Ведущий Go-разработчик, Команда разработки видеоплатформы

Привет!
Мы создаем высоконагруженную видеоплатформу, которая обрабатывает потоки с тысяч камер в реальном времени. Платформа использует машинное обучение (ML) для автоматического анализа видео, выявления девиантного поведения и оптимизации бизнес-процессов. Вы будете строить ядро системы, от которой зависит работа всех алгоритмов.

Мы ищем ведущего разработчика для команды видеоплатформы.
Ключевая задача — разработка и поддержка высоконагруженной, распределенной системы, обеспечивающей бесперебойную работу видеоаналитики в реальном времени. Вы станете частью команды, отвечающей за создание надежного и масштабируемого конвейера обработки видео и данных.

Вы будете

• Разрабатывать, развивать и поддерживать микросервисную архитектуру высоконагруженной видеоплатформы.

• Тесно взаимодействовать с ML-командой для создания эффективного контракта "платформа-модель": разработка API для стриминга видеофрагментов, приема и обработки метаданных, управления инференсом.

• Проектировать и реализовывать API (gRPC, REST) для внутренних и внешних интеграций.

• Участвовать во всех этапах разработки: от проектирования и код-ревью до тестирования, развертывания и мониторинга.

• Оптимизировать производительность, latency и throughput критически важных сервисов.

Нам важно

• Глубокий бэкенд-опыт (Go) в разработке высоконагруженных распределенных систем.

• Опыт проектирования микросервисной архитектуры и API (gRPC, REST).

• Опыт работы с контейнерами (Docker, Kubernetes) и базами данных (SQL/NoSQL).

• Умение работать в кросс-функциональной команде, конструктивно обсуждать решения.

Будет плюсом

• Понимание принципов работы с видео: кодеков (H.264/H.265), контейнеров, стриминговых протоколов (RTSP/WebRTC/HLS).

• Личный опыт разработки или интеграции видео-сервисов (кодирование, обработка, стриминг).

• Способность говорить на одном языке с ML-инженерами. Понимание этапов ML-пайплайна (инференс, обучение), типовых задач и ограничений, налагаемых нейронными сетями на систему (latency, throughput).

• Опыт интеграции ML-моделей в production-среду.

• Понимание принципов компьютерного зрения.

• Опыт работы с облачными провайдерами (AWS, GCP, Azure) и системами потоковой обработки данных (Kafka, RabbitMQ).