MLOps инженер по надёжности ML-платформы

Описания нет

• Разрабатывать и поддерживать инфраструктуру для экспериментов, обучения и развёртывания ML-моделей в пакетном и онлайн-режимах на CPU/GPU
• Автоматизировать жизненный цикл модели от регистрации до промышленного обслуживания: сборку образов, проверки, публикацию артефактов, развёртывание, канареечные релизы, A/B-тесты и откаты
• Проектировать и развивать платформу инференса для пакетных и онлайн-сценариев на CPU/GPU
• Развивать ML-инфраструктуру на базе Kubernetes: кластеры, GPU-ресурсы, операторы, изоляцию окружений, автомасштабирование, маршрутизацию трафика и управление ресурсами
• Развивать и поддерживать платформенные компоненты для работы с признаками, моделями и ML-артефактами
• Развивать мониторинг ML-систем: инфраструктурные метрики, метрики сервинга, качество моделей, распределения входных данных, дрейф данных и деградацию поведения моделей
• Обеспечивать воспроизводимость и управляемость ML-процессов: версионирование кода, данных и моделей, историю экспериментов, изоляцию сред обучения и инференса, аудит изменений
• Оптимизировать использование вычислительных ресурсов, включая GPU, с учётом надёжности, производительности и стоимости
• Исследовать новые инструменты и подходы в MLOps, оценивать их применимость и внедрять решения для повышения надёжности, скорости разработки и эффективности платформы

• Опыт внедрения и сопровождения Kubernetes-кластеров для обслуживания ML-моделей на GPU и CPU
• Практический опыт эксплуатации инструментов для развёртывания и обслуживания моделей: Triton Inference Server, BentoML или аналогичных решений
• Опыт запуска и поддержки движков инференса в Kubernetes
• Понимание подходов к автомасштабированию, балансировке нагрузки и маршрутизации запросов для ML-сервисов
• Понимание принципов мониторинга качества, поведения и эксплуатационных параметров ML-моделей
• Опыт настройки GPU-инфраструктуры: драйверы, CUDA Toolkit, MIG, GPU-enabled Docker, nvidia-container-toolkit
• Понимание жизненного цикла ML-экспериментов и инструментов их отслеживания: MLflow, ClearML или аналоги
• Уверенное владение Python для автоматизации, разработки внутренних инструментов и интеграций
• Уверенный опыт работы с Kubernetes в производственной среде: workloads, операторы, Helm, HPA, ingress, storage, observability, диагностика и устранение проблем
• Опыт описания и автоматизации инфраструктуры на базе IaC: Terraform, Ansible, подходы GitOps
• Опыт работы с системами контроля версий и организации CI/CD: GitLab, Bitbucket, Bamboo
• Опыт работы с Docker и OCI-образами: сборка, оптимизация, публикация и эксплуатация
• Уверенное владение Linux: настройка, мониторинг, диагностика сетевых, файловых, ресурсных и производительных проблем
• Опыт настройки мониторинга и оповещений: Prometheus Stack
• Опыт безопасной работы с секретами, токенами, сертификатами и чувствительными данными

• ДМС со стоматологией, телемедициной и программой поддержки ментального здоровья
• Страхование жизни
• Ежемесячные промокоды на Lamoda: два по 25%, два по 15% и 40% в день рождения
• Программа привилегий и скидок от BestBenefits
• До 15 дней больничного в год оплачивают в размере 100% от действующего оклада
• Бесплатные юридические консультации
• Дополнительные выходные в случае важных событий
• Яркие мероприятия и неформальное общение
• Опытный наставник для каждого новичка
• Обучение и участие во внешних конференциях
• Помощь в развитии личного бренда, выступлениях на конференциях и написании статей
• Оценка результатов дважды в год
• Митапы и демонстрационные дни для обмена знаниями
• Знакомство с модными тенденциями каждого сезона