- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Tech Lead Python (GigaChat)
Оценка ИИЭто высокоуровневая позиция в одном из самых амбициозных AI-проектов страны. Работа с передовым стеком технологий и масштабными задачами обеспечивает отличные перспективы для профессионального роста.
Сложность вакансии
Оценка ИИРоль требует сочетания глубоких технических знаний в области высоконагруженных систем и алгоритмов поиска с навыками управления командой. Уровень Lead предполагает ответственность за архитектуру и сложные инфраструктурные решения в среде Kubernetes.
Анализ зарплаты
Оценка ИИЗарплата для позиции Tech Lead в области AI и высоконагруженных систем в России обычно начинается от 450 000 рублей и может достигать 700 000+ рублей в зависимости от опыта и конкретных достижений. Данная роль соответствует верхнему сегменту рынка из-за сложности задач.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Присоединяйтесь к созданию передовых поисковых технологий для GigaChat и возглавьте команду экспертов!
Описание вакансии
Tech Lead Python (GigaChat)
Грейд: Lead
Стек: Python, распределённые системы, высоконагруженные сервисы, алгоритмы поиска, структуры данных, Linux, контейнеры, Kubernetes
Ищем руководителя в команду поисковых технологий для AI-систем. Строим общий поисковый слой для продуктов на основе языковых моделей. Задача: сделать так, чтобы AI-системы могли быстро находить нужную…
Откликнуться через Runello-бот ↓
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Linux
- Kubernetes
- Docker
- Distributed Systems
- Data Structures
- Search Algorithms
- High Load
Возможные вопросы на собеседовании
Для Tech Lead важно понимать, как обеспечить минимальную задержку при обработке огромных массивов данных для LLM.
Как бы вы спроектировали архитектуру распределенного поиска для обеспечения низкой задержки (low latency) при работе с миллиардами документов?
Позиция подразумевает работу с высоконагруженными сервисами в K8s.
Опишите ваш опыт оптимизации производительности Python-сервисов в контейнеризированной среде Kubernetes. С какими узкими местами вы сталкивались?
GigaChat требует интеграции поиска и нейросетей.
Какие подходы к векторному поиску и гибридному поиску (BM25 + Vector) вы считаете наиболее эффективными для задач RAG (Retrieval-Augmented Generation)?
Роль лида требует умения разрешать технические конфликты.
Расскажите о случае, когда вам пришлось принимать сложное архитектурное решение при наличии нескольких альтернатив. Как вы аргументировали свой выбор команде?
Проверка фундаментальных знаний, указанных в стеке.
