Senior Software Engineer (Backend, AI Platform)

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Senior backend-инженер в AI-платформу inDrive: разработка и эксплуатация сервисов и тулинга, на которые опираются ML-команды, на Go и Python с погружением в MLOps-стек.

Задачи

• Проектировать, разрабатывать и эксплуатировать backend-сервисы и внутренний тулинг ML-платформы на Go и Python, включая мониторинг и on-call
• Проводить технические исследования и проектирование новых фич платформы, оценивать trade-offs и документировать решения
• Разрабатывать и развивать deployment-тулинг и SDK для выката моделей: serving, autoscaling, data capture
• Интегрировать ML-сервисы с остальным backend через синхронные (HTTP, gRPC) и асинхронные (Kafka, RabbitMQ) каналы с расчётом на надёжность под высокой нагрузкой
• Поддерживать полный цикл доставки ML совместно с data scientists и ML-инженерами: CI/CD для моделей и пайплайнов, мониторинг, метрики качества моделей
• Строить observability end-to-end: метрики, логи, дашборды, трейсинг, алертинг и runbook'и
• Писать инфраструктуру как код на Terraform и Terragrunt и проводить её через ревью пул-реквестов
• Участвовать в code и design review, менторить инженеров и держать AI-сгенерированные изменения на том же уровне ревью, что и человеческие

Требования

• 5+ лет коммерческой backend-разработки, включая высоконагруженные системы
• Сильный Go с использованием продвинутых возможностей в продакшене
• Уверенный Python для обработки данных (batch, streaming, async) и сервисного кода
• Сильный SQL: проектирование схем, индексы, оптимизация запросов, репликация и партиционирование; опыт с Redis или аналогичными key-value хранилищами
• Опыт синхронной и асинхронной коммуникации сервисов (HTTP, gRPC, Kafka или RabbitMQ) с фокусом на надёжность
• Docker, CI/CD пайплайны и рабочие знания Kubernetes; опыт с core-сервисами AWS/GCP (compute, storage, networking, IAM)
• Понимание жизненного цикла ML: подготовка данных, метрики качества моделей, нефункциональные требования, concept drift в продакшене; знакомство со scikit-learn, PyTorch/TensorFlow
• Опыт проектирования и эксплуатации observability: метрики, логи, дашборды, трейсинг (Prometheus, Grafana, ELK или аналоги)
• Git-воркфлоу и code review, уверенная работа в Linux command line, основы сетей (TCP/IP, DNS, VPC, load balancers)
• Умение понятно объяснять trade-off data scientist'у, product owner'у и on-call инженеру

Условия

• Реальный масштаб и реальные ограничения: модели обслуживают глобальный парк, GPU-бюджеты имеют значение, LLM-нагрузки выходят в продакшен
• Возможность сильному backend-инженеру вырасти в MLOps-домен: платформенную часть научат
• Участие в миссии компании — создавать справедливые возможности для миллионов людей в 48 странах
• Менторинг, карьерный консалтинг и обучающие программы
• Международный опыт через Global Talent Exchange Program
• Компанейские челленджи, награды, спорт, социальные и волонтёрские проекты
• Софинансирование курсов иностранных языков и внутренние speaking clubs
• Финальный набор бенефитов может зависеть от локации

Навыки

• Go
• Python
• SQL
• Redis
• HTTP
• gRPC
• Kafka
• RabbitMQ
• Docker
• CI/CD
• Kubernetes
• AWS
• GCP
• scikit-learn
• PyTorch
• TensorFlow
• Prometheus
• Grafana
• ELK
• Terraform
• Terragrunt
• Databricks
• SageMaker
• Kubeflow
• MLflow
• Airflow
• vLLM
• Triton
• Langfuse
• Linux
• TCP/IP
• DNS
• VPC