Senior ML Platform Engineer

Ориентир по рынку≈ 347 000 – 385 000 ₽наша приблизительная оценка по 9 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 4,2 тыс.–4,7 тыс. $

🏢 ОфисSeniorПолная занятостьКорпорация

≈ 347 000 – 385 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Вилку работодатель не назвал. Ориентир на созвон: столько платят в 9 похожих вакансиях DevOps / SRE уровня Senior.

платят меньше347 000 – 385 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Опубликована 7 дней назад. Раньше её уже выкладывали 1 раз: спросите, почему место снова свободно.

Свежая

Описание

Обязанности: 8, требования: 8. Понятно, что за работа, ещё до отклика.

Обещают: ДМС и компенсация спорта
Известно: продукт делают с нуля, высокие нагрузки и микросервисы

Подробно

Что требуют

ОбязательноMLPythonFastAPIDjangoFlaskLLMRAGLangChainDockerKubernetes

ПлюсомMLOpsAirflow

Надбавка к зарплате на этом уровне: LLM +29%, Kubernetes +15%, Python +14%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

10 вопросов именно к этой вакансии: что спросить на первом созвоне

Когда откликаться

Стоит ли спешить: за сколько дней Сбер обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Чем предстоит заниматься

Разработка системного дизайна сервисов с нуля и выбор оптимальных компонентов (БД, очереди, кэши, векторные хранилища) под конкретные задачи

Написание высоконагруженного и отказоустойчивого кода на Python

Создание внутренних библиотек и фреймворков для упрощения работы с обучением ML-моделей

Разработка пайплайнов для инференса моделей (включая LLM), управление контекстом, работа с API внешних провайдеров и локальных моделей

Траблшутинг сложных проблем на стыке инфраструктуры и ML

Настройка мониторинга, логирования и алертинга для сервисов

Самостоятельный сбор и анализ требований от стейкхолдеров, превращение бизнес-задач в технические решения

Проведение code review, помощь команде в вопросах архитектуры и лучших практик Python

Наши требования

Опыт коммерческой разработки на Python от 5 лет (AsyncIO, Многопоточность, FastAPI, Django, Flask или аналоги) из них 1 год в ML

Глубокое понимание принципов построения распределенных систем, опыт проектирования отказоустойчивых архитектур (микросервисы, event-driven, паттерны работы с отказами)

Понимание GIL, async/await, работа с памятью, умение писать чистый, тестируемый и переиспользуемый код (библиотеки)

Понимание того, как работают ML-модели и LLM (эмбеддинги, RAG, fine-tuning, контекстное окно), умение выбрать подходящий инструмент (LangChain, vLLM и т.д.)

Опыт работы с Docker, Kubernetes, CI/CD

Понимание принципов мониторинга (Prometheus, Grafana, Sentry) и умение диагностировать проблемы в проде

Проактивность, умение работать в условиях неопределенности, способность самостоятельно находить требования и предлагать решения

Будет плюсом опыт работы с векторными базами данных (Qdrant, Milvus, pgvector) и понимание MLOps-практик (MLflow, Clearml, Airflow, Feature Store)