Staff Engineer, Test Automation (R5792)

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

Staff-инженер по автоматизации тестирования в команду Hivemind Software Engineering Integration and Test. Отвечает за архитектуру и стратегию автоматизированной верификации, MLOps-качество и CI/CD для платформы автономности беспилотных и роботизированных систем.

Задачи

• Определять техническую стратегию, архитектуру и roadmap автоматизированного тестирования, верификации и MLOps-качества в экосистеме Hivemind
• Проектировать и поддерживать масштабируемые тестовые фреймворки для ПО автономности, backend-сервисов, API, операторских приложений и распределённых аппаратных сред
• Руководить функциональным, интеграционным, регрессионным, системным, нагрузочным, надёжностным и end-to-end тестированием в симуляции, edge-compute, software-in-the-loop и hardware-in-the-loop средах
• Строить автоматизированные пайплайны валидации ML: качество данных, воспроизводимость обучения, точность, устойчивость, регрессия, latency, потребление ресурсов и системная интеграция
• Выстраивать CI/CD и непрерывные процессы обучения с версионированием и трассируемостью датасетов, моделей, конфигураций, результатов оценки и артефактов деплоя
• Разрабатывать сценарную валидацию моделей автономности, включая edge cases, деградацию сенсоров и связи, distribution shifts и репрезентативные условия миссий
• Создавать observability, аналитику и triage отказов для поведения ПО, дрейфа моделей и данных, здоровья инференса, результатов тестов и продакшн-производительности
• Писать Python-автоматизацию для ускорения выполнения тестов, параллелизации, отчётности, настройки окружений, сравнения экспериментов и продуктивности разработчиков
• Создавать тестовые харнессы, симуляторы, стабы, моки и синтетические данные для повышения тестируемости и покрытия
• Сотрудничать с инженерами software, autonomy, ML, data, simulation и systems для определения стратегий верификации и улучшения дизайна до реализации
• Разрабатывать и регламентировать AI-assisted инженерные workflow с использованием coding-агентов и LLM-инструментов для генерации тестов, анализа логов, отладки и triage отказов с сохранением безопасности, воспроизводимости и трассируемости

Требования

• Обычно 8+ лет релевантного опыта в software engineering, тестовой инфраструктуре, developer tooling, MLOps, системной интеграции или верификации систем, либо эквивалентная комбинация опыта и подтверждённого влияния
• 5+ лет опыта построения масштабируемых фреймворков автоматизации или developer tooling на Python
• Подтверждённый успех в проектировании тестовой, CI/CD или MLOps-инфраструктуры, используемой несколькими инженерными командами
• Опыт валидации ML-систем на всём жизненном цикле: данные, обучение, оценка, упаковка, деплой и мониторинг
• Понимание рисков качества ML: утечка данных, training-serving skew, недетерминизм, distribution shift, дрейф, регрессия моделей и статистические критерии приёмки
• Опыт определения базовых уровней производительности моделей, автоматизированных наборов оценки, порогов релиза и workflow сравнения кандидатов с продакшном
• Опыт тестирования GPU-ускоренной инфраструктуры и нагрузок, включая планирование, аллокацию, утилизацию и конкуренцию за ресурсы в Kubernetes
• Опыт бенчмаркинга, профилирования и observability для GPU-нагрузок, включая выявление узких мест compute, памяти, хранилища, сети и загрузки данных
• Опыт валидации multi-tenant Kubernetes-сред: RBAC, квоты ресурсов, изоляция нагрузок и поведение планировщика
• Опыт квалификации интегрированных аппаратно-программных систем, включая автоматизированную валидацию compute, GPU, хранилищ, сети, драйверов, прошивок и конфигураций ПО
• Сильные навыки системного дизайна и опыт тестирования распределённых систем, backend-сервисов, API и интегрированных аппаратно-программных сред
• Опыт разработки стратегий интеграции и регрессии для внутреннего, стороннего, open-source и партнёрского ПО, включая управление зависимостями, тестирование совместимости и обновления
• Сильное понимание асинхронного и конкурентного программирования на Python для масштабируемой автоматизации и параллельного выполнения тестов
• Опыт управления пакетами и зависимостями, воспроизводимых окружений и систем сборки: Conan, pip, setuptools, Poetry, Nix или аналоги
• Опыт автоматизированной observability, сбора логов, аналитики, отчётности и root-cause анализа в сложных программных, данных и инфраструктурных системах
• Опыт работы в Linux-средах разработки

Условия

• Full-time regular employee offer package: оплата в указанном диапазоне + бонус + льготы + equity
• Temporary employee offer package: оплата в указанном диапазоне + временный пакет льгот (доступен после 60 дней работы)
• Компенсация зависит от навыков, уровня опыта, лицензий и сертификаций, а также конкретного места работы
• Все офферы обусловлены проверкой биографии и возможной проверкой рекомендаций
• Military fellows и part-time сотрудники не имеют права на льготы
• Shield AI — равноправный работодатель и affirmative action employer

Навыки

• Python
• MLOps
• CI/CD
• Kubernetes
• GPU
• CUDA
• MLflow
• Kubeflow
• Weights & Biases
• SageMaker
• Vertex AI
• Run:ai
• NVIDIA GPU Operator
• KAI Scheduler
• Kueue
• Volcano
• NVIDIA Nsight
• PyTorch Profiler
• Go
• TypeScript
• C
• C++
• Linux
• Conan
• pip
• setuptools
• Poetry
• Nix
• RBAC
• Infrastructure as Code
• Docker
• DO-178C
• MIL-STD-882