Golang backend-разработчик

Стартап с инвестициями и  IT аккредитацией ищет опытного backend-разработчика для разработки и поддержки нагруженной системы обработки видеопотоков. Мы создаем платформу для спортивных игр(🎾/⚽️/🏀/🏐) с различными интерактивными инструментами — трансляциями, записями событий, статистикой игроков, системой аналитики, геймификацией и другими интересными фичами.

Основные задачи включают получение, синхронизацию, обработку видеопотоков из нескольких источников. Также предполагается работа по интеграции нейросетевых решений для обработки данных на видео. Это отличная возможность использовать ваши умения для развития спортивных технологий и спорта в целом!

Ключевые задачи:

• Разработка и масштабирование микросервисной архитектуры на Go для обработки большого количества параллельных видеопотоков.

• Проектирование и реализация высокоэффективных алгоритмов синхронизации и обработки видео.

• Интеграция и оптимизация нейросетевых моделей для анализа видеоданных в режиме реального времени.

• Разработка отказоустойчивых решений для распределенной обработки данных с использованием Kafka, NATS и других потоковых технологий.

• Оптимизация производительности системы и минимизация задержек при обработке видео.

• Тесное взаимодействие с командами ML-инженеров и DevOps для интеграции и развертывания решений.

Требования:

• Глубокие знания Go и опыт разработки на нем от 3 лет.

• Уверенное владение concurrent programming в Go (goroutines, channels).

• Опыт разработки высоконагруженных систем и микросервисных архитектур.

• Практический опыт работы с технологиями обработки видео (OpenCV, GStreamer, FFmpeg).

• Знание принципов проектирования распределенных систем и event-driven архитектуры.

• Опыт работы с контейнеризацией (Docker) и оркестрацией (Kubernetes).

• Навыки отладки и профилирования высоконагруженных Go-приложений.

Дополнительные навыки (будут преимуществом, но не обязательно):

• Опыт работы с CUDA или OpenCL для ускорения обработки видео.

• Знание протоколов потоковой передачи видео (RTSP, HLS, DASH).

• Опыт интеграции ML-моделей в производственные системы.

• Знакомство с gRPC и Protocol Buffers.