ГКУ Инфогород Опубликована 2 дня назад · отклик: Сайт вакансий
Аналитик-разработчик Python и ML
ЗарплатаПо договорённости
ФорматГибрид
ЛокацияМосква, Россия
ЗанятостьПолная занятость
Департамент информационных технологий Москвы создаёт и развивает цифровые проекты для города.
Что нужно делать:
- Проектировать и внедрять решения на базе существующих бизнес-потребностей в масштабируемую мультисервисную архитектуру с использованием Python (FastAPI), Kubernetes, Docker, gRPC/REST, Kafka/RabbitMQ и CI/CD (GitLab CI, ArgoCD).
- Анализировать текущие подходы и разрабатывать новые методы автоматизации прикладных задач с применением Python, NumPy/Pandas, фреймворков машинного обучения (PyTorch, scikit-learn) и инструментов обработки данных (Spark, Airflow).
- Разрабатывать аналитические инструменты и сервисы обработки данных, включая построение пайплайнов (ETL/ELT), визуализацию (Superset, Grafana) и сервисы анализа на основе Python, SQL и распределённых систем хранения (ClickHouse, PostgreSQL, S3).
- Разрабатывать, обучать, оптимизировать и внедрять модели машинного обучения и LLM-агентов с использованием PyTorch, Hugging Face Transformers, vLLM, TensorRT, включая задачи инференса, RAG (FAISS, Qdrant), prompt engineering и оптимизации (квантование, batching, KV-cache).
- Вести техническую документацию по задачам и решениям (архитектура, API, пайплайны, модели) с использованием Markdown, Confluence, Swagger/OpenAPI и поддерживать её актуальность в рамках CI/CD процессов.
Какие знания и навыки важны:
- Высшее образование (магистратура/специалитет) в области Computer Science, Data Science, прикладной математики, ИТ или смежных дисциплин.
- Опыт работы от 3 лет в разработке программных решений, анализе данных или машинном обучении.
- Опыт работы с мультисервисными и масштабируемыми архитектурами (микросервисы, Kubernetes, облачные решения).
Технические навыки:
- Уверенное владение Python (pandas, numpy, scikit-learn, TensorFlow/PyTorch).
- Опыт разработки backend-сервисов (FastAPI/Flask), проектирование REST/gRPC API.
- Опыт построения и эксплуатации LLM-инференса (vLLM, SGLang, Triton, HuggingFace Inference) и оптимизации (квантование, batching, latency).
- Уверенное владение SQL (Greenplum, Hive).
- Опыт работы с системами очередей и стриминга данных (Kafka, RabbitMQ).
- Опыт разработки и внедрения ML-моделей (классические алгоритмы, нейросети, ансамбли) или LLM-агентов (RAG, fine-tuning, LangGraph, LlamaIndex).
- Практический опыт разработки, деплоя и эксплуатации сервисов в Kubernetes.
- Знание методов автоматизированного анализа данных (Feature Engineering, AutoML, оптимизация гиперпараметров).
- Умение проектировать и разрабатывать аналитические инструменты (Dash, Streamlit, BI-системы: Tableau, Power BI).
- Понимание принципов распределённых систем и работы с большими данными (SQL/NoSQL, Spark, Dask, Airflow).
- Опыт работы с GitLab CI / ArgoCD, Docker, Git.
- Аналитические и управленческие навыки.
- Умение формализовать и декомпозировать задачи, оценивать сложность и приоритезировать решения.
- Навыки работы с документацией (технические спецификации, архитектурные схемы, отчёты).
- Ведение архитектурной и технической документации (API, сервисы, пайплайны, модели; Swagger, Confluence).
- Опыт взаимодействия с заказчиками и смежными командами (аналитики, инженеры, разработчики, DevOps).
Личные качества:
- Системное мышление — способность видеть взаимосвязи в сложных системах.
- Самостоятельность — умение работать с минимальным контролем.
- Критическое мышление — анализ эффективности решений, поиск оптимизаций.
- Коммуникабельность — чёткое изложение идей, аргументация решений.
Будет плюсом:
- Участие в open-source проектах или научные публикации в области ML/AI.
Что предлагаем:
- Официальное трудоустройство в аккредитованную ИТ-компанию.
- График работы: гибрид 5/2.
- Ежегодное премирование по результатам работы.
- Материальная помощь в случае важных событий в жизни.
- Корпоративное обучение и доступ к онлайн-библиотеке.
- Скидки от партнёров на ДМС, связь, развлечения, подарки, спорт и т.д.
- Корпоративные тренировки и спортивные активности — бег, футбол, волейбол, баскетбол, теннис и другие.
Инструменты в вакансии
Навыки и технологии
Направления