Python разработчик (MLOps)

Мы ищем опытного MLOps инженера в команду внедрения ML-решений.

Эта позиция предназначена для специалистов, готовых работать с современным технологическим стеком и обеспечивать жизненный цикл ML-решений на этапе вывода в продакшен.

Чем придется заниматься:

**Развертывание и масштабирование в продакшене**

- Контейнеризация ML-моделей с использованием Docker и развертывание в Kubernetes кластерах

- Настройка и управление оркестрацией ML-пайплайнов через Apache Airflow

- Обеспечение масштабируемости и отказоустойчивости ML-сервисов в on-premise средах

**Мониторинг и оптимизация**

– Подключение сервисов к системам мониторинга и журналирования

- Анализ и устранение инцидентов в работе ML-сервисов на третьей линии поддержки

- Оптимизация использования вычислительных ресурсов и автомасштабирование рабочих нагрузок

**Интеграция и автоматизация**

- Разработка интеграций между ML-сервисами через REST API и системы обмена сообщениями (Kafka)

- Создание автоматизированных пайплайнов для обработки данных, feature engineering и тестирования моделей

- Внедрение Infrastructure as Code подходов для управления ML-инфраструктурой

Требования и навыки:

**Технические компетенции**

- Глубокое владение Python (от 3 лет) с пониманием принципов написания production-ready кода

- Опыт работы с контейнеризацией (Docker) и оркестрацией (Kubernetes) для развертывания ML-моделей

- Уверенное владение Apache Airflow для оркестрации ML-пайплайнов

**DevOps и инфраструктурные навыки**

- Понимание построения CI/CD пайплайнов для ML-решений (GitLab CI, GitHub Actions)

- Навыки работы с системами мониторинга (Prometheus, Grafana) и централизованного логирования

Будет преимуществом

**ML и данные**

- Понимание жизненного цикла ML-проектов и специфики production ML-решений

- Опыт работы с системами управления версий данных и feature store

- Базовые знания принципов машинного обучения и методов валидации моделей

**Расширенные технологические навыки**

- Опыт работы с распределенными вычислениями (Apache Spark, Hadoop)

- Знание специализированных ML-фреймворков (MLflow, ZenML)

- Опыт работы с векторными базами данных и системами поиска для RAG-приложений

Наш Технологический стек

- Оркестрация: Apache Airflow

- Контейнеризация: Docker, Kubernetes

- CI/CD: Сфера CI/CD

- Мониторинг: Prometheus, Grafana, ELK Stack

БД: Postgres, OpenSearch

Данные: S3/MinIO, HDFS

**Языки и фреймворки**

- Python (основной)

- ML библиотеки: CatBoost, scikit-learn, PyTorch, Keras

- REST API разработка (FastAPI)

- Apache Kafka

-Apache Spark

Что мы предлагаем:

- Работу с современными технологиями на переднем крае MLOps индустрии

- Участие в проектах полного цикла - от исследований до production развертывания

- Возможность влиять на архитектурные решения и выбор технологического стека

- Глубокое погружение в практики MLOps с опытными коллегами из индустрии

- Участие в конференциях и обучающих программах по передовым ML технологиям

- Работу с реальными production ML-сервисами

- Доступ к современной инфраструктуре и вычислительным ресурсам

- Поддержку инициатив по внедрению новых технологий и улучшению процессов