ДИ
Дип Диджитал
Data Scientist (Python)
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 замечена5 дн. назад
Активные источники1 источник
ПроисхождениеПубличный источник
Описание вакансии
Deep Digital — команда разработки цифровых продуктов для бизнеса. Мы работаем на рынке 13 лет: с 2013 года создаём сайты, веб-сервисы и digital-решения, которые помогают компаниям запускать новые продукты, улучшать пользовательский опыт и развивать бизнес через технологии.
Мы ищем AI Engineer (Python) в команду развития и поддержки AI-агентов и мультиагентных систем для крупного заказчика.
Требования:
- опыт промышленной разработки на Python 3.11+: ООП, SOLID, async, типизация, Pydantic v2, проектирование структуры сервиса, умение читать, писать и менять чужой код;
- опыт работы с FastAPI и интеграциями по HTTP: контракты, таймауты, ретраи, обработка ошибок внешних сервисов;
- опыт прикладной работы с LLM: промпт-инжиниринг, работа с контекстом, tool calling, structured output. Желательно опыт работы с GigaChat;
- опыт работы с агентными сценариями: ReAct, LangChain, LangGraph, управление состоянием диалога, чекпоинты, ветвление, вызов инструментов, HITL, память сессии;
- опыт разработки AI-агентов, мультиагентных систем и RAG-систем, знание протокола A2A или межагентского взаимодействия по контракту;
- опыт работы с Jenkins, OpenShift/DropApp, OpenSearch/Elasticsearch, S3;
- опыт вывода проекта в промышленную эксплуатацию и ведения релизного цикла от прототипирования до продакшна;
- опыт организации наблюдаемости: Langfuse, Phoenix, отладка по логам и трейсам, сбор метрик;
- опыт тестирования агентов: детерминированные проверки логики (мокирование LLM и внешних сервисов, снапшоты промптов, контракты схем) и оценка качества ответов агента (эталонные кейсы, LLM as Judge).
Личные качества:
- умение переводить постановку аналитика в поведение агента и самостоятельно закрывать пробелы в сценарии, не возвращая задачу с формулировкой «мало деталей»;
- умение на встрече с заказчиком объяснить, что сделает система, где модель ненадёжна и какой объём работ реалистичен, без обещаний точности LLM на уровне обычного API;
- умение договариваться с тестировщиком…
Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.
ИсточникHeadHunter / Data Scientist / RU