Технический лидер команды разработки AI/ML и backend-систем

Ключевые цели: Формирование и развитие кросс-функциональной технической команды разработки, выстраивание инженерных практик и стандартов для создания высоконагруженных backend-систем и промышленных AI/ML-решений. Обеспечение сквозного цикла внедрения: от проектирования архитектуры и обучения моделей до промышленной эксплуатации (MLOps), автоматической оркестрации пайплайнов и бесшовной интеграции в production-контур. Обязанности: Архитектура и разработка: Технический контроль реализации микросервисной архитектуры на базе FastAPI/Django 5.2 и Golang. Проведение детального code-review с фокусом на обработку граничных условий, валидацию входных данных, корректность расчётов и отсутствие регрессий в логике. Контроль качества интеграций: PostgreSQL/ClickHouse-запросы, кэширование в Redis, работа с очередями (Kafka, Celery), обработка ошибок и retry-политики. MLOps и инфраструктура: Надзор за промышленной эксплуатацией моделей: проверка конфигураций развёртывания через SeldonCore/Triton Inference Server, корректности пайплайнов в Apache Airflow и Temporal, изоляции LLM-вызовов. Валидация метрик, логов, трейсов и алертинга в едином контуре Deckhouse; Аудит процессов калибровки: верификация ночных jobs на Optuna + MLflow, безопасности GitOps-роллаутов через Jenkins/ArgoCD. Лидерство и процессы: Операционный контроль выполнения спринтовых задач: трекинг статусов, выявление блокеров, приоритезация багфиксов и технического долга без изменения объёма работ. Системное проведение code-review и архитектурных ревью: обеспечение соблюдения стандартов кодирования, покрытия тестами, документирования API и миграций. Анализ отклонений, инициация корректирующих действий, эскалация рисков при угрозе срыва сроков. Взаимодействие и аналитика: Техническая валидация результатов разработки перед передачей в staging/production: проверка соответствия DoD, полноты audit trail, корректности экспортных форматов (ZIP/Excel/JSON Schema). Участие в разборе инцидентов: фиксация первопричин, контроль внедрения профилактических мер, обновление чек-листов для команды. Требования: Высшее образование (техническое). Опыт разработки и вывода в production высоконагруженных backend-систем и AI/ML-решений от 5 лет, из них не менее 2 лет в роли Tech Lead или Engineering Manager. Глубокое понимание полного жизненного цикла AI-проектов: от подготовки данных и обучения моделей до их масштабирования, мониторинга дрейфа и автоматического переобучения в промышленной среде. Экспертное знание Agile/Scrum/Kanban и практический опыт адаптации процессов под специфику Data Science и backend-команд. Технические навыки: Уверенное владение Python и Golang, опыт проектирования отказоустойчивой микросервисной архитектуры на базе FastAPI и Django 5.2 с оптимизацией под конкурентные нагрузки. Экспертиза в выборе и настройке систем хранения: PostgreSQL для транзакционных операций и бизнес-логики, ClickHouse для аналитических витрин и сбора телеметрии. Практический опыт промышленного развертывания ML-моделей с использованием PyTorch, MLflow для трекинга экспериментов, а также SeldonCore и Triton Inference Server для высокопроизводительного инференса. Понимание принципов контейнеризации и оркестрации (Kubernetes, Deckhouse), опыт настройки и поддержки пайплайнов обработки данных и ML-обучения через Apache Airflow. Опыт проектирования пайплайнов с использованием low-code платформ (Loginom/KNIME/Apache NiFi): понимание преимуществ и недостатков использования low-code, опыт интеграции с внешними компонентами, применения для прототипирования и/или операционной эксплуатации. Предметное понимание архитектурных паттернов и ограничений при внедрении LLM, NLP, Computer Vision и OCR в корпоративный IT-ландшафт. Личностные качества: Системное инженерное мышление: умение балансировать между скоростью предоставления, технической устойчивостью и безопасностью решений. Навыки менторства, проведения архитектурных и code-review, способность формировать инженерную культуру и снижать технический долг без блокировки бизнес-задач. Способность транслировать технические ограничения бизнесу, аргументированно отстаивать архитектурные решения. Условия: Офис в центре города - ст. метро «Сенная площадь». Официальное трудоустройство. Широкие возможности для профессионального роста. ДМС (включая стоматологию) с первого дня работы. Участие в инновационных проектах на стыке ИИ, ML и Big Data. Возможность влиять на архитектуру решений и продуктовую стратегию. Гибкий график. Современная корпоративная культура.