Технический лидер команды разработки AI/ML и backend-систем в Газпромнефть Снабжение Санкт-Петербург

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, приоритизация 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.

• 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.

• 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.