Бэкенд-разработчик (парсинг документов)

Что предстоит делать

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.