Middle Python Developer / RAG-специалист

Сейчас мы поиске middle Python-разработчика (AI) в команду, которая занимается цифровой трансформацией бизнеса. Из ближайших задач - автоматизация процессов и работа с внутренним AI порталом.

Для нас критичен опыт работы с RAG-системами и AI.

Чем предстоит заниматься:

• Разрабатывать автоматизированные решения для бизнес‑процессов на основе технического задания.
• Проектировать архитектуру программных решений: подбирать технологии, определять структуру компонентов и схемы их взаимодействия.
• Взаимодействовать с бизнес‑аналитиками и конечными пользователями — уточнять требования, согласовывать решения, собирать и учитывать обратную связь
• Интегрировать языковые модели (LLM) в системы — как локальные, так и через API.
• Настраивать и дообучать модели под конкретные задачи; реализовывать RAG‑системы для повышения качества генерируемого контента.
• Проводить рефакторинг существующего кода — устранять избыточность, оптимизировать производительность, повышать читаемость и поддерживаемость.
• Организовывать и проводить code review: анализировать код коллег, давать конструктивные замечания, следить за соблюдением стандартов кодирования.
• Изучать и внедрять перспективные технологии, инструменты и методологии, повышающие эффективность разработки.

Мы ожидаем:

• Уверенное владение языком Python, опыт разработки не менее 2х лет.
• Опыт разработки и внедрения RAG‑систем.
• Практический опыт работы с ИИ‑платформами и API: OpenAI API; Yandex Foundation Models; Qwen; n8n или аналогичными инструментами.
• Навыки составления и оптимизации промтов для языковых моделей.
• Уровень английского языка — не ниже Intermediate (B1), включая умение читать техническую документацию и вести рабочую переписку.
• Опыт дообучения локальных языковых моделей под специфические задачи.
• Высшее образование (техническое или смежное).

Будет плюсом:

• Знание дополнительных языков программирования (C#, PowerShell, JavaScript и др.) — будет преимуществом.
• Базовые знания в области ML/DL: понимание принципов работы нейросетей, основных метрик качества, этапов обучения моделей.