System Analyst

Aston — аккредитованная аутсорсинговая IT-компания, работающая с 2007 года. Наш штат насчитывает 2500+ специалистов. Мы разрабатываем программное обеспечение и IT-решения в сферах Finance, Healthcare, eCommerce, IoT, Media, Big Data, ML и многом другом.

Предлагаем присоединиться в роли System Analyst и работать над проектом заказчика.

Заказчик - крупнейший коммерческий банк страны, лидер по объему активов и цифровому развитию. Активно продвигает мобильные сервисы, ценит скорость, гибкость и неформальный подход внутри команд. Многократно отмечен престижными наградами, в том числе «Bank of the Year in Russia 2019» (The Banker) и «Best Mortgage Bank in CEE» (Global Finance).

Почему это будет интересно?

• возможность повышения квалификации на проекте одного из лидеров рынка;
• современный технический стек.

• собирать и формализовать требования к RAG-функциональности, агентам и гибридным пайплайнам (вектор + граф);
• проектировать логику пайплайна (чанкинг, эмбеддинги, гибридный поиск, постобработка, вызов инструментов через MCP);
• разрабатывать тестовые сценарии и метрики качества (precision@k, MRR, покрытие, точность графовых связей);
• проектировать схемы данных для NebulaGraph, оптимизировать запросы для retrieval-шагов агентов;
• документировать архитектуру, API-контракты, MCP-ресурсы и схемы данных;
• мониторить качество в продакшене, анализировать инциденты (включая ошибочные графовые обходы), инициировать улучшения.

• опыт работы System Analyst от 3-х лет из них 1+ год в проектах с ML/NLP, поисковыми системами или семантическими графами;
• наличие законченного высшего образования;
• опыт полного цикла: от сбора требований до сопровождения продукта в production;
• глубокое понимание архитектуры RAG (retrieval, генерация, векторные БД), метрик качества поиска и генерации;
• понимание SQL, профилирование данных, оценка пригодности данных для retrieval-задач, включая графовые структуры;
• навыки проектирования интеграций (REST/gRPC, очереди, API LLM) и работа с облачными платформами (AWS/Azure);
• опыт работы с векторными БД (Qdrant, Pinecone, Weaviate) на уровне запросов;
• опыт работы с графовыми БД (NebulaGraph, Neo4j) — проектирование схем, написание запросов (nGQL/Cypher) для гибридного поиска (вектор + граф);
• понимание протокола MCP (Model Context Protocol) — умение описывать контекстные данные для LLM, унифицировать доступ к инструментам и источникам;
• знание принципов построения агентных систем (Agentic RAG, планировщики, память, вызов инструментов), опыт формализации их поведения через BPMN/UML;
• декомпозиция бизнес-задач в функциональные и нефункциональные требования для RAG- и агент-сценариев (включая мультишаговые рассуждения);
• постановка экспериментов (A/B-тесты, сравнение моделей/чанкеров/графовых схем), интерпретация результатов;
• оценка стоимости и производительности решений (latency, токены, объем данных, сложность графовых обходов);
• владение BPMN/UML для описания процессов, интеграций и агент-воркфлоу.