описание
Описания нет
задачи
- Контейнеризировать ML-модели с помощью Docker и развёртывать их в Kubernetes
- Оркестрировать ML-пайплайны через Apache Airflow
- Обеспечивать масштабируемость и отказоустойчивость ML-сервисов on-premise
- Подключать сервисы к мониторингу и логированию с помощью Prometheus и Grafana
- Анализировать и устранять инциденты на третьей линии поддержки
- Оптимизировать ресурсы и настраивать автомасштабирование
- Интегрировать ML-сервисы через REST API и Kafka
- Создавать автоматизированные пайплайны для обработки данных, feature engineering и тестирования моделей
- Внедрять Infrastructure as Code для ML-инфраструктуры
требования
- Глубокое владение Python, от 5 лет, умение писать код для промышленной эксплуатации
- Опыт работы с Docker и Kubernetes
- Опыт работы с Apache Airflow
- Опыт настройки CI/CD для ML с GitLab CI или GitHub Actions
- Опыт работы с Prometheus, Grafana и централизованным логированием
- Опыт проектирования промышленных систем и участия в архитектуре
- Понимание лучших практик разработки и управления кодом
- Законченное высшее образование
- Отсутствие открытых ИП или ООО
- Наличие документа воинского учёта
- Опыт привлечения от 1 года
- Будет плюсом: понимание жизненного цикла ML-проектов и production ML, опыт работы с feature store и версионированием данных, базовые знания ML и методов валидации моделей, опыт работы с Apache Spark и Hadoop
условия
- Оклад до: 300 000 ₽/мес
- Гражданство РФ обязательно, локация — РФ
