Python разработчик

Мы — амбициозная команда специалистов, которая ставит перед собой амбициозную задачу по разработке и внедрению ИИ-агента для управления технологическими рисками Банка. Наше решение помогает быстро выявлять, оценивать и минимизировать последствия технологических рисков. В нашей команде ты сможешь быть вкладом в создание и развитие продукта с 0 и работать с передовыми технологиями, свободные коммуникации и быстрые решения без долгих согласований. Ищем опытного Python-инженера, который любит ML, понимает его силу и ограничения, и хочет делать «настоящий» production-backend: надёжный, масштабируемый, с чёткой инженерной культурой. Стек технологий: Python 3.12+, FastAPI, gRPC/HTTP, Kafka, PostgreSQL, PyTorch/Lightning, инструменты для LLM-оркестрации, LangGraph, Grafana/OpenTelemetry, OpenShift, Jenkins. Место работы: г Москва Требуемый опыт: От 3 до 6 лет Обязанности: * проектировать и разрабатывать backend-сервисы на Python для LLM-агентов и ML-пайплайнов (низкие задержки, высокая надёжность, observability) * выстраивать и развивать архитектуру агентских систем (оркестрация инструментов, память, планирование, безопасные guardrails, оценка качества) * внедрять ML System Design подходы: искать и применять передовые идеи и мировой опыт в области архитектур агентских систем * работать с данными и интеграциями: очереди/стриминг, базы, кэш, внешние API * проводить технические исследования (R&D), быстро прототипировать, измерять, масштабировать в прод * развивать платформу: тестирование, CI/CD, мониторинг, трассировка, расходы * влиять на инженерную культуру: код-ревью, дизайн-сессии, менторство. Требования: * от 4 лет промышленной backend-разработки на Python с акцентом на надёжность и производительность * опыт проектирования распределённых систем и высоконагруженных сервисов * уверенная математическая база (вероятность/статистика/оптимизация), инженерный вкус и привычка мерить всё метриками. * практика работы с ML-системами в проде: фичи, офлайн/онлайн-оценка, A/B, наблюдаемость качества * навык разбираться в новых подходах (LLM-агенты, инструменты, память, RAG, оценка), критически их проверять и доводить до результата * готовность брать ответственность за продуктовые эффекты, а не только за код. Будет плюсом: * опыт построения agentic-архитектур (планировщики, многoшаговые цепочки, инструментализация, безопасность). * опыт реализации высокоэффективного инференса LLM моделей, глубокое понимание работы kernel для инференса * вклад в open-source или публикации/доклады * знание домена рисков.