Backend/Data Engineer (Python/FastAPI) — интеграции и обогащение данных

Чем предстоит заниматься

• Разработать backend-сервис на Python/FastAPI (можем рассмотреть создание сервиса так же на Django): API-контракты, валидация, версии, идемпотентность.
• Подключать внешние источники данных: интеграции по API, импорт файлов (CSV/JSON/XML), при необходимости парсинг web-источников (устойчиво к изменениям, с ограничениями по частоте запросов).
• Нормализовать и приводить данные к канонической модели; хранить версии входных и выходных данных.
• Реализовать хранение и версионирование стратегий/правил (любое изменение = новая версия).
• Обеспечивать наблюдаемость и качество: structured logs, correlation_id, базовые метрики, тесты (unit/integration).

Что мы ждём

• Уверенный Python 3.x и опыт разработки backend-сервисов (желательно FastAPI/Django и т.п.).
• Хороший SQL и опыт с PostgreSQL: проектирование схем, индексы, миграции.
• Опыт интеграций с внешними системами и "грязными" данными: таймауты, ретраи, rate limit, кэширование.
• Понимание фоновых задач/очередей (Celery/RQ/Arq или аналоги)
• Самостоятельность и инженерный подход: умение обосновывать решения и видеть компромиссы.

Будет плюсом

• Web scraping (Playwright/Selenium/BeautifulSoup), устойчивые парсеры.
• Entity resolution / fuzzy matching; нормализация имён/адресов/транслитерация.
• Elasticsearch/OpenSearch; графовые модели (Neo4j или аналоги).
• Docker, CI/CD.

Стек (ориентир)

• Python + FastAPI (обсуждаемо)
• PostgreSQL
• Фоновые задачи/очередь (обсуждаем)
• Docker, CI/CD, тесты

Условия

• Москва, гибридный график.
• Уровень компенсации обсуждается по итогам.
• Высокая автономность и возможность быстро влиять на продукт и техреализацию.

Как откликаться

Мы ищем человека, который любит инженерные задачи и умеет самостоятельно принимать решения.

Поэтому при отклике, пожалуйста, приложите:

1) Ссылку на GitHub/GitLab или любой код-пример (можно приватный репозиторий, можно архив).

Подойдёт pet-проект, библиотека, демо-сервис, интеграция с внешним API.

2) Короткое описание (10–15 строк):

- что именно делали вы лично (ваш вклад);

- какие 2–3 архитектурных решения приняли и почему (структура проекта, схема БД, фоновые задачи/очереди, интеграции);

- где были сложности/компромиссы и как вы их решали;

- что бы переделали в первую очередь, если бы было время.

Важно:

- Учебные проекты «по шагам» (курсы/туториалы с заданной архитектурой) сами по себе нам не подходят.

Если проект вырос из курса Ok, но тогда обязательно опишите, что вы изменили/добавили сверх шаблона и почему. Покажите это в истории коммитов/PR или перечислите конкретные файлы/модули, которые вы спроектировали сами.

Без кода-примера и описания решений мы не сможем корректно оценить подход, поэтому такие отклики, скорее всего, пропустим.

LLM можно использовать, это нормально. Важно, чтобы вы понимали, что написано, и могли объяснить, почему сделано именно так и какие альтернативы рассматривали.

Недостаток опыта по трудовой книжке вы можете компенсировать уровнем ваших pet проектов.

Ключевые навыки: Python, FastAPI, PostgreSQL, SQL, REST API, интеграции, ETL/ingestion, web scraping, очереди задач, Docker