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.
