Middle AQA Python инженер

Задачи: — функциональное, интеграционное и регрессионное тестирование API-сервисов и AI-агентов — написание на Python автотестов для проверки цепочек вызовов AI-агентов — автоматизация оценки качества недетерминированных ответов AI-агентов — выявление нарушений качества ответов AI-агентов на ранних этапах при изменениях версий — разработка тестов для проверки корректности предиктивных моделей и рекомендательных алгоритмов (качество предсказаний, стабильность, отсутствие регрессий) — оценка качества недетерминированных ответов с использованием статистических методов (сравнение распределений, обнаружение drift’ов) — участие в построении тестов для A/B-экспериментов: проверка корректности групп, метрик качества — разработка и поддержание актуальности тестовой документации — статический анализ требований, макетов, спецификаций и кода при локализации дефектов — анализ возникающих проблем, локализация ошибок, оформление дефектов и контроль их устранения — подготовка тестовых данных — участие в agile-мероприятиях (дейли, планирование, ретроспектива). Требования: — опыт тестирования крупных сервисов с большим ветвлением — опыт тестирования AI-агентов будет преимуществом — опыт использования Python для анализа данных: pandas, numpy (валидация выборок, проверка срезов витрин — знание теории тестирования, принципов разработки тестовой документации — уверенное знание Python 3 (core, Pytest, pytest-asyncio, Selenium, Selenoid, httpx, allure), опыт автоматизации тестирования от 3 лет — знание основ SQL, опыт работы с базами данных на уровне запросов с объединением нескольких таблиц, сортировки, группировки (Oracle, Postgres, MongoDB) — основы CI/CD (Jenkins, GitLab CI/CD) для запуска тестов — понимание принципов работы с LLM (на проекте используется GigaChat) и опыт интеграции с ними по API — внятная грамотная речь, коммуникабельность, стрессоустойчивость. Будет плюсом: — понимание банковской предметной области — опыт работы с Java для поддержки legacy-автотестов (не основной инструмент, но приветствуется) — опыт тестирования систем на основе ML/data-driven (проверка распределений предсказаний, метрик качества, отсутствия утечек данных) — понимание метрик рекомендательных систем: Precision/Recall на уровне портфелей, coverage, NDCG (или аналогов) — опыт работы с витринами и ETL-процессами: умение написать автотест, проверяющий консистентность данных между источником и витриной. Условия: — гибкий формат работы — годовой бонус и ежегодный пересмотр зарплаты — расширенный ДМС с первого дня и льготное страхование для семьи — корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях — офис на Кутузовской, зонами отдыха и спортзалом — льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+ с возможностью совместного использования на трёх близких.