AI Operations Engineer (m/f/d)

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер AI-операций в оборонной робототехнической компании. Отвечает за надёжную и безопасную работу AI-систем: деплой и мониторинг моделей, наблюдаемость, автоматизацию и внутренние AI-инструменты.

Задачи

• Строить надёжные пайплайны для деплоя, мониторинга и обновления AI- и autonomy-моделей в продакшене
• Разрабатывать фреймворки наблюдаемости и оценки для отслеживания качества моделей, дрейфа данных и состояния систем
• Автоматизировать загрузку данных, процессы обучения и релизы
• Создавать интеграции и внутренние AI-инструменты для инженерных, операционных и governance-команд
• Вести документацию и runbook'и для аудируемости и поддерживаемости AI-систем
• Обеспечивать операционные контроли в соответствии с требованиями информационной безопасности, комплаенса и экспортного контроля

Требования

• Несколько лет опыта в MLOps, DevOps, platform engineering или аналогичной операционной роли
• Уверенные навыки Python
• Опыт с контейнеризацией (Docker) и оркестрацией (Kubernetes)
• Практический опыт с CI/CD и infrastructure-as-code
• Знакомство с инструментами ML lifecycle и мониторинга моделей
• Понимание data pipelines, API и современных архитектур ПО
• Структурный, документоориентированный подход к работе и высокая точность
• Понимание практик безопасности, комплаенса и responsible AI; опыт в регулируемых или оборонных средах — плюс
• Свободный английский; немецкий — плюс

Условия

• Конкурентная компенсация с возможностью бонуса
• 27 дней отпуска с ростом до 30 дней
• Пенсионные взносы от работодателя
• Поддержка обучения и бюджет на командные мероприятия
• Скидки для сотрудников и гибкий бюджет льгот через Probonio
• Гибридный формат работы в зависимости от роли и потребностей команды
• Прозрачные salary bands, levelling framework и полугодовые обсуждения развития
• Реферальный бонус, dog-friendly офис и релокационная поддержка

Навыки

• Python
• Docker
• Kubernetes
• CI/CD
• Infrastructure as Code
• MLOps
• ML lifecycle tools
• Model monitoring
• Data pipelines
• APIs