ML platform engineer в MLOps

Ищем сильного Python-инженера, который понимает специфику машинного обучения и умеет работать на стыке разработки, ML и инфраструктуры. Основной фокус - Python Backend, Model Serving, оптимизация CPU/GPU, автоматизация MLOps и Spark в Kubernetes.

• Анализировать исследовательский код и прототипы Data Scientists, превращать их в надёжные производственные сервисы для классического ML и Deep Learning.
• Разрабатывать API инференса, предобработку и постобработку данных, обработку ошибок и тесты.
• Обеспечивать воспроизводимость результатов модели между исследовательской и производственной средой.
• Совместно с DS формировать требования к признакам в Feature Store и взаимодействовать с Data Engineers.
• Формировать требования к контрактам для взамодействия с другими сервисами совместно с Архитектором
• Проводить нагрузочные тесты, профилировать и оптимизировать ML-сервисы.
• Подбирать CPU/GPU, RAM, количество реплик и параметры параллелизма с учётом производительности и стоимости ресурсов.
• Развивать инференс Deep Learning и LLM-моделей в Kubernetes.
• Исследовать способы эффективного использования и разделения GPU, включая MIG и HAMi.
• Разрабатывать метрики, мониторинг и оповещения для ML-сервисов.
• Контролировать задержки инференса, пропускную способность, ошибки, использование CPU/GPU и памяти.
• Анализировать логи и метрики, выявлять причины деградации производительности и сбоев.
• Совместно с DS автоматизировать сбор показателей качества моделей и входных данных.
• Повышать отказоустойчивость и стабильность ML-сервисов.
• Развивать единые подходы к хранению, версионированию и управлению датасетами, моделями и артефактами.
• Автоматизировать запуск ML-задач, управление окружениями и воспроизводимость экспериментов.
• Анализировать проблемы в процессах разработки DS и создавать инструменты для их решения.
• Развивать CI/CD и автоматизацию развёртывания ML-сервисов.
• Развивать Spark в Kubernetes, включая управление ресурсами и масштабирование.
• Анализировать производительность Spark-заданий: память, shuffle, spill, распределение вычислений.
• Помогать Data Scientists оптимизировать код и использование вычислительных ресурсов.
• Участвовать в выборе технологий, архитектурных решений и развитии инженерных практик MLOps-команды.

• Сильные знания Python и опыт разработки производственных backend-сервисов (FastAPI или аналоги).
• Опыт вывода ML-моделей в production и разработки сервисов инференса.
• Опыт профилирования, нагрузочного тестирования и оптимизации Python-приложений.
• Понимание работы CPU/GPU, управления памятью и параллельного выполнения задач.
• Понимание классического ML и Deep Learning, опыт со scikit-learn, PyTorch и/или TensorFlow.
• Понимание жизненного цикла ML-моделей и практик MLOps.
• Опыт автоматизации ML-процессов и работы с моделями и артефактами.
• Опыт работы с Apache Spark / PySpark.
• Практический опыт Docker и Kubernetes на уровне разработчика.
• Опыт разработки REST API, написания тестов.
• Опыт работы с CI/CD, желательно GitLab CI.
• Опыт внедрения мониторинга приложений.
• Будет плюсом: Опыт с MLflow, S3 и Feature Store; Опыт работы с Airflow; Опыт с Spark Operator и Spark Connect; Опыт работы с vLLM, Triton Inference Server, ONNX Runtime или TensorRT; Опыт с MIG, HAMi и распределением GPU; Опыт с Helm, Argo CD

• Гибкий формат работы: Удаленная работа или офис в самом центре Москвы (ул. Мясницкая, 16);
• Официальное трудоустройство в соответствии с ТК РФ в аккредитованную IT-компанию;
• ДМС и страхование от несчастных случаев с первой рабочей недели, оплату больничных за первые 10 дней до 100% от оклада;
• Современная техника для работы (Macbook, мониторы, и все что вам нужно для комфортной работы;
• Ежегодные корпоративы с компенсацией дороги и проживания.