Distinguished, Software Engineer -AI/ML Engineer – Agentic Systems

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

Ведущий инженер AI/ML в организации Reliability Engineering компании Walmart Global Tech. Задача — проектировать агентные AI-системы и интеллектуальную автоматизацию для обеспечения надёжности, масштабируемости и самовосстановления критичных систем Walmart.

Задачи

• Архитектура и разработка агентных AI-систем для автономного управления процессами reliability engineering, предиктивного анализа сбоев и самооптимизации
• Проектирование и внедрение платформ оркестрации мультиагентных систем для change management, планирования мощностей и оптимизации производительности
• Построение интеллектуальных платформ observability и мониторинга на базе ML-аномалий, предиктивной аналитики и автономного устранения инцидентов
• Разработка self-healing инфраструктурных платформ с использованием AI для предотвращения и автоматического устранения проблем
• Проектирование и реализация отказоустойчивых систем и сервисов в гибридной облачной инфраструктуре
• Снижение MTTD и MTTR за счёт интеллектуальной автоматизации и предиктивных возможностей
• Совместная работа с владельцами сервисов по определению нарушений SLA и аномалий, связанных с изменениями
• Сложный troubleshooting и анализ крупномасштабных распределённых систем
• Развитие MLOps и AIOps платформ для непрерывного обучения, деплоя, мониторинга и автономной оптимизации
• Инновации в агентных AI-технологиях: LLM для автоматического реагирования на инциденты, reinforcement learning для оптимизации мощностей, мультимодальный AI для мониторинга инфраструктуры, federated learning
• Внедрение продвинутых CI/CD пайплайнов с автоматической валидацией, деплоем, откатом и встроенной observability
• Технический менторство и thought leadership через code review, обсуждения дизайна и обмен знаниями

Требования

• Bachelor’s или Master’s degree в engineering, Computer Science или смежной области
• 12+ лет практического опыта в Reliability Engineering, AI/ML Engineering или Platform Engineering
• Подтверждённый опыт senior individual contributor, влияющего на архитектуру и техническое совершенство в крупных организациях
• Глубокий опыт эксплуатации mission-critical систем, экспертиза в MTTD, MTTR, availability, change management, производительности моделей и надёжности автономных систем
• Экспертный уровень AI/ML engineering, включая deep learning фреймворки TensorFlow и PyTorch и крупномасштабные production ML-деплои
• Продвинутый опыт с агентными AI-системами: мультиагентные фреймворки, системы автономного принятия решений, LLM-based агенты, платформы оркестрации агентов
• Комплексная экспертиза в Reliability Engineering: service management (Incident, Problem, Change Management), performance и capacity engineering для AI/ML систем
• Экспертный опыт cloud engineering (Azure, GCP, AWS) с контейнеризацией (Kubernetes, Docker), serverless архитектурами и cloud-native AI сервисами
• Глубокий опыт observability: distributed tracing, метрики, логи, APM, AI-driven anomaly detection
• Сильный опыт platform engineering: infrastructure as code, service mesh, API gateways, self-service developer платформы

Условия

• Конкурентная оплата и performance-based бонусы
• Медицинская, стоматологическая и офтальмологическая страховка
• 401(k), покупка акций, оплачиваемая компанией life insurance
• Оплачиваемый отпуск (PTO), включая sick leave, parental leave, family care leave
• Short-term и long-term disability, скидки компании, Military Leave Pay, компенсация расходов на усыновление и суррогатное материнство
• Программа Live Better U — оплачиваемое Walmart обучение от школы до бакалавриата
• Годовой диапазон зарплаты $169,000.00 - $338,000.00
• Дополнительная компенсация: годовые или квартальные performance бонусы, акции

Навыки

• TensorFlow
• PyTorch
• LLM
• multi-agent frameworks
• reinforcement learning
• NLP
• computer vision
• MLOps
• AIOps
• MLflow
• Kubeflow
• Seldon
• Kubernetes
• Docker
• Azure
• GCP
• AWS
• serverless
• distributed tracing
• APM
• anomaly detection
• infrastructure as code
• service mesh
• API gateways
• Kafka
• Pulsar
• chaos engineering
• CI/CD
• federated learning