MLOps инженер

Что ты будешь делать:

• Проектировать архитектуру AI-платформы: определять целевую схему для обучения (кластеры GPU, распределенное обучение) и инференса (масштабируемые API), выбирать технологический стек (PyTorch, TensorFlow, Kubeflow, MLflow)

• Осуществлять проектирование архитектуры агентов и RAG-пайплайнов

• Выстраивать MLOps-инфраструктуру: строить CI/CD пайплайны для моделей (автотесты данных, версионирование через DVC/MLflow, деплой через ArgoCD), настраивать A/B-тестирование на реальном трафике и автоматическое переобучение при дрейфе качества

• Оптимизировать инфраструктуру DevOps для ИИ: управлять Kubernetes-кластерами с автоскейлингом GPU-нод (HPA/VPA), оптимизировать использование видеокарт (квантование, управление KV Cache), автоматизировать развертывание инфраструктуры как код (Terraform)

• Развивать инженерную культуру: создавать стандарты разработки (best practices) по тестированию, деплою и безопасности (HashiCorp Vault)

• Интегрировать решения в экосистему компании: консультировать продуктовых разработчиков по подключению к ML-сервисам (retry-политики, circuit breakers) и работать с Data Engineers над качеством данных для обучения совместно с CDO

Мы ждем, что у тебя есть :

• Опыт архитектора AI/ML-систем

• Экспертный уровень в Kubernetes: развертывание, управление, troubleshooting GPU-нагрузок

• Программирование на Python и знание ML-фреймворков (PyTorch, TensorFlow, CANN, Onnx)

• Знание методов оптимизации моделей: квантование, дистилляция, ONNX, TensorRT

• Опыт с мониторингом и observability: Prometheus, Grafana, OpenTelemetry, Jagger, ELK/Loki

• Владение стеком LLM: LangChain/LlamaIndex, векторные БД (Qdrant, FAISS, Pinecone), мультимодальные СУБД (ArcadeDB, OrientDB, ArangoDB)

• Глубокое знание MLOps: построение end-to-end ML-пайплайнов, CI/CD для моделей

Условия:

• Гибридный формат работы с 10:00 до 19:00