Senior Python +AI

Лига Цифровой Экономики находится в поиске коллеги на роль Python разработчика на проект для крупнейшего банка. Команда занимается автоматизацией бизнес-процессов мониторинга финансовых институтов и стран.
Мы ценим качество кода, инженерную культуру и ищем человека, который поможет нам развивать систему дальше!

Твои задачи:

• Разрабатывать и поддерживать AI-агенты на Python для автоматизации анализа данных финмониторинга
• Проектировать архитектуру агентных систем: планирование действий, использование инструментов (tools) и оркестрация вызовов моделей
• Реализовывать пайплайны RAG (Retrieval-Augmented Generation): эмбеддинги, чанкинг документов, гибридный поиск (BM25 + векторный), переранжирование результатов
• Интегрировать агенты со сторонними системами по протоколам SOAP/REST, работать с брокерами сообщений Kafka и RabbitMQ
• Использовать фреймворки LangChain и LangGraph для построения цепочек рассуждений (chain-of-thought) и графов состояний агентов
• Оптимизировать работу с данными: писать SQL-запросы, обрабатывать большие массивы информации с помощью pandas и PySpark
• Создавать backend-обвязку для агентов на FastAPI (или Flask/Django)

Мы ждем от тебя:

• Python & LLM: Уверенное владение Python (включая асинхронное программирование), знание принципов работы LLM (Large Language Models)
• Фреймворки: Опыт работы с LangChain, LangGraph
• Архитектура агентов: Опыт разработки AI-агентов
• RAG (Retrieval-Augmented Generation): Практический опыт реализации RAG: эмбеддинги, чанкинг, ретриверы (BM25 + векторный поиск), переранжирование
• Backend Python: Опыт разработки сервисов на FastAPI, Flask или Django
• Инфраструктура: Умение работать с брокерами сообщений (Kafka, RabbitMQ) и базами данных
• Инструменты для данных: Владение инструментами для работы с данными: SQL, pandas, PySpark

Что мы обеспечим:

• Разработка на современном стеке технологий
• Работа в гибкой методологии разработки
• Возможность работать как в офисе, так и в гибридном формате (г. Москва)
• Поездки на конференции и тренинги за счет компании, внутренние семинары, внутренние митапы, мы очень любим учиться новому
• Новая техника для комфортной работы
• Сессия профессионального развития персонала дважды в год, результатом которой является план индивидуального развития каждого сотрудника и получение обратной связи

Опыт

Направление

О проекте

Описание

Требования

Условия

Чем предстоит заниматься:

• Готовить данные и корпоративный контекст для прототипирования ассистента: выгрузка, очистка, нормализация и объединение данных из различных источников.
• Собирать PoC и технические прототипы для проверки гипотез до передачи в промышленную IT-разработку.
• Реализовывать прототипы получения данных через API, SQL, файловые источники, Каталог и другие корпоративные системы.
• Подготавливать данные для RAG/retrieval, тестировать поиск, сопоставление сущностей и качество получаемого контекста.
• Совместно с бизнес- и data-аналитиками формировать golden dataset из реальных Discovery-кейсов и эталонных результатов.
• Автоматизировать тестирование ассистента: массовый прогон сценариев, сравнение фактического результата с эталонным, фиксация ошибок.
• Формировать и автоматизировать метрики качества: полнота требований, корректность найденных источников/сущностей, пропуски, hallucinations, качество retrieval.
• Формировать regression-набор и проверять, что изменения логики, prompts, RAG или модели не ухудшают ранее работающие сценарии.
• Анализировать результаты пилотов совместно с аналитиками и локализовывать причины ошибок: данные, retrieval, контекст, правила или реализация.
• Передавать в IT проверенные прототипы, алгоритмы обработки данных, результаты экспериментов и технические требования для промышленной реализации.

Для нас важно:

• 3+ лет в data engineering/автоматизации/разработке аналитических решений.
• Уверенное знание Python и SQL, опыт обработки и преобразования данных.
• Опыт работы с API, JSON, ETL/ELT, интеграции различных источников данных.
• Умение быстро собирать PoC и прототипы для проверки технических и продуктовых гипотез.
• Понимание DWH, моделей данных, Data Quality, опыт работы с корпоративными данными.
• Понимание принципов LLM, RAG, retrieval, embedding.
• Опыт подготовки датасетов, автоматизации проверок и анализа результатов.
• Умение самостоятельно исследовать источники данных и находить способ технической реализации задачи.

Главный принцип SkillStaff - Выбирай!

• РАЗНООБРАЗИЕ ПРОЕКТОВ. Выбирай из сотен компаний и проектов то, что интересно и полезно для твоего роста. SkillStaff помогает реализовывать ежегодно порядка 500 различных ИТ-проектов для крупного бизнеса.
• КОМФОРТ. SkillStaff — аккредитованная IT-компания, белая зарплата и удобный график работы. Создавай идеальные условия для своей работы: удаленная работа или возможность работать как в офисе клиента, так и в комфортном офисе SkillStaff в центре Москвы на Воздвиженке.
• РАЗВИТИЕ. Выбирай сам путь, по которому ты хочешь развиваться. Используй возможность обмена опытом и получение знаний через участие в разных проектах, совместную работу с высококвалифицированными коллегами.
• КУЛЬТУРА. Нашу культуру создают сами сотрудники – мы их слышим и помогаем развиваться, чтобы #вместе переходить на новый уровень!