Python — September 2026

Senior Python разработчик

Грейд: Senior Стек: Python, FastAPI, Flask, Django REST Framework, SQL, PostgreSQL, ClickHouse, S3

Сбер Банк — крупнейший российский финансовый конгломерат, предоставляющий широкий спектр банковских услуг для частных лиц, малого бизнеса и корпоративных клиентов.

Откликнуться через Runello-бот ↓

#python #senior #hybrid

⚡️ psp — быстрый старт Python-проекта

psp (Python Scaffolding Projects) — ультрабыстрый CLI-инструмент для создания структуры Python-проектов.

Написан на Rust, поэтому работает в разы быстрее привычных scaffolding-тулов.

Что умеет:

✅ в 1–100 раз быстрее аналогов ✅ сразу работает с pyproject.toml и Python 3.14 ✅ генерирует файлы и структуру проекта ✅ поддержка unittest, pytest, tox и CI ✅ генерирует Dockerfile / Containerfile ✅ инициализация git, .gitignore, GitHub/GitLab ✅ README, LICENSE, CONTRIBUTING и прочая база

Подходит, если хочется быстро и аккуратно начать Python-проект, без ручной возни с шаблонами и конфигами.

🔗 Проект

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

В свете того, что GigaChat выбил 85% в LiveCodeBench, как раз повод обсудить почти скандал вокруг этого бенчмарка на конференции ICLR 2026 🚩

Фактически впервые был поставлен вопрос, что вендоры LLM делают прямое обучение на бенчмарки, и в случае LiveCodeBench это привело к тому, что ИИ показывал отличные результаты программирования на его основном языке тестирования, как Python, но на остальных языках происходил катастрофический обвал. Например, для Pass@1 для Python если составил 48,2%, то для 1С-подобных бухгалтерских скриптов Scala происходил обвал менее 29%.

Отчет Multi-LCB с критикой LiveCodeBench как неадекватного в мультиязыковой поддержке ИИ прошел рецензентов на ICLR 2026, что фактически означает научный консенсус в ИИ-сообществе, что бенчмарк отображает нормально только программирование на Python, а также обучение всех LLM на Python явно непропорционально.

Разработчики LiveCodeBench пробуют сейчас изменить подход к тестированию, но недостаточно просто примеры на Python линейно конвертировать в тот же Rust, просто если бенч сразу нативный для Rust или C#, то там сам пример хорошего ответа не будет уже калькой с Python.

Важный момент, что LiveCodeBench говорит о способности больше к генерации кода, но не о способности фиксить баги и делать доработки. Это показывают SWE-тесты и Terminal Bench. В случае Сбера они не показали результат Deep SWE, а только старый SWE Bench, что фактически признание, что Deep SWE провален. Поэтому не следует из высокого результата LiveCodeBench говорить о способности модели программировать, это больше тест на первичную кодогенерацию, а в реальных агентах разработки более 80% их работы — это тесты, фиксы и доработки. В любом случае, даже если вы экспериментируете с GigaChat для генерации кода, то работать нормально он может только на Python. Даже фронты на React и JavaScript вряд ли GigaChat может делать даже плохо.

С другой стороны, я не вижу ничего плохого в де-факто принятии стандартом Python для создания бэкэндов на ИИ. Текущий зоопарк языков и фреймворков разработки создает естественный барьер создания компактных кодирующих моделей как тот же Qwen 3.8 27B, т.к. в 27B весов хотя и можно запомнить все популярные языки программирования, но запомнить все популярные библиотеки уже нереально. Фактически актуален AI Friendly стек разработки из Python+React с где-то 40+20 их основных библиотек. Нужны веские доводы, чтобы с него сойти и так ухудшить качество работы ИИ-агентов. В этом плане Сбербанку как раз нужно поддерживать такой тренд на формирование «золотого ИИ стека разработки», т.к. на все языки и среды они определенно не смогут сделать кодирующую модель в ближайшие годы.

https://www.tmtpost.com/agent/ai-article/18409#1

🔥 Наши каналы по другим IT-направлениям

▪️ Python: @python ▪️ Frontend: @frontend ▪️ Java: @java 👨‍💻 Go: @golang ▪️ C/C++: @cplusplus ▪️ C# & GameDev: @gamedev ▪️ Data Science: @datascience ▪️ DevOps: @devops ▪️ Linux: @linux ▪️ IT Курсы: @courses ▪️ Вайбкодинг: @vibecoding ▪️ Весь айти: @itnews

🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨 А теперь Ctrl+V немного фактов⚡️

Сегодня — День программиста. И пока одни видят в коде непонятный набор символов, другие с его помощью создают приложения, игры, сервисы и технологии, которыми мы пользуемся каждый день 🤖

В честь праздника собрали несколько фактов из мира программирования, которые удивляют 👇

🤖 Первая программа появилась раньше компьютеров Ада Лавлейс написала алгоритм ещё в 1843 году — для машины, которую на тот момент даже не построили полностью

🤖 Один из самых популярных языков программирования назвали в честь комедийного шоу Python получил название не от змеи. Его создатель Гвидо ван Россум вдохновился британским шоу Monty Python’s Flying Circus

🤖 Компьютерный «баг» однажды действительно оказался насекомым В 1947 году в реле компьютера Harvard Mark II нашли мотылька. Его достали и вклеили в журнал с подписью «первый реальный случай обнаружения бага»

🤖 FORTRAN используется уже почти 70 лет Язык появился в 1950-х и стал одним из первых широко используемых языков высокого уровня

🤖 Java сначала называлась Oak Язык получил название в честь дуба, который рос возле офиса одного из разработчиков. Позже выяснилось, что название уже занято товарным знаком, и Oak превратился в Java

Желаем поменьше багов и только успешных запусков. С Днём программиста 🧑‍💻

❤️ — если код для вас не просто набор символов 😍 — если факт про Python удивил 🔥 — если отправите пост знакомому программисту

🔥 Движитал в Mах

Kotlin/Java Internal Tools Developer в Planner5D

📍Remote (из ряда стран) 💎6+ лет опыта, Java и/или Kotlin, Python, SQL, Fluent English 🚀СЕО и ко-фаундер — Андрей Устюгов, Алексей Шереметьев

Planner5D — один из мировых лидеров в нише home design, меняющий индустрию с помощью передовых технологий AI и 3D-графики.

Размер компании — 120

Узнать подробнее: тут

Другие вакансии: — Frontend Engineer (3D Graphics) — Senior Python Engineer — Android Team Lead

List of Top 12 Coding Channels on WhatsApp:

1. Learn Python: https://whatsapp.com/channel/0029VbBDoisBvvscrno41d1l

2. Python Projects: https://whatsapp.com/channel/0029Vb6zn3T4tRs03Fxqe540

3. Learn Programming: https://whatsapp.com/channel/0029VbBFwlu6mYPEVcA5Ia3q

4. Coding Projects: https://whatsapp.com/channel/0029VamhFMt7j6fx4bYsX908

5. Java Programming: https://whatsapp.com/channel/0029Vb6XQ7QFi8xYXCQ5WW1p

6. Javascript: https://whatsapp.com/channel/0029VasBzkeI1rcju59xkO0Q

7. Web Development: https://whatsapp.com/channel/0029Vaxox5i5fM5givkwsH0A

8. Artificial Intelligence: https://whatsapp.com/channel/0029VbBDFBI9Gv7NCbFdkg36

9. Data Science: https://whatsapp.com/channel/0029VazVHza3rZZgQfp78y36

10. Machine Learning: https://whatsapp.com/channel/0029Va8v3eo1NCrQfGMseL2D

11. SQL: https://whatsapp.com/channel/0029Vb02HXwJf05dAWeMxr0u

12. Free Courses: https://whatsapp.com/channel/0029VbB8ROL4inogeP9o8E1l

Like for more free resources ❤️

#senior #удаленка

ProffHire Lead Python Developer Опыт работы: более 6 лет Формат работы: удалённо из любой точки мира

☑️ Задачи должности -Разрабатывать и развивать backend продукта на Python / FastAPI -Проектировать интеграции с внешними API: авторизация, синхронизация данных, пагинация, лимиты, ретраи, идемпотентность и обработка ошибок -Работать с PostgreSQL: проектировать схему данных, писать и проводить миграции -Поддерживать наблюдаемость сервисов: логи, метрики и алерты -Работать с LLM-функциональностью продукта: от простых сценариев до сложной логики скрининга и диалога

☑️ Для нас важны -Практический опыт с FastAPI, SQLAlchemy и PostgreSQL или очень близким стеком -Опыт создания production-сервисов, где нужно думать не только о happy path: ошибки, таймауты, ретраи, идемпотентность, конкурентность, фоновые задачи -Опыт интеграций с внешними REST API и понимание OAuth/токенов, rate limits, пагинации/курсоров, polling или webhooks -Самостоятельность: уметь декомпозировать задачу, разобраться в незнакомом API или предметной области -Позитивное отношение к использованию LLM в разработке — Claude Code, Cursor, Copilot для этой команды являются обычной частью рабочего процесса

Откликнуться

🔥 Подписаться на наши каналы / @best_itjob / @it_rab

🎉 روز برنامه نویس‌ها مبارک 🎉

🎈 امروز روز برنامه‌نویسه، در سیستم دودویی کامپیوتری تعداد اعدادی که می‌توان توسط یک بایت تولید کرد 256 تاست.

🎈 به همین خاطر 256 امین روز سال میلادی روز برنامه‌نویس است.

+ پ.ن: برنامه نویسا تو کامنتا اعلام حضور کنن 😁

➖➖➖➖➖➖➖ ✅ @WorldCode ✅ @WorldCode1 ✅ https://ble.ir/WorldCode1 🐍 @Pythoni_Developers 🐍 https://ble.ir/Pythoni_Developers

🎉 روز برنامه نویس‌ها مبارک 🎉

🎈 امروز روز برنامه‌نویسه، در سیستم دودویی کامپیوتری تعداد اعدادی که می‌توان توسط یک بایت تولید کرد 256 تاست.

🎈 به همین خاطر 256 امین روز سال میلادی روز برنامه‌نویس است.

+ پ.ن: برنامه نویسا تو کامنتا اعلام حضور کنن 😁

➖➖➖➖➖➖➖ ✅ @WorldCode ✅ @WorldCode1 ✅ https://ble.ir/WorldCode1 🐍 @Pythoni_Developers 🐍 https://ble.ir/Pythoni_Developers

🎉 روز برنامه نویس‌ها مبارک 🎉

🎈 امروز روز برنامه‌نویسه، در سیستم دودویی کامپیوتری تعداد اعدادی که می‌توان توسط یک بایت تولید کرد 256 تاست.

🎈 به همین خاطر 256 امین روز سال میلادی روز برنامه‌نویس است.

+ پ.ن: برنامه نویسا تو کامنتا اعلام حضور کنن 😁

➖➖➖➖➖➖➖ ✅ @WorldCode ✅ @WorldCode1 ✅ https://ble.ir/WorldCode1 🐍 @Pythoni_Developers 🐍 https://ble.ir/Pythoni_Developers

🎉 روز برنامه نویس‌ها مبارک 🎉

🎈 امروز روز برنامه‌نویسه، در سیستم دودویی کامپیوتری تعداد اعدادی که می‌توان توسط یک بایت تولید کرد 256 تاست.

🎈 به همین خاطر 256 امین روز سال میلادی روز برنامه‌نویس است.

+ پ.ن: برنامه نویسا تو کامنتا اعلام حضور کنن 😁

➖➖➖➖➖➖➖ ✅ @WorldCode ✅ @WorldCode1 ✅ https://ble.ir/WorldCode1 🐍 @Pythoni_Developers 🐍 https://ble.ir/Pythoni_Developers

🤖 Gen AI: From Scratch to Building RAG Agents eBook Guide Just @ Rs. 29

Exclusive eBook GUIDE

Download it from here! Link : topmate.io/iamarunchauhan/2293350

Inside you'll learn: 🤖 Generative AI Fundamentals — what GenAI is and why it matters

🧠 LLMs Explained Simply — what LLMs are and how they work

🔤 Tokens, Transformers & Attention — understanding the basic LLM pipeline

🐍 Python for GenAI — the essential Python concepts needed to start building

📚 RAG Fundamentals — what Retrieval-Augmented Generation is and why we need it

🏗 Build a RAG System Step-by-Step — from business use case to final LLM response

📄 Data Ingestion & Text Extraction

✂️ Document Chunking — why chunk size and overlap matter

🔢 Embeddings — converting text into vectors and understanding semantic similarity

🗄 Vector Databases — storing and retrieving embeddings

🔍 Similarity Search & Top-K Retrieval

🔐 Enterprise RAG Security — Authentication → Authorization → Retrieval → Generation → Audit

📊 RAG Evaluation — retrieval quality, grounded answers and hallucination checks

💼 Real-world Customer AI Assistant Example throughout the RAG explanation

Plus, you will get support WhatsApp group for Gen AI for FREE

Essentials of Compilation

Как известно, компиляторы — это сложные для изучения и понимания программы. В большинстве книг о компиляторах каждой последующей стадии посвящена отдельная глава, и такая структура не позволяет понять, как особенности языка влияют на выбор проектных решений. В отличие от них, этот инновационный учебник предлагает поэтапный подход, который позволяет студентам самостоятельно писать каждую строчку кода. Джереми Сик помогает читателю создать собственный компилятор на мощном объектно-ориентированном языке программирования Python, постепенно добавляя сложные языковые функции. «Основы компиляции» объясняют основные концепции, алгоритмы и структуры данных, лежащие в основе современных компиляторов, и закладывают основу для дальнейшего изучения более сложных тем. Эта строгая, но доступная книга, которой пользуются как студенты, так и профессионалы, предлагает учиться на практике.

Скачать книгу

Книжное Хранилище | #Python

#middle #удаленка

IBS Python-разработчик Опыт работы: от 2 лет Формат работы: удалённый из любой точки России Оформление: по ТК РФ

☑️ Обязанности -Проектирование и реализация backend-сервисов на Python -Оптимизация производительности и надёжности системы

☑️ Требования -Высшее техническое/экономическое образование -Уверенные знания по SQL -Навыки разработки API, понимание JWT -Понимание принципов ООП, SOLID, работы REST; Python 3.10+, Django, Django REST Framework, PostgreSQL, Celery, Redis -Опыт разработки на Python от 2 лет -Опыт применения Bitbucket, Git, Jenkins, Openshift, Confluence

Откликнуться

Python Job в Telegram | в VK | в Max

🌦 Linecast - погода, карты, радар, приливы, Солнце и Луна прямо в терминале

Open-source CLI превращает публичные данные в шесть интерактивных приложений:

- linecast weather — погода, почасовой прогноз, AQI и предупреждения - linecast sunshine — восход, закат и длина дня - linecast moon — фазы Луны, восход/заход и календарь - linecast tides — график приливов и отливов - linecast radar — анимированный радар и спутниковые данные - linecast maps — карты, рельеф, поиск мест и маршруты

Работает на macOS, Linux и Windows. Написан на Python, почти без зависимостей, не требует аккаунта или API-ключей и подстраивает цвета под тему терминала.

Можно даже запустить без установки:

uvx linecast weather

GitHub: https://github.com/ashuttl/linecast

@Python_Community_ru

⚡️ clearcam — скрипт позволяет сделать умную камеру безопасности из старого айфона или любой RTSP-камеры.

Обычная камера превращается в AI-систему наблюдения уровня «дорого, но бесплатно».

Что умеет: 🖱 Работает с RTSP-камерами и даже со старым iPhone. 🖱 Детектит события с помощью ИИ (не просто пишет видео 24/7). 🖱 Можно получать стримы и уведомления. 🖱 Всё крутится локально, без облаков и подписок.

По сути сам себе NVR + AI-инференс на Python.

⚙️ Как запустить

git clone https://github.com/roryclear/clearcam.git cd clearcam pip install -r requirements.txt python3 clearcam.py

💬 (опционально) вводишь Clearcam Premium UserID, чтобы получать стримы и уведомления. 💬 открываешь localhost:8080 в браузере — и готово.

Хочешь больше скорости?

BEAM=2 python3 clearcam.py

Идеально для: ✅ дома ✅ гаража ✅ мастерской ✅ офиса ✅ экспериментов с AI и computer vision

♎️ GitHub/Инструкция

🔐Старая камера — не мусор. Это потенциальная AI-система безопасности.

#python

استخدام Python Backend Developer

Mid-Level to Senior

برای توسعه و مقیاس‌دهی محصولات مبتنی بر هوش مصنوعی، دنبال یک Python Backend Developer باتجربه هستیم که علاوه بر تسلط فنی، در طراحی معماری، حل مسائل پیچیده و توسعه سرویس‌های Production تجربه جدی داشته باشه.

اگر فقط کدنویس نیستید و می‌تونید یک سیستم موجود رو درک کنید و از طراحی و بهبود معماری تا Production شدن سرویس رو جلو ببرید، احتمالاً این موقعیت برای شماست.

🔹 تکنولوژی و مهارت‌های اصلی:

• تسلط عملی به Python و تجربه جدی در توسعه Backend • تجربه توسعه API با FastAPI و Pydantic • تسلط به Async Programming، asyncio و مفاهیم Concurrency • تسلط به PostgreSQL، Database Design، Indexing، Transactions و Query Optimization • تجربه کار با Redis، Caching و Message Brokerهایی مثل RabbitMQ / Kafka • تجربه طراحی REST API و سرویس‌های WebSocket / Streaming • درک مناسب از Microservices، Modular Architecture و Distributed Systems • تجربه طراحی Queue، Worker، Retry، Timeout و Failure Handling • آشنایی با Clean Architecture، SOLID و اصول طراحی نرم‌افزار • تجربه Refactoring و بهبود Codebaseهای موجود • تجربه کار با Docker، Linux، Git، Unit Test و Integration Test • آشنایی با Kubernetes و CI/CD مزیت مهم محسوب می‌شه • آشنایی با Monitoring، Logging، Metrics و Observability

🔹 تجربه‌های ارزشمند:

• سیستم‌های High-Traffic / High-Load • Real-Time، WebSocket و Asynchronous Systems • LLM، RAG، Agentic AI و Tool Calling • Vector Database، Embedding و Reranker • AI Infrastructure و Model Serving • Authentication / Authorization و RBAC / ABAC • Multi-Tenant Systems • Backend محصولات SaaS و پلتفرم‌های چندسرویسی • تجربه کار با Codebaseهای بزرگ یا سیستم‌هایی با Stackهای متفاوت

🔹 چیزی که در کنار مهارت فنی برامون مهمه:

• توانایی تحلیل مسئله و طراحی راهکار قبل از کدنویسی • درک معماری و توانایی تصمیم‌گیری با توجه به Trade-offها • مسئولیت‌پذیری و Ownership نسبت به سرویس و محصول • توانایی درک سریع Codebase موجود و حل مستقل مسائل پیچیده • توجه جدی به Reliability، Scalability، کیفیت و Maintainability • توانایی همکاری مؤثر با تیم‌های AI، Frontend، DevOps و Product • استفاده حرفه‌ای از ابزارهای AI برای توسعه، Refactoring، تست و تحلیل کد، همراه با توانایی بررسی و اعتبارسنجی خروجی آن‌ها

لازم نیست همه تکنولوژی‌های بالا رو بلد باشید. برای ما عمق تجربه، قدرت حل مسئله، درک معماری، Ownership و توانایی یادگیری مهم‌تر از تعداد تکنولوژی‌های داخل رزومه است.

🔹 مزایای همکاری:

• حضور در فضای علمی و فناورانه پارک علم و فناوری شریف • مشارکت در توسعه محصولات واقعی و پروژه‌های صنعتی حوزه AI • کار روی مسائل جدی Software Engineering، Distributed Systems و AI Infrastructure • حقوق و مزایای رقابتی • محیط کاری پویا، یادگیرنده و اخلاق‌محور • امکان اثرگذاری مستقیم در تصمیم‌های فنی و معماری محصولات • بیمه و مزایا پس از دوره آزمایشی

نوع همکاری: تمام‌وقت سطح: Mid-Level تا Senior

📩 اگر فکر می‌کنید این موقعیت با تجربه‌تون همخوانی داره، رزومه‌تون رو به همراه توضیح کوتاهی درباره مهم‌ترین پروژه Backend یا معماری‌ای که در اون نقش داشتید به آیدی زیر ارسال کنید:

👉 @sharifsetup

@CE_Job

📕 Numerical Methods with Python

Описание: Знакомит студентов с правильным применением компьютерного программирования в научных дисциплинах с использованием языка Python. Рассматривает несколько распространенных областей применения программирования и его реализации на реальных примерах и практических занятиях по программированию. Студенты учатся моделировать такие ситуации, как распознавание изображений, медицинская диагностика, распространение заболеваний и т. д.

Скачать книгу можно тут

#eng #Python

Книжный IT Сборник

Deep Dive Python

Используя примеры кода из популярных проектов с открытым исходным кодом, вы освоите концепции Python и увидите, как они применяются в коде промышленного уровня. Изучив код из известных проектов, вы глубже проникнетесь возможностями Python и познакомитесь с лучшими практиками, проверенными в реальных условиях. Вы обретете уверенность в своих силах, сможете браться за сложные проекты, оптимизировать код и эффективно применять расширенные возможности Python.

Скачать книгу

Книжное Хранилище | #Python

🗂 چیت‌شیت Python برای Data Science

یه مرجع سریع و کاربردی برای دانشمندان داده و برنامه‌نویس‌های پایتون؛ مخصوصاً وقتی وسط کدنویسی یادتون میره برای یک کار خاص از چه تابع یا دستوری استفاده کنید.

• فصل 1: توابع مهم NumPy برای ایجاد و مدیریت آرایه‌ها و مفاهیم Broadcasting

• فصل 2: مباحث کلیدی Pandas؛ از انتخاب و فیلتر داده‌ها با "loc/iloc" تا پردازش و تحلیل داده‌های سری زمانی

• فصل 3: مرجع انواع نمودارها؛ شامل Scatter Plot، نمودار میله‌ای، Histogram، Pie Chart و موارد دیگر

• فصل 4: بخش کاربردی و طلایی! یک جدول خلاصه از مهم‌ترین دستورات و سینتکس‌ها، همه در یک نگاه

📌 مناسب برای مرور سریع و استفاده در پروژه‌های Data Science و تحلیل داده

#برنامه_نویسی #پایتون #علم_داده #DataScience #Python #ML #NLP #Programming ┏━━━━━━━━┓ 〓 @AIPyth0n ┗━━━━━━━━┛

AI-агенты: что это за профессия, сколько платят и как туда попасть

Анализ от нашего преподавателя курса ИИ агенты ПРО (АIOps инженер WB).

1. Почему все вдруг захотели агентов Всё началось с чатботов, и довольно быстро компании упёрлись в их потолок: бот умеет отвечать на вопросы, и на этом всё. Спросить статус заказа можно, а попросить найти заказ в базе, проверить оплату и оформить возврат уже нет. Агент как раз про второе. Он сам решает, куда посмотреть, какой инструмент дёрнуть, что перепроверить и когда пора остановиться. Если чатбот это справочная, то агент скорее стажёр, которому можно отдать задачу целиком и уйти на обед.

Как только это заработало не только в демках, за агентами пришли все, у кого много рутины. Поддержка хочет, чтобы агент сам лазил в базу заказов. Юристам нужно, чтобы он сверял договор с судебной практикой. В разработке он уже чинит issue и открывает pull request, а в аналитике превращает вопрос на человеческом языке в SQL и график. И нанимают под это давно не только Сбер с Яндексом. Из свежего: строительный стартап, медиахолдинг, исследовательский институт AIRI, Rambler.

2. Сколько платят Цифры ниже из живых вакансий, а не из опросов. На входе 100–120 тысяч: столько предлагает ELEMENT джуну AI/ML-инженеру, причём опыт с LLM там принимают «хотя бы на уровне пет-проектов». С опытом год-три уже 150–300, это вилка того самого строительного стартапа. Старший разработчик агентов для Алисы стоит 253–508.

Чтобы было с чем сравнить: джун-аналитик данных, по данным hh, начинает с 81–109 тысяч в Москве и с 50–70 в регионах (источник). А зарплаты аналитиков в целом за полгода прибавили 5%, то есть не догнали даже инфляцию (ист). Агентные позиции стартуют примерно с тех же денег, что и московская аналитика, но дальше растут в разы быстрее. И толпы на входе пока нет.

3. Кто может этим заниматься Порог входа здесь ниже, чем в классический ML. Градиентный бустинг наизусть и полгода матстата не понадобятся. Понадобится уверенный Python, понимание того, как устроены API, и терпение много экспериментировать, потому что с первого раза агент не работает почти никогда.

Поэтому в профессию приходят с разных сторон. Бэкендеры, для которых агент это просто ещё один сервис, только с необычной начинкой. Дата-сайентисты, уставшие двигать метрику в третьем знаке после запятой. Джуны после курсов: на классическом рынке им тесно, а тут пока свободно, дикий запад. Бывает, приходят аналитики, которые начали с промптов, потом втянулись и написали первый tool call. Из математики пригодится ровно одно: посчитать метрики качества так, чтобы не обмануть самого себя.

4. Что учить Тут важен порядок, и большинство его нарушает. Первые недели стоит провести на чистом Python с LLM API напрямую, без единого фреймворка: собрать цикл ReAct руками, разобраться с tool calling и structured output. Кто сразу начинает с LangChain, потом не может понять, что именно у него сломалось, потому что никогда не видел, как оно устроено без обёрток. Дальше память и RAG: эмбеддинги, векторные базы, chunking. Потом уже фреймворки вроде LangGraph и smolagents, мульти-агентные схемы, MCP. И обязательно evaluation: датасет, LLM-судья, метрики. Это самая недооценённая тема во всей области. Под неё уже открывают отдельные позиции, а умеют её единицы.

Чего учить точно не надо, так это зоопарк из сорока фреймворков. Внутри они устроены одинаково, и кто один раз написал агента руками, разберётся в любом из них за вечер.

5. Что спрашивают на собесах Вопросы уже устоялись, набор примерно такой. Как агент выбирает инструмент и что будет, если он зациклится на одном вызове. Чем ваш RAG лучше наивного и как вы это померили. Что такое prompt injection и что случится, если инструкцию спрятать в документ, который агент читает. Как сравнить две версии промпта не на глазок. И сколько стоит один прогон вашего агента в рублях.

Обратите внимание: ни одного вопроса в духе «напишите промпт». Спрашивают про инженерию вокруг модели, и только про неё. Ответ «я собрал чатбота по туториалу» здесь не работает. А вот «вот репозиторий, вот метрики до и после» закрывает половину собеседования.

6. Что делать на работе Промпты занимают процентов десять времени, а если писать агента с нуля, то и того меньше, один-два процента. Всё остальное выглядит куда прозаичнее. Читаешь трейсы и пытаешься понять, почему на конкретном запросе агент свернул не туда. Собираешь датасеты из реальных провалов. Гоняешь eval-пайплайн после каждого изменения, потому что поправил одно и незаметно сломал три. Режешь стоимость: кэширование, роутинг на дешёвые модели, батчи. Ставишь guardrails и проверяешь, что клиентский агент не сольёт системный промпт первому же шутнику. В общем, обычная инженерия. Просто в центре у неё недетерминированная штука, и от этого она заметно интереснее.

7. Что будет через год-два Кое-что выглядит почти неизбежным. Обёртки вокруг API перестанут быть отдельной работой: простого агента соберёт кто угодно, а платить будут за надёжность и качество, то есть за evals и observability. Стандарты вроде MCP сделают инструменты взаимозаменяемыми, и выиграют те, кто понимает архитектуру, а не конкретный фреймворк. Ну и требования к джунам продолжат расти: то, что сегодня плюс в резюме, через год станет гигиеническим минимумом.

Сейчас спрос обгоняет предложение, и джуна с одним хорошим агентным проектом забирают быстро. Такие окна на рынке живут года два, потом закрываются. Если хотите пройти этот путь не в одиночку: советую наш курс по AI-агентам. Шесть недель, от ReAct-агента на чистом Python до eval-пайплайна и деплоя. ➡️ Записаться.

Подписаться: @zadachi_ds

#middle #200k #удаленка

Production IT AI-First Backend Developer (Python/Django) от 180 000 до 230 000 ₽ за месяц Опыт работы: 3–6 лет Формат работы: удалённо

☑️ Чем предстоит заниматься -Разрабатывать и развивать backend-сервисы на Python/Django -Участвовать одновременно в нескольких проектах компании -Проектировать и реализовывать REST API и WebSocket-взаимодействия -Интегрировать AI-инструменты и AI-сервисы в продукты -Использовать AI для ускорения разработки, анализа кода, поиска решений, подготовки тестов и документации -Разбираться в существующем коде, находить точки для оптимизации и улучшения

☑️ Что для нас важно -Уверенное знание Python и Django -Практический опыт коммерческой backend-разработки -Опыт работы с PostgreSQL, Git/GitLab и Jira -Понимание принципов REST и WebSocket -Опыт использования AI-ассистентов при разработке и ревью кода -Практический опыт работы с LLM API и AI-сервисами -Опыт создания AI-функциональности или интеграции AI в существующие продукты

Откликнуться

🔥 Подписаться на наши каналы / @best_itjob / @it_rab

📱 Большая база по Python и ML

Нашли репозиторий, где собраны материалы по Python — от базового синтаксиса до анализа данных и машинного обучения.

Внутри есть объяснения, примеры, задачи и мини-проекты, поэтому ресурс подойдёт и для самостоятельного обучения, и для первого знакомства с ML.

⛓ Ссылка на GitHub

tags: #полезное

➡ Python Developer | 📲 MAX