mlops engineer

Т1 — работодатель, который ищет опытного MLOps инженера в команду внедрения ML-решений. Эта позиция предназначена для специалистов, готовых работать с современным технологическим стеком и обеспечивать жизненный цикл ML-решений на этапе вывода в продакшен.

• Развертывать и масштабировать ML-модели в продакшене с использованием Docker и Kubernetes
• Настраивать и управлять оркестрацией ML-пайплайнов через Apache Airflow
• Обеспечивать масштабируемость и отказоустойчивость ML-сервисов
• Подключать сервисы к системам мониторинга и журналирования
• Анализировать и устранять инциденты в работе ML-сервисов
• Оптимизировать использование вычислительных ресурсов и автомасштабировать рабочие нагрузки
• Разрабатывать интеграции между ML-сервисами через REST API и системы обмена сообщениями (Kafka)
• Создавать автоматизированные пайплайны для обработки данных, feature engineering и тестирования моделей
• Внедрять Infrastructure as Code подходы для управления ML-инфраструктурой

• Глубокое владение Python (от 3 лет) с пониманием принципов написания production-ready кода
• Опыт работы с контейнеризацией (Docker) и оркестрацией (Kubernetes) для развертывания ML-моделей
• Уверенное владение Apache Airflow для оркестрации ML-пайплайнов
• Понимание построения CI/CD пайплайнов для ML-решений (GitLab CI, GitHub Actions)
• Навыки работы с системами мониторинга (Prometheus, Grafana) и централизованного логирования
• Будет плюсом понимание жизненного цикла ML-проектов и специфики production ML-решений, опыт работы с системами управления версий данных и feature store, базовые знания принципов машинного обучения и методов валидации моделей, опыт работы с распределенными вычислениями (Apache Spark, Hadoop), знание специализированных ML-фреймворков (MLflow, ZenML), опыт работы с векторными базами данных и системами поиска для RAG-приложений

• Работа с современными технологиями на переднем крае MLOps индустрии
• Участие в проектах полного цикла - от исследований до production развертывания
• Возможность влиять на архитектурные решения и выбор технологического стека
• Глубокое погружение в практики MLOps с опытными коллегами из индустрии
• Участие в конференциях и обучающих программах по передовым ML технологиям
• Работа с реальными production ML-сервисами
• Доступ к современной инфраструктуре и вычислительным ресурсам
• Поддержка инициатив по внедрению новых технологий и улучшению процессов