Ведущий Java-разработчик, Отдел разработки ML инфраструктуры

Привет! Это команда ML Инфраструктуры Ozon Tech.

Мы развиваем платформенные сервисы, которые упрощают и стандартизируют процесс создания и эксплуатации ML-решений в Ozon. Наша цель — дать дата-сайентистам и аналитикам удобные и мощные инструменты, чтобы быстрее и надёжнее запускать эксперименты, разворачивать модели и управлять вычислительными ресурсами. Мы создаём инфраструктуру, которая объединяет команды в единую ML-экосистему.

В команде работают инженеры с сильной экспертизой. Мы тесно сотрудничаем с дата-сайентистами, аналитиками, SRE и другими платформенными командами.

Кого мы ищем:

Ищем backend-инженера (Java/Kotlin), который поможет нам развивать ML-инфраструктуру и строить надёжные, масштабируемые сервисы для запуска, инференса и сопровождения моделей.

Наш стек:

Kotlin, PostgreSQL, Apache Kafka, S3, HDFS, GitLab CI/CD, Managed Kubernetes

Вы будете:

• Развивать ML Job Scheduler — систему управления задачами машинного обучения и вычислительными ресурсами в Kubernetes.

• Разрабатывать Model as a Service — сервис для инференса моделей, с фокусом на эффективность использования CPU/GPU.

• Работать над DataFlow — системой доставки и подготовки данных для обучения моделей.

• Проектировать и развивать новые сервисы и компоненты ML-платформы.

• Плотно взаимодействовать с дата-сайентистами и аналитиками для уточнения требований и совместного проектирования решений.

​​​Примеры задач:

• Настроить шедулер так, чтобы эффективно распределять задачи по GPU-ноду, минимизируя idle-time.

• Оптимизировать latency и throughput сервиса инференса.

• Обеспечить стабильную доставку большого объёма обучающих данных из S3/HDFS в вычислительный кластер.

• Перепроектировать архитектуру одного из сервисов, чтобы упростить масштабирование и добавление фич.

Нам важно:

• Опыт коммерческой разработки на Java или Kotlin от 3 лет.

• Опыт проектирования и реализации распределённых систем.

• Умение декомпозировать задачи, принимать архитектурные решения и обосновывать их.

• Понимание принципов масштабируемости и отказоустойчивости сервисов.

• Навыки работы с CI/CD и Kubernetes.

Будет плюсом:​​​​​​​

• Опыт разработки MLOps-инфраструктуры.

• Знание Kubernetes CSI, Helm.

• Понимание процессов ML и Data Science.