# Аналитик разработчик
Департамент информационных технологий Москвы создает и развивает цифровые проекты, которые делают столицу комфортнее, а жизнь горожан — удобнее и мобильнее. Для системы управления столицей технологии — это незаменимый инструмент, который применяется во всех отраслях экономики, городского хозяйства и социальной сферы. А для миллионов горожан — повседневный помощник, который позволяет получать сотни услуг и сервисов в удобном цифровом формате в режиме 24/7.
Что нужно делать:
•проектировать и внедрять решения на базе существующих бизнес потребностей в масштабируемую мультисервисную архитектуру с использованием Python (FastAPI), Kubernetes, Docker, gRPC/REST, Kafka/RabbitMQ и CI/CD (GitLab CI, ArgoCD)
•анализировать текущие подходы и разработка новых методов автоматизации прикладных задач с применением Python, NumPy/Pandas, а также фреймворков машинного обучения (PyTorch, scikit-learn) и инструментов обработки данных (Spark, Airflow)
•разрабатывать аналитические инструменты и сервисы обработки данных, включая построение пайплайнов (ETL/ELT), визуализацию (Superset, Grafana) и сервисы анализа на основе Python, SQL и распределённых систем хранения (ClickHouse, PostgreSQL, S3)
•разрабатывать, обучать, оптимизировать и внедрять модели машинного обучения и LLM-агентов с использованием PyTorch, Hugging Face Transformers, vLLM, TensorRT, включая задачи инференса, RAG (FAISS, Qdrant), prompt engineering и оптимизации (квантование, batching, KV-cache)
•вести техническую документацию по задачам и решениям (архитектура, API, пайплайны, модели) с использованием Markdown, Confluence, Swagger/OpenAPI и поддержание её актуальности в рамках CI/CD процессов
Какие знания и навыки важны:
•высшее образование (магистратура/специалитет) в области Computer Science, Data Science, Прикладной математики, ИТ или смежных дисциплин
•опыт работы от 3 лет в разработке программных решений, анализе данных или машинном обучении
•опыт работы с мультисервисными и масштабируемыми архитектурами (микросервисы, Kubernetes, облачные решения)
Технические навыки:
•уверенное владение Python (основные библиотеки: pandas, numpy, scikit-learn, TensorFlow/PyTorch)
•опыт разработки backend-сервисов (FastAPI/Flask), проектирование REST/gRPC API
•опыт построения и эксплуатации LLM-инференса (vLLM, SGLang, Triton, HuggingFace Inference) и оптимизации (квантование, batching, latency)
•уверенное владение SQL
•(Greenplum, Hive)
•опыт работы с системами очередей и стриминга данных (Kafka, RabbitMQ)
•опыт разработки и внедрения ML-моделей (классические алгоритмы, нейросети, ансамбли) или LLM-агентов (RAG, fine-tuning, LangGraph, LlamaIndex)
•практический опыт разработки, деплоя и эксплуатации сервисов в Kubernetes
•знание методов автоматизированного анализа данных (Feature Engineering, AutoML, оптимизация гиперпараметров)
•умение проектировать и разрабатывать аналитические инструменты (Dash, Streamlit, BI-системы: Tableau, Power BI)
•понимание принципов распределённых систем и работы с большими данными (SQL/NoSQL, Spark, Dask, Airflow)
•опыт работы с GitLab CI / ArgoCD, Docker, Git
•аналитические и управленческие навыки
•умение формализовать и декомпозировать задачи, оценивать сложность и приоритезировать решения
•навыки работы с документацией (технические спецификации, архитектурные схемы, отчеты)
•ведение архитектурной и технической документации (API, сервисы, пайплайны, модели; Swagger, Confluence)
•опыт взаимодействия с заказчиками и смежными командами (аналитики, инженеры, разработчики, DevOps)
Личные качества:
•системное мышление – способность видеть взаимосвязи в сложных системах
•самостоятельность – умение работать с минимальным контролем
•критическое мышление – анализ эффективности решений, поиск оптимизаций
•коммуникабельность – чёткое изложение идей, аргументация решений
Будет плюсом:
Участие в open-source проектах или научные публикации в области ML/AI
Что предлагаем:
•официальное трудоустройство в аккредитованную ИТ-компанию
•график работы гибрид 5/2
•ежегодное премирование по результатам работы
•материальную помощь в случае важных событий в жизни
•корпоративное обучение и доступ к онлайн-библиотеке
•скидки от партнеров на ДМС, связь, развлечения, подарки, спорт и т.д.
•корпоративные тренировки и спортивные активности - бег, футбол, волейбол, баскетбол, теннис и другие
