Python Backend / Data Engineer (AI Project)

Кого мы ищем

Ищем любознательного разработчика с широким техническим кругозором, которому интересно понимать, как всё устроено, и собирать работающие решения целиком.

У нас собственная B2B-платформа, веб- и мобильное приложения, интеграции и задачи по AI-автоматизации. Работа разнообразная: доработать интерфейс и API, разобраться с конфигурацией сервиса, настроить сборку приложения, подключить внешнюю систему или создать AI-агента.

Нам близки люди, которые самостоятельно делали проекты, поднимали свои серверы, автоматизировали рутину и осваивали инструменты из интереса. Профильное образование необязательно — важнее практический опыт, самостоятельность и способность доводить работу до результата.

Что важно

• Опыт разработки frontend и backend и уверенные знания хотя бы в одном из этих направлений.
• Практический опыт с Python и JavaScript/TypeScript.
• Уверенная работа в Linux/Unix и командной строке.
• Понимание HTTP, REST API, баз данных, Git и Docker.
• Умение читать документацию, искать причины ошибок и разбираться в чужом коде.
• Использование AI-инструментов с обязательной проверкой результата.
• Готовность фиксировать решения и оставлять после себя понятный код и инструкции.

В отклике расскажите о проекте, который вы самостоятельно довели от идеи до работающего решения. Что пришлось освоить по ходу и с какой самой сложной проблемой вы разобрались?

Мы развиваем Metric Store — сервис, в котором хранятся определения бизнес-метрик: формулы, источники данных и доступные разрезы. По ним сервис строит SQL для YQL, ClickHouse, CHYT и Spark. Метриками пользуются аналитики и другие аналитические продукты.

Разрезы для сложных метрик

Иногда нужное измерение находится не в таблице, по которой считается метрика, а в связанной. Нужно описать такие связи в модели сервиса, сделать измерения доступными в фильтрах и группировках и проверить расчёт на существующих метриках.

Несколько способов расчёта одной метрики

Для дашборда может подходить быстрая агрегированная таблица, а для исследования — подробные данные. Предстоит проработать модель и API, чтобы оба способа жили под одним именем метрики. При построении SQL пользователь должен явно выбирать способ расчёта; запросы без выбора должны работать как прежде.

Оконные функции в виртуальных столбцах

Сейчас такие выражения попадают в запрос слишком поздно — на этапе расчёта метрики. Нужно изменить генерацию SQL, чтобы виртуальный столбец вычислялся до агрегации, и покрыть новые и существующие сценарии тестами. Также предстоит развивать проверки метрик и интеграции с Лабой и Атласом.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

* Занимались бэкенд-разработкой на Python
* Хорошо знаете SQL и PostgreSQL
* Понимаете, как JOIN и агрегации влияют на результат
* Умеете проектировать API и писать тесты

* Работали с YT/YQL, ClickHouse или Spark

СберАналитика в цифрах:

Более 7 лет развиваем продукты для анализа данных

18 продуктов в портфеле

9 патентов

Более 1500 клиентов доверяют нашим решениям

Команда из 500+ профессионалов

Мы приглашаем присоединиться к команде профессионалов, которые внедряют инновации и оптимизируют процессы для повышения конкурентоспособности. Вместе мы разрабатываем систему автоматизации инвестиционного цикла, включая:

• Алгоритмизированный поиск потенциальных сделок и клиентов;
• Управление процессом заключения инвестиционных сделок;
• Финансовые расчеты и оценка портфеля;
• Построение финансовой и управленческой отчетности по портфелю инвестиций Сбера.
• Инвестиционные сервисы для компаний - наших клиентов.

Наша платформа ЮЛ в Сбер — уникальное решение на российском рынке для финансирования юридических лиц, важное для экономики. Присоединяйтесь к динамичному коллективу!

Чем предстоит заниматься:

Анализ существующих процессов разработки и поддержки (Jira, CI/CD, code review, документация и т.п.) и выявление возможностей для автоматизации.

Проектирование и реализация сервисов/скриптов, которые:

обращаются по API к другим АС (трекеры задач, CI/CD, SCM, CMDB, мониторинг, HR/финансовые системы и т.д.);

выполняют последовательности действий по заданным алгоритмам (workflow/оркестрация);

используют LLM для генерации/обработки текста, анализа контента, принятия решений;

используют элементы агента (планирование, разбиение задач, работа в цикле с обратной связью).

Интеграция LLM в существующие процессы:

подсказки для разработчиков/ревьюеров;

автоматизация подготовки документации/описаний задач;

анализ логов, инцидентов, pull/merge request’ов и т.п.

Разработка и поддержка API/CLI/ботов (например, в корпоративных мессенджерах) для удобного доступа к автоматизации для команд.

Настройка мониторинга, логирования и алертинга для разработанных решений.

Документирование реализованных автоматизаций (архитектура, протоколы интеграций, SLA, ограничения).

Участие в выборе и обкатке новых инструментов/моделей (LLM, фреймворки агентов, workflow-движки и т.п.).

Ты идеальный кандидат, если:

Умение самостоятельно структурировать задачу на основе бизнес-потребности и найти необходимую информацию по API/подключению к АС
опыт разработки на Python от 3 лет
опыт работы с fastapi, pydantic, aiohttp, alembic, SQLAlchemy, langchain, langgraph
Опыт разработки интеграций по REST/gRPC API:

аутентификация/авторизация (OAuth2, tokens, JWT);

работа с JSON/YAML, пагинацией, ретраями, rate limiting.

Понимание процессов разработки ПО и DevOps-практик:

Git, code review, ветвление;

базовые знания CI/CD (GitLab CI, GitHub Actions, Jenkins и т.п.).

Опыт работы с базами данных (SQL или NoSQL) на уровне:

проектирование простых схем;

чтение/запись данных, миграции.

Базовое понимание LLM:

что такое prompt, контекст, токены;

опыт использования API (OpenAI, Anthropic, Azure OpenAI, Qwen и т.п.) или open‑source моделей через HTTP/gRPC.

Умение формализовывать процессы:

описывать алгоритмы действий;

разбирать «словесные» требования на чёткие шаги и условия.

Аккуратность в коде и документации, умение поддерживать и развивать существующие решения.

Что мы предлагаем:
Работу в аккредитованной IT-компании (важно для владельцев IT-ипотеки);

Ежегодный бонус по итогам работы;

ДМС с первого месяца, телемедицина, страхование семьи на льготных условиях;

Комфортный онбординг, сопровождение бадди с первого дня;

Корпоративное обучение и библиотека саммари;

IT-отсрочку от срочной службы;

Бесплатную подписку на СберПрайм и скидки у компаний-партнёров;

Новогодние подарки для детей, корпоративные мероприятия и поддержку в сложных жизненных ситуациях;

Корпоративную пенсионную программу.

Почему у нас классно работать:

Видимый результат: твой вклад напрямую влияет на продукт и развитие компании;

Минимизируем бюрократию, даем возможность проявлять инициативу;

Есть возможность карьерного роста внутри команды или других подразделений;

Вклад в развитие общества: наши исследования способствуют улучшению экономики регионов и качества жизни людей.

Мы верим в силу данных как инструмента позитивных изменений.