Full-stack QA Engineer (начинающий ML)

Postgres Professional — разработчик самой популярной российской СУБД Postgres Pro на базе свободно распространяемой PostgreSQL. А еще мы — один из крупнейших в мире контрибьюторов открытой СУБД: каждый год отправляем в сообщество PostgreSQL более 100 патчей.

В Postgres Professional работают опытные эксперты в PostgreSQL — в нашей команде больше половины российских постгресистов, включая Major Contributors системы. Вместе мы решаем сложные задачи заказчиков, в том числе доработки в ядро PostgreSQL.

Мы верим, что связка СУБД + LLM это тот набор edge-технологий, который в ближайшие 3-5 лет перевернёт наши представления об интерфейсах доступа к данным.
Предлагаем присоединиться к нашей команде и, обкатав технологию на внутренних продуктах и сервисах, выпустить продукт, предоставляющий интерфейс взаимодействия с базой данных на естественном языке.

Чем предстоит заниматься:

• принимать активное участие в мероприятиях по обеспечению качества;

• разработкой тестовой документации (тест-кейсы, чек-листы, тест-планы, инструкции, стратегия и тп);

• разработкой и поддержкой автоматизированных тестов на Python;

• проверкой корректности данных и этапов препроцессинга;

• тестированием моделей на корректность прогнозов (evaluation metrics: accuracy, precision, recall, F1-score).

• мониторингом и тестированием производительности моделей (например, с использованием MLflow или Weights & Biases);

• тестированием на наличие выбросов и аномалий в данных;

• проверкой сбалансированности и корректности датасетов.

Мы ожидаем:

• опыт работы с базами данных;

• знание языков программирования: Python, JavaScript;

• знание фреймворков для автоматизированного тестирования: Selenium или Playwright для веб-тестирования. PyTest или аналог для автоматизации тестирования API и функциональных тестов;

• понимание основы алгоритмов машинного обучения и их тестирования;

• опыт тестирования REST API;

• опыт создания нагрузочных тестов для оценки масштабируемости.

Будет плюсом:

• понимание жизненного цикла моделей ML (обучение, валидация, тестирование, деплоймент);

• основы работы с ML-фреймворками (например, TensorFlow или PyTorch);

• навыки работы с большими объемами данных и понимание концепций качества данных (data quality);

• навыки работы с инструментами тестирования нагрузки и производительности: JMeter, Locust или аналогичные;

• понимание не только метрик классификации, но и метрик регрессии, по типу MSE, MAE, MAPE, R^2.

Условия:

• удаленка либо комфортный офис в шаговой доступности от м. Академическая (Москва);

• гибкое начало рабочего дня;

• возможности для профессионального развития;

• участие в профессиональных конференциях, продвижение в сообществе PostgreSQL;

• медицинское страхование сотрудника (+1), компенсацию спортивных активностей и затрат на оборудование удаленного рабочего места, занятия английским языком, технику для работы, обеды в офисе и др.

​​​​​​