6835 - Активный запрос: MLOps, Middle ❗️
6835 - Активный запрос: MLOps, Middle ❗️ 🔥 Важно! Срок подачи кандидатов до 24.08.2026 12:00 - Рейт: 1725.0 - Локация: РФ и РБ - Часовой пояс: МСК - Формат работы: Удаленно - Особые условия: - При направке резюме обязательно указывать ФИО и дату рождения для проверки специалиста по внутренней базе клиента. Также необходимо указывать в какие сроки готов стартовать. Разница во времени с Мск по локации специалиста не более +/- 2 часа. - Проект: Заказчик - крупный ритейлер. - Длительность: До 6 месяцев 📌 Основные задачи: - Проектирование и эксплуатация LLM-платформы в K8s: управление конфигурациями через Helm и Terraform, разработка кастомных операторов для автоматизации жизненного цикла моделей; - Построение сквозных CI/CD-пайплайнов для ML-сервисов (обучение, inference, data pipelines); - Разработка и поддержка рабочих процессов в Kubeflow; - Внедрение наблюдаемости (Observability) для ИИ-систем: мониторинг латентности ответов, дрейфа качества (drift) и стоимости эксплуатации (cost metrics) с помощью Prometheus/Grafana или аналогов; - Архитектура пайплайнов данных для обучения и inference (Kafka, DataLake, объектное хранилище S3, векторные БД); - Оптимизация работы GPU-кластера (распределённое обучение, эффективное использование ресурсов); - Обеспечение безопасности и комплаенса: изоляция сред, контроль доступа, логирование. ✅ Требования: - Администрирование Kubernetes в облачных (cloud) и локальных (on-premise) средах; - Уверенное владение Python; практический опыт с Kubeflow и Airflow для автоматизации ML-пайплайнов; - Настройка пайплайнов CI/CD, преимущественно на Jenkins; - Работа с классическими хранилищами и векторными базами данных (Weaviate/Qdrant/PGVector); - Знания в области мониторинга и логирования (Prometheus, Grafana, ELK, OpenTelemetry). ➕ Дополнительные требования: - Понимание принципов работы LLM/GenAI и RAG-систем. 📩 Просьба предоставлять CV вместе с ФИО, рейтом, локацией (страна + город) и оценкой +/- по требованиям. ✉️ Писать в Max