«Современные Фонды Недвижимости» – лидер рынка розничных коллективных инвестиций в коммерческую недвижимость.
Ключевой бизнес - создание и управление закрытыми паевыми инвестиционными фондами (ЗПИФ), инвестирующими в рентную недвижимость: торгово-развлекательные и офисные центры, склады и логистические комплексы.
Мы ищем возможность усилить одну из команд за счет опытного ML Engineer.
Обязанности
- Вывод AI-продуктов в продакшн: Обеспечение перехода от разработки к эксплуатации AI-решений;
- Обеспечение надежности и масштабируемости: Создание инфраструктуры, поддерживающей стабильную работу AI-продуктов при росте нагрузки;
- Минимизация рисков простоев и ошибок: Предупреждение сбоев и устранение проблем, влияющих на качество работы AI-моделей;
- Управление дрейфом и галлюцинациями AI: Регулярная проверка точности и соответствия результатов модели ожидаемым значениям;
- Интеграция процессов CI/CD: Автоматизация сборки, тестирования и развертывания AI-приложений;
- Работа с инфраструктурой: Настройка и поддержка серверов, облачных сервисов и инструментов DevOps/MLOps;
- Специфичные операции для ML: Поддержка жизненного цикла AI-агентов и моделей, включая обучение, тестирование и обслуживание;
- Мониторинг производительности: Контроль ключевых метрик эффективности AI-продуктов и своевременное реагирование на отклонения;
- Соответствие корпоративным стандартам и нормам: Убедитесь, что процессы соответствуют внутренним требованиям и регуляторным нормам отрасли;
- Оптимизация расходов и ресурсов: Постоянный поиск возможностей повышения эффективности и снижения затрат на эксплуатацию AI-инфраструктуры;
- Совместная работа с командами разработчиков: Тесное сотрудничество с различными группами специалистов для достижения общих целей проекта.
Требования
- 5 и более года работы ML инженером с опытом MLOps / DevOps для ML, из них минимум 1,5 года в проектах с развёртыванием genAI (например, выкатка решений на базе LLM в банковских приложениях для скоринга рисков или чатов на базе агентов ИИ);
- Подтверждённый опыт работы с инструментами жизненного цикла ML (MLflow, Kubeflow), включая автоматические пайплайны для дообучения и инференса на GPU;
- Опыт вывода AI агентов, ML моделей в продакшн, обработки;
- Опыт в финансовой/банковской сфере — будет преимуществом (например, внедрение AI/ML решений с аудитом логов для соблюдения ФЗ-152), но не обязателен;
Технические навыки:
· Python (уверенное владение),
· Знание Go / Java (для создания кастомных решений — будет преимуществом), но не обязательно.
· Фреймворки MLOps: MLflow / Kubeflow для отслеживания экспериментов.
· Seldon / KServe для обслуживания моделей.
· Опыт с хранилищами признаков (Feast), версионированием моделей (DVC), интеграцией с пайплайнами данных (Airflow / Spark для ETL-to-inference). Построение масштабируемых пайплайнов: CI/CD для ML (Jenkins / GitHub Actions с этапами, специфичными для ML), автоматические триггеры переобучения.
· Опыт работы с GenAI ops: Развёртывание LLM, оптимизация для задержки (инференса), обработка обслуживания нескольких моделей, AI агентов, RAG систем.
· Опыт мониторинга и управления, например обнаружение галлюцинаций, дрейфа моделей, метрики производительности (Prometheus / Grafana), проверки на предвзятость ИИ в продакшене.
· Опыт интеграции ML в приложения: API-эндпоинты для моделей (FastAPI / Flask), контейнеризация (Docker), оркестрация (Kubernetes / EKS для автоскалирования).
· Знание LangChain, LangGraph, CrewAI, GigaChain будет преимуществом.
· Опыт тестирования, специфичные для ML/LLM решений, сканирование безопасности.
· Опыт оценки ресурсов для MLOps: Оркестрация облака (Cloud.ru или Yandex Cloud / VK Cloud), предоставление GPU (например, NVIDIA A100 или H100 для обучения), прогнозирование затрат на инфраструктуру.
· Знание требований к инфраструктуре: Гибридные облачные конфигурации, интеграция с векторными БД (например ChromaDB / Pinecone / Weaviate) для обслуживания RAG, прогнозирование масштабируемости для пиковых нагрузок (например, периодические всплески в системах).
· Способность обосновывать решения по ops (operations) перед заинтересованными сторонами.
Дополнительно будет преимуществом:
· Опыт настройки процессов ops в небольших командах (3-5 человек), включая документацию и обмен знаниями.
· Умение объяснять метрики ML ops (например, оповещения о дрейфе) разработчикам и бизнесу через дашборды.
· Готовность автоматизировать рутинные задачи ops для ускорения итераций.
- · Умение работать в среде, управляемой CI/CD, с эволюционирующими регуляциями со стороны компании и государства.
Условия
- Гибридный формат работы (современный офис в Москве, м. Киевская);
- Льготные ипотечные условия кредитования;
- Выгодная подписка на продукты и услуги компаний партнеров;
- ДМС с первого дня и льготное страхование для близких;
- Корпоративная пенсионная программа;
- Детский отдых и подарки за счет Компании;
- Обучение за счет Компании: онлайн курсы, неограниченный доступ к библиотеке и обучение на базе Корпоративного университета, тренинги, митапы и возможность получить новую квалификацию.
