Backend-разработчик (Middle+/Senior)
вакансия от 15.05.2026Зарплата от 200000 руб
Работодатель: ООО "Джейкет.ру"
Показать контакты
Показать контакты
График работы: Полный рабочий день
TVtoken
Дополнительный заработок в свободное время за просмотр обзоров товаров и услуг. Получай деньги на карту! Никаких вложений, кроме 5 минут в день вашего времени!
Должностные обязанности
Вакансия компании: ООО "КОМБЛОК" О проекте Разработка интеллектуальной экосистемы для автоматизированного анализа контента и аудитории в мессенджерах. Продукт включает сбор и обработку больших данных, интерактивные дашборды, предиктивную аналитику, генерацию контента под стиль бренда и инструменты для продвижения.Ищем автономного инженера с сильным архитектурным мышлением. Мы предлагаем: Стабильный доход: конкурентоспособная заработная плата. Выплаты 2 раза в месяц по 50% или 1 раз в месяц (согласовывается с сотрудником). Гибкий формат: график 5/2. На старте (первые 2 месяца) - работа в офисе для синхронизации по архитектуре, далее возможен переход на гибридный формат. Профессиональную среду: работа в связке с сильными ML и DevOps инженерами. Вы отвечаете за код и архитектуру приложений, они - за хостинг моделей и GPU-инфраструктуру bare-metal серверов. Обязанности: Архитектурная трансформация: проектирование целевой микросервисной структуры бэкенда «на вырост» и поэтапный распил текущего монолита. Разработка ядра: развитие распределенных сервисов агрегации данных. Основной стек: Python (FastAPI) для ML-компонент/парсинга и Node.js (NestJS) для продуктового API. Аналитика данных: реализация алгоритмов расчета сложных бизнес-метрик (ERR, вовлеченность, динамика роста) и интеграция с внешними сервисами. Масштабирование сбора данных: проектирование отказоустойчивой архитектуры асинхронных парсеров и управление распределенными очередями задач. Интеграция с ИИ: настройка эффективного взаимодействия бэкенда с ML-слоем (инференс LLM, передача контекста для RAG и LoRA-моделей). Quality Assurance: внедрение культуры автоматического тестирования - настройка интеграционных и e2e тестов с нуля. Обязательные требования: Опыт рефакторинга: практический опыт работы в проектах с глубоким рефакторингом, миграцией систем или распилом монолитов в production. Готовность методично разбираться в легаси-коде. Коммерческий опыт: не менее 3 лет разработки бэкенда. Технологический стек: уверенное владение Python (FastAPI) и Node js (NestJS). Допускается экспертное знание одного из языков при готовности активно работать со вторым в рамках экосистемы. Highload & Data: опыт проектирования распределенных систем, понимание принципов работы брокеров сообщений (Redis, RabbitMQ / Kafka) и обработки больших массивов данных. Базы данных: глубокая экспертиза в PostgreSQL (проектирование сложных схем данных, оптимизация тяжелых запросов). Инструментарий: опыт работы с асинхронными библиотеками (Telethon / Pyrogram). Свободное владение Docker и Docker Compose. Тестирование: понимание методологий тестирования, опыт самостоятельной настройки автотестов (Unit, Integration, E2E). Желательные навыки: Базовое понимание MLOps паттернов и принципов интеграции с LLM (RAG, prompt-инжиниринг). Навыки работы с инструментами веб-парсинга (Playwright / Puppeteer).
Вакансия компании: ООО "КОМБЛОК" О проекте Разработка интеллектуальной экосистемы для автоматизированного анализа контента и аудитории в мессенджерах. Продукт включает сбор и обработку больших данных, интерактивные дашборды, предиктивную аналитику, генерацию контента под стиль бренда и инструменты для продвижения.Ищем автономного инженера с сильным архитектурным мышлением. Мы предлагаем: Стабильный доход: конкурентоспособная заработная плата. Выплаты 2 раза в месяц по 50% или 1 раз в месяц (согласовывается с сотрудником). Гибкий формат: график 5/2. На старте (первые 2 месяца) - работа в офисе для синхронизации по архитектуре, далее возможен переход на гибридный формат. Профессиональную среду: работа в связке с сильными ML и DevOps инженерами. Вы отвечаете за код и архитектуру приложений, они - за хостинг моделей и GPU-инфраструктуру bare-metal серверов. Обязанности: Архитектурная трансформация: проектирование целевой микросервисной структуры бэкенда «на вырост» и поэтапный распил текущего монолита. Разработка ядра: развитие распределенных сервисов агрегации данных. Основной стек: Python (FastAPI) для ML-компонент/парсинга и Node.js (NestJS) для продуктового API. Аналитика данных: реализация алгоритмов расчета сложных бизнес-метрик (ERR, вовлеченность, динамика роста) и интеграция с внешними сервисами. Масштабирование сбора данных: проектирование отказоустойчивой архитектуры асинхронных парсеров и управление распределенными очередями задач. Интеграция с ИИ: настройка эффективного взаимодействия бэкенда с ML-слоем (инференс LLM, передача контекста для RAG и LoRA-моделей). Quality Assurance: внедрение культуры автоматического тестирования - настройка интеграционных и e2e тестов с нуля. Обязательные требования: Опыт рефакторинга: практический опыт работы в проектах с глубоким рефакторингом, миграцией систем или распилом монолитов в production. Готовность методично разбираться в легаси-коде. Коммерческий опыт: не менее 3 лет разработки бэкенда. Технологический стек: уверенное владение Python (FastAPI) и Node js (NestJS). Допускается экспертное знание одного из языков при готовности активно работать со вторым в рамках экосистемы. Highload & Data: опыт проектирования распределенных систем, понимание принципов работы брокеров сообщений (Redis, RabbitMQ / Kafka) и обработки больших массивов данных. Базы данных: глубокая экспертиза в PostgreSQL (проектирование сложных схем данных, оптимизация тяжелых запросов). Инструментарий: опыт работы с асинхронными библиотеками (Telethon / Pyrogram). Свободное владение Docker и Docker Compose. Тестирование: понимание методологий тестирования, опыт самостоятельной настройки автотестов (Unit, Integration, E2E). Желательные навыки: Базовое понимание MLOps паттернов и принципов интеграции с LLM (RAG, prompt-инжиниринг). Навыки работы с инструментами веб-парсинга (Playwright / Puppeteer).
Требования к кандидату
Образование: Общее образование
Опыт работы: 5 лет
Образование: Общее образование
Опыт работы: 5 лет
Адрес места работы
г Москва, Москва
г Москва, Москва