ML Operations Engineer

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

MLOps-инженер в европейскую команду Data Infrastructure компании DeepIntent. Задача — строить и масштабировать ML/AI-платформу на базе on-prem дата-центров и GPU-ресурсов совместно с командами Data Science и AI.

Задачи

• Внедрять MLOps-практики совместно с командами Data Science и AI Engineering и переносить нагрузки обучения и инференса на платформу
• Реализовывать и поддерживать трекинг моделей, версионирование и управление экспериментами (MLflow) с наблюдаемостью за качеством моделей и дрейфом
• Строить CI/CD-пайплайны под ML/AI-артефакты: реестры моделей, пайплайны контейнерных образов, автоматические триггеры переобучения
• Непрерывно повышать надёжность, экономическую эффективность и поддерживаемость платформы и её кодовой базы
• Настраивать мониторинг и наблюдаемость ML/AI-систем (Prometheus, Grafana): загрузка GPU, задержки моделей, пропускная способность и кастомные ML-метрики
• Проектировать и эксплуатировать инфраструктуру развёртывания ML/AI: архитектура GPU-кластеров, сервинг моделей и подбор инструментов для обучения и инференса
• Строить и поддерживать инфраструктуру для LLM и генеративного AI: пайплайны дообучения, векторные базы данных, RAG-архитектуры и оптимизация инференса
• Взаимодействовать с бизнес-подразделениями и Product над ML/AI-фичами
• Управлять приоритетами, сроками и результатами проектов

Требования

• Степень бакалавра в Computer Science или смежной технической области либо эквивалентный практический опыт
• Сильные навыки software engineering в сложных распределённых мультиязычных системах (предпочтительно Python)
• Практический опыт работы со Spark, Docker и Kubernetes в продакшене
• Опыт построения и эксплуатации распределённых систем end-to-end
• Опыт разработки и поддержки ML-систем на open-source MLOps-инструментах (MLflow, Argo, Metaflow, Airflow, Kubeflow)
• Хорошее понимание тестирования ПО, бенчмаркинга и практик CI/CD
• Уверенное понимание администрирования Linux-систем
• Знакомство с инструментами и концепциями LLM/генеративного AI (фреймворки сервинга моделей, эмбеддинги, векторные хранилища, RAG-пайплайны) — сильный плюс
• Знакомство с GPU-инфраструктурой: основы CUDA, планирование и оркестрация GPU в Kubernetes, управление драйверами и тулкитами (NVIDIA drivers, CUDA toolkit, cuDNN)
• Умение плотно работать с data scientists и понимать их инструменты и процессы (Jupyter, ноутбуки, трекинг экспериментов)
• Желание учиться и следить за быстро развивающейся областью ML/AI-инфраструктуры

Условия

• Конкурентная базовая зарплата плюс бонус по результатам
• Комплексное медицинское страхование
• Гибкий график отпусков
• Гибридный формат работы с гибкими опциями
• Компенсация профессионального развития
• Компенсация WiFi
• Родительский отпуск
• Дополнительные льготы и бонусы

Навыки

• Python
• Spark
• Kubernetes
• Docker
• Argo Workflows
• Airflow
• MLflow
• Metaflow
• Kubeflow
• CI/CD
• Prometheus
• Grafana
• GPU
• CUDA
• NVIDIA drivers
• cuDNN
• LLM
• RAG
• Vector databases
• Linux
• Jupyter