Python Backend Developer

На данный момент Python Backend Developer.

Мои компетенции и опыт

tg: нужен доступ к резюме

нужен доступ к резюме

Python-разработчик с 5+ лет опыта: backend-разработка высоконагруженных REST API и платформенных сервисов, а также интеграция с AI.

Мой рабочий стек FastAPI, Django/DRF, Pydantic, async/await. С PostgreSQL работаю плотно: проектирование БД и оптимизация запросов. Под задачи подбираю разные хранилища: ClickHouse для аналитики, Redis для кэша и distributed locks, Elasticsearch для поиска.

Есть опыт работы с распределённой микросервисной архитектурой: event-driven взаимодействие, разделение на online и offline ML-контуры. В том числе высоконагруженный внешний API продукта.

Участвовала в разработке ML-инфраструктуры: Feature Store на Feast, batch- и incremental-пайплайны в Airflow, компоненты CV-пайплайна на OpenCV и CLIP. Занималась RAG-системами: загрузка и обработка документов, векторный поиск в Qdrant, retrieval, оркестрация LLM через LiteLLM.

Собираю и анализирую метрики в Prometheus, строю дашборды в Grafana под ключевые сценарии. Для трейсинга использую Jaeger и OpenTelemetry. Добавляю retry с exponential backoff и fallback-логику.

Покрываю код тестами на pytest, стараюсь держаться ООП, SOLID и Clean Code. Умею разрабатывать сервисы с нуля, развивать существующие системы и выжимать из них производительность.

Дальше углубляюсь в System Design, распределённые системы и высоконагруженные архитектуры. Параллельно развиваюсь в сторону LLM/ML-инфраструктуры: RAG, feature store, интеграция моделей в прод.

Циан (опыт 2 года 9 месяцев)

Информационные технологии, системная интеграция, интернет • Разработка программного обеспечения

Python Developer

Стек: Python, FastAPI, asyncio, Pydantic, PostgreSQL, SQLAlchemy, Alembic, Kafka, Redis, Kubernetes (k8s), Docker, gRPC, Feast, ClickHouse, Airflow, Elasticsearch, Prometheus, Grafana, Jaeger, OpenTelemetry, GitLab CI/CD, pytest, OpenCV, CLIP, CatBoost.
Обязанности: Разработка и развитие backend-сервисов системы поиска и ранжирования. Проектирование и поддержка компонентов Feature Store и CV-пайплайна. Участие в проектировании архитектуры сервисов и пайплайнов. Взаимодействие с Data Scientists при интеграции моделей и признаков. Интеграция ML-моделей в продакшн и участие в A/B- и shadow-тестах. Оптимизация latency, пропускной способности и надёжности сервисов.

Достижения:

Разработала и внедрила CV-пайплайн для оценки качества фотографий на базе OpenCV и zero-shot CLIP, заменив примитивный счётчик на набор информативных признаков. Система стала учитывать визуальное качество объявлений при ранжировании — релевантность выдачи выросла на +7% по A/B-тесту.

Участвовала во внедрении Feast как единого Feature Store для ML: настроила подачу актуальных признаков через Redis и загрузку исторических данных из ClickHouse, обеспечив регулярное обновление данных для ML-моделей. Скорость получения признаков при ранжировании снизилась с 50–100 мс до <5 мс.

Оптимизировала high-load backend на FastAPI: внедрила многоуровневое кэширование, оптимизировала асинхронное взаимодействие с внешними сервисами и добавила production monitoring. Доработала observability-стек — кастомные метрики в Prometheus, дашборды в Grafana, распределённый трейсинг через Jaeger и OpenTelemetry, что позволило видеть полную картину по каждому запросу и быстрее находить узкие места.

FITTIN(2 года 5 месяцев)

Информационные технологии, системная интеграция, интернет • Разработка программного обеспечения

Стек: Python, Django/DRF, FastAPI, PostgreSQL, MongoDB, Redis, Celery, RabbitMQ, Kafka, S3/MinIO, JWT, Docker, pytest, LiteLLM, Qdrant, Airflow.
Обязанности:Разработка компонентов RAG-систем: ingestion, интеграция с векторной базой, retrieval, оркестрация LLM. Разработка backend-сервисов на Python для веб-приложений и Telegram-ботов. Реализация фоновой и периодической обработки данных, уведомлений и синхронизации. Проектирование моделей и оптимизация запросов в реляционных и документных БД. Интеграция со сторонними сервисами и объектным хранилищем. Миграция легаси-кода и покрытие тестами.

Достижения:

Реализовала backend RAG-ассистента для EdTech: retrieval и reranking по доменным материалам с изоляцией по курсам, оркестрация LLM через LiteLLM, embeddings и vector storage в Qdrant, формирование контекста для LLM. Спроектировала архитектуру с асинхронным ingestion, идемпотентной обработкой и версионированием документов, что обеспечило стабильную работу при обновлении курсов. Evaluation через Golden Set показало recall нужен доступ к резюме = нужен доступ к резюме Сервис снял с преподавателей рутину типовых вопросов и ускорил ответы ученикам.

Переписала легаси-сервис онлайн-записи для сети ветклиник на Django: восстановила бизнес-логику по чужому коду, зафиксировала тестами, провела миграцию без простоя. Реализовала REST API, JWT с ролями, расчёт слотов, кэш расписания в Redis, защиту от двойной записи через distributed lock + unique constraint, outbox pattern, Celery + Beat для напоминаний в Telegram. Двойные записи исчезли, неявки снизились с 15–20% до 5%.

Разработал backend сервиса заявок для клининговой компании: REST API, JWT-авторизация с ролями, жизненный цикл заявки. Реализовал distributed lock на Redis, outbox pattern и асинхронную обработку на Celery. Интегрировал Telegram Bot API для клинеров и S3 для фото «до/после». Сервис заменил ручное согласование через WhatsApp и Excel: заявки перестали теряться.

Образование:

МИРЭА — Российский технологический университет, Москва

Программная инженерия

Языки:

Русский — Родной
Английский — B2 — Средне-продвинутый

Навыки

Python PostgreSQL FastAPI REST API Redis RabbitMQ Django Framework Clickhouse Kubernetes Apache Airflow, Docker, Pytest, GitHub, OpenCV, API, Git SQL SQLAlchemy Linux, CI/CD Celery, Django Rest Framework Prometheus Grafana, Elasticsearch, LLM ООП, Микросервисная архитектура, Gitlab, Apache Kafka