MLOps engineer

Описания нет

• Поддержка кластеров (GPU/TPU), контейнеризации и оркестрации (Docker, Kubernetes);
• Аудит, оптимизация инфраструктуры и затрат (batch vs real-time inference, разграничение проблем железа и кода);
• Настройка мониторинга, алертинга и менеджмент железа между потребителями;
• Развертывание и поддержка ML-сервисов (MLflow, Airflow, CVAT, Doccano) в production;
• Настройка CI/CD для ML-пайплайнов и управление полным ML lifecycle (training -> serving).

• Опыт DevOps от 3х лет или MLOps от 1 года, с эксплуатацией продакшен-систем;
• Уверенный Linux: администрирование, отладка, права доступа;
• Коммерческий опыт с Kubernetes и Docker на уровне эксплуатации: deployments, ресурсные лимиты, autoscaling, оптимизация образов;
• GPU-инфраструктура: NVIDIA stack, CUDA, драйверы, профилирование;
• Написание скриптов на Python и Bash на уровне автоматизации и интеграций;
• Понимание жизненного цикла ML-моделей: как их обучают и как применяют;
• Понимание процессов построения и эксплуатации ML pipelines: этапов обучения, вывода в продакшн и дальнейшего сопровождения моделей;
• Опыт работы с системами ML Serving: Triton, vLLM, Airflow (или аналоги), batch и async/sync model serving;
• Опыт работы с Postgres, Redis, Kafka;
• Навыки настройки и эксплуатации стека для ML и Data Science: MLflow, DVC и аналоги.
• Будет плюсом: Знание инструментов: Argo, Helm, Terraform, Ansible, S3; Опыт работы с RBAC, Keycloak, LDAP/OAuth, работа с сертификатами; Опыт работы с Prometheus, Grafana, ELK или аналоги, настройка алертинга

• Условий в вакансии нет