MLOps инженер
СберМаркетинг
Москва
🏢 Офис
Middle
Полная занятость
Россия
Описание вакансии
Что ты будешь делать
•Проектировать архитектуру AI-платформы: определять целевую схему для обучения (кластеры GPU, распределенное обучение) и инференса (масштабируемые API), выбирать технологический стек (PyTorch, TensorFlow, Kubeflow, MLflow)
•Осуществлять проектирование архитектуры агентов и RAG-пайплайнов
•Выстраивать MLOps-инфраструктуру: строить CI/CD пайплайны для моделей (автотесты данных, версионирование через DVC/MLflow, деплой через ArgoCD), настраивать A/B-тестирование на реальном трафике и автоматическое переобучение при дрейфе качества
•Оптимизировать инфраструктуру DevOps для ИИ: управлять Kubernetes-кластерами с автоскейлингом GPU-нод (HPA/VPA), оптимизировать использование видеокарт (квантование, управление KV Cache), автоматизировать развертывание инфраструктуры как код (Terraform)
•Развивать инженерную культуру: создавать стандарты разработки (best practices) по тестированию, деплою и безопасности (HashiCorp Vault)
•Интегрировать решения в экосистему компании: консультировать продуктовых разработчиков по подключению к ML-сервисам (retry-политики, circuit breakers) и работать с Data Engineers над качеством данных для обучения совместно с CDO
Мы ждем, что у тебя есть
•Опыт архитектора AI/ML-систем
•Экспертный уровень в Kubernetes: развертывание, управление, troubleshooting GPU-нагрузок
•Программирование на Python и знание ML-фреймворков (PyTorch, TensorFlow, CANN, Onnx)
•Знание методов оптимизации моделей: квантование, дистилляция, ONNX, TensorRT
•Опыт с мониторингом и observability: Prometheus, Grafana, OpenTelemetry, Jagger, ELK/Loki
•Владение стеком LLM: LangChain/LlamaIndex, векторные БД (Qdrant, FAISS, Pinecone), мультимодальные СУБД (ArcadeDB, OrientDB, ArangoDB)
•Глубокое знание MLOps: построение end-to-end ML-пайплайнов, CI/CD для моделей
Условия
•Гибридный формат работы с 10:00 до 19:00
