MLOps Engineer (m/f/d)

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

MLOps-инженер для платформы AI/ML: отвечает за CI/CD, сервинг моделей, LLM-интеграции и эксплуатацию AI-нагрузок в проде.

Задачи

• Внедрять и сопровождать CI/CD-пайплайны, автотесты и релизные процессы для AI/ML-нагрузок
• Создавать и поддерживать model registry, сервинг моделей и интеграции AI-шлюза для LLM API и внутренних приложений
• Настраивать и поддерживать observability: использование моделей, стоимость, расход токенов, задержки, надёжность и качество с помощью Prometheus, Grafana, логирования и алертинга
• Помогать переводить нагрузки из sandbox/PoC в продакшн по стандартам, runbook'ам и моделям поддержки
• Реализовывать переиспользуемые технические компоненты для интеграции LLM API, RAG-пайплайнов, пайплайнов оценки и интеграции с бизнес-приложениями
• Применять infrastructure-as-code для платформенных окружений в контейнерной и облачной инфраструктуре, включая Docker, Kubernetes и деплой через Helm
• Вести runbook'и, операционные процедуры, техническую документацию и операционные дашборды для компонентов платформы
• Участвовать в анализе инцидентов, повышении надёжности, оптимизации затрат и lifecycle-поддержке продовых AI-нагрузок
• Работать с nearshore-, системными интеграторами и облачными партнёрами по задачам внедрения под руководством AI Platform Engineer
• Взаимодействовать с командами data engineering, разработки приложений, облачной платформы и безопасности по интеграции, идентификации, доступам и деплою

Требования

• 3–5 лет опыта в DevOps, cloud engineering, ML engineering, MLOps или platform engineering
• Практический опыт с CI/CD, infrastructure as code и автоматизированным деплоем в продакшн-окружениях
• Уверенные практические навыки Python и работа с Git-based workflow
• Опыт с Docker и Kubernetes; желателен опыт с инструментами деплоя, например Helm
• Опыт работы с облачными сервисами Azure или AWS, включая compute, storage и концепции IAM
• Опыт с observability-инструментами: Prometheus, Grafana, платформы логирования и практики алертинга
• Понимание концепций MLOps: model registry, пайплайны оценки, drift-мониторинг и управление жизненным циклом моделей
• Понимание сетевой изоляции, идентификации, управления секретами и контроля доступа к API
• Свободное владение английским языком в устной и письменной форме

Навыки

• CI/CD
• Python
• Git
• Docker
• Kubernetes
• Helm
• Azure
• AWS
• IAM
• Prometheus
• Grafana
• LLM API
• RAG
• MLOps
• model registry
• infrastructure as code