Инженер по обеспечению надежности машинного обучения (Senior MLOps)

Навыки

• A/B-тесты
• Ansible
• ArgoCD / Flux
• Bamboo / CircleCI / Drone
• Bitbucket
• CI/CD
• CUDA / ONNX / TensorRT

О компании и продукте

• Ко всем вакансиям Инженер по обеспечению надежности машинного обучения (Senior MLOps) г. Москва

Задачи

• Разрабатывать и поддерживать инфраструктуру для экспериментов, обучения и деплоя ML-моделей в batch и online режимах на CPU/GPU
• Автоматизировать жизненный цикл модели от регистрации до промышленного сервинга: сборка образов, проверки, публикация артефактов, деплой, канареечные релизы, A/B-тесты и откаты
• Проектировать и развивать платформу инференса для batch- и online-сценариев на CPU/GPU
• Развивать ML-инфраструктуру на базе Kubernetes: кластеры, GPU-ресурсы, операторы, изоляция окружений, автоскейлинг, маршрутизация 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 деградация поведения моделей
• Обеспечивать воспроизводимость и управляемость ML-процессов: версионирование кода, данных и моделей, история экспериментов, изоляция сред обучения и инференса, аудит изменений
• Оптимизировать использование вычислительных ресурсов, включая GPU, с учетом надежности, производительности и стоимости
• Исследовать новые инструменты и подходы в MLOps, оценивать их применимость и внедрять там, где это повышает надежность, скорость разработки или эффективность платформы

Требования

• Опыт внедрения и сопровождения Kubernetes-кластеров для сервинга ML-моделей на GPU и CPU
• Практический опыт эксплуатации инструментов для деплоя и обслуживания моделей: Triton Inference Server, BentoML или аналогичных решений
• Опыт запуска и поддержки инференс-движков в Kubernetes
• Понимание подходов к автоскейлингу, 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 трекинга: MLflow, ClearML или аналогов
• Уверенное владение Python для автоматизации, разработки внутренних инструментов и интеграций
• Уверенный опыт работы с Kubernetes в production: workloads, операторы, Helm, HPA, ingress, storage, observability, диагностика и устранение проблем
• Опыт описания и автоматизации инфраструктуры на базе IaC: Terraform, Ansible, GitOps-подходы
• 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 алертинга: Prometheus Stack
• Опыт безопасной работы с секретами, токенами, сертификатами и чувствительными данными

Условия

• ДМС со стоматологией, телемедициной и программой поддержки ментального здоровья
• Страхование жизни
• Ежемесячные промокоды на Lamoda: два по 25%, два по 15% и в день рождения — 40%
• Программа привилегий и скидок от BestBenefits
• До 15 дней больничного в год оплачиваем в размере 100% от действующего оклада
• Бесплатные юридические консультации
• Дополнительные выходные в случае важных событий
• Яркие мероприятия и много неформального общения
• Развитие для каждого
• Опытный наставник для каждого новичка
• Обучение и участие во внешних конференциях
• Помогаем развивать личный бренд, выступать на конференциях и писать статьи
• Проводим митапы и demo-дни для обмена знаниями
• Погружаем в fashion и каждый сезон знакомим с модными трендами
• Введите данные +7
• поля обязательные для заполнения Здесь можно написать что-то особенное
• Введите данные Выберите файл или перетащите резюме сюда
• (pdf,doc,docx) Не более 10МБ
• Перед отправкой резюме убедитесь, что во вложенном файле указаны контактные данные (email, телефон) для обратной связи

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.