Обязанности:
MLOps / ML Platform Engineer О проекте Ищем MLOps / ML Platform Engineer в команду, которая развивает ML-платформу и выводит модели в production. Основной фокус — построение полного жизненного цикла моделей: от обучения до деплоя, мониторинга и поддержки. Важно мыслить платформой и надёжностью, а не отдельными ноутбуками или экспериментами. Задачи • Строить и развивать ML-пайплайны (training, validation, deployment); • Разворачивать и поддерживать инфраструктуру для обучения и инференса моделей; • Организовывать model serving (API, batch/real-time inference); • Обеспечивать reproducibility и versioning моделей и данных; • Настраивать CI/CD для ML-сервисов; • Мониторить модели (drift, качество, стабильность); • Работать с инфраструктурой (Kubernetes, облака, IaC); • Оптимизировать ресурсы (включая GPU) и стоимость; • Взаимодействовать с ML-инженерами и data-командой. Требования Обязательно: • Уверенный оммерческий опыт (MLOps, DevOps, ML Engineering) от 4х лет; • Уверенный Python; • Опыт работы с Docker и Kubernetes; • Опыт построения ML-пайплайнов; • Понимание CI/CD процессов; • Уверенная работа с Linux / bash; • Опыт с Terraform или другими IaC-инструментами; • Понимание жизненного цикла ML-моделей (training / inference / serving); • Понимание reproducibility, versioning и мониторинга моделей. Будет плюсом: • Опыт с GPU-инфраструктурой; • Model serving (KServe, Seldon, Triton и др.); • Feature Store; • Инструменты versioning (DVC, Delta Lake); • Мониторинг drift и качества моделей; • Облачные ML-платформы (AWS SageMaker, GCP Vertex AI); • Опыт с LLM inference; • Опыт построения ML Platform. Этапы: • Скрининг (30 минут); • Техническое интервью (1 час 30 минут). Условия: • Работа в сильной ML/AI-команде; • Возможность строить платформы, а не просто поддерживать; • Конкурентная зарплата; • Гибкий график и удалённая работа; • Минимум бюрократии, максимум влияния на архитектуру; • Интересные задачи на стыке ML, инфраструктуры и платформенной разработки. ⸻———————————————- Пожалуйста, прикрепите к отклику скрининг по требованиям: отметьте плюсы напротив навыков, которыми вы владеете, и минусы – напротив тех, которых у вас нет. Это поможет улучшить и ускорить рассмотрение отклика. Например: • Уверенный оммерческий опыт (MLOps, DevOps, ML Engineering) от 4х лет; + • Уверенный Python; + • Опыт работы с Docker и Kubernetes; + и тд.Похожие вакансии