MLOps-ижненер

Внутри Security Operation Center (SOC) мы развиваем собственную инфраструктуру для ML/LLM-решений — от автообнаружения угроз до мультиагентных LLM-систем. Ищем MLOps-инженера, который хочет не просто автоматизировать пайплайны, а строить масштабируемые и понятные ML-системы, доступные даже не-ML-специалистам. Наша цель — построить масштабируемую, аудируемую и автоматизированную экосистему, в которой доменные эксперты SOC могут удобно работать с ML и LLM инструментами, для решения задач выявления атак и расследования инцидентов.

Мы развиваем ML направление для создания детектирующих моделей, автоматизации процессов разработки контента и анализа данных, идем в автономный SOC.

Что тебя ждёт

Развитие MLOps / LLM Ops процессов:

Стандартизация ML/LLM проектов (шаблоны, документация, интерпретируемость, IaC).

CI/CD и автоматизация пути от прототипа до продакшена.

Мониторинг моделей, контроль сдвигов, повторное обучение.

Поддержка Human-in-the-loop циклов, A/B-тестов.

Оптимизация инференса для self-hosted LLM.

AutoML Threat Detection:

Развитие AutoML фреймворка для обнаружения угроз.

Интеграция новых пайплайнов

Развитие Feature Store.

LLM-инженерия:

Развитие среды разработки LLM-агентов.

Развитием RAG и memory систем.

Ведение реестра промптов и тулов, шаблонизация разных типов LLM-приложений.

Что мы ждём от тебя

1.Знание MLOps-практик

Разбираешься в production-паттернах: Shadow Mode Deployments, Dark Launch, Canary Deploy, A/B тесты, Circuit Breakers.

Понимаешь, как выстроить CI/CD пайплайны и процессы перенастройки систем.

Умеешь выстраивать мониторинг для ML/LLM-систем.

Понимание ключевых ML-алгоритмов и подходов

Понимаешь, как и когда применять Anomaly Detection и Binary Classification.

Знаком с AutoML-техниками.

Понимаешь подходы к построению моделей без разметки / с малым количеством разметки / с постепенным поступлением новой разметки (Targeted Anomaly Detection, Active Learning, Week Supervised Learning, Incremental Learning)

Системное мышление в построении ML/LLM-решений

Пишешь чистый и оптимальный Python-код, умеешь работать с ресурсами.

Проектируешь Micro-Batch и Real-Time ML-системы.

Понимаешь, что такое Feature Store, и умеешь его реализовывать.

Знаешь, как управлять конфигурациями и параметрами моделей в проде.

Видишь, как сделать ML/LLM-инструменты доступными для не ML-специалистов.

Умеешь собирать мультиагентные LLM-системы (LangChain, LangGraph, LlamaIndex).

Понимание основных угроз и паттернов защиты для ML и LLM систем

Почему это может быть интересно

Инженерное влияние: ты не просто мажешь glue code — ты проектируешь системную инфраструктуру, которая останется надолго.

Продуктовая безопасность: наши ML/LLM-системы живут в высоконагруженном продакшне, где нет права на ошибку.

Инфраструктура в твоих руках: ты влияешь и на техдолг, и на то, какие ML/LLM-практики становятся стандартом.

Мы предлагаем

• Колмогоров (10 x 8 x V100) под эксперименты
• Оплату участия в топ AI конференциях 2-3 раза в год
• Работу в офисе. График работы — гибридный

• Платформу обучения и развития Апгрейд. Курсы, тренинги, вебинары и базы знаний. Поддержка менторов и наставников, помощь в поиске точек роста и карьерном развитии

• Заботу о здоровье. Оформим полис ДМС со стоматологией и страховку от несчастных случаев. Предложим льготное страхование вашим близким
• Компенсацию такси и 50% затрат на спорт от стоимости абонемента
• Компенсацию обедов. А если захотите перекусить, есть кухня с чаем, кофе и фруктами
• Достойную зарплату — обсудим ее на собеседовании
• Возможность работы в аккредитованной ИТ-компании