Middle DevOps/MLOps инженер

Мы расширяем наш AI-отдел и ищем Middle DevOps/MLOps инженера, который хочет работать над действительно современными и технологически сложными задачами. У нас не просто инфраструктура - мы строим платформу для запуска и масштабирования продвинутых AI-моделей, создаём собственные продукты в области искусственного интеллекта и используем максимально современный стек: Python-сервисы, Docker Swarm, K8S (Helm), HAProxy, Nginx, продуманные CI/CD пайплайны и высоконагруженные ML-модули, работающие на GPU и CPU.

У нас вы сможете работать над задачами, которые требуют реального понимания Computer Science, производительности и архитектуры распределённых систем - от оптимизации моделей до построения устойчивой инфраструктуры для их продакшн-инференса.

Если вам интересны сложные инженерные вызовы, хочется строить ML-платформы будущего и работать рядом с командой, создающей передовые AI-решения, - у нас вам точно понравится.

Чем предстоит заниматься:

DevOps:

- Проектирование, настройка и поддержка инфраструктуры на базе Docker Swarm и Kubernetes (Helm, deployments, services, ingress).

- Настройка CI/CD пайплайнов в GitLab (build/test/deploy).

- Конфигурирование и оптимизация Nginx как reverse proxy и load balancer.

- Настройка мониторинга, логирования и алертинга(prometheus, grafana, loki, sentry).

- Автоматизация развёртывания и внутренних процессов.

- Оптимизация производительности сервисов и устранение узких мест.

MLOps:

- Деплой и обслуживание ML‑моделей в продакшене.

- Настройка инференс‑пайплайнов на GPU/CPU.

- Контейнеризация моделей и оптимизация Docker‑образов.

- Настройка пайплайнов обновления моделей.

- Мониторинг производительности и стабильности инференса.

- Работа с Python‑микросервисами, интегрирующими ML‑модели.

Computer Science / Architecture:

- Понимание сетевых протоколов и принципов распределённых систем.

- Знание алгоритмов, оптимизации, принципов многопоточности и параллелизма.

- Анализ производительности: CPU, память, I/O.

- Умение диагностировать и устранять архитектурные и инфраструктурные проблемы.

Требуемый стек:

Обязательный:

- Python

- Docker / Docker Swarm

- Kubernetes + Helm

- Nginx

- GitLab CI/CD

- Linux (Ubuntu)

- Базовое понимание ML‑моделей и принципов инференса

Желательно:

- Опыт работы с GPU (NVIDIA, CUDA)

- Опыт с Triton, TorchServe, FastAPI inference endpoints

- Prometheus, Grafana, Loki, ELK

- Bash, Makefile

- Redis, PostgreSQL

Наши ожидания:

- От 2 лет опыта в DevOps/MLOps/SRE.

- Умение писать поддерживаемый код на Python.

- Глубокое понимание Docker: сетей, слоёв, оптимизации.

- Опыт работы с оркестраторами (Swarm, Kubernetes).

- Знание HTTP, WebSocket, TCP/IP.

- Понимание принципов CI/CD.

- Умение работать с высоконагруженными сервисами.

Что предлагаем:

- Конкурентную заработную плату с индексацией по результатам работы

- Оплачиваемый отпуск, больничные и комфортный рабочий график.

- Адекватное, лояльное и поддерживающее руководство, которое помогает развиваться, а не мешает работать.

- Атмосферу стартапа: быстрые решения, инициативность приветствуется.

- Возможность развиваться одновременно в DevOps и MLOps, прокачивая как инфраструктуру, так и экспертизу в ML-инференсе.

- Современный стек: Kubernetes, Python, GPU-инференс, high-load сервисы, потоковые ML-системы.

- Прямое влияние на архитектуру, выбор технологий и ключевые инженерные решения.