MLOps специалист

Мы — небольшая DS/ML-команда полного цикла внутри большой компании, где всё ещё витает дух стартапа, но уже есть стабильность.
Цель команды — нанести непоправимую пользу бизнесу за счёт модернизации внутренних и внешних бизнес-процессов компании.
Основное направление — NLP и всё, что с ним связано, но жёсткой привязки к проектам и технологиям нет. Мы открыты для всего, что приносит пользу бизнесу.

Сейчас мы в поиске MLOps специалиста, который разберется в текущих CI/CD пайплайнах и внедрит новые практики по мониторингу качества работы моделей и их автоматическому обучению.

Наши проекты

1. Классификация пользовательских обращений по тематикам
2. Умный поиск по документации на основе LLM+RAG технологий
3. Распознавание изображений и документов (в т.ч. NER)
4. Транскрибация аудио файлов в текст
5. Сервинг LLM в контуре компании

Какие будут задачи:

• Организация и поддержка инфраструктуры для развертывания ML/AI моделей на GPU - серверах
• Автоматизация процессов поставки ML/AI-моделей: настройка пайплайнов CI/CD для обучения, тестирования и деплоя
• Настройка мониторинга качества работы ml-сервисов и моделей, drift'ов данных и целевых переменных
• Внедрение фреймворков контроля качества данных, моделей например Deepchecks / Evidently
• Настройка мониторинга качества работы ml-сервисов
• Решение задач по оптимизации инференса ml-моделей

Наши ожидания от Вас:

• Имеете высшее техническое образование
• Опыт работы в MLOps или DevOps со специализацией в области машинного обучения
• Опыт разработки и эксплуатации ML-пайплайнов, понимание жизненного цикла ML моделей
• Знание Docker и Kubernetes: создание, управление и оркестрация контейнеров.
• Знание CI/CD инструментов: Jenkins, Ansible
• Опыт настройки и использования систем мониторинга Prometheus + Grafana
• Опыт интеграции проверок в CI/CD-процессы, ML-инфраструктуру
• Опыт работы с Mlflow, Airflow
• Коммуникабельны, проактивны, организованы и готовы к командной работе

Будет плюсом:

• Опыт работы с Kubeflow
• Опыт внедрения фреймворков контроля качества данных\моделей: Evidently, Deepchecks
• Опыт работы с Inference серверами (vLLM, TGI, Triton)
• Навыки построения тестов качества данных / фичей в ML-продуктах
• Навыки анализа качества данных на входе в модель (drift, feature stability, missing data)