Джетлин

Python Backend Developer (FastAPI / AI Platform)

1 нед. назад

РоссияSeniorRemote

pythonfastapiasyncionosqlci/cddockerapache kafkaredis

Компания «Джетлин» ищет Python Backend Developer уровня Senior для разработки backend-сервисов на Python 3.10+ с использованием FastAPI и внедрения ИИ-компонентов в платформу автоматизации рутинных операций.

О компании

Компания «Джетлин».

О продукте

Проект: Внедрение интеллектуальных модулей на базе ИИ в платформу для автоматизации рутинных операций и повышения скорости процессов.

Обязанности

Разрабатывать backend-сервисы на Python 3.10+ / FastAPI в рамках ИИ-платформы.
Проектировать и поддерживать микросервисную и event-driven архитектуру.
Интегрировать ИИ-компоненты платформы (работа с LLM, эмбеддерами, векторными БД).
Работать с данными и брокерами: SQL/NoSQL, OpenSearch, Redis, S3, Kafka.
Настраивать и поддерживать инфраструктуру: CI/CD, Docker, мониторинг и логирование.
Обеспечивать безопасность: выстраивать процессы аутентификации и авторизации (Keycloak, OAuth2).
Работать с существующим кодом в крупных репозиториях: читать, понимать, модифицировать и оптимизировать.

Требования

Опыт: От 3 лет коммерческой разработки на Python.
Стек: Отличное знание Python 3.10+ и FastAPI (глубокое понимание async, middleware, DI).
Архитектура: Понимание микросервисной архитектуры, требований к журналированию, аудиту и мониторингу.
Базы данных: Уверенная работа с SQL и NoSQL (написание сложных запросов, работа с индексами, оптимизация, ORM/ODM).
Инфраструктура и брокеры: Опыт работы с Kafka (producer/consumer), Redis, S3.
DevOps & Monitoring: Docker / Docker Compose, настройка CI/CD, Prometheus + Grafana, ELK-стек.
Безопасность: Понимание принципов работы JWT, OAuth2/OIDC, опыт интеграции с Keycloak.
Код: Умение читать и модифицировать чужой код в крупных репозиториях.
Образование: Высшее (ИТ, технические науки или математика).

Будет плюсом

Опыт реализации event-driven архитектуры.
Опыт работы с векторными базами данных (OpenSearch) и векторизацией данных с помощью эмбеддеров.
Опыт интеграции с vLLM для LLM-инференса.
Активное и эффективное использование AI-ассистентов (Cursor и аналоги) для ускорения процесса написания и рефакторинга кода.