MLOps инженер (Middle+/Senior)
Описание
ИТ-ИМПЛАНТ - аккредитованный системный интегратор, специализирующийся на заказной разработке и внедрении индивидуальных ИТ-решений для бизнеса. Миссия компании: Для компаний: Дать возможность сильным компаниям увеличиваться, благодаря аутстаффингу эффективных IT-специалистов. Для соискателей: Дать возможность трудоустройства сильным соискателям в передовые компании на выгодных условиях труда. MLOps Engineer (Strong Middle+/Senior) О проекте:Мы ищем инженера, который не просто «поднимает Airflow», а строит фундамент для ИИ-продуктов. Наши проекты разнородны: от высоконагруженных онлайн-инференсов (GPU) до пакетной обработки терабайт данных на-premise. Нам нужен человек, который понимает физику работы моделей так же хорошо, как и архитектуру облаков. Ключевая задача:Закрывать пробелы между Data Science и DevOps. Вы — мост, который превращает Jupyter Notebook в production-grade микросервис с мониторингом дрейфа данных. Hard skills (Обязательно): Инженерия данных: Уверенное владение Python (плюс опыт асинхронности). Опыт работы с Pandas/Polars в продакшене (не в ноутбуках). Оркестрация: Глубокое понимание хотя бы одного инструмента (Airflow / Prefect / Dagster / Argo Workflows). Понимаете разницу между Event-driven и Scheduled пайплайнами. Контейнеризация и оркестрация: Docker + Kubernetes. Умение писать хелм-чарты, настраивать HPA (Horizontal Pod Autoscaler) под GPU-нагрузки. Infrastructure as Code (IaC): Опыт с Terraform или Pulumi (неважно, AWS, GCP или Yandex Cloud — важно понимание состояния и providerов). CI/CD для ML: Опыт настройки пайплайнов не только для кода, но и для данных (DVC / LakeFS / Git LFS). Мониторинг: Знание стеков (Prometheus + Grafana / VictoriaMetrics) и опыт настройки алертинга на качество модели (дрейф данных/концепций). Будет Вашим преимуществом: Если ваш стек — AWS/GCP/Azure: Будет плюсом опыт с SageMaker / Vertex AI / Azure ML, но мы также ценим, если вы умеете собирать тот же функционал из "чистых" сервисов (EC2 + S3 + Lambda) без готовых ML-обвязок. Если ваш стек — On-premise / Bare-metal: Будет плюсом опыт с GPU-виртуализацией (MIG / vGPU), Slurm или Kubeflow, а также опыт настройки распределенных хранилищ (Ceph / MinIO / NFS). Если ваш стек — Open Source: Будет огромным плюсом глубокое знание MLflow или Weights & Biases (включая самостоятельный хостинг), а также опыт с Ray (для распределенного обучения). Если ваш стек — Feature Store: Мы будем рады, если вы работали с Feast / Tecton или писали свой велосипед на Redis / Cassandra для низколатентных фичей. Если ваш стек — Безопасность: Опыт с аутентификацией (OIDC, Keycloak) и управлением секретами (Vault) в контексте ML-пайплайнов — это жирный плюс. Если ваш стек — Бэкенд: Навыки написания микросервисов на FastAPI / Triton Inference Server / TorchServe для упаковки моделей. Мы точно НЕ про вас, если: Вы запускаете модели только через python app.py и считаете это MLOps. Вы боитесь терминала Linux и не умеете читать dmesg или kubectl describe pod при падении GPU-ноды. Вы считаете, что мониторинг — это только "смотрит ли CPU в потолок". Мы предлагаем: Удалённый формат работы Оформление по Самозанятости или ИП (По ТК РФ ставка будет ниже, чем указано в вакансии) Фултайм График работы с гибким началом рабочего дня Стеки на проектах разные, откликайтесь!