Инженер-тестировщик в ML (middle/middle+)

Описание

Локация: Санкт-Петербург, гибридный формат работы
Компания
Российский финтех-провайдер, развивающий ML-направление с 2016 года и проекты в области кредитного скоринга, антифрода, распознавания документов и лиц, идентификации клиентов и обработки данных в реальном времени.
Что делать

Тестировать REST API, бизнес-логику микросервисов, интеграции между микросервисами и ML-моделями.
Разрабатывать и поддерживать автотесты на Python, покрывая регрессионные сценарии автоматизацией.
Анализировать требования, планировать тестирование новых функций и вести техническую документацию по сервисам.
Участвовать в code review с точки зрения white-box тестирования и сопровождать сервисы в production.
Готовить релизы, мониторить состояние сервисов и поддерживать смежные команды по вопросам сервисов.
В перспективе — менторить новичков и развиваться в сторону QA-лида команды из 3–5 тестировщиков.

Требования

Опыт работы тестировщиком от 2 лет; общий заявленный опыт — от 3 до 6 лет.
Уверенное владение теорией тестирования и техниками тест-дизайна.
Понимание клиент-серверной архитектуры.
Опыт работы с Postman, Insomnia или Hoppscotch.
Владение Python.
Знание базовых команд Git.
Опыт работы с CI/CD, например GitLab CI.
Опыт работы с СУБД, например PostgreSQL, ClickHouse или Elasticsearch.

Хорошо, если есть

Опыт автоматизации API, веб-приложений или мобильных приложений.
Владение pytest.
Опыт ревью кода.
Опыт работы с очередями сообщений Kafka.
Базовые знания Docker и Kubernetes.
Опыт проведения нагрузочного тестирования.
Английский язык на уровне, достаточном для чтения технической документации.

Культура и преимущества

Работа по Kanban в командах из разработчиков и тестировщиков с менеджером проекта.
Недельный релизный цикл и регламентированные процессы тестирования.
Тестирование только backend-сервисов; фронтенд и мобильные приложения ведут другие команды.
Наставник и онбординг продолжительностью 1–1,5 месяца.
QA-лид проводит встречи 1-1 и помогает составлять индивидуальный план развития.
Performance Review проводится дважды в год, оценка грейда и пересмотр зарплаты — не реже одного раза в год.

Процесс найма

На старте предусмотрены наставничество и период онбординга продолжительностью 1–1,5 месяца.