Python Developer

ГК «Технопарк» — производитель и поставщик оборудования для нефтехимической и атомной промышленности. С 2003 года работаем с корпоративным сегментом; среди клиентов — «Росатом», «Газпром», «Роснефть», «Сибур», «Норильский никель» и др. Запускаем внутреннюю систему CPQ и аналитическую платформу для производственного бизнеса — усиливаем команду разработкой и данными.

О проекте

Создаём систему автоматизированного расчёта коммерческих предложений (CPQ) и аналитическую платформу для производства. Проект сочетает ML, инженерные расчёты и промышленную аналитику, работает с «тяжёлыми» инженерными данными (материалы, размеры, единицы, формулы).

• Разработка и поддержка API расчёта изделий (FastAPI + SQLAlchemy).
• Интеграции с ML-моделями (REST/gRPC), сопровождение версий.
• Построение ETL-пайплайнов для ClickHouse / Postgres.
• Подготовка и поддержка обучающих выборок для ML.
• Работа с инженерными данными: нормализация единиц, мэппинги, проверка целостности.
• Участие в проектировании архитектуры и CI/CD.

Tech Stack

• Python 3.9+, FastAPI, SQLAlchemy, Pandas
• Postgres, ClickHouse
• Docker, Git, CI/CD
• Источники: Excel/CSV
• (Соседние контуры продукта: React, TypeScript)
• Формат моделей: pickle (и/или REST-обёртки)

Обязательно

• 2–4 года как Python Developer с ML-бэкграундом / Data Engineer.
• Уверенное владение Python, Pandas, SQL.
• Опыт с FastAPI (REST), Postgres, ClickHouse, Docker.
• Интеграция/эксплуатация ML-моделей через REST API.
• Написание ETL-скриптов для сбора и очистки данных.
• Понимание инженерных стандартов данных (единицы, нормализация, мэппинги).
• Базовые DevOps-навыки (контейнеризация, CI/CD, мониторинг).

Желательно

• Понимание полного цикла ML: данные → обучение → инференс → мониторинг.
• Опыт с MLOps-инструментами.
• Практика вывода и поддержки моделей в production.
• ОпытBI-дашбордов (Metabase / Power BI / DataLens).

Soft skills

• Уважение к инженерии, документации и проверке гипотез данными.
• Готовность коммуницировать с аналитиками и инженерами без ML-бэкграунда.
• Умение находить баланс между «идеально» и «работает».
• Самостоятельность и ответственность.

Мы предлагаем

• Участие в создании промышленной платформы («мозг производства», а не просто сайт).
• Полный жизненный цикл промышленного ML-продукта.
• Возможность выстраивать архитектуру с нуля (новый продукт).
• Гибкую роль на стыке ML, инженерии данных и продакшн-поддержки.
• Работа с реальными физическими моделями и инженерными расчётами.
• Оформление по ТК РФ, наставничество, оборудованное рабочее место, корпоративная связь.
• Пятидневка, гибкое начало дня 8:00–10:00.