← К каталогу
FI

Finstar Financial Group

Middle Python Developer / Applied AI Engineer (LLM, RAG)

ГибридMiddleМосква, Россия11 дн. назад
СИГНАЛ JOBRADAR68/100Нормальный сигнал актуальности
ПАСПОРТ ВАКАНСИИ

Что JobRadar наблюдает сейчас

Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.

Последнее подтверждение25 мин. назад
Впервые замечена10 дн. назад
Активные источники1 источник
ПроисхождениеПубличный источник
О ВАКАНСИИ

Описание вакансии

Middle Python Developer / Applied AI Engineer

LLM • RAG • AI Agents • FastAPI

Мы развиваем прикладные AI-продукты: корпоративный поиск и RAG, AI-агентов, обработку документов и OCR, анализ встреч и проектов, обучение сотрудников и AI-функции для финтех-продуктов. Ищем Python-разработчика, который умеет доводить решения от прототипа до рабочего сервиса.

Чем предстоит заниматься

  • Разрабатывать backend-сервисы на Python / FastAPI для AI-продуктов и внутренних платформ.
  • Интегрировать корпоративные, внешние и локальные LLM, реализовывать tool calling, AI-агентов и многошаговые сценарии.
  • Строить RAG и интеллектуальный поиск по документам, базам знаний, Jira, Confluence, встречам и другим корпоративным источникам.
  • Разрабатывать пайплайны обработки PDF, изображений, OCR, таблиц и транскриптов.
  • Работать с PostgreSQL, Redis, Qdrant, API и корпоративными системами.
  • Доводить PoC/MVP до устойчивого сервиса: тесты, логирование, метрики, Docker и Linux.

Что мы ожидаем

  • Коммерческий опыт разработки на Python от 3 лет.
  • Уверенное знание Python: typing, asyncio, API, обработка ошибок, проектирование backend-сервисов.
  • Практический опыт с FastAPI или аналогичным фреймворком, Pydantic и SQLAlchemy.
  • Хорошее знание SQL и практический опыт с PostgreSQL.
  • Опыт интеграции внешних и корпоративных API.
  • Практический опыт разработки приложений с LLM API и понимание structured output, недетерминированности, лимитов, стоимости и оценки качества.
  • Понимание RAG: embeddings, chunking, retrieval, reranking, векторный поиск.
  • Опыт с Docker и Linux; умение разбираться в существующем коде и самостоятельно доводить задачу до результата.

Будет плюсом

  • Qdrant / pgvector, Redis и фоновые очереди задач.
  • LiteLLM, Langfuse, vLLM, Hugging Face или аналогичный LLM-инфраструктурный стек.
  • OCR / Computer Vision, классический ML (scikit-learn, CatBoost, LightGBM).
  • Microsoft 365 / Graph / Entra ID, TypeScript / React, опыт работы в финтехе или банках.

Наш…

Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.

ИсточникHeadHunter / Developers / RU / between3And6