MLOps (Инженер LLM-инфраструктуры)

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.