MLOps (Инженер LLM-инфраструктуры)
Описание
AI Platform Team отвечает за всю инфраструктуру AI: от исследований моделей до их продакшн-запуска. Наша задача — дать продуктам надёжный и эффективный доступ к LLM. Строить отказоустойчивые системы, которые держат нагрузку.Мы ищем инженера, который будет проектировать, разворачивать и оптимизировать платформу для инференса больших языковых моделей. Работать с vLLM/Triton, GPU-кластерами, observability-стеком, чтобы модели работали быстро, стабильно и экономично.Если вы строили высоконагруженные ML-системы и хотите решать инфраструктурные задачи в области LLM — давайте обсудим. ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ: Развитие и эксплуатация инфраструктуры для инференса LLM, включая BitrixGPT, локальные и облачные модели: внедрение стеков для эффективного обслуживания LLM, таких как vLLM, Nvidia Triton Inference Server и их аналогов, оптимизация схем распределения нагрузки, батчинга и стриминга токенов. Настройка, эксплуатация и оптимизация GPU-кластеров для инференса: управление ресурсами, планирование загрузки (capacity planning), снижение стоимости владения. Профилирование и отладка сервисов инференса: поиск и устранение узких мест, влияющих на задержки (latency) и пропускную способность (throughput). Настройка наблюдаемости (observability) AI-стека: сбор метрик, логирование, трассировка и алертинг (Prometheus, Grafana и других инструментов, разработка дашбордов для мониторинга доступности, задержек, ошибок и стоимости инференса. Участие в разработке и улучшении платформенных процессов: совместная работа с командами разработки и data science, ревью архитектуры и сервисов, обмен экспертизой на внутренних митапах. ЧТО МЫ ОЖИДАЕМ ОТ КАНДИДАТА: Продовый опыт эксплуатации ML-/LLM-сервисов. Практический опыт работы с контейнеризацией и оркестрацией (Docker). Владение Python для разработки сервисов, утилит, оркестрации и автоматизации. Понимание устройства современных LLM: архитектура трансформеров, токенизация, контекстное окно, влияние параметров (batch size, KV-cache) на latency и throughput. Опыт настройки мониторинга и логирования в production (Prometheus, Grafana, ELK-стек, Sentry или аналоги). Навыки анализа и оптимизации производительности сервисов: профилирование, поиск и устранение узких мест. Готовность отстаивать своё мнение и предлагать улучшения для достижения наилучшего результата. ТАКЖЕ ДЛЯ НАС ВАЖНО: Практический опыт работы с vLLM и/или SGLang. Опыт работы с GPU-инфраструктурой: CUDA, мониторинг и тюнинг GPU-нагрузки. Знание принципов безопасной разработки и эксплуатации веб-сервисов. ЧТО МЫ ПРЕДЛАГАЕМ: Полная занятость с возможностью удаленной работы или работы в комфортном офисе в Москве/Калининграде; Уникальная возможность влиять на пользовательский опыт миллионов компаний по всему миру; Работа в компании, где принятие решений основано на данных и аналитике; Конкурентоспособная заработная плата, оформление по ТКРФ; Программы профессионального развития и обучения; ДМС со стоматологией после трех месяцев работы; Сервис психологической поддержки ЯСНО и онлайн-платформа для спорта; Корпоративная культура, направленная на заботу о сотрудниках и их благополучии.