MLOps / ML Platform Engineer (удаленная работа)

Вакансия: MLOps / ML Platform Engineer

Описание вакансии

MLOps / ML Platform Engineer

О проекте

Ищем MLOps / ML Platform Engineer в команду, которая развивает ML-платформу и выводит модели в production. Основной фокус построение полного жизненного цикла моделей: от обучения до деплоя, мониторинга и поддержки. Важно мыслить платформой и надёжностью, а не отдельными ноутбуками или экспериментами.

Задачи

Строить и развивать ML-пайплайны (training, validation, deployment);

Разворачивать и поддерживать инфраструктуру для обучения и инференса моделей;

Организовывать model serving (API, batch/real-time inference);

Обеспечивать reproducibility и versioning моделей и данных;

Настраивать CI/CD для ML-сервисов;

Мониторить модели (drift, качество, стабильность);

Работать с инфраструктурой (Kubernetes, облака, IaC);

Оптимизировать ресурсы (включая GPU) и стоимость;

Взаимодействовать с ML-инженерами и data-командой.

Требования

Обязательно:

Уверенный оммерческий опыт (MLOps, DevOps, ML Engineering) от 4х лет;

Уверенный Python;

Опыт работы с Docker и Kubernetes;

Опыт построения ML-пайплайнов;

Понимание CI/CD процессов;

Уверенная работа с Linux / bash;

Опыт с Terraform или другими IaC-инструментами;

Понимание жизненного цикла ML-моделей (training / inference / serving);

Понимание reproducibility, versioning и мониторинга моделей.

Будет плюсом:

Опыт с GPU-инфраструктурой;

Model serving (KServe, Seldon, Triton и др.);

Feature Store;

Инструменты versioning (DVC, Delta Lake);

Мониторинг drift и качества моделей;

Облачные ML-платформы (AWS SageMaker, GCP Vertex AI);

Опыт с LLM inference;

Опыт построения ML Platform.

Этапы:

Скрининг (30 минут);

Техническое интервью (1 час 30 минут).

Условия:

Работа в сильной ML/AI-команде;

Возможность строить платформы, а не просто поддерживать;

Конкурентная зарплата;

Гибкий график и удалённая работа;

Минимум бюрократии, максимум влияния на архитектуру;

Интересные задачи на стыке ML, инфраструктуры и платформенной разработки.

-

Пожалуйста, прикрепите к отклику скрининг по требованиям: отметьте плюсы напротив навыков, которыми вы владеете, и минусы напротив тех, которых у вас нет. Это поможет улучшить и ускорить рассмотрение отклика.

Например:

Уверенный оммерческий опыт (MLOps, DevOps, ML Engineering) от 4х лет; +

Уверенный Python; +

Опыт работы с Docker и Kubernetes; + и тд.