Backend-разработчик

Кого ищем
Нам нужен бэкендер, который умеет вытаскивать структуру из неструктурированных данных.
Это не CRUD по ТЗ. Половина работы — придумать, как надёжно достать данные.
Что предстоит делать
- Проектировать и поднимать сервисы: приём и обработка пакетов документов, пайплайны распознавания, доменные проверки, генерация отчётов.
- Много работать с парсингом: PDF-внутренности (текстовый слой против скана, рендер, таблицы), извлечение полей из штампов и титульных листов, разбор сметных файлов.
- Писать детерминированные проверки: правила по нормативным документам, сверка дат и шифров, арифметика по сметам, справочники редакций норм.
- Интегрировать ML-решения в прод в связке с AI-инженерами: обвязка моделей, очереди, контракты между сервисами, обработка отказов и деградации.
- Отдавать результат в интерфейс эксперта и в выгрузки (Excel, PDF).
Must have
- 2+ года опыта продакшен-разработки на бэкенде (коммерческие проекты).
- Хорошая архитектура и базы данных: умеешь спроектировать схему, написать миграцию.
- Реальный опыт парсинга документов. Не «дёргал JSON из API», а вытаскивал данные из PDF, сканов, Excel, нестандартных выгрузок — и знаешь, почему это всегда больнее, чем кажется.
- Понимаешь асинхронность и очереди: почему обработка сотен файлов это не цикл в хендлере.
- Умеешь принять решение и закрыть задачу, а не исследовать её три недели.
Будет большим плюсом
- Опыт с PDF-стеком: PyMuPDF/pdfplumber, OCR-движки, рендер в нужном DPI, борьба с памятью на больших документах.
- Опыт с ML-системами: понимаешь, как модель разворачивается, сколько потребляет и почему падает.
- Домен технической документации: чертежи, ГОСТ/нормативка, проектная или юридическая документация, счета — любой опыт «структурировать документы, написанные людьми для людей».
- Инфраструктура: Docker, CI/CD, умение самому починить свой деплой.
- Фронтенд на уровне «могу сам довести экран до рабочего вида».
Стек
Python, FastAPI, SQLAlchemy, Alembic, PostgreSQL, Redis, RabbitMQ, S3/MinIO, Docker, pytest. Рядом — ML-сервисы на PyTorch и vLLM, векторный поиск.