Автотестировщик (C#)
Описание
Чем предстоит заниматься: анализировать требования и определять, какие сценарии автоматизировать; писать и поддерживать автотесты (в том числе выстраивать архитектуру тестового фреймворка); покрывать тестами разные уровни — от API до E2E; готовить тестовые данные и моки для независимости тестов; интегрировать тесты в CI/CD и настраивать их запуск; разбирать результаты прогонов и исправлять падающие тесты. Чего мы ждем от тебя: опыт работы в автотестировании от 5 лет; продвинутый уровень знаний видов и уровней тестирования, техники тест-дизайна, артефактов и метрик тестирования; знание английского на уровне понимания документации; опыт локализации ошибок, багрепортинг и логирование; продвинутый уровень знаний систем баг-трекинга, управления знаниями и тестами; опыт написания тест-кейсов, работа с регрессионной моделью; продвинутый опыт разработки на C#; опыт постановки и контроля исполнения задач по автотестированию (как подтверждение факта умения решать задачи в команде и самостоятельно); продвинутый уровень проектирования тест-кейсов и подготовки тестовых данных; продвинутый уровень знания тестовых Framework Selenium Webdriver, NUnit, MSTest; опыт составления комплексных запросов SQL, работа с агрегатными функциями, Join, GroupBy, Insert, Update, знание Oracle SQL и Postgre; средний уровень понимания концепций искусственного интеллекта, машинного обучения и больших языковых моделей (LLM); опыт написания сложных промптов с контекстом, ролями и ограничениями для настройки поведения AI-агентов; опыт применения ИИ-ассистентов для автоматизации рутинных задач (рефакторинг, оптимизация кода, code review, написание кода и тд). Желательные требования: знание основ программной инженерии, жизненного цикла программного обеспечения, управления требованиями; опыт работы с системой управления сборок и выпуском релиза (Azure DevOps, Jenkins); опыт работы с системой контроля версий (GIT); опыт работы с API (Soap, REST) с использованием инструментов SoapUI, Postman; опыт работы с legacy-кодом; понимание жизненного цикла ML-модели и AI-агента, включая этапы сбора данных, обучения, валидации и мониторинга деградации; опыт внедрения автоматизации на основе ИИ-решений (например, самообучающиеся тестовые сценарии, адаптивные фреймворки).