Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузи резюме
описание
ID вакансии: MLm_DNA • Релевантность опыта от 85% (аутстаффинговая позиция).
Проект посвящён построению и развитию современных MLOps-платформ для машинного обучения с фокусом на решения с большими языковыми моделями, конвейеры RAG и мультиагентные системы.
задачи
Строить, развивать и поддерживать MLOps-платформы для машинного обучения
Оркестрировать ML-конвейеры и процессы обработки данных с помощью Apache Airflow
Внедрять и поддерживать инструменты отслеживания экспериментов, версионирования данных и моделей: MLflow, ClearML, Kubeflow, DVC
Настраивать и поддерживать CI/CD-процессы для моделей машинного обучения и сервисов
Поддерживать инфраструктуру разработки и развёртывания мультиагентных систем, конвейеров RAG и приложений с большими языковыми моделями
Настраивать мониторинг и наблюдаемость для сервисов машинного обучения и инференса больших языковых моделей
требования
Глубоко понимать Docker и Kubernetes и иметь опыт работы с ними
Иметь опыт построения CI/CD для машинного обучения, включая конвейеры обучения и развёртывания моделей
Понимать и использовать LangChain, LangGraph и LlamaIndex
Иметь опыт поддержки инфраструктуры мультиагентных систем и автономных агентов
Понимать принципы RAG, MCP, разработки промптов и использования инструментов
Иметь опыт работы с API поставщиков больших языковых моделей, включая OpenAI и аналоги
Уверенно работать с Apache Airflow
Иметь опыт настройки мониторинга и наблюдаемости систем машинного обучения, включая метрики качества моделей, дрейф данных, задержку и пропускную способность
Рассматриваются кандидаты с релевантностью опыта от 85%
Будет плюсом: опыт оптимизации инференса больших языковых моделей, знание Python для скриптов автоматизации и пользовательских операторов Airflow, понимание векторных баз данных и их эксплуатации
