DevOps+MLOps инженер
Описание
Обязанности: Проектирование, развёртывание и развитие инфраструктуры платформы искусственного интеллекта (on‑prem и облако): Kubernetes‑кластеры, GPU‑ноды, storage, сети, безопасность. Построение и поддержка CI/CD/CT‑пайплайнов для ML‑моделей и сервисов: от артефакта DS до продакшн‑инференса с откатами и канареечными релизами. Интеграция и эксплуатация LLM/ML‑сервисов для внутренних команд и рыночных внедрений: упаковка моделей в сервисы, конфигурация autoscaling, SLA, observability. Настройка мониторинга и алертинга по инфраструктуре и моделям (метрики ресурсов, latency, ошибки, дрейф данных), реагирование на инциденты, участие в post‑mortem. Автоматизация ML‑пайплайнов: подготовка данных, обучение, переобучение, регистрация моделей, управление версиями и окружениями. Поддержка внедрений у клиентов: тиражирование платформенных компонентов, адаптация инфраструктуры под контур заказчика, участие в performance‑оптимизации и cost‑cutting (GPU/CPU). Требования: Высшее образование. Опыт работы: 5+ лет. Глубокое понимание жизненного цикла ML‑модели: от экспериментов до продакшн‑инференса и мониторинга. Уверенный Linux, сетевые основы, безопасность, работа с контейнерами и оркестраторами. Опыт построения CI/CD‑пайплайнов для сервисов и ML‑артефактов (Docker images, модели, данные). Опыт с LLM/GenAI‑платформами: vLLM, TGI, Hugging Face, Triton/ONNX Runtime, оптимизация инференса. Опыт построения feature store, model registry, ML pipelines (Kubeflow, MLflow, Airflow, Argo Workflows). Работа в гибридной инфраструктуре: on‑prem кластеры + публичные облака (T1 Cloud, VK Cloud, Yandex Cloud и др.). Понимание cost‑optimization: FinOps для GPU/CPU, автобалансировка нагрузок. Языки: Python (утилиты, обвязка) / Bash. Контейнеризация и оркестрация: Docker, Docker Compose, Kubernetes (Helm, Operators), желательно Kubeflow. CI/CD: GitLab CI / GitHub Actions / Jenkins / Argo CD. Инфраструктура: Terraform / Ansible, конфигурация Linux‑серверов, Nginx, cert‑manager. Data/ML‑инфраструктура: Apache Kafka, Airflow/Argo Workflows, S3‑совместимые хранилища, MLflow/Weights&Biases. Мониторинг и логи: Prometheus, Grafana, Loki/ELK, Sentry, alertmanager. Профессиональные навыки: Проектирование и развёртывание инфраструктуры платформы ИИ (кластер Kubernetes, storage, сети, security) под LLM/ML‑нагрузки. Построение воспроизводимых ML‑пайплайнов: обучение, валидация, packaging модели, деплой в batch и real‑time режимах. Настройка мониторинга моделей: метрики качества, дрейф данных, latency/throughput, автоматический rollback и retraining‑триггеры. Совместная работа с DS/разработчиками и внедренцами: перевод экспериментальных ноутбуков в надёжные сервисы для внутренних и внешних клиентов. Специализированные программы: +GitLab / GitHub, Jira / Confluence/Сфера+Kubernetes ecosystem: kubectl, Helm, K9s, Lens.+ML‑инструменты: MLflow / Weights & Biases, Kubeflow Pipelines / Airflow, model registry.+Мониторинг: Prometheus, Grafana, Loki/ELK, Alertmanager, Sentry.