Conductor
Staff Software Engineer, Applied AI & Data Systems
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
Staff-инженер в Conductor для сквозной разработки AI- и data-систем: от прикладных исследований и ML/LLM-инфраструктуры до бэкенда, пайплайнов и эксплуатации в продакшене.
Задачи
- Проектировать и разрабатывать backend-сервисы, API и data-пайплайны для AI-продуктов с интеграцией ML-моделей, LLM и внешних систем
- Принимать архитектурные решения на стыке приложения, данных, моделей и инфраструктуры с учётом надёжности, наблюдаемости, производительности и стоимости
- Вести крупные направления работ end-to-end: исследование, архитектура, реализация, деплой и эксплуатация
- Разрабатывать и оценивать ML-алгоритмы, статистические методы, системы ранжирования и кластеризации, retrieval-пайплайны
- Анализировать зашумлённые внутренние датасеты для диагностики поведения продукта и поиска возможностей
- Проектировать эксперименты и метрики для строгого сравнения подходов и переноса удачных решений в продакшен
- Создавать воспроизводимые пайплайны оценки моделей, промптов, retrieval и агентов
- Настраивать трекинг экспериментов, версионирование датасетов и артефактов, мониторинг
- Контейнеризировать, деплоить и эксплуатировать сервисы, строить CI/CD и операционный инструментарий
- Диагностировать сбои на уровнях приложения, данных, модели и инфраструктуры
Требования
- Staff-уровень или исключительно сильный Senior-инженер, приближающийся к нему
- Подтверждённый опыт неоднократного запуска нетривиальных высокоэффективных проектов, желательно в небольших компаниях
- Умение структурировать неоднозначные задачи и работать с минимальным надзором
- Глубокий опыт production-разработки на Python, не только в ноутбуках и прототипах
- Уверенное владение NumPy, pandas, SciPy, scikit-learn, PyTorch, Pydantic, FastAPI, профилирование и оптимизация Python-систем
- Практический опыт построения, оценки или эксплуатации реальных ML или статистических систем, а не только вызовов pretrained API
- Прочная база в теории вероятностей, статистике, оптимизации и планировании экспериментов
- Опыт проектирования backend или распределённых систем и data-пайплайнов на значимом масштабе
- Понимание API, асинхронной обработки, очередей, баз данных, обработки сбоев и наблюдаемости
- Практический опыт с Docker, Kubernetes, AWS (S3, SQS, Lambda, ECS/EKS, DynamoDB, CloudWatch), CI/CD и оркестратором Airflow, Dagster или Prefect
Условия
- Конкурентная компенсация, зависящая от результатов
- Базовая зарплата для Берлина: 120 000 – 130 000 евро в год
- Работа в небольшой компании с высокой автономией и влиянием
- Равные возможности трудоустройства и инклюзивная среда
Навыки
- Python
- NumPy
- pandas
- SciPy
- scikit-learn
- PyTorch
- Pydantic
- FastAPI
- Docker
- Kubernetes
- AWS
- S3
- SQS
- Lambda
- ECS
- EKS
- DynamoDB
- CloudWatch
- CI/CD
- Airflow
- Dagster
- Prefect
- LLM
- RAG
- embeddings
- vector databases
- Weights & Biases
- MLflow