Python developer [Trust & Safety]

Wildberries и Russ — лидер рынков e-commerce и наружной рекламы в России и странах СНГ. Ежедневно более 4 тысяч наших IT-специалистов создают цифровую экосистему, состоящую из сотен тысяч продуктов. На сегодня мы создали крупнейшую онлайн-платформу для покупки и продажи товаров в России и странах СНГ. Вместе с масштабным развитием IT-направления мы формируем культуру Trust and Safety, гарантируя непрерывную безопасность и доверие между компанией, её сотрудниками, пользователями и клиентами. Мы собрали видение ключевых команд направления: инфраструктурная платформа, модерация, репутация пользователей, антифрод и безопасность backoffice. Для реализации множества планов, мы приступили к поиску сильной команды. Стек: Python (ML), JavaScript (Angular), PostgreSQL, ClickHouse, Redis, Kafka, K8s, S3, Prometheus, Grafana, Triton Inference Server. Мы рады познакомиться с опытным Python разработчиком, которому предложим следующие задачи:

Обязанности

• Внедрять и поддерживать ML-модели в продуктах команды;
• Оптимизировать использование инфраструктурных ресурсов в ML-сервисах (CPU/GPU, хранилища, сети);
• Изучать и внедрять новые технологии для повышения производительности и масштабируемости;
• Выстраивать процессы взаимодействия ML и Dev-команд для сокращения Time-to-Market;
• Разрабатывать устойчивые интеграции с внешними и внутренними источниками данных;
• Покрывать код юнит- и интеграционными тестами, добавлять метрики и мониторинг;
• Создавать дашборды для технических метрик (Prometheus, Grafana);
• Разрабатывать инструменты автоматизации для внутренних процессов и задач команды;
• Улучшать CI/CD-процессы и инфраструктуру развертывания (Kubernetes, GitLab CI/CD, ArgoCD и т.п.);
• Следовать единым подходам к созданию сервисов и обеспечению их observability.

Требования

• Глубокое знание Python 3.x и современных подходов к разработке (типизация, тестирование, асинхронность, архитектура);
• Опыт разработки, обучения и внедрения ML-моделей;
• Понимание полного цикла ML-продукта - от данных и экспериментов до деплоя и мониторинга;
• Навыки интеграции моделей в сервисы (API, микросервисы, inference-сервера);
• Опыт работы с Docker и Kubernetes;
• Умение писать чистый, поддерживаемый и тестируемый код;
• Опыт настройки CI/CD и базового мониторинга сервисов.