Senior AI Engineer

О позиции

Новый сотрудник будет работать в команде, которая интегрирует передовые ИИ-возможности в основной продукт компании. Мы создаём системы, которые используют специализированные ML-модели, интеграцию больших языковых моделей и агентные системы для координации множества инструментов. Backend построен на Python с использованием FastAPI + Gunicorn + Nginx и активно использует Celery для обработки фоновых задач. Ищется senior-инженер с сильным бэкграундом как в backend-инженерии, так и в прикладном AI — способный создавать промышленные системы, которые быстрые, надёжные и поддерживаемые.

Чем заниматься

• Разработка и развертывание production-уровня ИИ-бэкенд-систем
• Интеграция LLM и традиционных ML-моделей в производительные масштабируемые архитектуры
• Работа с векторными базами данных для пайплайнов RAG и запросов машинного обучения
• Написание чистого, структурированного и тестируемого кода на Python
• Оптимизация производительности для снижения латентности в работе с ИИ-моделями
• Создание гибридных архитектур, балансирующих вызовы LLM и традиционное ML
• Отладка кросс-слоевых проблем на стыке backend, AI-inference и UI
• Проведение thorough dev-testing перед передачей QA
• Коллаборация с product, backend и frontend командами

Что ждут

• 3–5+ лет профессионального опыта backend-разработки на Python (FastAPI или Flask)
• Степень магистра по профильной специальности
• Подтверждённый опыт деплоя Python-приложений в production
• Сильное понимание паттернов проектирования ПО
• Глубокое понимание производительности бэкенда, параллельной обработки и многопоточности
• Профессиональное тюнинг-оптимизация для тяжёлых ИИ-моделей
• Прикладной опыт машинного обучения — обучение, оценка и поддержка малых специализированных моделей
• Знакомство с интеграцией LLM, prompt engineering и оптимизацией контекстного окна
• Навыки отладки поведения ИИ, выявления коренных причин и целевых исправлений
• Сильная дисциплина тестирования backend и AI-компонентов
• Опыт работы с Celery или аналогичными библиотеками для фоновой обработки
• Мониторинг API и фоновой обработки, обеспечение видимости и репортига ошибок

Будет плюсом

• Опыт работы с Docker
• Понимание CI/CD и автоматизации деплоя
• Знание Kubernetes

Условия

• Прямое влияние на конкурентоспособность компании
• Небольшая, быстродействующая команда с высокой автономией
• Практические реальные ИИ-приложения, а не только исследования
• Возможность формировать архитектуру ИИ и best practices с нуля
• Бенефит пакет с оплачиваемым временем отдыха и отпускными

Навыки

• Python
• FastAPI
• Flask
• Celery
• Machine Learning
• Large Language Models
• LLM Integration
• Vector Databases
• Retrieval-Augmented Generation
• Docker
• CI/CD
• Kubernetes
• API Development
• Performance Optimization
• Background Job Processing
• System Design
• Unit Testing
• Debugging

Могут спросить на собеседовании

1. Как вы организуете работу с векторными базами данных в пайплайнах RAG? С какими вызовами сталкиваетесь?
2. Расскажите о ситуации, когда вы оптимизировали производительность ИИ-модели в продакшене. Какие метрики использовали?
3. Как вы балансируете использование LLM против традиционного ML в гибридных архитектурах? Приведите пример.
4. Какой у вас опыт отладки проблем на стыке backend, AI inference и UI? Расскажите о сложном случае.
5. Как вы обеспечиваете качество кода для ML-компонентов? Что включает ваше testing discipline?