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.
Сейчас у нас стартует разработка нового направления, и для его развития мы приглашаем к нам в команду QA-инженера.
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;
-
тестированием моделей на корректность прогнозов (evaluation metrics: accuracy, precision, recall, F1-score).
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;
-
навыки работы с большими объемами данных и понимание концепций качества данных (data quality);
-
опыт тестирования REST API;
-
навыки работы с инструментами тестирования нагрузки и производительности: JMeter, Locust или аналогичные;
-
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);
-
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.