Senior Python Developer (AI & Data Science)

Мы — аккредитованная IT‑компания «ИТ‑Центр» (Summit Group), ТОП‑15 МФО, >400 сотрудников, кредитный рейтинг «Эксперт РА» ruBB.
Пятое место в рейтинге лучших работодателей России 2025 (МФК «Саммит», бренд — «ДоброЗайм» по численности сотрудников от 200 до 1 тыс. человек в категории «Финансы, страхование, аудит»)​​​​​​​.

В отделе внедрения ИИ создаем практические AI‑решения для бизнеса:
- Сервис анализа телефонных переговоров (LLM, транскрибации, отчеты)
- Автоматический анализ видео собеседований (ключевые кадры, транскрипты, отчеты)
- Аналитика просроченной задолженности — API‑сервисы вокруг ML‑прогнозов для внутренних систем
- Автоматизация ручных действий и внедрение ИИ агентов
Работаем прагматично: быстрые внедрения с измеримым эффектом, повторно используемые модули, прозрачные метрики качества и экономической эффективности.

Чем предстоит заниматься​​​​​​​:

- Проектировать и разрабатывать backend‑сервисы на Python (FastAPI/Django) для AI‑продуктов
- Реализовывать надежные REST API, очереди и фоновые процессы (Celery/asyncio) для обработки аудио/видео и текстовых данных
- Интегрировать внешние сервисы (LLM/OpenAI API, STT/TTS, телеком/ATS), обеспечивать идемпотентность, дедупликацию и трассировку
- Проектировать схемы БД (PostgreSQL), оптимизировать запросы, профилировать узкие места
- Проводить прикладной анализ данных: проектировать и реализовывать пайплайны загрузки/очистки (ETL), работать с pandas/NumPy, проверять гипотезы и метрики качества
- Интегрировать и эксплуатировать ML/LLM‑компоненты: обертка моделей, конфигурация промптов, RAG/эмбеддинги, трекинг метрик качества, A/B‑эксперименты
- Оборачивать ML‑модели в готовые к продакшену сервисы (версирование, наблюдаемость, SLA)
- Развивать внутреннюю библиотеку повторно используемых модулей, стандартов и шаблонов
- Писать тесты (pytest), поддерживать документацию (OpenAPI/Swagger), внедрять мониторинг

Наш стек:

- Python 3.10+, FastAPI/Django (DRF), asyncio, Celery
- PostgreSQL, Redis, RabbitMQ
- Docker, docker‑compose, GitLab CI/CD; k8s — будет плюсом
- Логирование/мониторинг: Prometheus, Grafana, Sentry
- Интеграции: OpenAI API/LLM, STT/TTS; для видео — ffmpeg/MoviePy/OpenCV (как плюс)

Требования:

- 5+ лет коммерческой разработки на Python, фокус на backend и системный дизайн
- Уверенный опыт FastAPI или Django/DRF, проектирование REST API
- Отличные знания SQL и PostgreSQL (индексы, аналитические запросы, профилирование)
- Практика асинхронной разработки (asyncio) и фоновых задач (Celery/очереди)
- Продакшен‑опыт с Docker, Linux, базовым CI/CD
- Качество кода: тестирование (pytest), ревью, документация, наблюдаемость
- Опыт интеграций с внешними API, устойчивые retry‑механизмы, идемпотентность
- Прикладной опыт в AI/ML: анализ данных (pandas/NumPy), базовая статистика/метрики, интеграция и эксплуатация ML/LLM‑компонентов в проде (складка фич, инференс, наблюдаемость)
- Опыт работы с LLM (OpenAI API/аналоги): промпт‑инжиниринг, обработка ошибок/лимитов, логирование и оценка качества
- Самостоятельность, ответственность, умение декомпозировать и доводить до результата

Будет преимуществом:

- Whisper/STT/TTS, LLM‑интеграции (OpenAI API), RAG‑паттерны, эмбеддинги (text‑embedding‑3, bge и пр.)
- Эксперимент‑трекинг и MLOps: MLflow/Weights & Biases, LangFuse; версионирование моделей и данных
- Векторные БД/поиск: pgvector/Postgres, Elasticsearch/OpenSearch, FAISS
- ffmpeg/OpenCV/MoviePy, обработка медиа‑потоков
- Redis как кэш/lock storage, брокеры сообщений (RabbitMQ/Kafka)
- Финтех‑контекст, требования безопасности и соответствие регуляторике (ЦБ РФ)

Что сделаешь в первые 90 дней:

- За 2–4 недели: погрузишься в проекты, поднимешь локально контур, реализуешь небольшую фичу или интеграцию (например, улучшенный pipeline генерации отчетности с идемпотентностью и логированием); подготовишь минимальный пайплайн оценки качества LLM‑ответов/ML‑инференса на тестовом наборе
- За 4–8 недель: возьмешь модуль API (очереди обработки медиа, стабильность, метрики, алерты), улучшишь производительность; внедришь базовые метрики качества и дашборды наблюдаемости
- За 8–12 недель: выведешь в прод улучшение или новый сервис вокруг ML‑прогноза просрочки (версионирование, SLA, мониторинг, документация для интеграции); подготовишь A/B или offline‑оценку качества изменений

Условия:

- Удаленная работа или гибрид; гибкий график, 5/2
- Зарплата всегда вовремя; прозрачная вилка, регулярный пересмотр
- Индивидульный план развития привязанный к карьерному треку
- Обучение (курсы, корпоративная библиотека), обмен опытом
- Богатая корпоративная жинь - спорт, обучение, корпоративы и пр.
- Минимум бюрократии, влияние на архитектуру и техстек
- Компенсация ИИ инструментария (Cursor, Co-Pilot, Windsurf)

Как откликнуться

Отправьте резюме и ссылки на публичный код/проекты (GitHub/портфолио).
Коротко ответьте на вопрос: «Какой самый сложный/интересный продакшен‑кейс вы закрыли за последний год и чем вы гордитесь?»​​​​​​​

#Python# FastAPI# Django# PostgreSQL# Redis#RabbitMQ#Celery#Asyncio#Docker#CI/CD#Linux# REST API#OpenAPI# Prometheus#Grafana#Sentry#OpenAI API#LLM#pandas#NumPy#scikit‑learn# MLflow#LangChain#LangFuse#pgvector#Elasticsearch# ffmpeg#OpenCV#FinTech#