Просмотр вакансии

Проект входит в состав Аналитической платформы и занимается внедрением ИИ-инструментов и агентов для автоматизации бизнес-процессов, повышения безопасности и улучшения клиентского опыта.
Цели и подход: команда работает с LLM, ML-моделями и платформой автоматизации n8n. Основной принцип работы - не замена человека, а усиление эксперта за счет делегирования рутинных задач.
У нас присутствуют ассистент, автоматизация и аналитическая система для всех задач (от помощи рядовым сотрудникам до аналитики внутри компании и процессов по маркировке).
Команды около 8 -10 человек, работающие по международным моделям.

Требования:

Базовые навыки

- Аналитическое мышление;
- Представление о месте QA в процессе разработки;
- Понимание целей и задач тестирования;
- Знание и умение применять техники тест дизайна;
- Навыки составления тестовой документации всех видов;
- Понимание критериев начала и окончания тестирования;
- Ответственность, умение соблюдать дедлайны;
- Умение и желание обучаться новым технологиям и разбираться в сложных задачах;
- Опыт работы на коммерческих проектах от 2 лет.

Технические навыки

- Понимание принципов клиент-серверного взаимодействия;
- Понимание основ функционирования нейросетей (и частности LLM) и принципов работы с языковыми моделями;
- Понимание особенностей тестирования AI сервисов (Влияние гиперпараметров, допустимая недетерминированность, и т.д);
- Понимание особенностей тестирования микросервисной архитектуры;
- Опыт в тестировании бэкенд сервисов и REST API;
- Опыт работы с базами данных и навыки написания запросов SQL (база, подзапросы, джойны, агрегатные функции, группировки);
- Владение хотя бы одним языком Java/Kotlin или Python;
- Владение фреймворками для тестирования бэкенда на указанных языках;
- Навыки работы с Git и в частности GitLab.

Будет плюсом

- Опыт тестирование AI решений и систем;
- Опыт работы с AI агентами;
- Владение фреймворком для тестирования UI;
- Умение работать с Postman/Insomnia/SOAPUI, DBeaver, Lens/Rancher, Grafana, Offset Explorer 2.3.3, S3 Browser 13;
- Опыт работы с Temporal;
- Понимание концепций Data Pipelines (ETL-процессы, хранилища данных);
- Базовое понимание метрик оценки качества ML-моделей (Accuracy, Precision, Recall, F1-score, ROC-AUC);
- Знание инструментов генерации и хранения отчетов об автоматизации (например Allure);
- Понимание принципов и опыт работы с Брокерами сообщений Apache Kafka (или RabbitMQ как вариант);
- Знание основ теории вероятностей и статистики.

• Оформление по ТК РФ;
• ДМС;
• Работа в растущей компании с возможностью профессионального и карьерного развития;
• Дополнительное обучение, библиотека, возможность посещения конференций, вебинаров, тренингов.