать поток?
Вакансия подразумевает работу с потоковыми данными.
Как обеспечить гарантию доставки 'at least once' при работе с Kafka и какие настройки консьюмера на это влияют?
Работа с ML-моделями требует высокой производительности БД.
Как бы вы оптимизировали сложный запрос в SQLAlchemy, который начал тормозить при росте объема данных в PostgreSQL?
Сервисы работают в K8s.
Какие ресурсы и пробы (liveness/readiness) вы бы настроили для FastAPI приложения в Kubernetes для обеспечения стабильности?
Важно понимать специфику предметной области.
В чем основная сложность подготовки признаков (features) для ML-моделей в реальном времени по сравнению с батч-обработкой?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
