MLOps Engineer в банковском секторе

Проект крупного банка — построение, развитие и поддержка надёжного, масштабируемого MLOps-контура для вывода ML-моделей в продакшн, их обслуживания и мониторинга в высоконагруженной среде.

• Проектировать, развёртывать и поддерживать MLOps-пайплайны от обучения до продакшена
• Развёртывать и обслуживать ML-модели в Kubernetes с помощью KServe, Seldon, BentoML или Triton
• Настраивать и поддерживать Feature Store на Feast и высокопроизводительное кэширование на Redis
• Оркестрировать обработку данных и обучение с Airflow или Kubeflow, интегрировать потоковую обработку с Kafka
• Внедрять и поддерживать CI/CD для ML-проектов с GitLab CI и ArgoCD
• Разрабатывать и поддерживать API-сервисы для инференса на FastAPI
• Настраивать мониторинг инфраструктуры и качества ML-моделей с Prometheus и Grafana

• Уверенно владеть Python
• Иметь коммерческий опыт работы в роли MLOps-инженера
• Глубоко знать Docker, Kubernetes и Helm
• Иметь опыт работы с MLflow
• Иметь опыт оркестрации ML/ETL-пайплайнов с Airflow или Kubeflow
• Знать Kafka и концепции Feature Store, работать с Feast и Redis
• Иметь практический опыт развёртывания моделей с KServe, Seldon, BentoML или Triton Inference Server
• Уметь создавать и поддерживать высоконагруженные API-сервисы для инференса на FastAPI
• Иметь опыт настройки CI/CD с GitLab CI или ArgoCD
• Уметь настраивать и поддерживать мониторинг с Prometheus и Grafana
• Будет плюсом: опыт настройки мониторинга дрейфа данных и концепций с Evidently или аналогичными инструментами, опыт работы в банковском секторе или финтехе с высокими требованиями к безопасности и отказоустойчивости

• Продолжительность — от 6 месяцев с возможностью продления
• Рассматриваются кандидаты с релевантностью опыта от 85% (аутстаффинговая позиция)