- Страна
- Россия
- Зарплата
- до 320 000 ₽
SENIOR / LEAD PYTHON DEVELOPER (AI)
Оценка ИИИнтересная роль на острие технологий (AI/LLM) с возможностью удаленной работы. Однако зарплатное предложение (320к на руки) находится на нижней границе или даже ниже рынка для позиции Lead уровня в Москве, а контрактный характер работы (3 месяца) может подойти не всем.
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 ИИВысокая сложность обусловлена необходимостью совмещать глубокие технические знания в области AI/LLM (LangGraph, RAG) с управленческими навыками (Lead от 3 человек). Также требуется опыт работы с широким стеком технологий, включая векторные БД и асинхронный Python.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата до 320 000 руб. на руки является конкурентной для Senior-разработчика, но для позиции Lead с глубокой экспертизой в AI/LLM на московском рынке она ниже среднего, где предложения часто начинаются от 400 000 руб. и выше. Тем не менее, для удаленного формата работы в РФ/РБ это достойный уровень.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
SENIOR / LEAD PYTHON DEVELOPER (AI)
*🏢* Компания: RED
*💰* ЗП: до 320 000 руб. на руки в месяц.
*🌍* Формат: Удалённо (RU, BY) — UTC+3 (МСК)
*🕒* Занятость: Full-time
О компании:
ИТ-компания, разрабатывающая проекты с фокусом на AI/LLM-решения, интеграции и высоконагруженные сервисы.
Задачи:
• Руководство группой backend-разработки (от 3 человек).
• Оценка трудозатрат, декомпозиция задач и планирование спринтов.
• Проведение Code Review и выстраивание процессов разработки.
• Проектирование архитектуры решений и сервисов.
• Выполнение hands-on задач: проектирование и написание кода.
• Подготовка технической документации и стандартов.
Требования:
• Опыт разработки ≥5 лет и опыт руководства группой от 3 человек.
• Python 3.11+, ООП, asyncio, строгая типизация (typing).
• FastAPI, Pydantic v2 — асинхронные API, валидация, OpenAPI.
• Опыт с AI/LLM: LangGraph, интеграции OpenAI/Azure/vLLM/Ollama, RAG-пайплайны.
• PostgreSQL, SQLAlchemy 2.0/asyncpg; векторные хранилища: pgvector, Qdrant, Weaviate, Chroma.
• Docker, понимание Kubernetes; очереди (Redis, Celery, ARQ, Kafka, RabbitMQ); GitLab CI/CD; тестирование (pytest, pytest-asyncio), линтинг (ruff, mypy).
Стек:
Python 3.11+, FastAPI, Pydantic v2, LangGraph, OpenAI, Azure, vLLM, Ollama, PostgreSQL, SQLAlchemy 2.0, pgvector, Qdrant, Weaviate, Chroma, Docker, Kubernetes, Redis, Celery, ARQ, Kafka, RabbitMQ, GitLab CI/CD, pytest, pytest-asyncio, ruff, mypy
Условия:
• Ставка: до 320 000 руб. на руки в месяц.
• Срок привлечения: 3 месяца с возможностью пролонгации.
• Часовой пояс: UTC+3 (МСК). Локация/гражданство: РФ, РБ.
*📩* Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- FastAPI
- Pydantic
- LangGraph
- OpenAI
- Azure
- vLLM
- Ollama
- PostgreSQL
- SQLAlchemy
- pgvector
- Qdrant
- Weaviate
- Chroma
- Docker
- Kubernetes
- Redis
- Celery
- Kafka
- RabbitMQ
- GitLab CI/CD
- PyTest
- mypy
Возможные вопросы на собеседовании
Проверка опыта проектирования сложных систем с использованием LLM.
Расскажите о вашем опыте построения RAG-пайплайнов: какие стратегии индексации и поиска вы использовали для улучшения качества ответов?
Оценка лидерских качеств и умения управлять процессами.
Как вы подходите к декомпозиции задач в условиях неопределенности, характерных для AI-проектов, и как контролируете сроки выполнения?
Проверка знаний асинхронного программирования и работы с БД.
Какие нюансы использования SQLAlchemy 2.0 в асинхронном режиме вы можете выделить, особенно при работе с большими объемами данных в PostgreSQL?
Оценка архитектурного мышления.
В каких случаях вы бы предпочли использование LangGraph вместо стандартных последовательных цепочек (chains) в LLM-приложениях?
Проверка навыков обеспечения качества кода.
Как вы выстраиваете процесс Code Review в команде, чтобы он не становился «бутылочным горлышком», но при этом обеспечивал соблюдение стандартов типизации и безопасности?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
