mlops engineer

Команда ML Workflows Engineering занимается устранением сложностей инфраструктуры, упрощением операций машинного обучения (MLOps) и помогает командам сосредоточиться на создании моделей и интеллектуальных агентов. Вам нужно будет строить инструменты, автоматизацию и рабочие процессы для упрощения задач с инфраструктурой, разрабатывать системы мониторинга, логирования и трассировки для обеспечения производительности и воспроизводимости ML-процессов в продакшене, проектировать и поддерживать конвейеры машинного обучения для разработки, обучения и развертывания моделей и агентов, работать с распределенными системами и кластерами GPU для обучения и оценки моделей, сотрудничать с продуктовыми командами для превращения целей в масштабируемые системы, оптимизировать процессы для воспроизводимости, масштабируемости и эффективности затрат.

• Опыт работы с современными инструментами MLOps, включая Kubernetes, облачные провайдеры (GCP и AWS), фреймворки оркестрации ML.
• Понимание жизненного цикла ML от идеи до клиентского приложения.
• Умение вести проекты от начала до конца, от проблемы до дизайна, реализации и итераций.
• Клиентоориентированный подход, перевод нужд ML-инженеров в архитектурные решения.
• Опыт с современными CI/CD-системами вроде GitHub Actions или JetBrains TeamCity.
• Не менее трех лет опыта с Python для написания чистого кода в ML-проектах.
• Будет плюсом опыт с оркестраторами ML вроде ZenML, Dagster, Airflow, разработкой инфраструктуры на Kubernetes, Python-бэкендами, ML-конвейерами, трекингом экспериментов на Weights & Biases, MLflow, Langfuse, LLM-фреймворками вроде vLLM, DeepSpeed, TensorRT, библиотеками Python для ML-инженеров, знаниями NLP и трансформерами, кодом на Java и Kotlin.

• Гибридный формат в Амстердаме, Белграде, Берлине, Лимассоле, Мюнхене, Пафосе, Праге, Варшаве, Ереване, удалёнка в Германии.